Piloto de mapeamento geográfico lançado no Paquistão

A Better Cotton trabalha extensivamente no Paquistão, mas tradicionalmente os dados que coletamos sobre agricultores, produtores e parceiros não foram projetados para mapear com precisão sua localização e atividades. Isso resultou em ineficiências na cadeia de suprimentos e na falta de novas oportunidades para os envolvidos no setor.

Um novo esquema piloto visa melhorar os dados de mapeamento e, assim, racionalizar a programação do país – sentamos com Muhammad Qadeer ul Hussnain, Gerente de Agricultura Digital da Better Cotton, para descobrir tudo sobre isso.

Você pode nos dar uma visão geral do piloto?

O Paquistão tem um dos maiores números de agricultores de todos os países produtores de Better Cotton, distribuídos por 22 distritos em duas províncias, organizados em mais de 125 Unidades de Produtores (PUs) e administrados por seis parceiros. À medida que o programa da Better Cotton se desenvolveu, questões novas e cada vez mais complexas surgiram.

Historicamente, contamos com dados tabulares para obter respostas, mas agora também estamos adicionando uma dimensão geográfica a eles. Como resultado, a Better Cotton está executando um piloto para mapear três distritos. Refletindo os avanços na tecnologia de sistemas de informações geográficas, sensoriamento remoto e dados terrestres, optamos pela primeira vez pelo mapeamento geográfico.

O conceito foi formulado em dezembro de 2022, os trabalhos de mapeamento dos distritos em questão começaram em março e o piloto será concluído em julho. Ele fornece mapas personalizados dos três distritos, resultando em uma representação visual da área de estudo, destacando fatores como a localização dos produtores, descaroçadores e parceiros.

Quais eram as origens do piloto?

Nossa equipe de gerenciamento do Paquistão queria avaliar melhor o alcance da organização, ser capaz de identificar tendências de mudança no cultivo de algodão e melhorar significativamente a qualidade dos dados. Os dados são a base dos programas baseados em números e, com diferentes métodos de relatórios e falta de clareza, queríamos introduzir um sistema com verificações e contrapesos mais fortes.

Por exemplo, conhecemos os distritos onde os agricultores trabalham conosco, mas não temos números exatos nem a localização dos produtores que não são parceiros da iniciativa. Como resultado, não fomos capazes de descobrir por que um agricultor não se enquadra na categoria Better Cotton. Eles estão muito longe do parceiro do programa no distrito? Eles fazem parte de uma minoria negligenciada? Antes era impossível dizer.

Como você implementou o piloto?

Este piloto depende fortemente de ferramentas, tecnologias e fontes de dados de código aberto. Usando material publicamente disponível do Survey of Pakistan (SoP), Open Street Map (OSM), Comissão Eleitoral e governo local, criamos mapas básicos para localizar aldeias onde os Grupos de Aprendizagem (LGs) são formados.

Para iniciantes, pegamos nossos dados existentes, como endereços e locais, e plotamos essas coordenadas no mapa. Análises adicionais foram empregadas para calcular as distâncias dos LGs dos descaroçadores. Sobre isso estão as imagens de satélite, que fornecem dados de resolução muito mais alta e são boas para o mapeamento de culturas. Usando um algoritmo que destaca a localização dos campos e dados de referência ao longo de cinco anos, conseguimos descobrir onde o algodão está sendo cultivado repetidamente.

Mudar a forma como medimos e avaliamos nosso alcance nos três distritos piloto resultou em um tipo diferente de pensamento. Os dados criam muitas novas possibilidades em termos do que podemos medir, perguntas que podemos fazer (particularmente de nossos parceiros e suas atividades), bem como potenciais benefícios da cadeia de suprimentos. Também precisamos pensar em como realinhar os processos de avaliação.

Quais são suas descobertas iniciais?

As constatações ainda estão sendo compiladas, mas as primeiras indicações são de que o processo de mapeamento fornecerá sugestões valiosas para melhorar a programação do país, a gestão de parceiros, a avaliação e avaliação. Isso, por sua vez, resultará em ganhos de eficiência, eficiência de custos e melhor gerenciamento do programa.

Nossos novos mapas destacam onde o cultivo de algodão caiu (e, portanto, o investimento não representa valor para o dinheiro) e onde há incompatibilidade nas operações dos parceiros. Também oferece melhorias potenciais para a cadeia de abastecimento, por exemplo, destacando para os produtores as localizações de seus descaroçadores mais próximos.

Quais são os objetivos de longo prazo do piloto?

Este é um pequeno projeto piloto, mas que pode ser replicado globalmente. Desenvolvemos uma metodologia que funciona e gostaríamos de ampliá-la. O que criamos é aplicável ao resto do Paquistão, enquanto outros países podem usar uma abordagem semelhante.

Planejamos desenvolver um atlas de Better Cotton, mapeando áreas de trabalho com parceiros do programa, produtores e descaroçadores. Por sua vez, isso destacará a escala real e o alcance de nossas operações, além de oferecer oportunidades novas e aprimoradas aos parceiros e ajudar a melhorar a coordenação da cadeia de suprimentos.

Partilhar