SAAG: Sistema de Aquisição de Dados Climatológicos para o Apoio da Atividade Agrícola

Contato
André Monat
UERJ
Rua Alberto Rangel s/n
Caixa Postal 97.282
28614.970 - Nova Friburgo - RJ
e-mail: monat@iprj.uerj.br

Autoria
André Monat - UERJ
Fernando Reiszel Pereira - UERJ
Henrique Escher - UERJ
Fernando Lino - UERJ
André Pinhel - UERJ
Marcia P.B. Gottgtroy - DIMAP - UFRN

RESUMO
Este trabalho apresenta o projeto SAAG, cuja principal finalidade é apoiar o agricultor em diferentes decisões pertinentes à atividade agrícola. Tal sistema consta de dois módulos principais. Primeiro, uma rede de estações micro-meteorológicas de baixo custo para pequenos agricultores. Segundo, o sistema possui "softwares" capazes de interpretar os dados advindos destas estações, e fornecer aos agricultores orientações precisas quanto às consequências da situação meteorológica no que diz respeito ao cultivo. Neste segundo módulo estão incluidos os programas para o cálculo do balanço hídrico (para decisões relativas à irrigação), análise estatística para o cálculo da chance de surgimento de pragas se utilizando das redes neurais de Kohonen, da heurística baseada em entropia do método ID3 de Quinlan, do algoritmo backpropagation [Rumelhart, Hinton e Williams 1986], assim como o sistema especialista SAGRI [Gottgtroy et al 1995] que se utiliza de técnicas advindas da Inteligência Artificial para orientar o agricultor sobre quais as culturas que se adaptam às características de uma área específica. Por último, o sistema tambem detecta dados extremos nos bancos de dados relacionais que armazenam as medições coletadas [Monat 1995], e verifica as consequências destes mesmos dados nas condições climáticas médias e seus respectivos impactos agrícolas[Wigley 1985] e [Katz e Acero 1994].

ABSTRACT
This article introduces SAAG, a research project whose main goal is to support Brazilian farmers providing guidance for the main decisions involved in their activities. The overall system is composed of two modules. The first consists of a network of low cost wheather stations. The second part of concerns the software capable of analysing the data collected by these wheather stations so the farmers may be advised about the consequences of the climatic condition for the crops. In this second module we included the mathematical models for irrigation control and the statistical analysis concerning the climatic conditions which are suitable for developing certain deseases in the crops and the climatic conditions that brings the necessity of using pesticides. This statistical analysis is accomplished by using Kohonen's neural networks, applying Quinlan's entropy based heuristicand the backpropagation algorithm [Rumelhart, Hinton e Williams 1986]. We included in this module the expert system SAGRI [Gottgtroy et al 1995] which guides farmers in their decision about which type of crops fits best a certain soil condition. Finally, the system SAAG also provides an analysis of extreme data in meteorological databases [Monat 1995] and their consequence on the expected average climatic status of the site together with the agricultural impacts [Wigley 1985] e [Katz e Acero 1994].

I - Introdução

Neste trabalho apresentamos o projeto de estação meteorológica remota que compõem a rede de coleta de dados. Depois uma breve análise dos softwares disponíveis no SAAG é apresentada. Finalmente terminamos com um relatório da situação atual do projeto e as perspectivas futuras do mesmo.

II - Estação Meteorológica

Nesta seção, descrevemos a estrutura de um sistema de aquisição de dados destinado a gerar um banco de dados climatológicos. A aquisição dos dados deve ser realizada em vários locais simultaneamente. Para realizar as aquisições é necessário que cada local de interesse seja monitorado por um sistema inteligente o suficiente para realizar as seguintes funções:

1 - Ler dados de várias grandezas meteorológicas
2 - Condicionar os dados meteorológicos
3 - Gerenciar o armazenamento dos dados em bancos de memória
4 - Coordenar os protocolos de transmissão de dados com uma unidade central

