RESUMO O conceito de conservação de precisão pode ser definido como um conjunto de tecnologias espaciais e outros procedimentos ligados as variáveis ambientais mapeáveis, que podem ser utilizadas para programar práticas de gestão da conservação recursos naturais que levam em consideração a variabilidade dessas variáveis no espaço e tempo dentro de sistemas naturais ou agrícolas. Nesse contexto, considera-se a perda estrutural do solo por meio de atividades antrópicas, como com um processo com variação espacial e temporal. A gestão da condição de agregação do solo pode contribuir para processos agrícolas mais regenerativos e sustentáveis, pois permite a utilização das tecnologias de análise espacial, por meio de indicadores visuais georreferenciados ou mesmo a utilização de sistemas com aprendizado automático, conhecidos como deep learning. Nesse sentido, foi desenvolvido um método visual justaposto com uma análise de lógica fuzzy para a classificação dos agregados quanto à forma, rugosidade superficial e estruturas biogênicas. Assim, numa segunda etapa foi desenvolvido um modelo de rede neural artificial capaz de detectar e classificar diferentes formas de agregados do solo, permitindo dessa maneira, uma breve discussão da temática e seu potencial de aplicação na gestão conservacionista por meio da análise de agregados via sistemas automáticos de classificação. Dessa maneira, são apresentados elementos para a motivação de pesquisas e desenvolvimento em tecnologias adaptativas, no apoio à decisão que possam auxiliar a integração de informações dinâmicas e espaciais no entendimento da condição estrutural do solo com a finalidade de uma conservação dos solos com mais precisão.
ABSTRACT The concept of precision conservation can be defined as a set of space technologies and other procedures linked to mappable environmental variables, which can be used to program conservation management practices for natural resources that consider the variability of these variables in space and time within of natural or agricultural systems. In this context, structural loss of soil through human activities is considered, as with a process with a spatial and temporal variation. The management of soil aggregation conditions can contribute to more regenerative and sustainable agricultural processes. It allows spatial analysis technologies through georeferenced visual indicators or even the use of systems with automatic learning, known as deep learning. In this sense, a fair visual method was developed with an analysis of fuzzy logic to classify aggregates in terms of shape, surface roughness, and biogenic structures. Thus, in a second stage, a model of the artificial neural network was developed, capable of detecting and classifying different forms of soil aggregates, thus allowing a brief discussion of the theme and its potential for application in conservation management through the analysis of aggregates via systems automatic sorting. In this way, elements are presented for the motivation of research and development in adaptive technologies in supporting decision-making that can help integrate dynamic and spatial information in the understanding of the soil’s structural condition to preserve the soil more precisely.
