TECNOLOGIA E SUSTENTABILIDADE NO CAMPO: SISTEMA DE RECOMENDAÇÃO PARA PEQUENOS PRODUTORES RURAIS

Abstract

Digital agriculture has emerged as a cornerstone of technological transformation in the field by integrating sensors, algorithms, meteorological data, and artificial intelligence to make agricultural production more efficient, sustainable, and intelligent. In this context, family farming, which accounts for a large share of food production in Brazil, plays a strategic role not only in food security but also in environmental conservation and regional development. Nevertheless, small producers face barriers to accessing technologies and to making data-driven decisions. To address this gap, this work proposes an intelligent agricultural recommendation system designed to support family farmers in crop selection and soil management. The solution adopts a hybrid approach that combines a rule-based inference engine with data science techniques. The system leverages regional data on productivity, climatic conditions, and soil analyses to generate personalized recommendations on crops, as well as technical guidance on fertilization and liming (application of soil acidity amendments). By accounting for variables such as soil type and composition, production history, and climate, the system aims to increase productivity, reduce environmental impacts, and promote the economic sustainability of small rural producers. Experiments, coupled with statistical analysis of the outputs, demonstrate the feasibility of the proposed solution, with recommendations aligned with local agricultural practices and edaphoclimatic conditions (i.e., soil and climate integration applied to agronomic recommendations) for the evaluated regions. Agreement between the system and technical references was quantified using measures such as accuracy and Cohen’s kappa, along with confidence intervals, and hypothesis tests to assess the significance of the results. These findings indicate that the system can become an accessible and scalable tool capable of democratizing access to digital agriculture and strengthening the sustainability of family farming, thereby helping reduce technological asymmetries in the field.

A agricultura digital tem se consolidado como um dos pilares da transformação tecnológica no campo, ao integrar sensores, algoritmos, dados meteorológicos e técnicas de inteligência artificial para tornar a produção agrícola mais eficiente, sustentável e inteligente. Nesse contexto, a agricultura familiar, responsável por grande parte da produção de alimentos no Brasil, desempenha um papel estratégico não apenas na segurança alimentar, mas também na conservação ambiental e no desenvolvimento regional. No entanto, muitos pequenos produtores ainda enfrentam desafios relacionados ao acesso a tecnologias avançadas e à tomada de decisões baseadas em dados. Diante desse cenário, este trabalho propõe o desenvolvimento de um sistema inteligente de recomendação agrícola, voltado a apoiar agricultores familiares na escolha de culturas e no manejo eficiente do solo. A solução adota uma abordagem híbrida, combinando um motor de inferência baseado em regras com técnicas de ciência de dados aplicadas à agricultura digital. O sistema utiliza dados regionais de produtividade, condições climáticas e análises detalhadas do solo para gerar recomendações personalizadas sobre o cultivo mais adequado, bem como orientações técnicas sobre adubação e calagem (aplicação de corretivos de acidez). Ao considerar variáveis como o tipo e a composição do solo, o histórico produtivo e o clima local, o sistema busca contribuir para o aumento da produtividade, a redução de impactos ambientais e a promoção da sustentabilidade econômica de pequenos produtores rurais. Experimentos, acompanhados de análise estatística das saídas, demonstram a viabilidade da solução proposta, com recomendações alinhadas às práticas agrícolas locais e às condições edafoclimáticas (integração solo–clima aplicada às recomendações agronômicas) das regiões avaliadas. A concordância entre o sistema e as referências técnicas foi quantificada por meio de medidas como a acurácia e o coeficiente Kappa de Cohen, com respectivos intervalos de confiança, além de testes de hipótese para verificar a significância dos resultados. Esses achados indicam que o sistema pode se tornar uma ferramenta acessível e escalável, capaz de democratizar o acesso à agricultura digital e fortalecer a sustentabilidade da agricultura familiar, contribuindo para reduzir as assimetrias tecnológicas no campo.