Tendências, desafios e oportunidades da Agricultura Digital no Brasil

Autores

Palavras-chave:

Agricultura 4.0, Tecnologias Digitais, Desenvolvimento Rural

Resumo

A agricultura brasileira vem passando por grandes transformações tecnológicas, econômicas, sociais e ambientais. As projeções de aumento da população mundial para 9 bilhões de habitantes em 2050 demandarão uma quantidade crescente de alimentos, fibras e energia, impondo o aumento da produtividade agrícola, a redução de custos e o uso sustentável dos recursos naturais. Este breve artigo apresenta os principais resultados de uma pesquisa realizada com agricultores, empresas e prestadores de serviços em agricultura digital no Brasil sobre as tecnologias digitais em uso, aplicações atuais e futuras, benefícios percebidos e desafios. O questionário foi elaborado, organizado e disponibilizado ao público por meio da plataforma on-line, em 2020. Os resultados observados indicaram que 84% dos produtores rurais entrevistados utilizam pelo menos uma tecnologia digital em seu sistema de produção conforme seu nível de complexidade tecnológica. Os principais benefícios apontados referem-se à percepção de aumento de produtividade e os principais desafios são os custos de aquisição de máquinas, equipamentos, softwares e a conectividade. Nesse contexto, para que o Brasil seja capaz de garantir e manter sua capacidade produtiva, é fundamental considerar o processo de transformação digital no campo, em especial sobre os pequenos e médios produtores rurais.

Downloads

Não há dados estatísticos.

Biografia do Autor

Edson Luis Bolfe, Embrapa Agricultura Digital

Doutor em Geografia. Pesquisador na Embrapa Agricultura Digital e Professor na UNICAMP – Universidade Estadual de Campinas. E-mail: edson.bolfe@embrapa.br. ORCID: https://orcid.org/0000-0001-7777-2445.

Lúcio André de Castro Jorge, Embrapa Instrumentação

Doutor em Engenharia Elétrica. Pesquisador na Embrapa Instrumentação. Email: lucio.jorge@embrapa.br. ORCID: https://orcid.org/0000-0001-8341- 3203.

Ieda Del’Arco Sanches, Instituto Nacional de Pesquisas Espaciais (INPE)

Doutora em Ciências da Terra. Pesquisadora no INPE – Instituto Nacional de Pesquisas Espaciais. E-mail: ieda.sanches@inpe.br. ORCID: https://orcid.org/0000-0003-1296-0933.

Referências

ABRAHAM, E. R.; MENDES DOS REIS, J. G.; VENDRAMETTO, O.; OLIVEIRA COSTA NETO, P. L. D.; CARLO TOLOI, R.; SOUZA, A. E. D.; OLIVEIRA MORAIS, M. Time Series Prediction with Artificial Neural Networks: An Analysis Using Brazilian Soybean Production. Agriculture, v. 10, n. 475. p. 1-18, 2020.

BOLFE, É. L.; JORGE, L. A. D. C.; SANCHES, I. D.; LUCHIARI JÚNIOR, A.; DA COSTA, C. C.; VICTORIA, D. D. C.; INAMASU, R. Y.; GREGO, C. R.; FERREIRA, V. R.; RAMIREZ, A. R. Precision and Digital Agriculture: Adoption of Technologies and Perception of Brazilian Farmers. Agriculture, v. 10, n. 653. p. 1-16, 2020.

BOLFE, É. L.; JORGE, L. A. D. C.; SANCHES, I. D.; LUCHIARI JÚNIOR, A.; DA COSTA, C. C.; VICTORIA, D. D. C.; INAMASU, R. Y.; GREGO, C. R.; FERREIRA, V. R.; RAMIREZ, A. R. Agricultura Digital no Brasil: tendências, desafios e oportunidades. 2020. 45p. (Relatório Técnico). Disponível em: https://www.embrapa.br/agropensa/produtos-agropensa. Acesso em: 22 dez. 2021.

BORGHI, E.; AVANZI, J. R. C.; BORTOLON, L.; LUCHIARI, J. R. A.; BORTOLON, E. S. O. Adoption and use of precision agriculture in Brazil: Perception of growers and service dealership. Journal of Agricultural Science, v. 8, n. 89. p. 89-104, 2016.

BUAINAIN, A. M.; CAVALCANTE, P.; CONSOLINE, L. Estado atual da agricultura digital no Brasil: Inclusão dos agricultores familiares e pequenos produtores rurais. Documentos de Projetos (LC/TS.2021/61), Santiago, Comissão Econômica para a América Latina e o Caribe (CEPAL), 2021.

CEPEA. Centro de Estudos Avançados em Economia Aplicada. PIB do Agronegócio Brasil. CEPEA, 2019. Disponível em: https://www.cepea.esalq.usp.br/br/pib-do-agronegocio-brasileiro.aspx. Acesso em: 22 dez. 2021.

CHEN, Y.; LI, Y.; LI, C. Electronic agriculture, blockchain and digital agricultural democratization: Origin, theory and application. Journal of Cleaner Production, v. 268, n. 122071, p. 1-15, 2020.

DELL. Quantum Computing. 2020. Disponível em: https://www.delltechnologies.com/fr-fr/blog/tags/quantum-computing/. Acesso em: 22 dez. 2021.

IBGE. Instituto Brasileiro de Geografia e Estatística. Valor Bruto da Produção Agrícola – 2019. Disponível em: https://sidra.ibge.gov.br/pesquisa/lspa/referencias. Acesso em: 22 dez. 2021.

KAMILARIS, A.; Prenafeta-Boldú, F. X. Deep learning in agriculture: A survey. Computers and Electronics in Agriculture, v. 147, n. 70. p. 70-90, 2018.

