Fontes de Stream de Dados para Melhorar a Produtividade Agrícola

Prévia do material em texto

Desafio
O consumo de streams de dados é uma tendência crescente no mercado de big data, fortemente impulsionado pela evolução da tecnologia e dos equipamentos como sensores, que se tornam mais acessíveis. 
Imagine que você trabalha em uma empresa que cria soluções na área de big data e está criando uma aplicação para o agronegócio com a implantação de sensores diversos e outras possíveis fontes de dados em streaming.
Assim, apresente exemplos de possíveis fontes de stream de dados que possam contribuir com o agricultor, para um melhor planejamento da plantação e tomada de decisão e, por consequência, com a melhora na produtividade das safras.
Padrão de resposta esperado
 
Uma das fontes de dados possíveis tem relação com o monitoramento das condições climáticas, por meio de sensores de temperatura, umidade do ar, pressão atmosférica, pluviômetro e velocidade e direção do vento, que podem enviar os dados a cada hora, meia hora ou quinze minutos. Esses equipamentos podem ser configurados de acordo com a necessidade do produtor e os limites de aceitação para intervenção. Assim, em momentos que não sejam críticos, podem enviar menos dados e, à medida que certos níveis sejam atingidos, é possível elevar a frequência de envio de dados para que tenham informações mais precisas durante a sua safra e para que possam aplicar certos defensores apenas em condições que sejam ideais para proliferação de insetos. 
Outras possíveis fontes de dados em streaming são sensores em equipamentos que são instalados em máquinas agrícolas para monitoramento e controle de adubação e plantio, que têm capacidade de monitorar a quantidade exata de sementes e fertilizantes aplicadas em cada uma das linhas de plantação, bem como a posição exata de cada aplicação, de forma que possam reaplicar os fertilizantes ou semear os pontos que não tiveram as sementes plantadas.
Também é possível trabalhar com imagens de monitoramento por satélite e drones como fontes de stream de dados, para saber mais sobre o estágio de crescimento das plantas e as possíveis áreas afetadas por algo que possa diminuir a produtividade, de forma que os produtores possam saber os pontos em que devem realizar medições e coleta de amostras para que sejam levadas para os laboratórios.