Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café

Detalhes bibliográficos
Autor(a) principal: Tiago Bernardes
Data de Publicação: 2013
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
Texto Completo: http://urlib.net/sid.inpe.br/mtc-m19/2013/03.04.20.07
Resumo: A produtividade da cultura cafeeira no Brasil tem sido estimada experimentalmente por meio de modelos agrometeorológicos que consideram o efeito da disponibilidade hídrica. No entanto, além da disponibilidade hídrica, vários outros fatores se somam para compor a produtividade, dentre eles o efeito conhecido como bienalidade, no qual a cultura apresenta produções altas e baixas, alternadamente, a cada 2 anos em função de um ciclo de desenvolvimento bianual, o que torna a produtividade do ano anterior importante na estimativa da produtividade de um determinado ano. No presente trabalho, este efeito foi considerado a partir de correlações entre dados de produtividade de lavouras obtidos em campo e a área foliar das mesmas lavouras. A área foliar foi estimada a partir dos índices de vegetação EVI e NDVI derivados de imagens Landsat. Foram obtidos modelos de regressão para estimar a produtividade do ano anterior a partir das imagens. O modelo final proposto penaliza a produtividade potencial da cultura em função das Evapotranspirações relativas, obtidas a partir de dados meteorológicos do modelo regional ETA, e da produtividade do ano anterior, obtida das regressões com os índices de vegetação. As Evapotranspirações relativas foram calculadas em 4 diferentes combinações de períodos representativos das fases fenológicas do cafeeiro e parametrizadas juntamente com a produtividade do ano anterior para determinação de coeficientes que representam o peso (ky) destas variáveis na penalização da produtividade potencial. O coeficiente de penalização pela produtividade do ano anterior (ky$_{0}$) apresentou os maiores valores, o que indica a importância desta variável na produtividade do cafeeiro. Com relação às variáveis de penalização hídrica os coeficientes referentes à fase entre os meses de Abril a Setembro (ky$_{1}$), que corresponde à indução e maturação das gemas florais, foram maiores. O coeficiente referente à fase entre os meses de Setembro a Dezembro (ky$_{2}$), correspondente ao florescimento e início da formação dos frutos, mostrou-se o segundo mais importante. O modelo final foi avaliado ao nível de produtividade por lavouras e ao nível de produção total por município. O modelos utilizando coeficientes de penalização parametrizados com as Evapotranspirações relativas agrupadas nos períodos Jun/Jul/Ago, Set/Out/Nov e Dez/Jan/Fev (combinação A) apresentou os melhores resultados em relação aos modelos C e D. O desempenho geral dos modelos ao nível de lavouras foi considerado ruim, com erros variando entre 13,73 a 21,43 sc/ha (EMA) e 18,51 a 28,66 sc/ha (EMQ), valores de R$^{2}$ variando entre 0,20 a 0,69, índices d$_{1}$ 0,38 a 0,53 e índice d$_{2}$ entre 0,41 a 0,70. Ao nível de produção total por municípios os desempenhos foram melhores com erros variando entre 1.600 a 3.900 kg (EMA) e 2.490 a 6.904 kg (EMQ), valores de R$^{2}$ variando entre 0,67 a 0,93, índices d$_{1}$ 0,65 a 0,83 e índice d$_{2}$ entre 0,77 a 0,90.
