UNESP – UNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE PRESIDENTE PRUDENTE FACULDADE DE CIÊNCIAS E TECNOLOGIA GEORGE DEROCO MARTINS INFERÊNCIA DOS NÍVEIS DE INFECÇÃO POR NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE DADOS DE SENSORIAMENTO REMOTO ADQUIRIDOS EM MULTIESCALA PRESIDENTE PRUDENTE 2016 GEORGE DEROCO MARTINS INFERÊNCIA DOS NÍVEIS DE INFECÇÃO POR NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE DADOS DE SENSORIAMENTO REMOTO ADQUIRIDOS EM MULTIESCALA Tese de doutorado apresentada ao Programa de Pós-Graduação em Ciências Cartográficas da Universidade Estadual Paulista – Faculdade de Ciências e Tecnologia – Campus de Presidente Prudente, como parte dos requisitos para a obtenção do título de Doutor em Ciências Cartográficas. Área de concentração em aquisição, análise e representação de informações espaciais. Orientadora: Prof a . Dr a . Maria de Lourdes Bueno Trindade Galo Co-orientador: Prof. Dr. Bruno Sérgio Vieira PRESIDENTE PRUDENTE 2016 FICHA CATALOGRÁFICA Martins, George Deroco. M343i Inferência dos níveis de infecção por nematoides na cultura cafeeira a partir de dados de sensoriamento remoto adquiridos em multiescala. - Presidente Prudente : [s.n], 2016 121 f. : il. Orientadora: Maria de Lourdes Bueno Trindade Galo Tese (doutorado) - Universidade Estadual Paulista, Faculdade de Ciências e Tecnologia Inclui bibliografia 1. Cultura cafeeira. 2. Nematoides. 3. Dados hiperespectrais e multiespectrais. 4. Detecção de doenças. 5. Mapeamento. 6. Agricultura de precisão. I. Galo, Maria de Lourdes Bueno Trindade. II. Universidade Estadual Paulista. Faculdade de Ciências e Tecnologia. III. Título. Aos meus pais, Roberto e Cleide, irmão, João, e namorada, Franciele. AGRADECIMENTOS A realização desta tese somente foi possível devido ao apoio de diversas instituições e profissionais. Agradeço ao Programa de Pós-Graduação em Ciências Cartográficas (PPGCC) e à Universidade Estadual Paulista (UNESP) pela infraestrutura fornecida. A CAPES e a Pró-Reitoria de Recursos Humanos da Universidade Federal de Uberlândia (UFU) pelas bolsas concedidas. A Cooperativa Regional de Cafeicultores em Guaxupé (Cooxupé) de Monte Camelo- MG pelo suporte e apoio levantamento radiométricos realizados em campo. A minha orientadora Profa. Dra. Maria de Lourdes Bueno Trindade Galo, pelo exemplo de profissionalismo, dedicação e comprometimento. Obrigado pela amizade, confiança e por tantos ensinamentos. Ao meu co-orientador Prof. Dr. Bruno Sérgio Vieira do Instituto de Ciências Agrárias (ICIAG) da Universidade Federal de Uberlândia (UFU), pela atenção e por agregar conceitos essenciais para realização desta tese. Aos membros da banca examinadora: Prof. Dra. Maria de Lourdes Bueno Trindade Galo (UNESP), Prof. Dr. Nilton Nobuhiro Imai (UNESP), Profa. Dra. Vilma Mayumi Tachibana (UNESP), Prof. Dr. Hélio Ricardo Silva (UNESP) e Prof. Dr. Rubens Augusto Camargo Lamparelli (UNICAMP), tanto pela participação quanto pelas valiosas discussões e sugestões. Aos professores do departamento de Cartografia da UNESP por todo ensinamento transmitido ao longo da minha formação acadêmica e científica. Aos amigos do PPGCC e da UFU pelas frequentes discussões que contribuíram diretamente para o desenvolvimento da pesquisa. Em especial a Érika Akemi Saito Morya por todas as dicas que enriqueceram este trabalho. Agradecimentos, também, ao diretor da Faculdade de Engenharia Civil da UFU por ter me concedido, em diversas ocasiões, períodos de contínuos de afastamento, os quais foram essenciais para que eu pudesse retornar a Presidente Prudente e dedicar-me integralmente a esta pesquisa. . RESUMO Os nematoides são importantes fitoparasitas que se constituem em um problema sério para o cultivo do café no Brasil. Como a ocorrência de nematoides no sistema radicular do cafeeiro causa desequilíbrios nutricionais na planta que provocam variações na resposta espectral da folha e define uma configuração espacial característica às áreas infectadas, o objetivo desta pesquisa avaliar o potencial de dados de sensoriamento remoto adquiridos em multiescala para discriminar e mapear o café sadio, em estágio inicial de infecção e severamente infectado. A pesquisa foi desenvolvida em três áreas experimentais, localizadas no sul do estado de Minas Gerais, nas quais foi certificada a ocorrência de nematoides e realizadas medições de variáveis biofísicas e dados hiperespectrais na folha e sobre o dossel da planta. Os dados hiperespectrais