Algoritmos para manejo da irrigação aplicados às metodologias de balanço hídrico e sensores de umidade do solo

• Ano de defesa: 2025
• Autor(a) principal: Azevedo, Angelo Tiago
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Agricultura de precisão; Agricultural IoT; Automated irrigation; Eficiência hídrica; IoT agrícola; Irrigação automatizada; Precision agriculture; Sensores de umidade do solo; Soil moisture sensors; Water use efficiency
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-04062025-103533/

A escassez hídrica e a necessidade de otimizar o uso da água na agricultura motivaram o desenvolvimento desta tese, que propõe algoritmos integrados para o manejo da irrigação, combinando metodologias de balanço hídrico e sensores de umidade do solo. O estudo foi estruturado em quatro capítulos, cada um abordando uma cultura específica (arroz, beterraba e couve-flor) e culminando no desenvolvimento de um sistema automatizado de suporte à decisão baseado em IoT. No Capítulo 1, avaliou-se o manejo da irrigação no arroz de terras altas (Oryza sativa L.) em ambiente protegido, testando diferentes tensões de água no solo para a os limites superiores (-5, -10 e -33 kPa) e profundidades radiculares (20, 40 e 60 cm). Os resultados demonstraram que tensões mais baixas (-5 kPa) e maior profundidade radicular (60 cm) melhoraram o estado fisiológico das plantas (CWSI de 0,25), aumentando a produtividade (5,04 t ha-1) e a eficiência do uso da água (EUA de 2,56 kg m-3). Simulações de anos extremos de chuva destacaram a importância da irrigação suplementar em condições de seca. O Capítulo 2 comparou métodos de irrigação por gotejamento em beterraba (Beta vulgaris L.), incluindo técnicas baseadas em dados climáticos (Penman-Monteith, tanque Classe A), sensores de solo (capacitivos, tensiômetros) e um sistema comercial (FieldNET). O sensor capacitivo SoilWatch destacou-se, alcançando alta produtividade (88 t ha-1, 62% superior ao pior tratamento) e qualidade (diâmetro radicular de 30,2 mm). A tensiometria mostrou a melhor EUA (45,2 kg m-3), com 37% menos água aplicada que o sistema comercial. No Capítulo 3, avaliou-se o impacto de diferentes estratégias de irrigação na couve-flor (Brassica oleracea var. botrytis). O SoilWatch novamente superou os demais métodos, com maior produtividade (31,7 t ha-1), diâmetro de cabeça (224,6 mm) e EUA (11,07 kg m-3). Análises multivariadas confirmaram que a produtividade e a qualidade estão diretamente ligadas ao desenvolvimento vegetativo, otimizado pelo manejo hídrico preciso. O Capítulo 4 integrou os resultados anteriores em um sistema IoT para tomada de decisão em tempo real. O dispositivo combina uma estação meteorológica com microcontrolador ESP32, sensores capacitivos (SoilWatch) e um algoritmo de balanço hídrico. A estação obteve alta precisão na estimativa da evapotranspiração (R2 = 0,93; erro de 0,30 mm/dia), enquanto o sensor capacitivo apresentou excelente calibração (R2 = 0,98). O sistema opera com baixo consumo energético (120 mAh) e conectividade estável mesmo em condições adversas (sinal Wi-Fi até - 90 dBm), permitindo o controle remoto via Telegram. Desta forma, demonstra-se que a irrigação de precisão, fundamentada em dados climáticos e de solo, pode aumentar a EUA em até 30% em relação a métodos convencionais. O sistema IoT desenvolvido oferece uma solução acessível e escalável para agricultores, alinhando produtividade, qualidade e sustentabilidade hídrica. Os resultados têm implicações diretas para políticas públicas e adoção de tecnologias em regiões com escassez de água, contribuindo para a segurança alimentar e a resiliência agrícola frente às mudanças climáticas.