Predição de produtividade da soja com regressão linear

Abstract

A principal cultura do agronegócio brasileiro é a soja, consolidando o país como o maior produtor e exportador global da oleaginosa. Neste contexto, o estado de Mato Grosso destaca-se como potência nacional, sendo o município de Sapezal um dos polos de maior produtividade e aplicação tecnológica no campo. Contudo, a alta sensibilidade da cultura a variações climáticas e a volatilidade do mercado exigem uma gestão agrícola baseada em dados precisos e integrados. Este trabalho propõe o desenvolvimento e a validação de uma plataforma analítica interativa para o monitoramento da produtividade de soja em Sapezal (MT) entre as safras de 2015 a 2023. Ao integrar fluxos de dados heterogêneos provenientes do SATVeg, NASA POWER, CEPEA e IBGE em um ecossistema consolidado, o estudo superou a fragmentação de informações. A análise estatística por meio da Regressão Linear (OLS) e da Regressão Polinomial demonstraram uma estratégia eficiente para séries temporais ajustadas ao período da safra, apresentando coeficientes de determinação (R²) de 0,46 e 0,50 para a soja. Os resultados confirmam que o Índice de Vegetação por Diferença Normalizada (NDVI) é um estimador confiável para a predição do rendimento agrícola. Além disso, a interface desenvolvida em Streamlit cumpriu seu papel de acessibilidade operacional, oferecendo uma ferramenta de suporte à decisão de alto processamento, alinhada aos pilares da Agricultura 4.0 e do Big Data.