VARIABILIDADE ESPACIAL E TEMPORAL DO ÍNDICE VEGETAÇÃO MPRI APLICADO ÀS IMAGENS DE GRAMA SÃO CARLOS OBTIDAS POR AERONAVE REMOTAMENTE PILOTADA

L. M. Gonçalves; B. D. S. Barbosa; G. A. e S. Ferraz; D. T. Maciel; H. F. D. Santos

doi:10.18011/bioeng2017v11n4p340-349

Autores

L. M. Gonçalves
B. D. S. Barbosa
G. A. e S. Ferraz
D. T. Maciel
H. F. D. Santos

DOI:

https://doi.org/10.18011/bioeng2017v11n4p340-349

Palavras-chave:

Agricultura de Precisão, Axonopus affinis, Geoprocessamento, Sistemas de Aeronaves Não Tripulada (UAS)

Resumo

Imagens de alta resolução obtidas com auxílio de Aeronaves Remotamente Pilotadas (RPA), quando recebem o tratamento adequado podem ser ferramenta útil para a prática da agricultura de precisão, monitorando o crescimento e desenvolvimento da cultura em escala temporal e espacial adequada. Nesse sentido, este trabalho teve por objetivo utilizar imagens obtidas com uma câmera digital acoplada a uma RPA para analisar a variabilidade espacial e temporal do índice de vegetação (IV) MPRI aplicado em uma área de produção grama São Carlos. As imagens foram coletadas durante o período de dezembro de 2016 a março de 2017, utilizando um quadricóptero de voo autônomo, com câmera RGB e altura de voo de 50 m. O processamento das imagens e a aplicação IV MPRI foram realizados com auxílio de um software de geoprocessamento gratuito. Valores médios do MPRI foram gerados para todas as cenas. Foi possível detectar a variabilidade do MPRI em todas a cenas. Um índice de determinação (R²) igual a 0,89 foi encontrado devido a correlação entre os valores de MPRI e o tempo após o corte da grama. Pode se inferir por meio dos resultados obtidos que a utilização desta tecnologia tem grande potencial para monitoramento e avaliação das áreas cultivadas com grama.

Downloads

Não há dados estatísticos.

Referências

BALLESTEROS, R.; ORTEGA, J. F.; MORENO, M. A. Applications of georeferenced high-resolution images obtained with unmanned aerial vehicles. Part I: Description of image acquisition and processing. Precision Agriculture, v. 15, n. 6, p. 579-592, 2014a.

BALLESTEROS, R.; HERNÁNDEZ, D.; ORTEGA, J. F.; MORENO, M. A. Applications of georeferenced high-resolution images obtained with unmanned aerial vehicles. Part II: application to maize and onion crops of a semi-arid region in Spain. Precision Agriculture, v. 15, n. 6, p. 593-614, 2014b.

BATER, C. W.; COOPS, N. C.; WULDER, M. A.; HILKER, T.; NIELSEN, S. E.; MCDERMID, G.; STENHOUSE, G. B. Using digital time-lapse cameras to monitor species-specific understorey and overstorey phenology in support of wildlife habitat assessment. Environmental monitoring and assessment, v. 180, n. 1, p. 1-13, 2011.

CANDIAGO, S.; REMONDINO F.; GIGLIO, de M.; DUBBINI, M.; GATTELI, M. Evaluating multispectral images and vegetation indices for precision farming applications from UAV images. Remote Sensing, Basel, v. 7, n. 4, p. 4026-4047, 2015.

DELEGIDO, J.; VERRELST, J.; MEZA, C. M.; RIVERA, J. P.; ALONSO, L.; MORENO, J. A red-edge spectral index for remote sensing estimation of green LAI over agroecosystems. European Journal of Agronomy, v. 46, p. 42-52, 2013.