O sistema que desempenha as funcões acima é chamado de "remota". Ao final, ter-se-á várias remotas em locais diferentes, que se comunicam com a unidade central (um microcomputador PC, por exemplo). Devido às funções que a unidade remota deve realizar, é conveniente que a mesma seja implementada com um microprocessador associado a circuitos de memória e aquisição de dados. O microprocessador (8031) escolhido para a implementação da unidade remota, é um consagrado microcontrolador em um único "chip", destinado à aplicações em instrumentação, controle industrial e periféricos inteligentes. O microcontrolador "8031" permite uma drástica redução do "hardware" externo necessário para o controle de todas as funções de aquisição.

No projeto da remota, o "8031" é programado para endereçar uma memória de programa de 16 kbytes e uma memória de dados de 32 kbytes. Na memória de programa serão gravadas as rotinas responsáveis pelo controle da aquisição dos dados, protocolos de comunicação com a central e gravação dos dados na memória de 32 kbytes. Os dados são variáveis meteorológicas digitalizadas, a saber:

1 - Temperatura
2 - Luminosidade
3 - Luminosidade refletida
4 - Umidade
5 - Pressão
6 - Índice pluviométrico
7 - Velocidade do vento
8 - Direção do vento

As variáveis de 1 a 5 são estímulos captados pelos respectivos transdutores, que geram sinais analógicos de corrente ou tensão. As variáveis 6, 7 e 8 são captadas por transdutores que geram sinais já digitalizados, na forma de pulsos ou bytes.

Considerando-se que cada variável será armazenada em 2 bytes e que o período de aquisição das variáveis será fixado em 15 minutos, o espaço de armazenamento disponível (32 kbytes) permitirá que a remota fique armazenando dados durante aproximadamente 3 semanas até que a central a interrogue e "absorva" seus dados.

Todos os sinais analógicos são multiplexados e transformados em freqüência por um conversor tensão-freqüência. A faixa de freqüência gerada por cada transdutor varia de 0 a 65kHz, conforme a magnitude da variável. A medição da freqüência pelo "8031" dará portanto um valor representativo da magnitude de cada variável. O conversor tensão-freqüência utilizado possui excelente linearidade (0.05%), é intrinsecamente monotônico e com alta rejeição à ruídos. Tais fatores permitem que as variáveis meteorológicas sejam medidas com precisão de 16 bits, muito além da realmente necessária para estudos meteorológicos. Para se ter uma idéia da resolução alcançada, a temperatura pode ser medida com uma resolução de 0.01 (C .

III - "Software" para interpretação e análise dos dados

Os sistemas computacionais presentes no SAAG para a análise dos dados coletados pelas remotas e para a orientação ao agricultor, podem ser divididos em dois grupos principais. Primeiro, temos os programas que implementam o balanço hídrico para fins de análise dos momentos apropriados para irrigação. Segundo, o SAAG irá dispor de um banco de dados que armazene as séries históricas dos dados coletados pela diversas remotas, e que efetue análises estatísticas sobre estes dados. No futuro o sistema terá tambem o sistema especialista SAGRI [Gottgtroy 1995] que diante das condições específicas do solo e da clima da região, irá decidir qual(is) a(s) cultura(s) mais apropriadas(s) para o local.

Denomina-se balanço hídrico, um "método de se calcular a disponibilidade de água no solo para as comunidades vegetais" [Tubelis e Lino 1980]. Através deste método é que o SAAG pode determinar (nesta primeira fase do projeto) as épocas do ano em que a irrigação se faz necessária. Mais tarde, tenciona-se prover um monitoramento mais frequente e completo ao agricultor [Hidro 1990].

As diversas unidades remotas estão ligadas a um PC que armazenará as séries históricas de dados coletados. Esta conecção, conforme já visto, poderá ser de forma direta através de modem, ou indireta através de um PC intermediário. Um banco de dados (BD) está sendo implementado em ACCESS 2.0, para guardar tais séries de dados. Tal BD tem suas rotinas de acesso escritas em Visual C++ ou Visual Basic, com os comandos de acesso escritos em SQL e "embedded" (incluidos) nestes programas.

