Índice NDVI em lavoura de batata-doce obtido por mapeamento com drone
DOI:
https://doi.org/10.53660/CONJ-865-G05Palavras-chave:
DJI Phantom 4, Monitoramento agrícola, Agricultura de precisãoResumo
O uso de aeronaves remotamente pilotadas (RPA) vem ganhando cada vez mais espaço em missões com finalidades civis pacíficas, dentre elas o sensoriamento agrícola e ambiental. Este trabalho foi realizado no Perímetro Irrigado de Ceraíma, município de Guanambi, que faz parte do Território de Identidade Sertão Produtivo, localizado na região da Serra Geral da Bahia. O experimento constou da avaliação dos índices vegetativos NDVI de uma lavoura de batata-doce a cada 30 dias perfazendo um total de cinco avaliações. As imagens foram capturadas por uma câmera multiespectral, processadas no software Agisoft Metashape para obtenção do ortofotomosaico e em seguida no software QGIS para obtenção do índice NDVI. A avaliação do índice vegetativo até 150 dias após o plantio demonstrou apresentar variações e gerou informações importantes para compor um banco de dados sobre a cultura, o que é escasso na literatura para esse tipo de tecnologia de monitoramento utilizado. Os dados demonstraram que o menor (0,47) e maior (0,94) índice NDVI foi obtido aos 30 e 60 dias após o plantio, respectivamente, e que não houve correlação significativa entre o NDVI e a massa seca e verde da parte aérea.
Downloads
Referências
AGUIRRE, T.R.; OLIVEIRA, C.P.; VILETE, V.F.; NASCIMENTO, W.P.; GOMES, V.V.; SILVA, S.M.A. Avaliação da adubação orgânica e mineral no cultivo de batata-doce na região Amazônica. Braz. J. of Develop., Curitiba, v.6, n.8, p.62133-62142, 2020.
BARBOSA, K.M.N. Monitoramento espacial de biomassa e carbono orgânico da vegetação herbácea da Várzea na Amazônia Central. 131p. Dissertação (Doutorado em Ciências florestais) - Universidade Federal do Paraná, Curitiba. 2006.
CODEVASF – Companhia de Desenvolvimento dos Vales do São Francisco e do Parnaíba, 2005. Diagnóstico ambiental dos perímetros irrigados da Codevasf – 2ª Superintendência Regional. Brasília: CODEVASF, 2005. 222p.
CUCHO-PADIN, G.; LOAYZA, H.; PALACIOS, S.; BALCAZAR, M.; CARBAJAL, M.; QUIROZ, R. Development of low-cost remote sensing tools and methods for supporting smallholder agriculture. Applied Geomatics (2020) 12:247–26. https://doi.org/10.1007/s12518-019-00292-5
FAN, L. GAO, Y.; BRÜCK, H.; BERNHOFER, CH. Investigatin the relatioship between NDVI and LAI in semi-arid grassland in the Inner Mongolia using in-situ measurements. Theoretical and Applied Climatology, Wien, v.95, p.151-156, 2009.
FAO, Food and Agriculture Organization of the United Nations. Grapes. Disponível em: <http://www.fao.org/faostat/en/#data/QC>. Acesso em 06 de jun. de 2021.
FERREIRA, D.F. SISVAR: um programa para análises e ensino de estatística. Revista Científica Symposium, Lavras, v. 6, n. 2, p. 36-41, jul./dez. 2008.
GALVANIN, E.A.S.; NEVES, S.M.A.S.; CRUZ, C.B.M.; NEVES, R.J.; JESUS, P.H.H.; KREITLOW, J.P. Avaliação dos índices vegetativos NDVI, SR e TVI na discriminação de fitofisionomias dos ambientes do Pantanal de Cáceres/MT. Ciência Florestal, Santa Maria, v.24, n.3, p.707-715, 2014.
JACKSON, R.D.; HUETE, A.R. Interpreting vegetation indices. Preventive Veterinary Medicine, Amsterdam, v.11, p.185-200, 1991.
JENSEN, J.R. Sensoriamento remoto da vegetação. In: JENSEN, J.R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. 2. ed. São José dos Campos: Parêntese, 2011. Cap.11, p.357-410.
KÖPPEN, W.; GEIGER, R. Handbuch der Klimatologie. Gebrüder Bornträger, p.1-44, 1936.
LISSNER, J.B. Variação do índice de vegetação por diferença normalizada na lagoa Itapeva, litoral Norte do Rio Grande do Sul, Brasil, a partir de análises de séries temporais, 2011. Dissertação (Mestrado em Geografia) – Universidade Federal do Rio Grande do Sul, Porto Alegre, 2011.
MAPA, Ministério da Agricultura, Pecuária e Abastecimento. Agricultura de Precisão. Brasília, p.31. 2009.
MICASENSE (2017) Micasense knowledge base. Disponível em: <https://support.micasense.com/hc/en-us/articles/226531127-Creating-agricultural-indices-NDVI-NDRE-from-an-Atlas-GeoTIFF-in-QGIS> Accesso em 17 Jan 2022.
PIMENTEL, F.G.; GARCIA, G.H. Estatística aplicada a experimentos agronômicos e florestais. Piracicaba: Biblioteca de Ciências Agrárias Luiz de Queiroz, 2002. 307p.
PONZONI, F.J.; SHIMABUKURO, Y.E. Sensoriamento remoto no Estudo da Vegetação, São José dos Campos, SP: A. Silva Vieira Ed. p.111-118, 2007.
ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A.; DEERING, D.W. Monitoring vegetation systems in the great plains with ERTS. NASA Special Publication (1974), p.309–317.
SANKARAN, S.; QUIRÓS, J.J.; KNOWLES, N.R.; KNOWLES, L.O. High-Resolution Aerial Imaging Based Estimation of Crop Emergence in Potatoes. American Journal of Potato Research 96(4): 658-663, 2017. DOI: 10.1007/s12230-017-9604-2.
SILVA, L.F.P.M.; PARREIRAS, T.C.; LIMA, W.; SERVIDONI, L.E.; FELIX, F.C.; SILVA, J.C.O.; BISSOLI, M.C.; ANDRADE JUNIOR, V.C.; SILVA, M.L.N.; MINCATO, R.L. Estimate of sweet potato productivity based on vegetation indices of drone imagery. In: GEA International (Geo Eco-Eco Agro) Conference, 2020, Podgorica. Book of Abstracts, 2020. p.167-167.
SOMASUNDARAM, K.; MITHRA, V.S. Madhuram: A simulation model for sweet potato growth. World Journal of Agricultural Sciences, v.4, p.241-254, 2008.
TEDESCO, D.; OLIVEIRA, M.F.; SANTOS, A.F.; SILVA, E.H.C.; ROLIM, G.S.; SILVA, R.P. Use of remote sensing to characterize the phenological development and to predict sweet potato yield in two growing seasons, European Journal of Agronomy, v.129, 2021. https://doi.org/10.1016/j.eja.2021.126337
VIANA, L.A.; ZAMBOLIM, L.; SOUSA, T.V.; TOMAZ, D.C. Potencial uso de câmera termal acoplada a VANT para monitoramento de culturas. Brazilian Journal of Biosystems Engineering v.12(3): 286-298, 2018
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Conjecturas
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
