Agricultura, dados e tempo

Numa época em que cada vez mais pessoas reconhecem a importância dos dados, a agricultura não pode ficar de fora. Se pensarmos um pouco e registarmos factos no dia a dia de uma exploração agrícola, desde o estado do tempo até às operações culturais ou os estados fenológicos, quase tudo pode ser classificado como série temporal. Esta é, basicamente, uma lista de valores de uma variável, um conjunto de dados, em que cada um está associado a um momento no tempo.

Para que uma série temporal de dados tenha valor e a partir dela possa ser obtido algo de valioso, é necessário que seja consistente, mostrando variações ou a ausência delas e influência de factores externos. Podemos considerar que esta consistência é tanto maior quanto a sua duração no tempo e também quanto maior a sua resolução temporal, ou seja, a quantidade de dados por intervalo de tempo.

E por que é tão difícil encontrar estas séries consistentes no domínio agrícola?

• Quando o registo é manual torna-se difícil conseguir, uma vez que estamos dependentes de pessoas. Existem custos de tempo e dinheiro e um sentido de oportunidade que nem sempre é fácil de considerar. Uma boa plataforma com um workflow de registo de dados adequado, pode ser a solução.
• Quando o registo é automatizado, à partida podemos pensar que o problema está resolvido. Mas muitas vezes as plataformas de sensorização e registo não estão integradas nem têm acesso remoto. Aqui a solução deve ser o investimento numa solução de integração dos dados, para criar contexto, e privilegiar fornecedores com protocolos standard e abertos.

E o que podemos fazer com uma série temporal? Na maior parte dos casos queremos prever o futuro, o que vai acontecer depois, aplicando métodos de regressão. Calcular, por exemplo, o valor da produção deste ano a partir dos valores registados nos anos anteriores. Antecipar de alguma forma o que vai acontecer, de maneira a podermos tomar melhores decisões sobre o que fazer de seguida, como planear a colheita ou armazenamento.

Será também interessante abordar séries temporais de outra forma. No caso da resolução ser elevada, poderemos considerar métodos de classificação, extraindo informação que pode estar de alguma forma escondida nos dados. Podemos assim, também comparar, por exemplo, duas armadilhas para insectos com base em todas as suas capturas, tomando uma decisão mais acertado sobre qual o tratamento a aplicar.

Hugo Pires