DEMARCHI, J. C.; PIROLI, E. L.; ZIMBACK, C. R. L. Analise temporal do uso do solo e comparação entre os índices de vegetação NDVI e SAVI no município de Santa Cruz do Rio Pardo–SP usando imagens LANDSAT-5. Raega- O Espaço Geográfico em Análise, v. 21, 2011.

GITELSON, A. A.; KAUFMAN, Y. J.; STARK, R.; RUNDQUIST, D. Novel algorithms for remote estimation of vegetation fraction. Remote sensing of Environment, v. 80, n. 1, p. 76-87, 2002.

LEBOURGEOIS, V.; BÉGUÉ, A.; LABBÉ, S.; MALLAVAN, B.; PRÉVOT, L.; ROUX, B. Can commercial digital cameras be used as multispectral sensors? A crop monitoring test. Sensors, v. 8, n. 11, p. 7300-7322, 2008.

LI, S. & LI, M. Yield estimation of winter wheat in early growth periods by vehicle-borne ground-based remote sensing system. Transactions of the Chinese Society of Agricultural Engineering, 30(3), 120-127. 2014.

LINHARES, M. M. A.; AMARAL, B. A. S.; COSTA, A. P.; ROCHA, N. C. C.; C NDIDO, L. G. Vant's aplicados ao monitoramento da evolução vegetativa de culturas agrícolas. In: CONGRESSO BRRASILEIRO DE AGRICULTURA DE PRECISÃO, 2014, São Pedro. Anais...São Pedro, 2014. Disponível em: <http://www.sbea.org.br/conbap/2014/trabalhos/R0062-2.PDF>. Acesso em: 15 ago 2017.

LINHARES, M. M. A.; ROCHA, N. C. C.; AMARAL, B. A. S. Análise do índice MPRI como indicador vegetativo através da correlação do mesmo com o índice NDVI. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, Foz do Iguaçu, PR, Brasil. Disponível em: < http://www.dsr.inpe.br/sbsr2013/files/p1190.pdf >. Acesso em: 25 mar. 2017.

MULLA, D. J. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems engineering, v. 114, n. 4, p. 358-371, 2013.

RANGO, A.; LALIBERTE, A.; STEELE, C.; HERRICK, J. E.; BESTELMEYER, B.; SCHMUGGE, T.; JENKINS, V. Using unmanned aerial vehicles for rangelands: current applications and future potentials. Environmental Practice, v. 8, n. 03, p. 159-168, 2006.

SAKAMOTO, T.; GITELSON, A. A.; NGUY-ROBERTSON, A. L.;ARKEBAUER, T. J.; WARDLOW, B. D.; SUYKER, A. E.; VERMA, S. B.; SHIBAYAMA, M. An alternative method using digital cameras for continuous monitoring of crop status. Agricultural and Forest Meteorology, Amsterdam, v. 154, p. 113-126, 2012.

TORRES-SÁNCHEZ, J.; PENÃ, J. M.; CASTRO, A. I. D.; LÓPEZ-GRANADOS, F. Multi-temporal mapping of the vegetation fraction in early-season wheat fields using images from UAV. Computers and Electronics in Agriculture, Amsterdam, v. 103, p. 104-113, 2014.

VON BUEREN, S. K.; BURKART, A.; HUENI, A.; RASCHER, A.; TUOHY, M. P.; YULE, I. J. Deploying four optical UAV-based sensors over grassland: challenges and limitations. Biogeosciences, Göttingen, v. 12, n. 1, p. 163, 2015.

XIAO, J. & MOODY, A. A comparison of methods for estimating fractional green vegetation cover within a desert-to-upland transition zone in central New Mexico, USA. Remote Sensing of Environment, Amsterdam, v. 98, n. 2, p. 237-250, 2005.

YANG, Z.; WILLIS, P.; MUELLER, R. Impact of Band-Ratio Enhanced AWIFS Image to Crop Classification Accuracy. Disponível em: <https://www.asprs.org/a/publications/proceedings/pecora17/0041.pdf>. Acesso em: 15 ago 2017.