id INPE_6f5c27e054da7c3afbd03330a164bee6
oai_identifier_str oai:urlib.net:sid.inpe.br/mtc-m19/2013/03.04.20.07.10-0
network_acronym_str INPE
network_name_str Biblioteca Digital de Teses e Dissertações do INPE
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisModelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de caféModelling spectral and agrometeorological data to estimate coffee yield2013-03-18Maurício Alves MoreiraFlávio Jorge PonzoniMargarete Marin Lordelo VolpatoAngélica Prela PantanoTiago BernardesInstituto Nacional de Pesquisas Espaciais (INPE)Programa de Pós-Graduação do INPE em Sensoriamento RemotoINPEBRprodutividadecafébienalidademodelo agrometeorológicoLandsatproductivitycoffeebiennialagrometeorological modelLandsatA produtividade da cultura cafeeira no Brasil tem sido estimada experimentalmente por meio de modelos agrometeorológicos que consideram o efeito da disponibilidade hídrica. No entanto, além da disponibilidade hídrica, vários outros fatores se somam para compor a produtividade, dentre eles o efeito conhecido como bienalidade, no qual a cultura apresenta produções altas e baixas, alternadamente, a cada 2 anos em função de um ciclo de desenvolvimento bianual, o que torna a produtividade do ano anterior importante na estimativa da produtividade de um determinado ano. No presente trabalho, este efeito foi considerado a partir de correlações entre dados de produtividade de lavouras obtidos em campo e a área foliar das mesmas lavouras. A área foliar foi estimada a partir dos índices de vegetação EVI e NDVI derivados de imagens Landsat. Foram obtidos modelos de regressão para estimar a produtividade do ano anterior a partir das imagens. O modelo final proposto penaliza a produtividade potencial da cultura em função das Evapotranspirações relativas, obtidas a partir de dados meteorológicos do modelo regional ETA, e da produtividade do ano anterior, obtida das regressões com os índices de vegetação. As Evapotranspirações relativas foram calculadas em 4 diferentes combinações de períodos representativos das fases fenológicas do cafeeiro e parametrizadas juntamente com a produtividade do ano anterior para determinação de coeficientes que representam o peso (ky) destas variáveis na penalização da produtividade potencial. O coeficiente de penalização pela produtividade do ano anterior (ky$_{0}$) apresentou os maiores valores, o que indica a importância desta variável na produtividade do cafeeiro. Com relação às variáveis de penalização hídrica os coeficientes referentes à fase entre os meses de Abril a Setembro (ky$_{1}$), que corresponde à indução e maturação das gemas florais, foram maiores. O coeficiente referente à fase entre os meses de Setembro a Dezembro (ky$_{2}$), correspondente ao florescimento e início da formação dos frutos, mostrou-se o segundo mais importante. O modelo final foi avaliado ao nível de produtividade por lavouras e ao nível de produção total por município. O modelos utilizando coeficientes de penalização parametrizados com as Evapotranspirações relativas agrupadas nos períodos Jun/Jul/Ago, Set/Out/Nov e Dez/Jan/Fev (combinação A) apresentou os melhores resultados em relação aos modelos C e D. O desempenho geral dos modelos ao nível de lavouras foi considerado ruim, com erros variando entre 13,73 a 21,43 sc/ha (EMA) e 18,51 a 28,66 sc/ha (EMQ), valores de R$^{2}$ variando entre 0,20 a 0,69, índices d$_{1}$ 0,38 a 0,53 e índice d$_{2}$ entre 0,41 a 0,70. Ao nível de produção total por municípios os desempenhos foram melhores com erros variando entre 1.600 a 3.900 kg (EMA) e 2.490 a 6.904 kg (EMQ), valores de R$^{2}$ variando entre 0,67 a 0,93, índices d$_{1}$ 0,65 a 0,83 e índice d$_{2}$ entre 0,77 a 0,90.Coffee yield has been estimated in Brazil through agrometeorological models which consider the effect of water availability. However besides the water availability several factors must be taken into account in yield forecasting, as the well known biennial bearing effect. This effect results in alternated high and low yield due to the biannual growth cycle of coffee crop and makes yield the previous year important. In this study this effect was considered using correlations between observed yield of coffee plots and foliar area of the same plots. The foliar area was estimated through Landsat derived vegetation indices (EVI and NDVI). We have used regression models to estimate yield the previous year. The final model penalizes the potential yield according the Relative evapotranspiration, obtained from meteorological data of ETA regional model, and yield the previous year, obtained from regression models with vegetation indices. The Relative evapotranspiration were calculated in four different combinations of periods representative of phenological phases of coffee crop and parameterized jointly to yield the previous year in order to determine the weight coefficients (ky) for these variables in the penalization of potential yield. The penalization coefficient for yield the previous year (ky$_{0}$) presented higher values, indicating the importance of this variable for coffee yield. In relation to the water penalization variables, the coefficients for the phase from April to September (ky$_{1}$), which match to flower bud induction, were higher. The coefficient for the phase from September to December (ky$_{2}$), which match to flowering and early fruit development, was the second most important. The final model was evaluated in plot yield level and total production of the municipality level. The models using weigh coefficients parameterized for Relative evapotranspiration gathered in periods of Jun/Jul/Aug, Sept/Oct/Nov and Dec/Jan/Feb (combination A) presented better results compared to the models C and D. The general accuracy of models in the plot level was considered bad, with errors ranging from 13,73 to 21,43 sc/ha (RE) and 18,51 a 28,66 sc/ha (MSE), values of R$^{2}$ ranging from 0,20 to 0,69, d$_{1}$ index ranging from 0,38 a 0,53 and d$_{2}$ index ranging from 0,41 a 0,70. In the municipality level the accuracy was better with errors ranging from 1600 to 3900 to kg (RE) and 2490 to 6904 kg (MSE) values of R$^{2}$ ranging from 0,67 to 0,93, d$_{1}$ index ranging from 0,65 a 0,83 and d$_{2}$ index ranging from 0,77 a 0,90.http://urlib.net/sid.inpe.br/mtc-m19/2013/03.04.20.07info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações do INPEinstname:Instituto Nacional de Pesquisas Espaciais (INPE)instacron:INPE2021-07-31T06:54:04Zoai:urlib.net:sid.inpe.br/mtc-m19/2013/03.04.20.07.10-0Biblioteca Digital de Teses e Dissertaçõeshttp://bibdigital.sid.inpe.br/PUBhttp://bibdigital.sid.inpe.br/col/iconet.com.br/banon/2003/11.21.21.08/doc/oai.cgiopendoar:32772021-07-31 06:54:05.37Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)false
dc.title.pt.fl_str_mv Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
dc.title.alternative.en.fl_str_mv Modelling spectral and agrometeorological data to estimate coffee yield
title Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
spellingShingle Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
Tiago Bernardes
title_short Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
title_full Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
title_fullStr Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
title_full_unstemmed Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
title_sort Modelagem de dados espectrais e agrometeorológicos para estimativa da produtividade de café
author Tiago Bernardes
author_facet Tiago Bernardes
author_role author
dc.contributor.advisor1.fl_str_mv Maurício Alves Moreira
dc.contributor.referee1.fl_str_mv Flávio Jorge Ponzoni
dc.contributor.referee2.fl_str_mv Margarete Marin Lordelo Volpato
dc.contributor.referee3.fl_str_mv Angélica Prela Pantano
dc.contributor.author.fl_str_mv Tiago Bernardes
contributor_str_mv Maurício Alves Moreira
Flávio Jorge Ponzoni
Margarete Marin Lordelo Volpato
Angélica Prela Pantano
dc.description.abstract.por.fl_txt_mv A produtividade da cultura cafeeira no Brasil tem sido estimada experimentalmente por meio de modelos agrometeorológicos que consideram o efeito da disponibilidade hídrica. No entanto, além da disponibilidade hídrica, vários outros fatores se somam para compor a produtividade, dentre eles o efeito conhecido como bienalidade, no qual a cultura apresenta produções altas e baixas, alternadamente, a cada 2 anos em função de um ciclo de desenvolvimento bianual, o que torna a produtividade do ano anterior importante na estimativa da produtividade de um determinado ano. No presente trabalho, este efeito foi considerado a partir de correlações entre dados de produtividade de lavouras obtidos em campo e a área foliar das mesmas lavouras. A área foliar foi estimada a partir dos índices de vegetação EVI e NDVI derivados de imagens Landsat. Foram obtidos modelos de regressão para estimar a produtividade do ano anterior a partir das imagens. O modelo final proposto penaliza a produtividade potencial da cultura em função das Evapotranspirações