Aplicação computacional AgDataBox-RS: gerenciamento de dados de sensoriamento remoto

• Autor(a) principal: Conti, Giuvane
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/27155
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Agricultura de precisão; Sensoriamento remoto; Agricultura - Transferência de tecnologia; Precision farming; Remote sensing; Agriculture - Technology transfer; Engenharia Agrícola

O sensoriamento remoto tem a capacidade de auxiliar na evolução das práticas agrícolas, fornecendo informações periódicas sobre o estado de uma cultura ao longo de uma safra, em diferentes escalas e para diferentes segmentos. Aplicações em agricultura de precisão utilizam práticas de sensoriamento remoto, como os índices de vegetação, derivados de imagens multiespectrais, para mensurar parâmetros físicos e químicos das plantas, no decorrer do seu ciclo de desenvolvimento. Os avanços tecnológicos oportunizaram o desenvolvimento de serviços inovadores para o setor agrícola, baseados na internet e hospedados em nuvem. Sendo assim, o objetivo dessa pesquisa foi desenvolver uma aplicação computacional que integre e forneça dados de sensoriamento remoto para a plataforma de agricultura de precisão AgDataBox. A aplicação desenvolvida permite o cadastro de uma nova área (talhão), buscar imagens raster de satélites orbitais, selecionar índices de vegetação, vetorizar e inserir as imagens de interesse na plataforma AgDataBox. A aplicação proposta foi testada com dados da safra de milho de 2018/201 (safra verão), em uma área de estudo no município de Céu Azul, Paraná. Foram gerados 12 vetores a partir de imagens do satélite Sentinel-2, utilizando o índice de vegetação por diferença normalizada (NDVI), índice de vegetação melhorado (EVI) e índice de vegetação melhorado 2 (EVI-2) dos dias 11/12/2018, 16/12/2018, 15/01/2019 e 25/01/2019 e inseridos na plataforma AgDataBox. Também foram inseridos vetores com variáveis de produtividade, altitude, areia, silte, argila, resistência mecânica a penetração do solo nas profundidades de 0-0,1 m, 0-0,2 m, 0,1-0,2 m e 0,2-0,3 m. Após a análise de auto correlação entre as variáveis, tendo produtividade como variável alvo, foram selecionadas EVI2 e altitude como as variáveis que apresentaram melhor auto correlação cruzada com a variável alvo. Foram delineadas zonas de manejo (ZMs) no módulo AgDataBox-Map, utilizando o método fuzzy c-means, para duas, três e quatro classes utilizando três conjuntos de variáveis de entrada: (i) EVI-2_NM, (ii) Altitude, e (iii) EVI 2_NM+Altitude. Após análise dos resultados, conclui-se que o melhor delineamento utilizou a variável EVI-2 no delineamento de três classes de ZMs. Todos os d elineamentos para duas classes apresentaram diferença estatística entre suas classes, sendo o melhor desempenho obtido com a variável altitude. Todos os delineamentos com quatro classes foram descartados, pois não apresentaram diferença estatística significativa entre suas classes.