16 CADERNOS DE ANÁLISE E PROSPETIVA CULTIVAR N.º 33 ABRIL 2025 – Dados na agricultura O que falta muitas vezes são dados agrícolas atempados e precisos a nível subnacional. Embora disponhamos de petabytes de imagens de satélite, transformá-las em informação útil exige competências, dados específicos do contexto e validação no terreno. Sem isso, continuaremos a ter dificuldade em responder a perguntas essenciais: Quantos agricultores estão a produzir que culturas e onde? Que produtividades estão a atingir? Que fatores de produção estão a utilizar? Que preços estão a receber? Os dados de satélite podem ajudar a preencher muitas destas lacunas, embora não todas, mas apenas se forem acompanhados de conhecimento e de sistemas de apoio adequados. Estas lacunas de dados são particularmente graves nos países de baixo e médio rendimento (PBMR), onde os sistemas de estatísticas agrícolas têm enfrentado um subinvestimento crónico. Em muitos casos, não são efetuados recenseamentos agrícolas exaustivos há mais de uma década, se é que o são de todo. Os inquéritos anuais, quando existem, recorrem frequentemente a métodos baseados em papel, que são mais dispendiosos e demorados do que as abordagens digitais. Mesmo quando a digitalização é utilizada, os fluxos de trabalho em papel podem introduzir inconsistências ou atrasos, dependendo da forma como são geridos. Estes inquéritos tendem também a ter uma cobertura geográfica limitada e a recolher um número demasiado reduzido de variáveis para sustentar um planeamento e uma política complexos. Igualmente problemática é a erosão da confiança nas estatísticas agrícolas oficiais devido a estas insuficiências muito reais. Muitos potenciais utilizadores de dados, desde ministérios e investigadores a empresas agrícolas e organizações de produtores, manifestam ceticismo quanto à exatidão e à atualidade dos resultados dos recenseamentos nacionais, o que leva a um círculo vicioso: quando não se confia nos recenseamentos agrícolas, as partes interessadas desenvolvem sistemas ad-hoc ou paralelos de apoio à tomada de decisão, fragmentando ainda mais o panorama dos dados. Talvez o mais importante seja o facto de muitos países não disporem de infraestruturas de dados essenciais, como registos de agricultores ou cadastros de terras. Sem uma georreferenciação adequada, nem mesmo as mais avançadas técnicas estatísticas podem produzir estimativas fiáveis. Os países de elevado rendimento dependem destes sistemas como base para uma utilização eficaz dos dados. Os países de baixo e médio rendimento, que tentam construir análises avançadas partindo de bases incompletas, correm o risco de gerar resultados enganadores, por mais sofisticadas que sejam as ferramentas utilizadas. A agravar estes desafios está o desajuste entre o financiamento ao desenvolvimento e as prioridades nacionais de segurança alimentar. Quando os países recebem apoio de parceiros de desenvolvimento para melhorar as suas estatísticas agrícolas, este é frequentemente concedido através de projetos de curto prazo centrados na rastreabilidade das culturas de exportação e não nos alimentos básicos mais importantes para a segurança alimentar nacional. Os sistemas de dados sobre o café, o cacau e o algodão recebem investimentos substanciais desses parceiros de desenvolvimento, porque estão ligados a cadeias de abastecimento globais, enquanto os dados sobre as culturas que alimentam as populações locais permanecem escassos e desatualizados. Esta situação cria uma imagem distorcida dos setores agrícolas, em que os A revolução digital criou a ilusão de uma abundância de dados e, simultaneamente, mascarou lacunas essenciais. Igualmente problemática é a erosão da confiança nas estatísticas agrícolas oficiais devido a estas insuficiências muito reais. Talvez o mais importante seja o facto de muitos países não disporem de infraestruturas de dados essenciais, como registos de agricultores ou cadastros de terras. Sem uma georreferenciação adequada, nem mesmo as mais avançadas técnicas estatísticas podem produzir estimativas fiáveis.
RkJQdWJsaXNoZXIy MTgxOTE4Nw==