Combinação de imagens multi-espectrais e modelo de balanço hídrico para predição de rendimentos da soja no Sul do Brasil
Abstract
As mudanças climáticas nos últimos anos projetam um horizonte em que os recursos
hídricos se tornem cada vez mais escassos e, por este motivo, irão afetar consideravelmente
a produção de alimentos no mundo. Um desafio constante para a agricultura é manter o nível
de produção elevado e empregar de forma inteligente e racional a água em complemento
às condições climáticas para que se possa obter o melhor rendimento com precisão na aplicação
de irrigação. Atualmente, o sensoriamento remoto permite o monitoramento contínuo das
culturas, sobretudo em virtude das correspondências do estresse hídrico e das características
biofísicas da vegetação durante seu crescimento. A combinação de índices de vegetação com
as características da planta analisadas em nível de campo fornecem informações valiosas ao
manejo e monitoramento de irrigação durante o desenvolvimento das culturas. Neste estudo,
foram analisadas as características da cultura da soja (Glycine Max), na região central do Rio
Grande do Sul, Brasil, para área com total disponibilidade hídrica e área de sequeiro. Dados
em campo foram coletados durante todo o período de cultivo, registrando informações como
estádio fenológico, fração de cobertura do solo, índice de área foliar, altura da planta e rendimento
dos grãos. Estes dados foram usados tanto para simulação, quanto para a origem do
modelo de predição de rendimento, utilizando coeficientes de cultura da soja gerados com índices
de vegetação para classificação dos dados obtidos pelo mapa de rendimento fornecido pela
colhedora ao final da safra. O experimento e coleta de dados foram estabelecidos nos meses
de novembro de 2017 à abril de 2018. Os resultados dos coeficientes de cultura estimados com
NDVI mostraram uma relação consistente com os dados encontrados no simulador SimDualKc
para área irrigada e sequeiro, com fatores de correlação superiores 90% e coeficiente de regressão
iguais a 1. Tais indicadores representam que tanto a tendência quanto as estimativas
estão próximas dos valores simulados. Isso ressalta que a demanda transpirativa da soja, com
o coeficiente basal Kcb, pode ser avaliada por meio de sensoriamento remoto em apoio ao manejo
de irrigação. Estes coeficientes basais foram confrontados com o mapa de colheita e seus
valores de rendimento de grãos considerando 22 imagens de satélite. Por meio de abordagens
de aprendizado de máquina, encontrou-se valores de acurácia superiores a 90% considerando
Kcb, pelo classificador de árvore de decisão. Adicionando coeficientes simulados com os coeficientes
de sensoriamento remoto, o classificador Adaboost se mostrou mais eficiente para
predição das oscilações de rendimento, com acurácia de 97,1%. O presente trabalho apresenta
resultados que implicam que é possível classificar rendimentos para a cultura da soja, baseado
na na transpiração da planta e dados de sensoriamento remoto.
Collections
The following license files are associated with this item: