Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat

Detalhes bibliográficos
Autor(a) principal: Andrade,Ricardo Guimarães
Data de Publicação: 2014
Outros Autores: Sediyama,Gilberto, Soares,Vicente Paulo, Gleriani,José Marinaldo, Menezes,Sady Junior Martins da Costa
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Brasileira de Meteorologia (Online)
Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862014000300011
Resumo: As técnicas de sensoriamento remoto têm sido muito promissoras para o desenvolvimento de medidas mais confiáveis e economicamente viáveis da produção vegetal em larga escala. O algoritmo SEBAL (Surface Energy Balance Algorithm for Land) tem como vantagem a obtenção de parâmetros biofísicos usando imagens de satélite e poucos dados observacionais. Este trabalho objetivou estimar a produtividade da cana-de-açúcar por meio da aplicação do algoritmo SEBAL e de imagens Landsat 5 TM. O estudo foi realizado em plantios de cana-de-açúcar da fazenda Boa Fé, localizada no Triângulo Mineiro, município de Conquista, Minas Gerais. A metodologia utilizada apresentou variação de desempenho nas estimativas de produtividade da cana-de-açúcar de cada gleba, provavelmente em decorrência de influências da dimensão dos talhões e da resolução espacial da imagem, e de variedades e épocas de plantio e colheita da cultura. No entanto, os resultados apontam que a metodologia tem potencial para ser aplicada em áreas extensas com limitada disponibilidade de dados meteorológicos.
id SBMET-1_5079805e5450ce85979e09865cdb0e1a
oai_identifier_str oai:scielo:S0102-77862014000300011
network_acronym_str SBMET-1
network_name_str Revista Brasileira de Meteorologia (Online)
repository_id_str
spelling Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens LandsatCana-de-açúcarBiomassa VegetalSEBALSensoriamento RemotoAs técnicas de sensoriamento remoto têm sido muito promissoras para o desenvolvimento de medidas mais confiáveis e economicamente viáveis da produção vegetal em larga escala. O algoritmo SEBAL (Surface Energy Balance Algorithm for Land) tem como vantagem a obtenção de parâmetros biofísicos usando imagens de satélite e poucos dados observacionais. Este trabalho objetivou estimar a produtividade da cana-de-açúcar por meio da aplicação do algoritmo SEBAL e de imagens Landsat 5 TM. O estudo foi realizado em plantios de cana-de-açúcar da fazenda Boa Fé, localizada no Triângulo Mineiro, município de Conquista, Minas Gerais. A metodologia utilizada apresentou variação de desempenho nas estimativas de produtividade da cana-de-açúcar de cada gleba, provavelmente em decorrência de influências da dimensão dos talhões e da resolução espacial da imagem, e de variedades e épocas de plantio e colheita da cultura. No entanto, os resultados apontam que a metodologia tem potencial para ser aplicada em áreas extensas com limitada disponibilidade de dados meteorológicos.Sociedade Brasileira de Meteorologia2014-09-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862014000300011Revista Brasileira de Meteorologia v.29 n.3 2014reponame:Revista Brasileira de Meteorologia (Online)instname:Sociedade Brasileira de Meteorologia (SBMET)instacron:SBMET10.1590/0102-778620130022info:eu-repo/semantics/openAccessAndrade,Ricardo GuimarãesSediyama,GilbertoSoares,Vicente PauloGleriani,José MarinaldoMenezes,Sady Junior Martins da Costapor2014-08-27T00:00:00Zoai:scielo:S0102-77862014000300011Revistahttp://www.rbmet.org.br/port/index.phpONGhttps://old.scielo.br/oai/scielo-oai.php||rbmet@rbmet.org.br1982-43510102-7786opendoar:2014-08-27T00:00Revista Brasileira de Meteorologia (Online) - Sociedade Brasileira de Meteorologia (SBMET)false
dc.title.none.fl_str_mv Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
title Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
spellingShingle Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
Andrade,Ricardo Guimarães
Cana-de-açúcar
Biomassa Vegetal
SEBAL
Sensoriamento Remoto
title_short Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
title_full Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
title_fullStr Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
title_full_unstemmed Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
title_sort Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
author Andrade,Ricardo Guimarães
author_facet Andrade,Ricardo Guimarães
Sediyama,Gilberto
Soares,Vicente Paulo
Gleriani,José Marinaldo
Menezes,Sady Junior Martins da Costa
author_role author
author2 Sediyama,Gilberto
Soares,Vicente Paulo
Gleriani,José Marinaldo
Menezes,Sady Junior Martins da Costa
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Andrade,Ricardo Guimarães
Sediyama,Gilberto
Soares,Vicente Paulo
Gleriani,José Marinaldo
Menezes,Sady Junior Martins da Costa
dc.subject.por.fl_str_mv Cana-de-açúcar
Biomassa Vegetal
SEBAL
Sensoriamento Remoto
topic Cana-de-açúcar
Biomassa Vegetal
SEBAL
Sensoriamento Remoto
description As técnicas de sensoriamento remoto têm sido muito promissoras para o desenvolvimento de medidas mais confiáveis e economicamente viáveis da produção vegetal em larga escala. O algoritmo SEBAL (Surface Energy Balance Algorithm for Land) tem como vantagem a obtenção de parâmetros biofísicos usando imagens de satélite e poucos dados observacionais. Este trabalho objetivou estimar a produtividade da cana-de-açúcar por meio da aplicação do algoritmo SEBAL e de imagens Landsat 5 TM. O estudo foi realizado em plantios de cana-de-açúcar da fazenda Boa Fé, localizada no Triângulo Mineiro, município de Conquista, Minas Gerais. A metodologia utilizada apresentou variação de desempenho nas estimativas de produtividade da cana-de-açúcar de cada gleba, provavelmente em decorrência de influências da dimensão dos talhões e da resolução espacial da imagem, e de variedades e épocas de plantio e colheita da cultura. No entanto, os resultados apontam que a metodologia tem potencial para ser aplicada em áreas extensas com limitada disponibilidade de dados meteorológicos.
publishDate 2014
dc.date.none.fl_str_mv 2014-09-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862014000300011
url http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0102-77862014000300011
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 10.1590/0102-778620130022
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
dc.publisher.none.fl_str_mv Sociedade Brasileira de Meteorologia
publisher.none.fl_str_mv Sociedade Brasileira de Meteorologia
dc.source.none.fl_str_mv Revista Brasileira de Meteorologia v.29 n.3 2014
reponame:Revista Brasileira de Meteorologia (Online)
instname:Sociedade Brasileira de Meteorologia (SBMET)
instacron:SBMET
instname_str Sociedade Brasileira de Meteorologia (SBMET)
instacron_str SBMET
institution SBMET
reponame_str Revista Brasileira de Meteorologia (Online)
collection Revista Brasileira de Meteorologia (Online)
repository.name.fl_str_mv Revista Brasileira de Meteorologia (Online) - Sociedade Brasileira de Meteorologia (SBMET)
repository.mail.fl_str_mv ||rbmet@rbmet.org.br
_version_ 1752122084897587200

Registros relacionados