Estimativa da produção agrícola por meio de técnicas de sensoriamento remoto

Abstract

A atividade agrícola tem grande relevância para a economia brasileira, o que torna a previsão de safras agrícolas um procedimento de grande importância. Os levantamentos agrícolas no país ainda são de caráter subjetivo e não probabilístico, fundamentalmente embasados em entrevistas ligadas as pessoas do setor agrícola. Os avanços obtidos pelas geotecnologias, principalmente as imagens orbitais e as ferramentas de Sistemas de Informação Geográfica, propiciam diversas aplicações operacionais com resultados precisos. Neste sentido, objetiva-se com essa pesquisa estimar a produção da cultura da soja, por técnicas de sensoriamento remoto, como imagens do sensor multiespectral MSI embarcado no satélite Sentinel e índices de vegetação, tendo como base áreas no município de Itaberá-SP. Os procedimentos metodológicos foram baseados em um banco de dados de imagens orbitais relacionados a safra 2019/2020 da cultura da soja, realizando cálculos de 12 índices de vegetação e correlacionando esses dados espectrais com os dados obtidos em campo, por meio da regressão de Tau de Kendall. Foi possível verificar que o resultado geral da análise apresentou uma correlação fraca e estatisticamente não significativa. Com a aplicação dos índices de vegetação foi possível analisar o comportamento espectro-temporal da cultura e verificar que o mês de maior desenvolvimento das plantas foi janeiro e comprovar que os índices realmente são um recurso importante para realizar a análise do desenvolvimento da vegetação. Por meio das análises e modelagem estatística foi possível elaborar um modelo que conseguisse predizer a produtividade da cultura da soja, mas que não foi muito preciso pelo pequeno número de observações. De todos os índices calculados, apenas dois foram selecionados pelo modelo, sendo eles, o GSAVI e o NDWI. Com o modelo gerado foi possível realizar a predição da produção da cultura da soja e estimar o erro estimado, entre a produção observada e a produção ajustada. Sendo assim, com a utilização das técnicas de sensoriamento remoto é possível realizar estudos de variabilidade espacial de produtividade de culturas agrícolas.

Agricultural activity has great relevance for the Brazilian economy, which makes the forecast of agricultural harvests a procedure of great importance. In the country, agricultural surveys are still subjective and not probabilistic, fundamentally based on interviews related to people in the agricultural sector. The advances obtained by geotechnologies, mainly the orbital images and the tools of Geographic Information Systems, provide several operational applications with precise results. Therefore, this research aimed to estimate the soybean production, using remote sensing techniques, such as images from the MSI multispectral sensor on the Sentinel satellite and vegetation indeces, based on areas in the municipality of Itaberá-SP. The methodological procedures were based on a database of orbital images related to the 2019/2020 harvest of the soybean, performing calculations of 12 vegetation indeces and correlating these spectral data with the data obtained in the field, through the regression of tau de Kendall. It was possible to verify that the general result of the analysis showed a weak and statistically non-significant correlation. With the application of the vegetation indices it was possible to analyze the spectro-temporal behavior of the crop and verify that the month of greatest development of the plants was January and to prove that the indices are an important resource to carry out the analysis of the vegetation development. Through analysis and statistical modeling, it was possible to develop a model that was able to predict the productivity of the soybean, but which was not very accurate due to the small number of observations. Among all the calculated indices, only two were selected by the model, namely, GSAVI and NDWI. With the generated model it was possible to make the prediction of the production of the soybean crop and estimate the estimated error, between the observed production and the adjusted production. Therefore, with the use of remote sensing techniques, it is possible to carry out studies of spatial variability in the productivity of in the crop productivity.