Estimativa de produtividade de soja com uso de perfis temporais de índices de vegetação do sensor MODIS no município de Sapezal, Mato Grosso
DOI:
https://doi.org/10.26848/rbgf.v15.3.p1660-1675Palavras-chave:
EVI, Glycine max, NDVI, SATVeg, Sensoriamento RemotoResumo
A disponibilidade de perfis temporais de Índices de Vegetação (IVs) como o Normalized Difference Vegetation Index (NDVI) e o Enhanced Vegetation Index (EVI) permitem realizar diferentes tipos de análises da condição da cobertura vegetal de uma determinada área. Entre os sensores utilizados para esse fim, o MODIS se destaca devido a combinação de resolução espacial e temporal. O objetivo deste trabalho foi estimar a produtividade de soja com uso de perfis temporais de índices de vegetação do sensor MODIS, em Sapezal, Mato Grosso. Foram utilizados dados de produtividade observadas das safras de 2003/04 a 2013/14 de uma fazenda comercial. Os perfis temporais de NDVI e EVI foram coletados na plataforma SATVeg da Embrapa. A validação da estimativa de produtividade feita pelos IVs foi realizada por meio do erro quadrático médio, erro médio, coeficiente de determinação e de correlação, índice de concordância e confiança (c). Apesar do maior número de correlações significativas usando o EVI, que explicou de 39% a 77% da variação na produtividade de soja em alguns talhões, os modelos para estimativa de produtividade usando o referido índice de vegetação, tiveram um ‘péssimo’ desempenho (c≤0,10). O modelo com melhor desempenho teve como variável de entrada os dados absolutos do máximo valor de EVI registrado durante o ciclo de desenvolvimento da cultura, apresentando uma variação média de 6,02 sacas/ha e uma tendência em subestimar a produtividade em 1,49 sacas/ha.
Palavras-chave: EVI, Glycine max, NDVI, SATVeg, Sensoriamento Remoto
Soybean yield estimate using temporal profiles of vegetation indices from the MODIS sensor in Sapezal, Mato Grosso
A B S T R A C T
The availability of temporal profiles of Vegetation Index (VIs) such as the Normalized Difference Vegetation Index (NDVI) and the Enhanced Vegetation Index (EVI) allow different types of analyzes of the vegetation cover condition of a given area to be carried out. Among the sensors used for this purpose, MODIS stands out due to the combination of spatial and temporal resolution. The objective of this work was to estimate soybean yield using temporal profiles of vegetation indices from the MODIS sensor, in Sapezal, Mato Grosso. Observed yield data from the 2003/04 to 2013/14 crops of a commercial farm were used. The NDVI and EVI temporal profiles were collected on Embrapa's SATVeg platform. The validation of the productivity estimate made by the IVs was performed using the mean square error, mean error, coefficient of determination and correlation, index of agreement and confidence (c). Despite the greater number of significant correlations using the EVI, which explained 39% to 77% of the variation in soybean yields in some fields, the models for yield estimation using the referred vegetation index had a 'poor' performance (c ≤0.40). The model with the best performance had as input variable the absolute data of the maximum EVI value recorded during the crop development cycle, showing an average variation of 6,02 bags/ha and a tendency to underestimate yield by 1,49 bags/ha.
Keywords: EVI, Glycine max, NDVI, Remote Sensing, SATVeg
Downloads
Referências
Allen, R.G.A., 1986. Penman for all seasons. Journal of Irrigation and Drainage Engineering 112, 348-386.
Amaral, K.F.S., Obuti, R.B., Rosa, H.A., 2018. Relação entre índice de vegetação por diferença normalizada (NDVI) e mapa de produtividade na cultura de soja. Trabalho de Conclusão de Curso – Graduação em Fertilidade do Solo na Agricultura. 08/12/2018. Cascavel – PR.
Andrade et al., 2014. Uso do sensoriamento remoto na obtenção de parâmetros biofísicos em plantios de soja. In: Bernardi, A. C. C. et al. Agricultura de precisão: resultados de um novo olhar. Embrapa Instrumentação.
Atzberger, C., 2013. Advances in Remote Sensing of Agriculture: Context Description, Existing Operational Monitoring Systems and Major Information Needs. Remote Sensing 5, 949-981.
Bolton, D.K., Friedl, M.A., 2013. Forecasting crop yield using remotely sensed vegetation indices and crop phenology metrics. Agricultural and Forest Meteorology 173, 74–84.
Bredemeier, C., Variani, C., Almeida, D., Rosa, A.T., 2013. Estimativa do potencial produtivo em trigo utilizando sensor óptico ativo para adubação nitrogenada em taxa variável. Revista Ciência Rural 43, 1147-1154.
Camargo, A.P., Sentelhas, P.C., 1997. Avaliação do desempenho de diferentes métodos de estimativa da evapotranspiração potencial no Estado de São Paulo. Revista Brasileira de Agrometeorologia 5, 89-97.
Caron, M.L.; Minuzzi, R.B., 2020. Eficiência de índices e modelos agrometeorológicos na estimativa de produtividade de milho, trigo, soja e feijão para Santa Catarina. In: Seminário de Iniciação Científica e Tecnológica da UFSC, 30, Florianopólis, SC. Disponível: <https://repositorio.ufsc.br/handle/123456789/211800>. Acesso: 30 jul. 2021.
