Antecipar o quanto o Brasil, maior produtor e exportador mundial de soja, vai produzir em cada região brasileira é uma meta arrojada e que pode mexer com o mercado internacional da principal commodity agrícola mundial e beneficiar o produtor brasileiro. A Equipe FieldCrops da UFSM atingiu esta meta e apresentou na semana semana passada a previsão de safra de soja de forma discretizada para todo território nacional que produz soja utilizando uma ferramenta científica que envolve agronomia, matemática, estatística, computação e inteligência artificial.

Como exemplo da força da ferramenta, o professor Nereu Augusto Streck explica que, para o Rio Grande do Sul, a estimativa feita pela Emater/RS é de 2.87 toneladas por hectare (ton/ha), e a estimativa pela Equipe FieldCrops da UFSM, utilizando modelos matemáticos chancelados pela ciência e as ferramentas mais modernas de mineração de dados e inteligência artificial, é de 2.94 ton/ha, ou seja, a precisão da ferramenta é muito alta.

“Alcançamos uma ferramenta de gestão de riscos antes de o risco acontecer e até antes do produtor de soja colocar a semente na terra, o que vai ser uma grande virada de chave e colocar o Brasil ainda mais alto no cenário mundial do agronegócio”, destaca Nereu.

O professor Alencar Junior Zanon, que aprendeu a metodologia de previsão de safra na Universidade de Nebraska (uma das melhores universidades de agronomia do mundo), nos Estados Unidos, e a trouxe para o Brasil, reafirma a importância de a UFSM ser a protagonista no desenvolvimento da ferramenta de previsão e destaca que, ao longo das safras 2025/2026, os produtores do Soybean Money Maker acompanharam o que o ambiente permitiu que colhessem em suas lavouras, pois essa tecnologia é mais uma das grandes ferramentas disponíveis dentro do maior diagnóstico de lavouras de soja do Brasil e Paraguai.