também foram utilizados em simulação de bandas dos sensores do RapidEye e OLI/Landsat 8 para identificar as faixas espectrais mais sensíveis para a discriminação de patógenos em plantas de café. Nenhum dos parâmetros biofísicos avaliados discriminou eficientemente as folhas de plantas sadias e infectadas, mas a simulação de bandas indicou que os intervalos espectrais do vermelho, vermelho limítrofe e infravermelho próximos do RapidEye foram complementares para a discriminação de plantas de café sadio e dos dois níveis de infecção. Essas bandas, mais uma imagem NDVI, foram utilizadas na classificação das áreas infectadas por nematoides, a qual definiu a distribuição espacial de café sadio e dos dois níveis de infecção, com uma acurácia global de 78% e coeficiente kappa de 0,71. A classificação não supervisionada da imagem multiespectral OLI/Landsat 8 também definiu as três condições, porém com baixa confiabilidade (coeficiente kappa igual a 0,41). Por outro lado, uma inferência espacial quantitativa da concentração de nematoides/cm³ no solo, a partir de um modelo empírico baseado na imagem RapidEye, apresentou um erro consideravelmente alto (21,89%). Palavras-chave: cultura cafeeira, nematoides, dados hiperespectrais e multiespectrais, detecção de doenças, mapeamento, agricultura de precisão. . ABSTRACT Nematodes are important phytoparasites that constitute a serious issue for coffee cultivation in Brazil. Because root infection by nematodes induces spectral variation in leaves and defines a unique spatial configuration in the cultivation field, the aim of this study is to evaluate the potential of remote sensing data acquired in multiscale to discriminate and map healthy, early infected and severely infected coffee plants. This study was carried out in three experimental areas, located in the in southern Minas Gerais State, in which the occurrence of nematodes was certified and biophysical and hyperspectral measurements of the leaves and on the canopy were made. Hyperspectral data were also used to simulate the bands of the RapidEye and OLI/Landsat 8 sensors to identify the most sensitive spectral ranges for pathogen discrimination in coffee plants. None of the biophysical parameters efficiently discriminated the leaves of healthy and infected plants, but the band simulations indicated that red, red edge and near infrared spectral ranges were complementary to the discrimination of healthy coffee plants and the two levels of infection. These bands, plus an (NDVI) image, were used for a multispectral classification of healthy and nematode-infected areas. The multispectral classification defined the spatial distribution of healthy, early infected and two levels of infection, with an overall accuracy of 78% and kappa coefficient of 0.71. The unsupervised classification of the multispectral image OLI/Landsat 8 also defined the three conditions, but with low reliability (kappa coefficient equal to 0.41). In contrast, a quantitative spatial inference of the soil nematode concentration/cm³, from an empirical model based on the RapidEye image, presented a considerably high error (21.89%). Keywords: coffee culture, nematodes, hyperspectral and multispectral data, disease detection, mapping, precision agriculture SUMÁRIO 1. CARACTERIZAÇÃO PROBLEMA ............................................................................... 13 1.1 Introdução ....................................................................................................................... 13 1.2 Hipótese e objetivos ....................................................................................................... 15 1.3 Sensoriamento remoto na detecção de doenças em culturas agrícolas ........................... 16 1.4 Contribuição da pesquisa no âmbito da Agricultura de Precisão ................................... 19 1.5 Estrutura da Tese ............................................................................................................ 20 2. FUNDAMENTAÇÃO TEÓRICA ..................................................................................... 22 2.1 Nematoides na cultura cafeeira....................................................................................... 22 2.2 Parâmetros agronômicos................................................................................................. 24 2.2.1 Índice de área foliar ................................................................................................. 