Análise de falhas no cultivo da cana de açúcar a partir de imagens de Aeronave Remotamente Pilotada
DOI:
https://doi.org/10.29150/2237-2202.2021.248376Schlagworte:
Sistema de informação geográfica, Agricultura de precisão, Aeronave remotamente pilotadaAbstract
A Agricultura de Precisão visa o gerenciamento detalhado do sistema de produção agrícola. Os sensores de alta resolução orbital possuem limitações tais como a resolução temporal e o recobrimento de nuvens. O RPA (Remotely Piloted Aircraft ou Aeronave Remotamente Pilotada) surge como opção para auxiliar na Agricultura de Precisão, pois a obtenção das imagens pode ser decidida conforme a necessidade do estudo do plantio e, portanto, não tendo mais a limitação da resolução temporal de imageamento. Além disso, o problema de recobrimento de nuvens não é mais um problema, pois pode-se planejar o voo para uma altitude inferior às nuvens presentes na área. Este estudo mostra como a obtenção dos produtos de uma base cartográfica, produzida a partir de um aerolevantamento de uma Aeronave Remotamente Pilotada possa detectar falhas no cultivo da cana de açúcar a partir do ortomosaico gerado pelo processamento tridimensional. A coleta de informações sobre a distribuição geográfica nos dá suporte para o desenvolvimento deste trabalho, visando a subsidiar o gerenciamento de recursos privados na agricultura, permitindo uma melhoria da produtividade.
Literaturhinweise
ANAC – Agência Nacional de Aviação Civil; Regras sobre Drones. Regulamento Brasileiro de Aviação Civil Especial – RBAC –E n. 94. 2017.
Antuniassi, U.R.; Salvador, A.; Análise de imagens aéreas para mapeamento de plantas daninhas em sistemas de agricultura de precisão. In: Simpósio Internacional de Agricultura de Precisão, n. 2. 2002, Viçosa. Anais... Viçosa: UFV, 2002.
Centeno, J. A. S.; Ribeiro, S. R. A.; Um método simplificado de fusão de imagens. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007.
Crósta, A. P.; Processamento digital de imagens de sensoriamento remoto, Campinas, SP, UNICAMP, ed. rev., 1993.
Dainese, R. C.; Sensoriamento remoto e geoprocessamento aplicado ao estudo temporal do uso da terra e na comparação entre classificação não supervisionada e análise visual. Dissertação de Mestrado - Faculdade de Ciências Agronômicas da UNESP - Campus de Botucatu. 2001.
Debiasi, P.; Eckhardt, R. R.; Castolldi, G.; Madruga, R.; Coutinho, A.; Fusão de imagens MODIS com NDVI do Landsat para a classificação de áreas de cultivo de soja. In. XIII Simpósio Brasileiro de Sensoriamento Remoto, Anais [...] Florianópolis, Brasil, 21-26 abril 2007.
Erbert, M.; Introdução ao sensoriamento remoto. Master Tesis, Universidade Federal do Rio Grande do Sul. 2001.
Figueira, N. M.; Volotão, C. F. S.; Detecção do contorno de alvos em imagens adquiridas por VANT. Revista Brasileira de Cartografia, n. 65/4: 643-650. 2012.
INPE – Instituto Nacional de Pesquisas Espaciais; Tutorial SPRING. São José dos Campos. 2002.
Medeiros, F. A., Alonço, A. S., Balestra, M. R. G., Dias, V. O., Landerhal Jr. M. L.; Utilização de um veiculo aéreo não-tripulado em atividades de imageamento georreferenciado. Ciência Rural, Santa Maria, v-38, n.8, p.2375-2378, Nov, 2008.
MAPA - Ministério da Agricultura Pecuária e Abastecimento. Agricultura de precisão – Boletim Técnico. Brasília, DF, 2011
MD - Ministério da Defesa. Norma da especificação técnica para controle de qualidade de dados geoespaciais – ET-CQDG. 2016
Molin, J. P.; Veiga, J. P. S.; Spatial variability of sugarcane row gaps: measurement and mapping. Ciências Agrotec, v.40 n.3 Lavras May/June 2016.
Neris, L. O.; Um piloto automático para as aeronaves do projeto ARARA. 102 f. Dissertação (Mestrado em Ciências da Computação) – Universidade de São Paulo, São Carlos. 2001.
Richards, J.A.; Remote Sensing Digital Image Analysis. Second Edition. New York: Wiley, 1993.
Ribeiro, R. J. C.; Baptista, G. M. M.; Bias, E. S.; Comparação dos métodos de classificação supervisionada de imagem Máxima Verossimilhança e Redes Neurais em ambiente urbano. XIII Simpósio Brasileiro de Sensoriamento Remoto, Anais [...], Florianópolis, Brasil, 21-26 abril, 2007.
Silva, C. A.; Souto, M. V. S.; Duarte, C. R.; Bicho, C. P.; Sabadia, J. A. B.; Avaliação da acurácia dos ortomosaicos e modelos digitais do terreno gerados pelo MVANT/DNPM. Revista Brasileira de Cartografia, n. 67/7: 1479-1495. 2015.
Silva, D. C. D.; Toonstra, G. W. A.; Souza, H. L. S.; Pereira, T. A. J.; Qualidade de ortomosaico de imagens de VANT processados com os softwares APS, PIX4D e PHOTOSCAN. V Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação. 2014.
Stolf, R; Garcia, T. B.; Neris, L. O.; Trindade Junior, O.; Reichardt, K. Avaliação de falhas em cana de açúcar segundo o método de Stolf utilizando imagens aéreas de alta precisão obtidas por VANT. STAB – Março/Abril 2016, v. 34, n. 4.
Watts, A. C. et al. Unmanned Aircraft Systems in Remote Sensing and Scientific Research: Classification and Considerations of Use. Remote Sensing, v.4, n. 12, p. 1671-1692. 2012.
Zhang, C.; Kovacs, J. M.; The application of small unmanned aerial systems for precision agriculture: a review. Precision Agriculture. v. 13, Issue 6, p. 693-712. December, 2012.