relativas, obtidas a partir de dados meteorológicos do modelo regional ETA, e da produtividade do ano anterior, obtida das regressões com os índices de vegetação. As Evapotranspirações relativas foram calculadas em 4 diferentes combinações de períodos representativos das fases fenológicas do cafeeiro e parametrizadas juntamente com a produtividade do ano anterior para determinação de coeficientes que representam o peso (ky) destas variáveis na penalização da produtividade potencial. O coeficiente de penalização pela produtividade do ano anterior (ky$_{0}$) apresentou os maiores valores, o que indica a importância desta variável na produtividade do cafeeiro. Com relação às variáveis de penalização hídrica os coeficientes referentes à fase entre os meses de Abril a Setembro (ky$_{1}$), que corresponde à indução e maturação das gemas florais, foram maiores. O coeficiente referente à fase entre os meses de Setembro a Dezembro (ky$_{2}$), correspondente ao florescimento e início da formação dos frutos, mostrou-se o segundo mais importante. O modelo final foi avaliado ao nível de produtividade por lavouras e ao nível de produção total por município. O modelos utilizando coeficientes de penalização parametrizados com as Evapotranspirações relativas agrupadas nos períodos Jun/Jul/Ago, Set/Out/Nov e Dez/Jan/Fev (combinação A) apresentou os melhores resultados em relação aos modelos C e D. O desempenho geral dos modelos ao nível de lavouras foi considerado ruim, com erros variando entre 13,73 a 21,43 sc/ha (EMA) e 18,51 a 28,66 sc/ha (EMQ), valores de R$^{2}$ variando entre 0,20 a 0,69, índices d$_{1}$ 0,38 a 0,53 e índice d$_{2}$ entre 0,41 a 0,70. Ao nível de produção total por municípios os desempenhos foram melhores com erros variando entre 1.600 a 3.900 kg (EMA) e 2.490 a 6.904 kg (EMQ), valores de R$^{2}$ variando entre 0,67 a 0,93, índices d$_{1}$ 0,65 a 0,83 e índice d$_{2}$ entre 0,77 a 0,90.
dc.description.abstract.eng.fl_txt_mv Coffee yield has been estimated in Brazil through agrometeorological models which consider the effect of water availability. However besides the water availability several factors must be taken into account in yield forecasting, as the well known biennial bearing effect. This effect results in alternated high and low yield due to the biannual growth cycle of coffee crop and makes yield the previous year important. In this study this effect was considered using correlations between observed yield of coffee plots and foliar area of the same plots. The foliar area was estimated through Landsat derived vegetation indices (EVI and NDVI). We have used regression models to estimate yield the previous year. The final model penalizes the potential yield according the Relative evapotranspiration, obtained from meteorological data of ETA regional model, and yield the previous year, obtained from regression models with vegetation indices. The Relative evapotranspiration were calculated in four different combinations of periods representative of phenological phases of coffee crop and parameterized jointly to yield the previous year in order to determine the weight coefficients (ky) for these variables in the penalization of potential yield. The penalization coefficient for yield the previous year (ky$_{0}$) presented higher values, indicating the importance of this variable for coffee yield. In relation to the water penalization variables, the coefficients for the phase from April to September (ky$_{1}$), which match to flower bud induction, were higher. The coefficient for the phase from September to December (ky$_{2}$), which match to flowering and early fruit development, was the second most important. The final model was evaluated in plot yield level and total production of the municipality level. The models using weigh coefficients parameterized for Relative evapotranspiration gathered in periods of Jun/Jul/Aug, Sept/Oct/Nov and Dec/Jan/Feb (combination A) presented better results compared to the models C and D. The general accuracy of models in the plot level was considered bad, with errors ranging from 13,73 to 21,43 sc/ha (RE) and 18,51 a 28,66 sc/ha (MSE), values of R$^{2}$ ranging from 0,20 to 0,69, d$_{1}$ index ranging from 0,38 a 0,53 and d$_{2}$ index ranging from 0,41 a 0,70. In the municipality level the accuracy was better with errors ranging from 1600 to 3900 to kg (RE) and 2490 to 6904 kg (MSE) values of R$^{2}$ ranging from 0,67 to 0,93, d$_{1}$ index ranging from 0,65 a 0,83 and d$_{2}$ index ranging from 0,77 a 0,90.