25 2.2.2 Teor relativo de clorofila ......................................................................................... 27 2.2.3 Biomassa .................................................................................................................. 28 2.3 Interação da radiação eletromagnética com a vegetação ................................................ 28 2.4 Radiometria de laboratório e campo ............................................................................... 30 2.5 Calibração radiométrica e correção atmosférica de imagens multiespectrais ................ 35 3. MATERIAIS E MÉTODOS .............................................................................................. 39 3.1 Delineamento experimental ............................................................................................ 39 3.2 Materiais ......................................................................................................................... 41 3.2.1 Equipamentos de laboratório ................................................................................... 41 3.2.2 Images multiespectrais ................................................................................................... 43 3.2.3 Softwares para processamento de dados e das imagens .......................................... 44 4. EXPERIMENTO 1: ANÁLISE DE DADOS BIOFÍSICOS E HIPERESPECTRAIS MEDIDOS EM CONDIÇÕES CONTROLADAS E DA DETECÇÃO DE NÍVEIS DE INFECÇÃO EM IMAGENS RAPIDEYE ........................................................................... 45 4.1 Área experimental 1........................................................................................................ 45 4.2 Desenvolvimento metodológico ..................................................................................... 46 4.2.1 Aquisição de dados biofísicos e hiperespectrais...................................................... 48 4.2.2 Processamento dos dados biofísicos e hiperespectrais ............................................ 49 4.2.3 Processamento e análise da imagem multiespectral RapidEye ............................... 53 4.3 Resultados e discussões .................................................................................................. 55 4.3.1 Características biofísicas de folhas sadias e infectadas por nematoides ................. 55 4.3.2 Caracterização espectral de folhas sadias e infectadas por nematoides .................. 59 4.3.3 Classificação das curvas espectrais pelo mapeamento por ângulo espectral........... 61 4.3.4 Relação entre índices hiperespectrais e os dados biofísicos .................................... 62 4.3.5 Discriminação entre o café sadio e infectado a partir de dados hiperespectrais simulados e bandas espectrais RapidEye.......................................................................... 66 4.3.6 Dispersão espacial de nematoides na área experimental 1 ...................................... 70 5. EXPERIMENTO 2: ANÁLISE DE DADOS HIPERESPECTRAIS ADQUIRIDOS SOBRE O DOSSEL E DA DETECÇÃO DE NÍVEIS DE INFECÇÃO EM IMAGENS OLI/LANDSAT 8 .................................................................................................................... 74 5.1 Área experimental 2........................................................................................................ 74 5.2 Desenvolvimento metodológico ..................................................................................... 76 5.2.1 Aquisição de dados hiperespectrais in situ .............................................................. 76 5.2.2 Processamento dos dados hiperespectrais ............................................................... 78 5.2.3 Aquisição e pré-processamento da imagem ............................................................ 78 5.2.4 Classificação da imagem e análise da acurácia do mapeamento ............................. 79 5.3 Resultados e discussões .................................................................................................. 80 5.3.1 Caracterização espectral do café sadia e infectado por nematoides por meio de dados coletados in situ ...................................................................................................... 80 5.3.2 Discriminação de níveis de infecção por nematoides a partir de dados simulados e bandas espectrais OLI/Landsat 8 ...................................................................................... 