Description

A Biome Solutions tem uma missão para o desenvolvimento sustentável da agricultura Portuguesa: reduzir a quantidade excessiva de fertilizantes industriais utilizados nos solos. 


Problema:

Em Portugal, a utilização de fertilizantes industriais tem fortes impactos na qualidade dos solos e das águas, sendo este último um tema em discussão ativa. O Decreto-Lei n.º 235/97, de 3 de setembro visa reduzir a poluição das águas causada ou induzida por nitratos de origem agrícola e impedir a propagação da poluição nas massas de água.

Devido à intensificação da agricultura e à crescente demanda por alimentos é urgente a busca por uma solução viável a este problema. Embora os fertilizantes industriais aumentem a produtividade e o rendimento das culturas, estes são utilizados como uma solução fits all, com mais de metade das quantidades aplicadas a serem inutilizadas pelos solos*. Este uso excessivo conduz a problemas graves, como a contaminação/degradação do solo e da água, a perda de biodiversidade, a redução da qualidade dos alimentos, impactando a nossa qualidade de vida e saúde. 

*Sedlacek C, Giguere A and Pjevac P (2020) Is Too Much Fertilizer a Problem?. Front. Young Minds. 8:63. doi: 10.3389/frym.2020.00063


Solução:

A Biome Solutions aposta na maquinaria de fertilidade do solo - a sua microbiota. A microbiota dos solos é composta por um conjunto de microorganismos, incluindo fungos e bactérias, envolvidos na fixação de nutrientes e na decomposição de matéria orgânica. São responsáveis pela saúde, crescimento e reprodução das plantas, estando intrínsecamente ligados à qualidade do solo. Vários estudos já comprovaram a eficácia destes produtos na estimulação do solo, permitindo reduzir até 50% as quantidades de fertilizantes industriais utilizados.**

A Biome Solutions apresenta um website all-in-one solution. Através de uma plataforma que utiliza um modelo de machine learning que calcula as condições de nutrientes ideiais do solo (N,P,K - Nitrogénio, Fósforo, Potássio), sugerimos qual a melhor estratégia de tratamento com biofertilizantes para uma determinada cultura. Utilizando dados reais e atuais da análise do solo do cliente, apresentamos uma proposta personalizada de produtos, facilitando a compra integrada destes no nosso website.

Com a Biome Solutions, queremos personalizar sustentavelmente as práticas agrícolas. Queremos ser a ponte entre a agricultura e a tecnologia, para um futuro mais sustentável.

Biome Solutions, Using the Power of Nature for a Better Tomorrow

**Aggani, S L (2013) Development of Bio-Fertilizers and its Future Perspective. Sch. Acad. J. Pharm., 2013; 2(4):327-332 


Protótipo

Disponível no seguinte link

https://biome-solutions.vercel.app/

Credenciais de teste:

O nosso protótipo consiste numa plataforma web onde o cliente pode:

  • pedir por uma nova análise de solo
  • verificar o resultado de análises passadas e dos seus relatórios
  • comprar os biofertilizantes sugeridos

A Figura 1 mostra a página onde o cliente pode pedir uma nova análise. Aí terá que inserir a área do seu terreno, a morada, o tipo de cultura que pretende plantar e selecionar o formato do terreno. 

Figure 1: Página para pedido de nova análise

Já na Figura 2 pode ver-se o progresso de estado que ocorre após o pedido.

Figura 2: Estado do pedido

Na Figura 3, observa-se a página de resultados (o relatório), onde se podem verificar os dados atuais do solo do cliente e os valores ótimose ideais para o dado cultivo. 

Figura 3: Relatório

Na figura 4, pode ver-se exemplificada uma sugestão de biofertilizante para o terreno do cliente. Estas sugestões são calculadas através de um modelo de machine learning.  O modelo prevê os valores de Nitrogênio, Fósforo e Potássio (NPK) ideais para uma determinada cultura. Note-se em baixo o processo seguido:

  1. Uma instância da classe RandomForestRegressor é criada para servir como estimator para o modelo de regressão multi-output.
  2. Uma instância da classe MultiOutputRegressor é criada utilizando o estimator criado previamente.
  3. O modelo é treinado.
  4. Um novo ponto de dados é criado com o valor de cultura fornecido e passado pelo pré-processador.
  5. O método predict é chamado no objeto multioutput com o ponto de dados pré-processado como entrada. A saída é um array com os valores de nutrientes previstos.
  6. O primeiro elemento do array de previsões é retornado como saída final da função.

Neste caso, o RandomForestRegressor é usado para criar um modelo que pode prever múltiplas variáveis de saída (N, P, K e pH) com base em uma única variável de entrada (cultura). No entanto, como temos múltiplas variáveis de saída, precisamos de uma maneira de lidar com isso no nosso modelo. É aqui que o MultiOutputRegressor entra. É um wrapper no scikit-learn que nos permite tratar cada variável de saída separadamente e treinar um modelo de regressão separado para cada uma delas.

Posto isto, o MultiOutputRegressor é usado para dar wrap ao RandomForestRegressor e criar um modelo que pode prever múltiplas variáveis de saída. O ColumnTransformer e o OneHotEncoder são usados para pré-processar os dados de entrada e transformar a coluna categórica label (cultura) num formato codificado one-hot, para que possa ser usada como entrada no modelo. As previsões finais são retornadas como um array contendo os valores de nutrientes previstos para a culture dada.

Note-se que após este processo temos os valores ideais para uma dada cultura. Deste modo, e tendo em conta os dados reais do cliente, foi possível sugerir os biofertilizantes a aplicar e qual a quantidade necessária a comprar.

Figura 4: Sugestão de Biofertilizante


Simplificando...

A Biome Solutions é uma all-in-one platform que simplifica e personaliza a utilização de biofertilizantes na agricultura, reduzindo o uso de fertilizantes industriais e salvarguardando a qualidade das águas, solos e vida humana. 

Attachments