KAYAD, A.; PARAFOROS, D. S.; MARINELLO, F.; FOUNTAS, S. Latest Advances in Sensor Applications in Agriculture. Agriculture, v. 10, n. 362. p. 1-8, 2020.

LARSON, J. A.; ROBERTS, R. K.; ENGLISH, B. C.; LARKIN, S. L.; MARRA, M. C.; MARTIN, S. W.; PAXTON, K. W.; REEVES, J. M. Factors affecting farmer adoption of remotely sensed imagery for precision management in cotton production. Precision Agriculture, v. 9, n. 1, p.195-208, 2008.

LIAKOS, K. G.; BUSATO, P.; MOSHOU, D.; PEARSON, S.; BOCHTIS, D. Machine Learning in Agriculture: A Review. Sensors, v. 18, n. 2674, p. 1-29, 2018.

MAPA. Ministério da Agricultura, Pecuária e Abastecimento. Projeções do agronegócio: Brasil 2020/21 a 2030/31 projeções de longo prazo. Brasília, DF: MAPA/ACE, 2021. Disponível em: https://www.gov.br/agricultura. Acesso: 22 dez. 2021.

MASSRUHA, S.; LEITE, M.; OLIVEIRA, S.; MEIRA, C.; LUCHIARI JUNIOR, A.; BOLFE, E.(Org.). Agricultura digital: pesquisa, desenvolvimento e inovação nas cadeias produtivas. Campinas: Embrapa Informática Agropecuária, 2020. v. 1. 406p. Disponível em: http://ainfo.cnptia.embrapa.br/digital/bitstream/item/218131/1/LV-Agricultura-digital-2020.pdf. Acesso em: 22 dez. 2021.

MCKINSEY GLOBAL INSTITUTE. The Internet of Things: Mapping the value beyond the hype. MGI, 2015. Disponível em: https://www.mckinsey.com.br. Acesso em: 22 dez. 2021.

MICHELS, M.; BONKE, V.; MUSSHOFF, O. Understanding the adoption of smartphone apps in crop protection. Precision Agriculture, v. 21, n. 1, p. 1209–1226, 2020.

MULLA, D. J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems Engineering, v. 114, n.1, p. 358-371, 2013.

ONU. Organização as Nações Unidas. Objetivos do Desenvolvimento Sustentável – ODS 2030. ONU, 2015. Disponível em: https://brasil.un.org/pt-br/sdgs. Acesso em: 22 dez. 2021.

PIVOTO, D.; BARHAM, B.; DABDAB, P.; ZHANG, D.; TALAMINI, E. Factors influencing the adoption of smart farming by Brazilian grain farmers. Int. Food Agribus. Manag. Rev. , v. 22, n. 4, p. 571–588, 2019.

REICHARDT, M.; JÜRGENS, C. Adoption and future perspective of precision farming in Germany: Results of several surveys among different agricultural target groups. Precision. Agriculture, v. 10, n. 1, p. 73-94, 2009.

SILVA, C. B.; DE MORAES, M. A. F. D.; MOLIN, J. P. Adoption and use of precision agriculture technologies in the sugarcane industry of São Paulo state, Brazil. Precision Agriculture, v. 12, n. 1, p. 67-81, 2011.

UNGC. UNITED NATIONS GLOBAL COMPACT. ESG - Environmental, Social, and Governance. 2021. Disponível em: https://www.pactoglobal.org.br/pg/esg. Acesso em: 22 dez. 2021.

UNGC. Digital Agriculture. 2017. Disponível em: http://breakthrough.unglobalcompact.org/disruptive-technologies/digital-agriculture/. Acesso em: 22 dez. 2021.

UNGC. UNITED NATIONS GLOBAL COMPACT. Digital Agriculture. 2017. http://breakthrough.unglobalcompact.org/disruptive-technologies/digital-agriculture. Acesso em: 22 dez. 2021.

VERDOUW, C.; SUNDMAEKER, H.; TEKINERDOGAN, B.; CONZON, D.; MONTANARO, T. Architecture framework of IoT-based food and farm systems: A multiple case study. Computers and Electronics in Agriculture, v. 165, n. 104939, p. 1-26, 2019.

WOLFERT, S.; GE, L.; COR VERDOUW, C.; BOGAARDT, M. Big Data in Smart Farming – A review. Agricultural Systems, v. 153, n. 1, p. 69-80, 2017.

ZERVOPOULOS, A.; TSIPIS, A.; ALVANOU, A.G.; BEZAS, K.; PAPAMICHAIL, A.; VERGIS, S.; STYLIDOU, A.; TSOUMANIS, G.; KOMIANOS, V.; KOUFOUDAKIS, G.; OIKONOMOU, K. Wireless Sensor Network Synchronization for Precision Agriculture Applications. Agriculture, v. 10, n. 89, 2020.

v7n2

Downloads

Publicado

2022-01-03

Como Citar

BOLFE, Edson Luis; JORGE, Lúcio André de Castro; SANCHES, Ieda Del’Arco. Tendências, desafios e oportunidades da Agricultura Digital no Brasil. Revista Eletrônica Competências Digitais para Agricultura Familiar, Tupã, São Paulo, Brasil, v. 7, n. 2, p. 15–36, 2022. Disponível em: https://owl.tupa.unesp.br/recodaf/index.php/recodaf/article/view/147. Acesso em: 19 abr. 2024.

Edição

v. 7 n. 2 (2021)

Seção

Artigo

Licença

Autores que publicam nesta revista concordam com os seguintes termos:
  1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação e de tradução, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution (CC BY-NC-SA 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).