Educação e estudo · Notícia · 🇧🇷 Brasil
Pesquisa da UFSM usa IA para corrigir a umidade do solo medida por satélite e corta o erro em 73%
Pesquisadores gaúchos combinaram dados do satélite SMAP, da NASA, com relevo, clima e tipo de solo para chegar a estimativas muito mais próximas do que os sensores medem no campo.
- Profissão
- Pesquisador, Produtor rural
- Ferramentas
- Random Forest, XGBoost
- Fonte
- comprerural.com ↗
- País
- 🇧🇷 Brasil
- Data do relato
- 28/10/2026
- Verificado em
- 30/10/2026
Veja mais: IA para pesquisadores · IA para produtores rurais
O que fizeram
Pesquisadores da Universidade Federal de Santa Maria (UFSM), com a Universidade de Wisconsin-Madison, trabalharam na bacia do Rio Vacacaí (RS), uma área de cerca de 11,2 mil km² com pastagens, grãos e arroz. Eles instalaram sensores de umidade a 5 cm de profundidade, com medições de hora em hora entre fevereiro e novembro de 2025, e treinaram dois modelos de aprendizado de máquina (Random Forest e XGBoost) para ajustar a estimativa do satélite usando relevo, temperatura da superfície, chuva, evapotranspiração, vegetação e teor de areia e argila do solo.
Como foi
O erro médio caiu de 0,100 para cerca de 0,027 m³/m³, uma redução de aproximadamente 72,6%, e o ajuste às medições de campo (R²) subiu de 0,34 para cerca de 0,89. Os dois algoritmos tiveram desempenho parecido. O estudo saiu em 27 de outubro de 2026 na revista Environmental Earth Sciences, e a reportagem ressalta que os números valem para as condições testadas e não podem ser generalizados automaticamente para outras regiões.
Vale saber
O ganho veio tanto da escolha dos dados ambientais quanto do algoritmo. Em áreas de arroz inundado, o satélite tende a superestimar a umidade, então sensores de campo continuam necessários para calibrar o modelo.
O prompt
Tenho medições de umidade do solo de [número] sensores na região [nome] e a estimativa de satélite [produto] para os mesmos dias. Monte um plano para treinar um modelo que corrija o satélite usando [variáveis disponíveis: relevo, chuva, tipo de solo etc.]: como juntar os dados, como separar treino e teste sem vazamento, que métricas comparar com o satélite original e como checar se o modelo funciona em locais sem sensor.
Troque o que está entre [colchetes]. Prompt escrito por nós a partir do relato, não é cópia literal da fonte. Não cole dados pessoais de terceiros (LGPD).
Resumo em nossas palavras. Resultados conforme o relato original; não testamos nem auditamos. Ler a fonte ↗ Achou um erro?
Casos parecidos
01Laboratório deixa agentes Claude tocarem 13 desafios de bioinformática do começo ao fim
Num hackathon de pesquisa, agentes fizeram revisão de literatura, desenho, código, benchmarks e relatório. Ganharam muito em velocidade e pouco em precisão.
02Economista usa o Claude Code para coletar e analisar dados públicos
Um professor de Yale mostrou o agente achando dados do Censo dos EUA, limpando planilhas e montando um banco com relatórios de empresas.
03Agentes procuram materiais magnéticos novos
Uma equipe de agentes rodou simulações e encontrou candidatos a semicondutores magnéticos à temperatura ambiente.
04Revisão sistemática de literatura com um agente
Pesquisador mostrou um agente que cria perguntas PICO, critérios de triagem e diagrama PRISMA.
05Pesquisadora farmacêutica busca estruturas de proteína com o navegador
Um pedido em linguagem natural trouxe os três complexos mais recentes de GSK3B no Protein Data Bank.
06Professor corrige trabalhos com o Claude e revisa cada nota antes de lançar
Um professor de segurança da informação puxa as entregas pela API do Canvas, recebe do Claude nota e comentário por critério e só publica depois de revisar.
07Reservar livros na biblioteca pública com um agente
Eleanor Konik pede livros de xadrez para o filho e o agente reserva os títulos no site da biblioteca.
08Avaliar, dar aula sob medida e reavaliar com um agente
Ex-professor treinou um agente para aplicar avaliações, montar aulas para as lacunas e reavaliar.