82 5.3.3 Classificação da imagem e análise da acurácia do mapeamento ............................. 85 6. EXPERIMENTO 3: ESTIMATIVA DA CONCENTRAÇÃO DE NEMATOIDES/CM³ NO SOLO E DISTRIBUIÇÃO ESPACIAL EM CULTURAS CAFEEIRAS A PARTIR DE MODELOS EMPÍRICOS OBTIDOS POR IMAGENS MULTIESPECTRAIS RAPIDEYE ...................................................................................... 90 6.1 Desenvolvimento metodológico ..................................................................................... 91 6.1.1 Área de estudos ........................................................................................................ 91 6.1.2 Aquisição e processamento de imagem multiespectral ........................................... 93 6.1.3 Definição dos modelos empíricos para estimativa da concentração de nematoides/cm³ ................................................................................................................. 93 6.2 Resultados e discussões .................................................................................................. 96 6.2.1 Análise nematológica .............................................................................................. 96 6.2.2 Correlação entre a concentração de nematoides/cm³ no solo e a reflectância de superfície das bandas originais e os índices derivados do sensor RapidEye .................... 96 6.2.3 Análise dos modelos empíricos de estimativa da concentração de nematoides/cm³ .......................................................................................................................................... 98 6.2.4 Determinação dos modelos empíricos para estimativa da concentração de nematoides/cm³ no solo .................................................................................................. 101 6.2.5 Validação dos modelos predição e mapeamento das áreas de concentração de nematoides/cm³. .............................................................................................................. 102 7. CONCLUSÕES E RECOMENDAÇÕES ...................................................................... 105 REFERÊNCIAS ................................................................................................................... 108 LISTA DE FIGURAS Figura 1. A) Plantas de café com sintomas da infecção por nematoides (folhas cloróticas). B- Galhas formadas nas raízes do cafeeiro (SILVA et al., 2008) ................................................. 23 Figura 2. Reflectância espectral característica da folha verde sadia. (Fonte: Adaptado de Thenkaibail et al., 2011) ........................................................................................................... 29 Figura 3. Geometria de feixes hipotéticos da radiação incidente e refletida, onde: ω é ângulo sólido; θ e Φ remetem o ângulo zenital e o azimutal, respectivamente e os subscritos i e r denotam quantidades associados a fluxo incidente e refletido, respectivamente. Fonte: (NICODEMUS et al., 1977) ..................................................................................................... 32 Figura 4. Aspecto de plantas de café sadio e sob diferentes níveis de infecção por nematoides Meloidogyne Paranaensis: i- café; ii- infecção inicial e; iii- severamente infectada ............... 40 Figura 5. Medidor de área foliar AM 300. (Fonte: www.marconi.com.br) .............................. 42 Figura 6. Clorofilômetro SPAD - 502 plus. (Fonte:www.minolta.com) ................................. 42 Figura 7. Caracterização da área experimental 1. (A) Municípiode Monte Carmelo em destaque nos mapas de Minas Gerais e Brasil. (B) Talhões de café destacando a área de estudo em uma composição cor natural RGB da imagem RapidEye, limitada no vermelho. (C) Distribuição espacial de pontos amostrais georreferenciados: círculos representam a localização dos pontos em que folhas do cafeeiro foram extraídas para realizar medições biofísicas e espectrorradiométricas; demais pontos (controle) indicam elementos amostrais usados na estimativa da acurácia. ............................................................................................. 46 Figura 8. Metodologia proposta para o desenvolvimento do experimento 1. .......................... 47 Figura 9. Esquema de aquisição de medidas de reflectância em laboratório. (Adaptado: JENSEN, 2009). ....................................................................................................................... 