Estimativa da produtividade do algodoeiro a partir de índices de vegetação derivados de imagens orbitais de alta resolução espacial
Visualizar/abrir
Data
2019Orientador
Nível acadêmico
Mestrado
Tipo
Assunto
Resumo
O Brasil é o sexto maior produtor mundial de algodão, que é um cultivo de grande relevância para o agronegócio. A utilização de dados do Sensoriamento Remoto orbital vem ganhando destaque para o monitoramento dessa cultura. No algodão, é crescente a necessidade de estimativas de safra confiáveis para o planejamento adequado das unidades produtoras, entidades de classe e governo. Neste contexto, esta dissertação tem por objetivo principal estimar a produtividade do algodoeiro por meio de índices ...
O Brasil é o sexto maior produtor mundial de algodão, que é um cultivo de grande relevância para o agronegócio. A utilização de dados do Sensoriamento Remoto orbital vem ganhando destaque para o monitoramento dessa cultura. No algodão, é crescente a necessidade de estimativas de safra confiáveis para o planejamento adequado das unidades produtoras, entidades de classe e governo. Neste contexto, esta dissertação tem por objetivo principal estimar a produtividade do algodoeiro por meio de índices espectrais de vegetação, derivados de imagens MSI - Sentinel 2. Este estudo foi realizado em três talhões de algodão (C-01, D-07, E-01) em uma Unidade de Produção (UP) com 612 hectares, localizada no município de Nova Mutum-MT. Quatro imagens do sensor MSI foram utilizadas para a caracterização da resposta espectral do dossel do algodoeiro, entre o período de início da floração e da frutificação completa do algodão, referente às datas 17/abr, 07/mai, 27/mai e 16/jun de 2018. Foi feita a correção atmosférica das imagens MSI das bandas espectrais do Visível (RGB), Infravermelho Próximo (IVP) e Red Edge (RE) para seu uso no cálculo de 23 índices de vegetação (IVs). Foram também avaliados os dados espectrais na forma acumulada, ou seja, somando-se os valores das quatro imagens de IVs. Foram aplicados métodos estatísticos de regressão linear e polinomial quadrática entre os dados de IVs derivados das imagens MSI e de dados de produtividade de três talhões de algodão, obtidos por meio de um sensor instalado numa colhedora John Deere 7760. As equações de regressão foram geradas a partir de 70% dos dados observados e o restante dos dados (30%) serviram para validar o modelo gerado. Os resultados foram avaliados pelo nível de significância, coeficiente de determinação (R²), pela Raiz do Erro Quadrático Médio (RMSE), e pelo Erro Médio Absoluto (MAE), entre os dados de produtividade observada e estimada. Os índices SAVI e RGBVI foram os que melhor explicaram a produtividade do algodoeiro, com coeficiente de determinação de R2 = 0,62 e 0,64, respectivamente, no talhão E-01 para a imagem de 16/jun. Entretanto, o índice RGBVI obteve os menores valores do RMSE e MAE, demonstrando sua maior potencialidade para estimar a produtividade de algodão. ...
Abstract
Brazil is the world's largest producer of cotton, which is a crop of great relevance to agribusiness. The use of orbital remote sensing data has gained prominence for monitoring this culture. In cotton, there is a growing need to identify crops for proper planning of production units, class entities and government. In this context, this dissertation has as main objective to estimate cotton yield by spectral vegetation indices derived from MSI - Sentinel 2 images. This study was carried out in t ...
Brazil is the world's largest producer of cotton, which is a crop of great relevance to agribusiness. The use of orbital remote sensing data has gained prominence for monitoring this culture. In cotton, there is a growing need to identify crops for proper planning of production units, class entities and government. In this context, this dissertation has as main objective to estimate cotton yield by spectral vegetation indices derived from MSI - Sentinel 2 images. This study was carried out in three cotton beads (C-01, D-07, E-01) in a 612 hectare Production Unit (UP) located in Nova Mutum-MT. Four images of the MSI sensor were used to characterize the spectral reflectance of cotton, between the beginning of flowering and the complete fruiting, referring to April 17th, May 7th, May 27th and June 16th of 2018. The atmospheric correction of the MSI images of the visible (RGB), near infrared (NIR) and red edge (RE) spectral bands was performed for their use in the calculation of 23 vegetation indices (VI). We also evaluated the spectral data in the accumulated form, that is, by summing the values of these four VI images. Statistical methods of linear and quadratic polynomial regression were applied between the IVs data derived from the MSI images and yield data from three cotton plots obtained by a sensor installed on a John Deere 7760 harvester. Regression equations were generated at From 70% of the observed data and the rest of the data (30%) served to validate the generated model. Results were evaluated by significance level, coefficient of determination (R²), Root Mean Square Error (RMSE), and Absolute Mean Error (MAE), between observed and estimated yield data. The SAVI and RGBVI indices best explained the cotton yield, with a coefficient of determination of R2 = 0.62 and 0.64, respectively, in field E-01 for the 16 / jun image. However, the RGBVI index obtained the lowest values of RMSE and MAE, demonstrating its greater potentiality to estimate cotton yield. ...
Instituição
Universidade Federal do Rio Grande do Sul. Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia. Programa de Pós-Graduação em Sensoriamento Remoto.
Coleções
-
Ciências Exatas e da Terra (5092)Sensoriamento Remoto (289)
Este item está licenciado na Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)