Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/217226 |
Resumo: | The state of São Paulo is the largest producer of sugarcane of all Brazilian states. According to Conab (Compania Nacional de Abastecimento) São Paulo was responsible for 54% of all the crop land of the 2020/2021 sugarcane cycle. Sugarcane’s production cycle, especially in Brazilian’s southeast region, introduces soybean or peanut during its renewable cycle. The aim of this study is to analyze the viability of identifying remotely sugarcane’s fallow areas through the Normalized Difference Vegetation Index (NDVI) as well as define the best dates to identify it. NDVI values were generated from the third and fourth bands of the WPM sensor aboard the CBERS 04A satellite with five different stages of the referred agricultural cycle. The city of Dumont SP was the selected one to acquire these five images and then eighteen sugarcane plots were selected to analyze. The open software QGIS was then used to select and analyze all regions. The data generated confirmed that it is viable to differentiate sugarcane’s fallow areas through the use of NDVI and remote sensing techniques. It was also concluded that months between november through march were the best time period for this. |
id |
UNSP_be184a872d00266278588e1552eb2dd3 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/217226 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remotoIdentification of sugarcane's fallow areas through vegetation index and remote sensing techniquesCana-de-açúcarSensoriamento remotoSatélites artificiais na agriculturaThe state of São Paulo is the largest producer of sugarcane of all Brazilian states. According to Conab (Compania Nacional de Abastecimento) São Paulo was responsible for 54% of all the crop land of the 2020/2021 sugarcane cycle. Sugarcane’s production cycle, especially in Brazilian’s southeast region, introduces soybean or peanut during its renewable cycle. The aim of this study is to analyze the viability of identifying remotely sugarcane’s fallow areas through the Normalized Difference Vegetation Index (NDVI) as well as define the best dates to identify it. NDVI values were generated from the third and fourth bands of the WPM sensor aboard the CBERS 04A satellite with five different stages of the referred agricultural cycle. The city of Dumont SP was the selected one to acquire these five images and then eighteen sugarcane plots were selected to analyze. The open software QGIS was then used to select and analyze all regions. The data generated confirmed that it is viable to differentiate sugarcane’s fallow areas through the use of NDVI and remote sensing techniques. It was also concluded that months between november through march were the best time period for this.A análise da variabilidade temporal de índices de vegetação, como o NDVI, pode auxiliar na identificação de áreas agrícolas mantidas sobre diferentes usos. Isso permite o levantamento de dados, por empresas e órgãos governamentais, que auxiliam na quantificação e monitoramento do vasto territorial nacional. Esse trabalho teve como objetivo analisar a viabilidade da identificação remota de áreas onde a soja foi plantada na reforma de canaviais através da análise da variação dos valores do Índice de Vegetação da Diferença Normalizada (Normalized Difference Vegetation Index – NDVI) além de identificar a melhor época para isso. Dezoito talhões no Município de Dumont, Estado de São Paulo foram selecionados para o levantamento de dados desse trabalho. Para tanto, utilizou-se imagens da câmera Multiespectral e Pancromática de Ampla Varredura (WPM) do satélite sino-brasileiro CBERS 04A, safra 20/21. Cinco datas foram selecionadas para aquisição das imagens da câmera WPM. Utilizou-se o Plugin Semi-Automatic Classification (SCP) do software livre QGIS para o processamento dos dados. Através dos dados gerados pelo índice de vegetação NDVI foi possível identificar diferenças significativas nos diferentes estágios do canavial que são eficientes para identificar e diferenciar a cultura em seus diferentes estágios.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Rosalen, David Luciano [UNESP]Universidade Estadual Paulista (Unesp)Lovato, João Guilherme Lopes2022-03-16T12:32:08Z2022-03-16T12:32:08Z2021-12-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/217226porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-26T06:19:10Zoai:repositorio.unesp.br:11449/217226Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T21:21:49.032750Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto Identification of sugarcane's fallow areas through vegetation index and remote sensing techniques |
title |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto |
spellingShingle |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto Lovato, João Guilherme Lopes Cana-de-açúcar Sensoriamento remoto Satélites artificiais na agricultura |
title_short |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto |
title_full |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto |
title_fullStr |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto |
title_full_unstemmed |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto |
title_sort |
Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto |
author |
Lovato, João Guilherme Lopes |
author_facet |
Lovato, João Guilherme Lopes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rosalen, David Luciano [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Lovato, João Guilherme Lopes |
dc.subject.por.fl_str_mv |
Cana-de-açúcar Sensoriamento remoto Satélites artificiais na agricultura |
topic |
Cana-de-açúcar Sensoriamento remoto Satélites artificiais na agricultura |
description |
The state of São Paulo is the largest producer of sugarcane of all Brazilian states. According to Conab (Compania Nacional de Abastecimento) São Paulo was responsible for 54% of all the crop land of the 2020/2021 sugarcane cycle. Sugarcane’s production cycle, especially in Brazilian’s southeast region, introduces soybean or peanut during its renewable cycle. The aim of this study is to analyze the viability of identifying remotely sugarcane’s fallow areas through the Normalized Difference Vegetation Index (NDVI) as well as define the best dates to identify it. NDVI values were generated from the third and fourth bands of the WPM sensor aboard the CBERS 04A satellite with five different stages of the referred agricultural cycle. The city of Dumont SP was the selected one to acquire these five images and then eighteen sugarcane plots were selected to analyze. The open software QGIS was then used to select and analyze all regions. The data generated confirmed that it is viable to differentiate sugarcane’s fallow areas through the use of NDVI and remote sensing techniques. It was also concluded that months between november through march were the best time period for this. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-12-12 2022-03-16T12:32:08Z 2022-03-16T12:32:08Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/217226 |
url |
http://hdl.handle.net/11449/217226 |
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.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129312786743296 |