description A produtividade da cultura cafeeira no Brasil tem sido estimada experimentalmente por meio de modelos agrometeorológicos que consideram o efeito da disponibilidade hídrica. No entanto, além da disponibilidade hídrica, vários outros fatores se somam para compor a produtividade, dentre eles o efeito conhecido como bienalidade, no qual a cultura apresenta produções altas e baixas, alternadamente, a cada 2 anos em função de um ciclo de desenvolvimento bianual, o que torna a produtividade do ano anterior importante na estimativa da produtividade de um determinado ano. No presente trabalho, este efeito foi considerado a partir de correlações entre dados de produtividade de lavouras obtidos em campo e a área foliar das mesmas lavouras. A área foliar foi estimada a partir dos índices de vegetação EVI e NDVI derivados de imagens Landsat. Foram obtidos modelos de regressão para estimar a produtividade do ano anterior a partir das imagens. O modelo final proposto penaliza a produtividade potencial da cultura em função das Evapotranspirações relativas, obtidas a partir de dados meteorológicos do modelo regional ETA, e da produtividade do ano anterior, obtida das regressões com os índices de vegetação. As Evapotranspirações relativas foram calculadas em 4 diferentes combinações de períodos representativos das fases fenológicas do cafeeiro e parametrizadas juntamente com a produtividade do ano anterior para determinação de coeficientes que representam o peso (ky) destas variáveis na penalização da produtividade potencial. O coeficiente de penalização pela produtividade do ano anterior (ky$_{0}$) apresentou os maiores valores, o que indica a importância desta variável na produtividade do cafeeiro. Com relação às variáveis de penalização hídrica os coeficientes referentes à fase entre os meses de Abril a Setembro (ky$_{1}$), que corresponde à indução e maturação das gemas florais, foram maiores. O coeficiente referente à fase entre os meses de Setembro a Dezembro (ky$_{2}$), correspondente ao florescimento e início da formação dos frutos, mostrou-se o segundo mais importante. O modelo final foi avaliado ao nível de produtividade por lavouras e ao nível de produção total por município. O modelos utilizando coeficientes de penalização parametrizados com as Evapotranspirações relativas agrupadas nos períodos Jun/Jul/Ago, Set/Out/Nov e Dez/Jan/Fev (combinação A) apresentou os melhores resultados em relação aos modelos C e D. O desempenho geral dos modelos ao nível de lavouras foi considerado ruim, com erros variando entre 13,73 a 21,43 sc/ha (EMA) e 18,51 a 28,66 sc/ha (EMQ), valores de R$^{2}$ variando entre 0,20 a 0,69, índices d$_{1}$ 0,38 a 0,53 e índice d$_{2}$ entre 0,41 a 0,70. Ao nível de produção total por municípios os desempenhos foram melhores com erros variando entre 1.600 a 3.900 kg (EMA) e 2.490 a 6.904 kg (EMQ), valores de R$^{2}$ variando entre 0,67 a 0,93, índices d$_{1}$ 0,65 a 0,83 e índice d$_{2}$ entre 0,77 a 0,90.
publishDate 2013
dc.date.issued.fl_str_mv 2013-03-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
status_str publishedVersion
format doctoralThesis
dc.identifier.uri.fl_str_mv http://urlib.net/sid.inpe.br/mtc-m19/2013/03.04.20.07
url http://urlib.net/sid.inpe.br/mtc-m19/2013/03.04.20.07
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.publisher.program.fl_str_mv Programa de Pós-Graduação do INPE em Sensoriamento Remoto
dc.publisher.initials.fl_str_mv INPE
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Instituto Nacional de Pesquisas Espaciais (INPE)
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do INPE
instname:Instituto Nacional de Pesquisas Espaciais (INPE)
instacron:INPE
reponame_str Biblioteca Digital de Teses e Dissertações do INPE
collection Biblioteca Digital de Teses e Dissertações do INPE
instname_str Instituto Nacional de Pesquisas Espaciais (INPE)
instacron_str INPE
institution INPE
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do INPE - Instituto Nacional de Pesquisas Espaciais (INPE)
repository.mail.fl_str_mv
publisher_program_txtF_mv Programa de Pós-Graduação do INPE em Sensoriamento Remoto
contributor_advisor1_txtF_mv Maurício Alves Moreira
_version_ 1706809355236540416