O mês de julho de 2019 trouxe com ele um fenômeno climático que afetou diretamente a produção de cana-de-açúcar do Estado de São Paulo: A geada.
Basicamente em um único dia esse fenômeno trouxe importantes consequências que precisaram ser medidas. Mas antes de tudo era necessário entender os fatores climáticos primeiro: Logo na primeira semana de, no sudeste brasileiro, o clima se desenvolveu como pode ser visto nos gráficos a seguir.
Durante a mesma semana o satélite GOES 16 na Banda 13 (infravermelho) apresentava a seguinte formação de nuvens:
As quedas de temperatura, principalmente acentuadas a partir da sexta-feira 05 de julho, culminaram em 0,2 graus celsius no domingo, com o surgimento da geada, que pode ser notada em todo noroeste do estado de São Paulo, especialmente em grandes áreas produtoras de cana-de-açúcar.
Os efeitos dessa geada, claramente observados para quem passava pelos canaviais, se tornaram motivo de estudo para duas equipes de analytics que passaram a trabalhar juntas nos dias que se seguiram para resolver o desafio do quanto foi o tamanho do impacto desta geada.
Com os esforços comandados pelo time de Inteligência Analítica do Grupo Tereos, e cientistas de dados da SciCrop, foi desenvolvido um modelo de análise de dados, fundamentado em bases relacionais, geoespaciais e monitoramento remoto. Foram processadas imagens multispectrais de satélites dos dias 22 e 29 de junho e 02, 07, 09, 12, 14 e 17 de julho as quais totalizaram mais de 152 milhões de observações individuais e análises estatísticas, as quais foram agrupadas por hectare e cruzadas com o perímetro de milhares de talhões de cana não colhidos, cultivados com dezenas de variedades em diversos cortes e com ambientes de solo que variaram do A ao E.
Na imagem abaixo é possível ver um exemplo de comparação de um grupo de talhões antes e depois da geada:
Mesmo com o modelo de análise de dados pré-definido, para garantir que os resultados iniciais pudessem ser processados em tempo hábil, em função da grande quantidade de dados, foi preciso modificar profundamente os algoritmos para que os mesmos de beneficiassem do paralelismo de processamento e uso de memória compartilhada. Ainda assim foram necessárias mais de 170 horas de processamento computacional de alta performance (HPC) divididos servidores físicos e em nuvem.
Após essa etapa foi gerada a distribuição da diferença de biomassa antes da geada, logo após e a recuperação vegetativa nos dias seguintes. Isso permitiu entender a dimensão do impacto da geada, mas não era suficiente para determinar as consequências da produção como um todo. Para tanto a equipe de Inteligência Analítica, integrou suas próprias análises que embarcam o conhecimento da empresa sobre a cultura da cana-de-açúcar, e aliada da plataforma de BI sustentada pela equipe de TI da Tereos, foi possível concluir que a extensão dos danos causados por tal evento climático custará menos ~2 milhões de toneladas em moagem divididas entre as 7 usinas do grupo.
Uma experiência como essa corrobora a importância das análises descritivas e preditivas no agro, e também salienta aspectos chave de transformação digital: Conseguir encarar um desafio como este foi possível pela visão estratégica do valor dos dados na Tereos, pelo modelo de inovação aberta que permeou o trabalho entre cliente e fornecedor e pelo ferramental empregado, entre eles, um conjunto de tecnologias da SciCrop, que permite que a Tereos obtenha e pré-processe imagens de satélite em seus servidores, diariamente para uma área de aproximadamente 1 milhão de hectares, sem interferência humana.
