Identificação de áreas de renovação da cultura da cana-de-açúcar por meio de índice de vegetação e técnicas de sensoriamento remoto

Detalhes bibliográficos
Autor(a) principal: Lovato, João Guilherme Lopes
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