RESUMO As práticas de gestão localizada têm sido possibilitadas devido à ampla variedade de soluções para a aquisição de dados e as intervenções em nível de talhão. Diferentes abordagens devem ser consideradas para a coleta de dados, como os sensores de solo e de planta dedicados ou mesmo associados à capacidade das máquinas agrícolas gerarem dados relevantes que permitam ao agricultor ou ao gerente agrícola inferir a variabilidade espacial dos talhões. No entanto, elevados recursos computacionais são necessários para converter os extensos bancos de dados em informações úteis ao gerenciamento localizado da lavoura. Assim, as tecnologias oriundas da indústria, como a Internet das Coisas e a Inteligência Artificial, aplicadas à produção agrícola, têm direcionado o processo de tomada de decisão das práticas de agricultura de precisão. A interpretação e a integração de informações de diferentes fontes de dados permitem o aprimoramento do manejo agrícola devido à sua capacidade de predizer atributos de planta e de solo por meio de ferramentas avançadas baseadas em dados. Alguns exemplos são o monitoramento de cultivos, aplicações localizadas de insumos, e detecção de doenças por meio de sistemas baseados em nuvem nas plataformas digitais, previamente elaborados para os sistemas de apoio à decisão. Nesta revisão, discutimos as diferentes abordagens e recursos tecnológicos, popularmente denominados como Agricultura 4.0 ou Agricultura Digital, que se inserem no contexto do gerenciamento da variabilidade espacial das lavouras considerando diferentes fontes de dados de planta e de solo.
ABSTRACT Site-specific management practices have been possible due to the wide range of solutions for data acquisition and interventions at the field level. Different approaches have to be considered for data collection, like dedicated soil and plant sensors, or even associated with the capacity of the agricultural machinery to generate valuable data that allows the farmer or the manager to infer the spatial variability of the fields. However, high computational resources are needed to convert extensive databases into useful information for site-specific management. Thus, technologies from industry, such as the Internet of Things and Artificial Intelligence, applied to agricultural production, have supported the decision-making process of precision agriculture practices. The interpretation and the integration of information from different sources of data allow enhancement of agricultural management due to its capacity to predict attributes of the crop and soil using advanced data-driven tools. Some examples are crop monitoring, local applications of inputs, and disease detection using cloud-based systems in digital platforms, previously elaborated for decision-support systems. In this review, we discuss the different approaches and technological resources, popularly named as Agriculture 4.0 or digital farming, inserted in the context of the management of spatial variability of the fields considering different sources of crop and soil data.