49 Figura 10. Indicação da feição espectral do vermelho limítrofe na curva da vegetação. ......... 51 Figura 11. Variabilidade dos indicadores biofísicos registrados para as folhas de café sadio, início de infecção e severamente infectada. (A) Leituras do índice SPAD. (B) Índice de Área Foliar - IAF em cm². (C) Biomassa em gramas. Para cada condição de planta, é a média da amostra, σ é o desvio padrão e CV é o coeficiente de variação. .............................................. 57 Figura 12. Dendrograma resultante da análise de agrupamento realizada a partir dos dados biofísicos. .................................................................................................................................. 59 Figura 13. Curvas FRHC obtidas a partir de folhas de café sadio, em início de infecção e severamente infectados, considerando: (A) toda a amostra; e (B) cada condição investigada. 60 Figura 14. Diagrama de dispersão e correlação entre o índice REP o TRC (A), IAF(B) e Biomassa (C). ........................................................................................................................... 63 Figura 15. Diagrama de dispersão e correlação entre o índice NDVI (A), IAF (B) e Biomassa (C). ............................................................................................................................................ 65 Figura 16. FRHC simulado (Rsim) e reflectância de superfície (Rsup) obtida a partir de bandas espectrais de imagem RapidEye de: (A) azul - 440-510nm; (B) verde - 520-590nm; (C) vermelho - 630-685nm; (D) borda vermelha - 690-730nm; (E) infravermelho próximo - 760- 850nm; e (F) valores de NDVI. ................................................................................................ 67 Figura 17. Distribuição espacial de café sadio, em início de infecção e severamente infectado na área de estudo, obtido pela classificação não-supervisionada da imagem NDVI e as bandas multiespectrais do sensor RapidEye: vermelho, vermelho limítrofe e infravermelho próximo. .................................................................................................................................................. 70 Figura 18. Cafeeiro sadio na área de estudo (A). Presença de solo exposto no cafeeiro severamente infectado (B). ....................................................................................................... 71 Figura 19. Caracterização da área experimental. Município de Monte Carmelo em destaque nos mapas estadual de Minas Gerais e Brasil (A). Delimitação (em vermelho) dos talhões de café que definiram a área experimental 2 em uma composição de cor natural RGB da imagem OLI/Landsat 8 (B). (C) Distribuição espacial de pontos amostrais georreferenciados: pontos com círculos externos representam a localização das medições espetrorradiométricas; pontos indicam elementos de amostrais usados na avaliação acurácia da classificação. Cores distintas foram usadas para indicar cada classe (café sadio, início de infecção, severamente infectado e solo exposto). ............................................................................................................................ 75 Figura 20. Metodologia proposta para o desenvolvimento do experimento 2. ........................ 76 .................................................................................................................................................. 76 Figura 21. Sistema de aquisição de medidas de FRHC, em culturas cafeeiras, utilizado na coleta dos dados espectrorradiométricos. ................................................................................. 77 Figura 22. Curvas de FRHC obtidas para as três ocorrências (A). FRHC médio para as condições café sadia, em estágio inicial de infecção e severamente infectada (B). ................. 81 Figura 23. Variabilidade de reflectância de superfície obtida por simulação das bandas espectrais OLI/Landsat 8 e extraídos da imagem para bandas: do azul (A); verde (B); vermelho (C); infravermelho próximo (D); e NDVI (E). ........................................................ 83 Figura 24. Mapa dos níveis de infecção por nematoides na área experimental 2, baseado na classificação de dados OLI/Landsat 8. ..................................................................................... 86 Figura 25. Desenvolvimento metodológico aplicado no Experimento 3 ................................. 