Modelo de apoio à decisão para gerenciamento de irrigação para a produção de arroz irrigado no Vale do Rio Araranguá

Abstract

Em países onde a economia é baseada na agricultura, a irrigação de lavouras representa uma parcela significativa no consumo de água e energia elétrica. Sistemas de irrigação operando sem gerenciamento adequado, reduzem a eficiência do uso da água, aumentam os gastos com energia pelos sistemas de bombeamento e consequentemente, afetam a produtividade. Dentre as instalações que não são automatizadas, estão os sistemas de irrigação baseados no método de inundação de áreas. No Brasil, este método de irrigação é normalmente utilizado na produção de arroz de terras baixas, principalmente nos estados do Rio Grande do Sul e de Santa Catarina, os dois maiores produtores do cereal no país. Nos últimos anos, devido à poluição, mudanças climáticas e uso inconsciente da água, vem ocorrendo o comprometimento da qualidade e a disponibilidade desse recurso. O vale do Araranguá, no extremo sul catarinense, sofre constantemente com estes problemas, além da salinização da água do rio ocasionada pela entrada de água do mar no manancial. Em alguns casos, ocasionando prejuízos significativos nas lavouras devido a irrigação com água salina, que ocorre em razão de carência de tecnologias que auxiliem no monitoramento e apoio à decisão de irrigação. O objetivo principal desta dissertação é demonstrar que as técnicas de controle automatizadas são adequadas para monitorar e avaliar o uso da água, bem como, os recursos de inteligência artificial são capazes de auxiliar no monitoramento da disponibilidade da água empregada no processo de irrigação de lavouras de arroz irrigado. Isso de forma a contribuir para uma produção sustentável, aprimorando o método de irrigação utilizado na região do extremo sul catarinense. Este trabalho auxiliará os produtores de arroz da região na elaboração do manejo de irrigação, de modo a reduzir tarefas manuais auxiliando na tomada de decisão, economizando água, energia e reduzindo perdas de produtividade. A metodologia proposta foi desenvolvida por meio de métodos matemáticos de controle e técnica de inteligência artificial (LSTM), com implementação por intermédio de algoritmos computacionais. Entre as variáveis analisadas, destacam-se os dados da cultura, do manejo de irrigação, meteorológicos, do rio e do sistema de irrigação. A ferramenta é capaz de identificar o dia e a quantidade de água necessária para irrigação e a disponibilidade de água no rio por meio da estimativa de vazão futura, quando este se torna propício a riscos de salinidade devido a baixas vazões e precipitações. A validação da metodologia foi realizada utilizando dados reais de três lavouras semeadas em determinados períodos, conforme características da região. Resultados demonstram que a operação adequada do método seguindo o modelo de apoio a decisão, dependendo das características da lavoura e características meteorológicas possibilita redução em uma safra de até 21.050 m³ (13 %) de água e R$ 427 de economia de energia para uma lavoura de 10 hectares, além de contribuir com a indicação de salinização da água do rio com antecedência em um período de escassez. A principal contribuição deste trabalho é contribuir com uso adequado da água, energia elétrica e a mitigação das perdas por captação de água salina e excesso de irrigação.

Abstract: In countries with high agricultural production, irrigation of crops represents a significant amount of water and electricity consumption. When the irrigation systems operate without adequate management, there are decrease in the efficiency of water use, increase of energy costs by pumping systems, and, consequently, a high impact in the productivity. The irrigation systems based on the flooding area methods are not, usually, automated. In Brazil, this method is normally used in lowland rice production, mainly in the states of Rio Grande do Sul and Santa Catarina, the two largest rice producers. In recent years, due to pollution, climate change, and the unconscious use of water, the quality and availability of this resource have been compromised. The Araranguá valley, in the extreme south of Santa Catarina, frequently suffers from these problems, in addition, there is the salinization problem caused by the entry of seawater into the river. In some cases, generating significant losses in crops due to irrigation with saline water, it occurs due to the lack of technologies to help in the monitoring and support the irrigation decision. The main objective of this dissertation is to demonstrate that automated control techniques are suitable for monitoring and evaluating water use and that artificial intelligence resources can assist in monitoring the availability of water used in the irrigation process of rice crops. It intends to contribute to sustainable production and improvement of the irrigation method used in the extreme south region of Santa Catarina. This work aims to help rice producers in irrigation management, reducing manual tasks and assisting in decision-making, saving water, energy, and minimizing productivity losses. The proposed methodology was developed through mathematical control methods and application of artificial intelligence techniques (LSTM). Among the variables analyzed are some data of culture, irrigation management, meteorological, river, and irrigation system. The proposed tool is able to identify the day and the amount of water needed for irrigation and even, the availability of water in the river by estimating the flow when it becomes conductive to salinity risks due to low flows and low rainfall. The methodology was validated using real data from three crops sown in certain periods, according to the aspects of the region. Results demonstrate that the proper operation of the method following the decision support model, a reduction for the period of one harvest of up to 21,050 m³ (13%) of water and R$ 427 in energy savings for a crop of 10 hectares, in addition to contributing to the indication of salinization of river water in advance in an epoch of scarcity. The main contribution of this work is to contribute to the adequate use of water, energy and the mitigation of losses from saline water abstraction and excess irrigation.