Morges, Suiça, 14 de fevereiro

Yury Vasilkov – GAMAYA, CEO.

A descarbonização por meio do sequestro de carbono no solo está se tornando um tópico cada vez mais importante para a agricultura moderna. As operações agrícolas são amplamente reconhecidas como uma das maiores poluidoras de gases de efeito estufa na cadeia de valor alimentar. Além disso, os solos agrícolas possuem um imenso potencial para o sequestro de carbono. Na GAMAYA, estamos desenvolvendo tecnologias para permitir o cultivo de cana-de-açúcar com clima inteligente, visando não apenas reduzir os níveis de emissão, mas também utilizar o potencial global da cana-de-açúcar para o sequestro de carbono. Uma etapa crucial neste processo é o desenvolvimento de métodos precisos e verificáveis para medir o acúmulo de carbono orgânico do solo (COS).

Atualmente, o método mais aceito envolve testes de solo realizados com uma metodologia específica que contabiliza todos os elementos orgânicos do solo, tanto na superfície quanto em níveis mais profundos. Embora eficaz em uma escala limitada, é difícil o uso desse método nas medições de sequestro em milhões de hectares, o que é necessário para mensurar uma quantidade suficiente de matéria orgânica do solo e identificar um impacto considerável. Por exemplo, na GAMAYA, pretendemos liderar o esforço de sequestro de até 100 milhões de toneladas de CO2 equivalente em 27 milhões de hectares de terras agrícolas de cana-de-açúcar em todo o mundo. Então, como conseguimos isso?

A primeira ideia de muitas pessoas é usar satélites para medir a matéria orgânica do solo, e há inúmeras promessas de revolucionar a medição COS usando apenas imagens de satélite. No entanto, nossos especialistas da GAMAYA acreditam que isso é uma grande ilusão. Questionamos não apenas as capacidades tecnológicas, mas também a praticidade dessa abordagem.

Por que dificilmente é possível? A medição precisa de COS até 60 cm de profundidade requer recursos de raios-X, que não estão disponíveis com as tecnologias de satélite atuais, incluindo sensores hiperespectrais nos quais nos especializamos. Essas tecnologias ainda não existem.

Mesmo que estivéssemos errados e fosse possível, ainda acreditamos que essa abordagem não é aplicável na prática. As práticas agrícolas regenerativas exigem que os produtores cubram consistentemente o solo com culturas, resíduos e culturas intercalares, isto é, não ocorre solo exposto, o que dificulta a varredura do COS usando sensores ópticos, principalmente satélites.

Como resultado, apesar de nossa experiência em imagens, nós da Gamaya escolhemos uma abordagem de modelagem. Já avançamos significativamente na modelagem da vegetação da cana-de-açúcar ao longo do ciclo de crescimento. Começando com aprendizado de máquina (machine learning) simples e evoluindo para aprendizado profundo (deep learning), conseguimos resolver problemas de superestimativa e enviesamento. Além disso, os recursos de ciência de dados do GAMAYA atingiram níveis incomparáveis de precisão, atingindo até 95-98%.

Outro problema com as promessas de revolucionar a agricultura globalmente usando tecnologias de satélite é a própria agricultura. É local, contextual e variável, com bilhões de combinações possíveis influenciadas por fatores como biologia da cultura, clima, solo e práticas agrícolas. O fator limitante não é a capacidade de adquirir imagens de satélite ou desenvolver abordagens de aprendizado de máquina, embora as metodologias de ciência de dados afetem significativamente a qualidade dos modelos. O fator limitante é o conhecimento profundo da cultura e dados detalhados sobre o ambiente de cultivo.

Instantaneidade através da nossa interface com o mapa e a curva de previsão na previsão do TAH

No GAMAYA, avançamos significativamente no entendimento da cana-de-açúcar tanto do ponto de vista agronômico quanto do ponto de vista digital. Atendendo a produtores que cultivam 3 milhões de hectares de cana-de-açúcar em todo o mundo, temos a maior coleção de dados sobre cultivo de cana-de-açúcar do setor, que inclui informações sobre rendimentos, rotações, ciclos de cultivo, variedades, solo e muito mais. Devido ao nosso relacionamento de confiança com os produtores, agora estamos adicionando novas camadas de dados, como rotação de culturas e práticas agronômicas conduzidas em canaviais. Além disso, estamos incorporando dados do conteúdo de COS coletados por meio de nosso programa Carbon Farming.

Embora seja uma abordagem de modelagem, as imagens continuam sendo uma fonte vital de informação. O sensoriamento remoto ajuda a atingir dois objetivos críticos: automação na coleta de dados dos processos agrícolas e fornecimento de uma fonte de informações mais objetiva sobre o que está acontecendo no campo.

Obviamente, observamos a paisagem em evolução do desenvolvimento de sensores com a capacidade de medir o conteúdo orgânico do solo. Os especialistas da GAMAYA acreditam que isso pode se tornar uma ótima maneira de fazer medições das características do solo que podem ser usadas por modelos para maior escalabilidade de novas técnicas de medição.

Nossa abordagem de modelagem é bem suportada, apoiada por extensa pesquisa realizada nos cantões suíços de Genebra e Vaud nos últimos 25 anos. Esta pesquisa mapeou os padrões de acúmulo de SOC, mostrando uma correlação direta entre as práticas agronômicas e as mudanças na matéria orgânica do solo. Além disso, vimos modelos de acumulação COS certificados em outras partes do mundo e para outras culturas na América do Norte.

Nosso progresso no desenvolvimento de modelos de verificação COS cria uma base sólida para permitir a escalabilidade de programas de remoção de carbono para cana-de-açúcar em escala global. Isso aborda o potencial de sequestro de até 100 milhões de toneladas de CO2 equivalente, posicionando-nos como líderes na luta contra as mudanças climáticas.