Análise da variabilidade espacial da produtividade na cafeicultura de montanha com uso de técnicas de sensoriamento remoto

• Autor(a) principal: Campos, Diogo Santos
• Data de Publicação: 2005
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/9716
• topic: Café - Sensoriamento remoto; Café - Produção; Produtividade agrícola; Processamento de imagens - Técnicas digitais; Agricultura de precisão; Ciências Agrárias

A adoção da agricultura de precisão tem, como ponto de partida, uma linha de procedimentos, que geralmente começam com a elaboração de um mapa de produtividade durante a colheita. Para a cultura de alguns grãos, como o milho e a soja, já existem dispositivos disponíveis no mercado, que acoplados às colhedoras combinadas, geram esses mapas de produtividade. No caso de culturas perenes, os sistemas de mapeamento de produtividade estão menos desenvolvidos devido à menor utilização da colheita mecanizada. Grande parte da colheita do café no Brasil é, ainda, feita manualmente. Nas áreas de produção de café de montanha, como é o caso da Zona da Mata, é difícil obter o mapeamento da produtividade uma vez que não se utilizam colhedoras automotrizes. Assim para o mapeamento da variabilidade da produtividade do café de montanha, há necessidade da geração de tecnologias específicas. O objetivo principal deste trabalho foi estudar a variabilidade espacial da produtividade na cafeicultura de montanha, por meio de técnicas de sensoriamento remoto. Foram selecionadas seis áreas para implantação das parcelas experimentais, sendo que, dentro de cada área, as plantas possuíam mesma idade, variedade e espaçamento. Três subáreas foram instaladas no campo, dentro de cada área, por meio de estacas de madeira georreferenciadas com uso de um GPS diferencial Trimble Pro XRS. Foi obtida a produtividade corrigida para a umidade padrão de 12% de cada subárea. As imagens aéreas foram obtidas a 2.000 metros de altura, nos dias nove de setembro e 27 de novembro de 2003. Identificadas nas imagens georreferenciadas, as subáreas foram recortadas e processadas, usando-se os índices espectrais Vdn, Vmn, IVn, RVm, RVd, NDVI, GNDVI e SAVI. Para efeito de análises estatísticas, foi utilizado um delineamento inteiramente casualizado, em que as diferentes áreas foram consideradas como um fator primário designado às parcelas e as diferentes avaliações mensais (épocas de tomadas de imagens) como sendo um fator secundário designado às subparcelas, caracterizando, assim, um experimento em parcelas subdivididas no tempo. Foram realizadas análises de variância para cada índice espectral, nas diferentes épocas de tomada de imagens. Selecionaram-se os índices, que resultaram em teste F não-significativo para interação e significativo para área e época. Para cada uma das duas épocas, foram ajustados modelos lineares de regressão de primeiro e segundo grau da produtividade, pelo método dos mínimos quadrados, em função dos valores do índice selecionado. O modelo selecionado foi de segundo grau referente ao índice banda verde normalizada (Vdn) para o conjunto de imagens obtidas no dia nove de setembro de 2003, que apresentou significância de 7,91% na análise de variância da regressão. O modelo e as imagens, adquiridas no dia nove de setembro de 2003, foram utilizados na geração de mapas de produtividade estimada com uso do programa MATLAB. Nas condições em que o trabalho foi realizado, concluiu- se que, entre os índices espectrais avaliados, apenas o índice Vdn em imagens aéreas falsa-cor satisfez os critérios estabelecidos para seleção de índices. Imagens aéreas falsa-cor, obtidas logo após a colheita da safra anterior, produziram um modelo de regressão com melhor ajuste para estabelecer a relação funcional entre produtividade e índice espectral Vdn. A discriminação da variabilidade espacial da produtividade a partir de índices espectrais obtidos a partir de imagens aéreas falsa-cor é possível, mas ajustes são necessários.