Delimitação de unidades de gestão diferenciada para o cultivo da cana-de-açúcar na região de Barretos (São Paulo) a partir de índices espectrais e altimetria obtidos por sensoriamento remoto orbital

Eduardo Pinheiro de Freitas, Leandro Marchetti Stevanato

Resumo


DOI

A cana-de-açúcar tem forte influência na economia brasileira e demanda constantes investimentos em pesquisa de técnicas de agricultura de precisão. O objetivo deste trabalho foi aplicar algumas destas técnicas para delimitação de unidades de gestão diferenciada (UGDs), em uma área cultivada com cana-de-açúcar na região de Barretos (SP), utilizando como atributos dados de relevo e índices espectrais, obtidos a partir da SRTM e de imagens da missão Sentinel-2, respectivamente. Uma rotina em JavaScript foi desenvolvida e utilizada no ambiente interativo Code Editor da plataforma Google Earth Engine para obtenção e processamento destes dados, resultando em uma malha de pontos georreferenciados com os valores de cada atributo, sendo que para os índices espectrais, por se tratar de uma coleção de imagens com diferentes datas, o valor atribuído a cada ponto foi o maior para a posição e para o atributo. Tais malhas foram processadas para verificação das correlações e posterior formação de agrupamentos, a partir dos quais foram obtidas diferentes configurações de UGDs quanto aos níveis de alto, médio e baixo potencial produtivo, que foram analisadas graficamente a fim de identificar quais contemplavam, de forma satisfatória, os diversos atributos existentes e a viabilidade de manejo da área. Selecionada a configuração considerada mais adequada, sua representação gráfica foi editada para aprimoramento da delimitação final das UGDs. A metodologia proposta foi considerada adequada, possibilitando obter e processar dados atualizados em grande quantidade de forma rápida e gratuita, bem como a visualização de diferentes cenários, facilitando a tomada de decisão.


Palavras-chave


Zonas de Manejo; SRTM; Sentinel; Google Earth Engine

Texto completo:

PDF (Português)

Referências


Alasta, A. F. (2011). Using remote sensing data to identify iron deposits in central western Libya. International Conference on Emerging Trends in Computer and Image Processing, Bangkok. Retrieved January 26, 2022, from https://www.researchgate.net/publication/325550303_Using_Remote_Sensing_data_to_identify_iron_deposits_in_central_western_Libya

Al-Kaier, F. (2003). Soil salinity detection using satellite remote sensing. Master of Science in Geo-information Science and Earth Observation, Watershed Management, Conservation on River Basin Planning specialization, University of Twente, 70 p. The Netherlands. Retrieved January 26, 2022, from https://webapps.itc.utwente.nl/librarywww/papers_2003/msc/wrem/khaier.pdf

Câmara, G., Souza, R. C. M., Freitas, U. M., & Garrido, J. (1996). SPRING: Integrating remote sensing and GIS by object-oriented data modelling. Computers & Graphics, 20(3), 395-403. DOI: https://doi.org/10.1016/0097-8493(96)00008-8

Companhia Nacional de Abastecimento. (2022). Série Histórica das Safras. Brasília: Conab. Recuperado em 26 janeiro, 2022, de https://www.conab.gov.br/info-agro/safras/serie-historica-das-safras

Embrapa. (2018). Visão 2030: o futuro da agricultura brasileira. Brasília: Embrapa, 212 p. Recuperado em 26 janeiro, 2022, de https://www.embrapa.br/visao/o-futuro-da-agricultura-brasileira

Embrapa Territorial. (2018). Satélites de Monitoramento. Campinas. Recuperado em 26 janeiro, 2022, de https://www.embrapa.br/satelites-de-monitoramento

Fridgen, J. J., Kitchen, N. R., Sudduth, K. A., Drummond, S. T., Wiebold, W. J., & Fraisse, C. W. (2004). Management zone analyst (MZA): software for subfield management zone delineation. Agronomy Journal, 96(1), 100-108. DOI: https://doi.org/10.2134/agronj2004.1000