91 Figura 26. Localização da área de estudos e configuração de amostragem de coleta de solo. Os círculos em vermelho representam os pontos amostrados (61 pontos). (Fonte: O Autor) .. 92 Figura 27. Correlograma entre a concentração de nematoides/cm³ no solo e a reflectância de superfície das bandas originais e índices multiespectrais derivado do sensor RapidEye. ........ 97 Figura 28. Gráficos de regressão entre a concentração de nematoides/cm³ observada (eixo y) e as bandas originais RapidEye (A-Azul, B-Verde, C-Vermelho, D-Vermelho Limítrofe e E- Infravermelho Próximo) e índices multiespectrais (F-NDVI, G-NDVI3,4 e H-NDVI4,5). ........ 99 Figura 29. A- Modelo não linear de estimativa da concentração de nematoide/cm³ formado pela banda do infravermelho próximo. B- Modelo não linear de estimativa da concentração de nematoide/cm³ formado pelo índice NDVI. ........................................................................... 102 Figura 30. RMSE para o modelo linear múltiplo (A) e para o modelo linear simples (B). ... 102 Figura 31 A-Mapa cor-valor de concentração de nematoides/cm³ obtido a partir do modelo empírico de regressão linear múltipla; B-Mapa cor-valor de concentração em nematoides/cm³ obtido a partir do modelo de regressão linear múltipla. ......................................................... 103 LISTA DE TABELAS Tabela 1. Caracterização das áreas experimentais.................................................................... 40 Tabela 2. Matriz de classificação das curvas espectrais ........................................................... 61 Tabela 3. Média amostral e desvio padrão do Rsim e Rsup do café sadio, em início de infecção e severamente infectado. (Rsim: FRHC simulado; reflectância da superfície extraído a partir da imagem corrigida: Rsup : média da amostra; s: desvio padrão; A, B, C, D, E, F: designação das regiões espectrais coincidentes com as bandas RapidEye). ............................................... 68 Tabela 4. Análise de similaridade, em t-pareado e F, dos Rsim e Rsup do café sadio, em início de infecção e severamente infectado. ....................................................................................... 69 Tabela 5. Matriz de confusão e erros de omissão e comissão da classificação da imagem RapidEye (experimento 1) ........................................................................................................ 72 Tabela 6. Extensão das classes mapeadas no experimento 2 ................................................... 86 Tabela 7. Matriz de confusão e erros de omissão e comissão da classificação da imagem OLI/Landsat 8 (área experimental 2)........................................................................................ 88 Tabela 8. Modelo de regressão da concentração de nematoides/cm³ e coefientes ................. 101 Tabela 9. Teste de normalidade para a estimativa dos modelos empíricos. ........................... 103 LISTA DE SIGLAS ICO-International Coffee Organization CONAB – Compania Nacional de Abastecimento IAC – Instituto Agronômico de Campinas IAF – Índice de Área Foliar ATP – Adenosina Trifosfato NADPH – Fosfato de Dinucleotídeo de Adenina TRC – Teor Relativo de Clorofila SPAD – Soil Plant Analysis Development REM – Radiação Eletromagnética R – Reflectância FDRB – Função de Reflectância Bidirecional FR – Fator de Reflectância FRB – Fator de Reflectância Bidirecional FRHC – Fator de Reflectância Hemisférico Cônico ND – Número Digital MODTRAN – Moderate Spectral Resolution Atmospheric Transmittance Algorithm MODIS – Moderate Resolution Imaging Spectroradiometer), AFRL – Air Force Research Labs SSI – Spectral Sciences Inc TM – Thematic Mapper SPOT – Satellite Pour l'Observation de la Terre ASD – Analytical Spectral Devices GNSS – Global Navigation Satellite System MNA – Ministério do Meio Ambiente OLI – Operational Land Imager TIRS – Thermal Infrared Sensor ENVI – Environment for Visualizing Images ESRI – Environmental Systems Research Institute IFOV – Instantaneous Field of View SAM – Spectral Angle Mapping NDVI – Normalized Difference Vegetation Index REP – Posição da Borda do Vermelho FLAASH – Fast Line-of-sight Atmosféric of Hypercubes ISODATA – Organizing Data Analysis Technique Rsim – Reflectância Simulada Rsup – Reflectância de Superfície ETM – Enhanced Thematic Mapper Plus RMSE – Root Main Square (Erro Médio Quadrático) 13 1. CARACTERIZAÇÃO PROBLEMA 1.1 Introdução Atualmente, o café é a segunda mercadoria de maior valor comercial no mundo, estando