FAZENDAS INTELIGENTES: UTILIZANDO INTELIGÊNCIA ARTIFICIAL PARA PREVISIBILIDADE DA PRODUÇÃO AGRÍCOLA

Objetivo: Este trabalho apresenta o desenvolvimento de um sistema que utiliza bancos de dados públicos da Embrapa (Empresa Brasileira de Pesquisa Agropecuária), combinados com parâmetros agronômicos como tipo de solo e área cultivada, para gerar recomendações personalizadas, incluindo indicadores de rentabilidade e sustentabilidade ambiental. Métodos: O sistema foi desenvolvido em Python, empregando técnicas de processamento numérico para correlacionar dados climáticos e de solo com variáveis econômicas, como custos de insumos e preços de mercado. O modelo considera recomendações técnicas para agricultura, como necessidade de adubação e irrigação, custos fixos e variáveis, incluindo mudas, mão de obra e equipamentos, além de realizar análise de sensibilidade para variações de produtividade e calcular métricas de sustentabilidade, como a pegada de carbono equivalente por saca produzida. Resultados: Em um estudo de caso envolvendo uma propriedade de 1 hectare de cultivo do café em Volta Redonda, o aplicativo gerou projeções com retorno sobre investimento de 72,76%, correspondendo a um investimento total de R$ 79.880,00 e Receita Projetada de R$ 138.000,00. A produtividade foi estimada em 3.600 kg de grãos de café por hectare, equivalente a 60 sacas por hectare, com margem de lucro bruta de 42,12%. O ponto de equilíbrio foi alcançado com a produção de 34,73 sacas por hectare, enquanto a pegada de carbono ficou em 0,02 toneladas de dióxido de carbono equivalente por saca. A análise de sensibilidade demonstrou a robustez do modelo, com variações de lucratividade entre R$ 30.520,00 por hectare na análise pessimista e R$ 85.720,00 por hectare no cenário otimista.