Gitelson, A. A., Stark, R., Grits, U., Rundquist, D., Kaufman, Y., & Derry, D. (2002). Vegetation and soil lines in visible spectral space: a concept and technique for remote estimation of vegetation fraction. International Journal of Remote Sensing, 23(13), 2537-2562. DOI: https://doi.org/10.1080/01431160110107806

Gitelson, A. A., Kaufman, Y. J., & Merzlyak, M. N. (1996). Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment. 58(3), 289-298. DOI: https://doi.org/10.1016/S0034-4257(96)00072-7

Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18-27. DOI: https://doi.org/10.1016/j.rse.2017.06.031

Henrich, V., Götze, C., Jung, A., & Sandow, C. (2009). Development of an online indices database: motivation, concept and implementation. EARSeL Imaging Spectroscopy SIG Workshop Innovative Tool for Scientific and Commercial Environment Applications, Tel Aviv. Retrieved January 26, 2022, from https://www.researchgate.net/publication/259802556_Development_of_an_online_indices_database_Motivation_concept_and_implementation

Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295-309. DOI: http://dx.doi.org/10.1016/0034-4257(88)90106-X

Huete, A. R., Didan, K., Miura, T., Rodriguez, E. P., Gao, X., & Ferreira, L. G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1-2), 195-213. DOI: https://doi.org/10.1016/S0034-4257(02)00096-2

Huete, A. R., Justice, C., & Liu, H. Q. (1994). Development of vegetation and soil indices for MODIS-EOS. Remote Sensing of Environment, 49(3), 224-234. DOI: https://doi.org/10.1016/0034-4257(94)90018-3

Massruhá, S. M. F. S., Leite, M. A. A., Oliveira, S. R. de M., Meira, C. A. A., Luchiari Junior, A., & Bolfe, E. L. (Ed.) (2020). Agricultura Digital: pesquisa, desenvolvimento e inovação nas cadeias produtivas. Brasília: Embrapa, 406 p. Recuperado em 26 janeiro, 2022, de https://ainfo.cnptia.embrapa.br/digital/bitstream/item/218131/1/LV-Agricultura-digital-2020.pdf

Minasny, B., McBratney, A. B., & Whelan, B. M. (2002). VESPER version 1.6. Sydney: Australian Centre for Precision Agriculture – The University of Sydney. Retrieved January 26, 2022, from https://precision-agriculture.sydney.edu.au/resources/software/download-vesper/

Nachiluk, K. (2021). Alta na Produção e Exportações de Açúcar Marcam a Safra 2020/21 de Cana. Análises e Indicadores do Agronegócio, 16(6), 1-5. Recuperado em 26 janeiro, 2022, de http://www.iea.sp.gov.br/out/TerTexto.php?codTexto=15925

Rondeaux, G., Steven, M., & Baret, F. (1996). Optimization of soil-adjusted vegetation indices. Remote Sensing of Environment, 55(2), 95-107. DOI: https://doi.org/10.1016/0034-4257(95)00186-7

Rouse Jr., J. W. (1974). Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. Type III final rep. NASA/GSFC. Texas A&M University. Retrieved January 26, 2022, from https://ntrs.nasa.gov/citations/19740022555

Silva, J. R., Coelho, P. J., Caser, D. V., Bueno, C. R. F., Pinatti, E., Pini, D. L. de C., Monteiro, A. V. V. M., & Franca, T. J. F. (2021). Valor da Produção Agropecuária nas Regiões do Estado de São Paulo em 2020. Análises e Indicadores do Agronegócio, 16(5), 1-7. Recuperado em 26 janeiro, 2022, de http://www.iea.sp.gov.br/out/TerTexto.php?codTexto=14918


Apontamentos

  • Não há apontamentos.


Revista Brasileira de Sensoriamento Remoto | ISSN: 2675-5491

 Revista sob Licença Creative Commons

Language/Idioma
02bandeira-eua01bandeira-ingla
03bandeira-spn