Sistema de Internet das Coisas para Captação de Dados do Microclima Vegetal na Agricultura
Resumo
A previsão para o planeta aponta para mais mudanças climáticas, aumentando o desafio de combater doenças e pragas na agricultura. Há, portanto, a necessidade de maior precisão na captação dos elementos climáticos que impactam diretamente no desenvolvimento da planta e na intensidade da doença ou praga. Neste contexto, apresentamos um sistema de Internet das Coisas (IoT) para captura de dados climáticos cujo diferencial são sensores especificamente colocados no microclima da planta. O microclima é uma área relativamente pequena cujas condições atmosféricas diferem da zona exterior (ex: embaixo da copa de uma planta). Dessa forma, o estudo da dinâmica dos elementos climáticos envolvidos no desenvolvimento vegetal é viabilizado. Uma das aplicações será fornecer subsídios para prever a doença ou praga no futuro de modo a realizar um manejo preventivo e com menor uso de agrotóxicos.
Referências
Caffarra, A., Rinaldi, M., Eccel, E., Rossi, V., and Pertot, I. (2012). Modelling the impact of climate change on the interaction between grapevine and its pests and pathogens: European grapevine moth and powdery mildew. Agriculture, Ecosystems Environment, 148:89–101.
Chen, W. L., Lin, Y. B., Ng, F. L., Liu, C. Y., and Lin, Y. W. (2020). RiceTalk: Rice Blast Detection Using Internet of Things and Artificial Intelligence Technologies. IEEE Internet of Things Journal, 7(2):1001–1010.
Huber, L. and Gillespie, T. J. (1992). MODELING LEAF WETNESS IN RELATION TO PLANT DISEASE EPIDEMIOLOGY. Technical report.
Johannes, A., Picon, A., Alvarez-Gila, A., Echazarra, J., Rodriguez-Vaamonde, S., Navajas, A. D., and Ortiz-Barredo, A. (2017). Automatic plant disease diagnosis using mobile capture devices, applied on a wheat use case. Computers and Electronics in Agriculture, 138:200–209.
Kassab, W. and Darabkh, K. A. (2020). A–Z survey of Internet of Things: Architectures, protocols, applications, recent advances, future directions and recommendations. Journal of Network and Computer Applications, 163.
Kim, S., Lee, M., and Shin, C. (2018). IoT-based strawberry disease prediction system for smart farming. Sensors (Switzerland), 18(11).
Kitpo, N. and Inoue, M. (2018). Early Rice Disease Detection and Position Mapping System using Drone and IoT Architecture.
Kour, V. P. and Arora, S. (2020). Recent Developments of the Internet of Things in Agriculture: A Survey.
Martins, M., Viana, I., Fonseca, W., Araujo, F., Serrano, L., Lima, W., Conrado, A., Oliveira, V., and Galvino, M. (2020). Temperatura e Umidade Relativa nos Processos de Infecção do Agente Causal do Oídio do Cajueiro - BOLETIM DE PESQUISA E DESENVOLVIMENTO 203 Empresa Brasileira de Pesquisa Agropecuária Embrapa Agroindústria Tropical Ministério da Agricultura, Pecuária e Abastecimento.
Massruha, S. and Leite, M. (2014). AGRO 4.0-RUMO À AGRICULTURA DIGITAL. Technical report.
Mesquita, A. L., Pini, N., and Braga Sobrinho, R. (2016). Pragas do Cajueiro - Sistema de Produção do Caju - Sumário Dados Sistema de Produção - Embrapa Agroindústria Tropical.
Shomaria, S. H. and Kennedy, R. (1999). Survival of Oidium anacardii on cashew (Anacardium occidentale) in southern Tanzania. Plant Pathology, 48:505–513.
Souza, K., Oliveira, S., Macario, C., Esquerdo, J., Moura, M., Leite, M., Lima, H., Castro, A., Ternes, S., Yano, I., and Santos, E. (2020). 2 Agricultura digital: definições e tecnologias. Technical report, Empresa Brasileira de Pesquisa Agropecuária.
Steinhart, J. S. and Hart, S. R. (1968). INSTRUMENTS AND METHODS Calibration curves for thermistors. Technical report.
Vidal Neto, F., Rossetti, A., Barros, L., Cavalcanti, J. J., and Melo, D. (2018). Desempenho Agronômico de Clones de Cajueiro no Litoral do Ceará - Boletim de Pesquisa e Desenvolvimento 163.