Chaves, M.E.D. et al., 2017. Perfis temporais EVI/MODIS e sua relação com a produtividade de cultivares de soja no Estado do Mato Grosso. In: Simpósio Brasileiro de Sensoriamento Remoto, 18, 2017, Santos, SP. Anais ... Brasília: INPE. p. 5968-5975.
CONAB. Companhia Nacional de Abastecimento, 2021. Acompanhamento da Safra Brasileira de Grãos, Brasília-DF, v. 8, n. 10.
EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária, 2015. Sistema de Análise Temporal da Vegetação. Disponível: <http://www.satveg.cnptia.embrapa.br>. Acesso: 01 jun. 2021.
EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária, 2018. Satélites de Monitoramento. Campinas, SP. Disponível: < https://www.embrapa.br/satelites-de-monitoramento >. Acesso: 10 jun. 2021.
EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária, 2018. Abortamento de vagens e enchimento deficiente de grãos em soja na safra 2017/18. Nota Técnica. Londrina, PR.
Fehr, W.R.; Caviness, C.E., 1977. Stages of soybean development. Ames, Yowa: Yowa State University of Science and Technology, Cooperative Extension Service. 11 p. (Special Report, n. 80).
Formaggio, A.R.; Sanches, I.D., 2017. Sensoriamento Remoto em agricultura. São Paulo, Oficina de Textos. 235p.
Francisco, C.N.; Ruiz, P.R.S.; Almeida, C.M.; Gruber, N.C.; Anjos, C.S., 2020. Análise do impacto da correção atmosférica no cálculo do Índice de Vegetação por Diferença Normalizada a partir da imagem Landsat 8/OLI. Revista Brasileira de Geografia Física 13, 76-86.
Gusso, A., 2011. Produtividade da cultura da soja no Rio Grande do Sul com dados EVI/MODIS. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 15, Curitiba. Anais... São José dos Campos: INPE, 2011.
Huete, A.R., Liu, H.Q., Batchily, K., Van Leeuwen, W., 1997. A comparison of vegetation indices global set of TM images for EOS-MODIS. Remote Sensing of Environment 59, 440-451.
Huete, A., Didan, K., Miura, T., Rodriguez, E.P., Gao, X., Ferreira, L.G., 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment 83, 195-213.
IDR-Paraná. Instituto de Desenvolvimento Rural do Paraná, 2021. Condições climáticas e abortamento de vagens na cultura da soja no estado do Paraná na safra de 2020/2021. Nota Técnica. Curitiba, PR.
IBGE. Instituto Brasileiro de Geografia e Estatística, 2020. Geociências. Disponível: <https://www.ibge.gov.br/geociencias/downloads-geociencias.html>. Acesso: 05 jul. 2021.
Oldoni, L. et al., 2013. Acompanhamento da cultura da soja através do índice 292 de vegetação NDVI para 35 municípios localizados no oeste do Paraná. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMORO, 16, Foz do Iguaçu, PR, Anais ... Brasília: INPE, 2013. p. 460-467.
Rizzi, R.; Rudorff, B.F.T., 2007. Imagens do sensor MODIS associadas a um modelo agronômico para estimar a produtividade de soja. Pesquisa Agropecuária Brasileira 42, 73-80.
Rouse, J.W. et al., 1973. Monitoring vegetation systems in the great plaints with EARTS. In: Earth Resources Technology Satellite-1 Symposium, 3, 1973, Washington, EUA, Anais... Nasa, p.309-317.
Shammi, S.A.; Meng, Q., 2020. Use time series NDVI and EVI to develop dynamic crop growth metrics for yield modeling. Ecological lndicators 02-12.
Silva, F.S. et al., 2019. Correlações da produtividade do algodoeiro com índices de vegetação obtidos por séries temporais de imagens de satélite. In: Simpósio Nacional de Instrumentação Agropecuária, 1, 2019, São Carlos, SP. Anais... São Carlos: EMBRAPA. p.170-174.
Silva, R.G. da. et al., 2017. Análise da confiabilidade dos dados MODIS para estudo da vegetação em séries temporais. In: Simpósio Brasileiro de Sensoriamento Remoto, 18, Santos, SP. Anais ... Brasília: INPE, 2017. p. 539-545.
Trindade, F.S. et al., 2017. Análise de perfis espectro temporais de NDVI e EVI no ciclo fenológico da cultura de soja e sua aplicação em sojicultora de precisão. In: Simpósio Brasileiro de Sensoriamento Remoto, 18, 2017, Santos, SP. Anais ... Brasília: INPE, p.3878-3885.
Trindade, F.S., Alves, M.C., Noetzold, R., Andrade, I.C., Pozz, A.A.A., 2019. Relação espectro-temporal de índices de vegetação com atributos do solo e produtividade da soja. Revista Ciências Agrárias, v. 62, p. 01-11.
Willmott, C.J., 1981. On the validation of models. Physical Geography 2, 184-194.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Matheus Luís Caron, Rosandro Boligon Minuzzi
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
