Resumo
O mapeamento digital do solo (MDS) ganhou popularidade nos últimos anos. O principal motivo é a facilidade e rapidez com que permite produzir informações do solo. Neste artigo nós descrevemos algumas das mais importantes novidades e alguns dos maior desafios do MDS de alta no Brasil. Para isso, o MDS é analisado em função das suas aplicações em grandes e pequenas extensões territoriais. No primeiro caso, a grande novidade é o rápido desenvolvimento da capacidade computacional instalada, principalmente via computação na nuvem. Sem a computação de alto desempenho não seria possível realizar MDS de alta resolução em grandes extensões. Da mesma maneira como vem sendo fundamental a disponibilidade cada vez maior de dados espaciais de alta resolução do sensoriamento remoto. Mas para que as informações do solo produzidas em escala global ou nacional tenham utilidade local, é necessário vencer o desafio de aumentar a disponibilidade de dados de observações do solo. O compartilhamento aberto dos dados existentes é fundamental para isso, mas nada substituirá a coleta de novos dados do solo no campo. Já nas aplicações do MDS de alta resolução em pequenas extensões, sendo a agricultura de precisão o principal exemplo, a disponibilidade de dados não é um problema. De fato, nessas aplicações é mais o alto custo com a obtenção periódica de dados que mais preocupa. Por isso, ganha cada vez mais espaço o uso de sensores proximais para obtenção de dados indiretos sobre as propriedades do solo. Mas outras possibilidades também precisam ser exploradas. Uma delas são as configurações amostrais otimizadas via algoritmos inteligentes. Outra são informações espaciais auxiliares sobre o terreno e as práticas de uso e manejo das lavouras ao longo do tempo. Inclusive, essas informações, quando disponíveis em alto nível de detalhe espacial e temporal, poderiam ser usadas para construir modelos mecanísticos do funcionamento espaço-temporal das lavouras e fazendas. Isso permitiria produzir informações relevantes sobre o solo com menor demanda de dados e, portanto, custos mais baixos.
Agradecimentos
Este trabalho foi realizado com a colaboração de Lucas Rios do Amaral, da Faculdade de Engenharia Agrícola (FEAGRI) da Universidade Estadual de Campinas (UNICAMP).