Redes Neurais de Kohonen estão sendo testadas para detectar condições especiais para o aparecimento (e a persistência) de doenças e pragas. As variáveis climáticas sendo coletadas estão sendo vistas como as dimensões da rede e resultados promissores tem se obtido a nível de clusters sendo formados para estes mesmos dados.

Tais clusters demonstrariam as condições em que os problemas surgem nas plantações. Em breve simulações para o algoritmo Backpropagation com diversos fatores de momento na fórmula principal de aprendizado também serão estudados. Para ativação das unidades tenciona-se usar a função logística [Rumelhart, Hinton e Williams 1986]. A heurísitca baseada em entropia de Quinlan está sendo constantemente comparada com estes métodos já citados.

Por último, uma série de rotinas estatísticas devem ser capazes de detectar outliers (dados tão extremos que podem ser classificados como excepcionais) no banco de dados [Monat 1993]. Em [Wigley 1985] e [Katz e Acero 1994] reporta-se diversas situações em que a análise destes valores se mostram ótimos indicadores para o estudo das mudanças nas condições médias do clima local e sintomas para avaliação de novas condições extremas. Como tais condições podem causar um enorme impacto na produção agrícola, todos os mecanismos que levem a detecta-las devem ser acionados.

IV - Perspectivas Futuras

O sistema SAAG se propõe a orientar o agricultor nas suas decisões relativas ao cultivo. A primeira fase do trabalho, construção de estações meteorológicas que coletem automaticamente dados climáticos, já se encontra felizmente terminada.

A nível de "software", além dos programas e protocolos de comunição das unidades remotas, já foram implementados programas de balanço hídrico e evapotranspiração de plantas. O segundo tipo de programa no entanto, ainda precisa ser mais direcionado para culturas e problemas brasileiros. Outros modelos de evapotranspiração e balanço hídrico também devem ser acrescentados.

Os estudos de análise estatística baseados no modelo ID3, na rede de Kohonen e no Backpropagation estão sendo conduzidos, com os simuladores de tais processos já disponíveis. Tais trabalhos tem se mostrados muito promissores e em breve esperamos apresentar alguns resultados.

V - Referências Bibliográficas

[Butler e Miranda 1984] Butler, D. R. e Miranda, Ricardo Augusto Calheiros de "Comparação entre os Métodos Penman e Thornthwaite para Calcular a Evapotranspiração Potencial no Sudeste da Bahia". Revista Theobrama 14(2): 127-133.
[Gottgtroy et al 1995] Gottgtroy, MPB; Nascimento,JW; Monat,AS; Medeiros,AA; Silva, BSF; Souza, FP; Oliveira,MA "SAGRI:Sistema Inteligente para Apoio a Produção Agrícola". Agrosoft'95.Juiz de Fora.
[Monat 1993] Monat, André S. "Exceptional Values in Relational Databases". Tese de Doutorado. University of East Anglia. Norwich, Reino Unido. 1993.
[Hidro 1990] IH Report No 110. Institute of Hydrology. ISBN 0 948 540 21 4
[Katz e Acero 1994] Katz, Richard W. e Acero, J. Garrido "Sensitivity Analysis of Extreme Precipitation Events". International Journal of Climatology, vol 14, 985 - 999. 1994.
[Rumelhart, Hinton e Williams 1986] Rumelhart, D.; Hinton, G.; Williams, R.J.; "Learning Internal Representation by Error Propagation" in Parallel Distributed Processing. The MIT Press.
[Tubelis e Lino do Nascimento 1980] Tubelis, A. e Lino do Nascimento, Fernando José "Meteorologia Descritiva - Fundamentos e Aplicações Brasileiras". Editora Nobel. 1980.
[Wigley 1985] Wigley, T. M. L. "Impact of Extreme Events" Nature, vol 316, July 1985.