Mapeamento da variabilidade espaço temporal de pastagem no cerrado

Abstract

A competitividade da pecuária do Brasil advém do uso de extensas áreas de pastagens para a criação de gado. Ao mesmo tempo, o produtor enfrenta um regime de chuvas sazonal, evidenciando uma relação entre as precipitações e a forrageira. Dessa forma, surge a necessidade de monitorar remotamente a cultura para inferir sobre a saúde das gramíneas e sua capacidade de suportar o pastejo. O objetivo do presente trabalho é fornecer informações para o futuro desenvolvimento de ferramentas que possam auxiliar o produtor no manejo das pastagens. Para tanto empregou-se o uso de índices de vegetação, informações obtidas do fluxo de radiação eletromagnética refletida pela superfície vegetal, capazes de traduzir o vigor e a nutrição de uma cultura. Foram utilizadas séries temporais de precipitação e quatro índices de vegetação (NDVI, GNDVI, SAVI e EVI) e o mapa de elevação de uma área no cerrado brasileiro. Entre as variáveis precipitação e os quatro índices de vegetação calculou-se uma Correlação de Pearson. Uma segunda correlação foi calculada entre os valores de NDVI para o ano de 2024 e a elevação da área. Além disso, aplicou-se no software R o teste Augmented Dickey-Fuller, para a avaliação da estacionariedade, e foi desenvolvido um modelo Autorregressivo Integrado a Médias Móveis (ARIMA) com o pacote forecast e um modelo que introduz a precipitação como variável exógena (ARIMAX). Os resultados entre a precipitação e os índices de vegetação indicaram uma correlação baixa no período chuvoso, alta correlação negativa no período de seca e alta correlação positiva na transição entre o período de seca e o início das chuvas. Para a correlação entre o índice NDVI e elevação, os resultados apresentam uma correlação positiva para elevações maiores em períodos chuvosos e correlação negativa para elevações menores em períodos secos. Os índices analisados podem mensurar o comportamento da precipitação e predizer confiavelmente seu comportamento e a topografia tem influência no vigor dos pastos. Adicionalmente, dentre os erros do modelo ARIMAX, o NDVI teve o melhor desempenho, com os menores erros (RMSE, MAE, MAPE e MASE).

In the context of cattle production in the Brazilian Cerrado biome, the seasonality of rains plays a key role in managing pastures. The cattle producer must be able to manage their animals according to the rainfall regime, showing the importance of remote sensing. In this project, two Pearson's correlations were calculated over a sixyear period (2019–2024): first, between time series of NDVI, GNDVI, SAVI, EVI, and rainfall data; and second, between elevation and NDVI. The ADF test and ARIMA models were also used to predict values for all vegetation indices, and an ARIMAX model tested rain as an exogenous variable. The results found that between precipitation and vegetation indices, there was a majority of negative correlations during the high rainfall period, high negative correlation in the dry period, and high positive correlation in the transition period between drought and rainfall periods. Additionally, between elevation and NDVI, the results showed that at high elevations, the correlation was high and positive in the rainfall period and low in the drought period, and inversely for low-elevation regions. Therefore, the analysed indices are capable of measuring rain’s behaviour and predicting it, also, elevation has na influence in forage’s vigor. The ARIMAX results showed that NDVI had the better performance, with the lowest errors (RMSE, MAE, MAPE and MASE).