.png)
Nos últimos anos, as mudanças climáticas causaram uma reorganização das estratégias de proteção, especialmente para as culturas em que é necessário o manejo de muitas doenças e insetos. Devido à alternância de geadas e secas e à ocorrência de chuvas abundantes e mal distribuídas, torna-se essencial prever surtos de doenças e infestações de insetos para reagir rapidamente e limitar possíveis danos. Nos últimos anos, o interesse em Sistemas de Suporte à Decisão (DSS) também aumentou devido às regulamentações (Diretiva 2009/128/C) referentes à redução de insumos químicos no gerenciamento integrado de pragas. A isso se somam todos os outros compromissos que a Europa e outros países nos impõem em termos de sustentabilidade ambiental, como: Acordo Verde, Agenda 2030, Pacote de Pesticidas e estratégias Farm to Fork. Tudo isso ocorre em um contexto em que a Área Agrícola Utilizada (SAU) e o número de moléculas para o manejo de patógenos e pragas fitófagas estão diminuindo, a poluição do ar e a erosão do solo estão aumentando, bem como o número e a gravidade de doenças e insetos devido ao uso não racional de produtos fitossanitários e à globalização; sem mencionar o aumento da população mundial que levará todos os participantes do sistema agroalimentar a ter que aumentar a quantidade e a qualidade dos alimentos em um futuro próximo.
Um modelo de doença de planta é uma simplificação de um sistema real que consiste no patógeno/fitófago, na planta hospedeira e no ambiente. Os modelos são usados em epidemiologia para descrever, entender, prever e comparar epidemias e seus componentes. A ajuda prática para os produtores vem da previsão de doenças, que é um processo de estimativa em situações futuras, passadas, presentes ou desconhecidas.
Para o desenvolvimento de modelos de previsão, dados climáticos gerais, como temperatura mínima, média e máxima e umidade relativa, precipitação diária e mensal e número de dias chuvosos, velocidade e duração do vento, ponto de orvalho e horas de sol são necessários como entrada. Dependendo da complexidade dos dados, também são usados dados climáticos históricos (por exemplo, es. em base 30 anos). Além disso, dados sobre culturas e pragas (patógenos e/ou fitófagos) também podem ser solicitados. Por exemplo, os seguintes parâmetros podem ser usados: para culturas - umidade da folha, densidade da planta, estágios fenológicos, índice máximo de área foliar, déficit de pressão de vapor, irradiância líquida acima e abaixo do dossel, estágios fenológicos suscetíveis; para patógenos fúngicos - a taxa de liberação de esporos, maturação e germinação, seu número nas folhas, a quantidade de inóculo primário e secundário e a taxa de colonização. Para insetos (es. L. botrana em videiras) - períodos de voo de indivíduos machos (detectados com armadilhas de feromônio) e distribuição de capturas de machos entre gerações.
As áreas de aplicação na agricultura são diversas, desde o crescimento e o desenvolvimento das culturas até a produtividade, o balanço hídrico e a defesa contra adversidades bióticas e abióticas.
À medida que a qualidade e a capacidade de computação oferecidas pelos computadores melhoram a cada dia, os modelos estão sendo cada vez mais incorporados aos DSSs, que são ferramentas que ajudam os usuários na tomada de decisões táticas e operacionais na proteção de culturas, a fim de planejar melhor as aplicações de produtos fitossanitários nas estratégias de defesa. Os modelos também podem fazer parte dos sistemas locais de alerta de doenças (por exemplo, observatórios fitossanitários regionais, etc.). O uso de previsões para a proteção de culturas contra doenças e pragas fúngicas não é tão novo (es. regra de 3-10 para a praga da videira e a regra de 10 para a praga do tomate).
As principais vantagens do DSS são a possibilidade de analisar diferentes cenários, entender melhor os processos físicos e biológicos, realizar manipulações no sistema real para testar hipóteses sobre seu funcionamento, avaliar o efeito de possíveis intervenções externas para alterar o comportamento do sistema, facilitar a troca de dados e permitir uma melhor utilização dos dados e dos recursos. Por outro lado, os aspectos críticos consistem em uma utilização que muitas vezes é limitada pelo desenvolvimento de pacotes de software e pela necessidade de testar e validar procedimentos em anos diferentes.
No contexto da proteção integrada de culturas, o uso de modelos preditivos é uma ferramenta valiosa que permite a identificação da "janela de tempo útil" dentro da qual um tratamento pode ser mais eficaz e eficiente no controle do patógeno/fitofago alvo. Isso leva a uma metodologia de tomada de decisões mais racional e eficiente e, portanto, minimiza o número de aplicações e entradas introduzidas no sistema. Os modelos preditivos do xFarm Lab são concebidos, projetados, calibrados e validados para fornecer aos agricultores e a toda a cadeia de suprimentos uma ferramenta técnica adicional que não apenas complementa as outras já disponíveis (es. agronômica, biológica, física, química), mas coordena todas elas para aumentar a eficiência e a eficácia das estratégias de proteção e das técnicas de cultivo, a fim de aumentar a qualidade e a quantidade da produção.
Esse conceito é válido tanto para agricultores com pequenos lotes quanto para cadeias agroalimentares que têm a oportunidade, em grande escala, de ampliar o efeito positivo do gerenciamento racional e eficiente de recursos.
O objetivo principal do xFarm Lab é apoiar todo o sistema agroalimentar por meio da digitalização e das tecnologias aplicadas à agricultura, a fim de proteger a sustentabilidade dos processos de produção em termos agronômicos, econômicos e sociais.
Dubey, P.K., Singh, G.S., Abhilash, P.C. (2019). Adaptive agricultural practices: Building resilience in a changing climate (Práticas agrícolas adaptativas: Criando resiliência em um clima em mudança). Springer.
Pertot, I.; Caffi, T.; Rossi, V.; Mugnai, L.; Hoffmann, C.; Grando, M.S.; Gary, C.; Lafond, D.; Duso, C.; Thiery, D.; Mazzoni, V.; Anfora, G. (2016). Uma revisão crítica das ferramentas de proteção de plantas para reduzir o uso de pesticidas na videira e novas perspectivas para a implementação do MIP na viticultura. Crop Protection, (), S0261219416303489-.
Rossi, V., Giosuè, S., Caffi, T. (2010). Modelagem de doenças de plantas para decision a proteção de culturas. Em Precision crop protection-the challenge and use of heterogeneity (Proteção precisa das culturas - o desafio e o uso da heterogeneidade) (pp. 241-258). Springer, Dordrecht.
.svg)