posicionada apenas abaixo do petróleo. Seu cultivo, processamento e comercialização apoiam milhões de empregos diretos e indiretos em áreas urbanas e em ambientes rurais, nas diversas áreas do planeta (ICO, 2015). O Brasil é um dos maiores produtores e exportadores de café no mundo, sendo que só a região sul do estado de Minas Gerais concentra cerca de 50% da produção nacional de café. Atualmente, a produção mantém-se em constante crescimento, demonstrando que a utilização da mecanização, aliada às inovações tecnológicas e à boa gestão da atividade, favorecem fatores o avanço e modernização da cafeicultura (CONAB, 2015). Porém, mesmo com o aumento da produtividade aliado à tecnologia, existem diversos fatores que podem causar a redução da produtividade e consequente redução da área plantada de café. Entre eles, os aspectos relacionados à ocorrência de pragas e doenças durante o ciclo da cultura estão entre os mais significativos. Dentre os patógenos, destacam-se os nematoides, pois causam expressiva perda de produtividade para diversas espécies de café (arábica e robusta) (SOUZA, 2008). O diagnóstico e o levantamento de plantas infectadas por nematoides em áreas extensas, com o objetivo de se estimar com precisão a população desses patógenos, são atividades onerosas e nem sempre tecnicamente viáveis. Uma estimativa precisa do potencial de danos requer a análise laboratorial de um grande número de amostras de solo, uma vez que a distribuição vertical dos nematoides em áreas infectadas é heterogênea. Assim, as perdas causadas por nematoides e os altos custos das análises laboratoriais de um grande número de amostras de solo coletadas ao longo de áreas extensas de plantio, envolve o desenvolvimento de métodos mais efetivos para detectar e quantificar os locais específicos de sua ocorrência para uma intervenção localizada. A agricultura de precisão considera exatamente esse cenário: a presença, distribuição e intensidade de uma condição específica que causa redução no rendimento da cultura agrícola devem ser identificadas e receber tratamento diferenciado (HILLNHUNTER et al, 2011). Nesse contexto, o monitoramento remoto em da resposta da vegetação em condições de estresse é particularmente importante em agricultura de precisão, uma vez que os custos 14 relacionados com a intensa amostragem ou manejo agrícola indiscriminado para toda área de cultivo podem ser minimizados pelo mapeamento prévio das áreas de ocorrência de nematoides. Além disso, Hillnhünter et al. (2011) relataram que a indução de sintomas nas folhas, a ocorrência do parasita em grupos (reboleiras) e sua baixa capacidade de mobilidade no solo facilitam sua detecção por sensoriamento remoto e a aplicação da agricultura de precisão. Assim, o uso direcionado dessa prática, como ferramentas de planejamento, controle e análise de dados agrícolas, prevê então, o monitoramento das variações espaciais e espectrais dos fatores que limitam a produção, orientando no processo de tomada de decisão, na aplicação de insumos em áreas específicas e no manejo diferenciado das culturas no campo de produção. A dimensão espacial está relacionada diretamente com a capacidade de amostragem dos sensores e, indiretamente, com o nível de aquisição de dados. Dados medidos in situ ou em laboratório, com campo de visada restrito, conseguem capturar condições específicas da folha, enquanto que sensores imageadores, instalados em plataformas remotas, determinam uma área de amostragem maior na superfície terrestre. Por incorporar em um único elemento de resolução, a resposta espectral de outros alvos, como o solo, além daquela específica da planta ou plantas, imagens aéreas ou orbitais podem indicar a dispersão espacial das diferentes proporções de planta e solo, dentro da cultura agrícola. Ou seja, a partir da caracterização espectral da cultura sadia e infectada, dados multiescala de sensoriamento remoto permitem inferir graus de sanidade da cultura. A integração de diferentes tipos de dados de sensoriamento remoto obtidos em multiescala, com vistas ao monitoramento e mapeamento de culturas agrícolas infectadas por parasitas encontra-se em constante avanço. Isso ocorre devido à grande quantidade de dados obtidos por intermédio de plataformas terrestres, aeronaves e orbitais, disponibilizando produtos radiométricos oriundos de fontes diversas (USHA et al., 2013). Várias abordagens têm sido avaliadas para a detecção de doenças sintomáticas e assintomáticas de plantas a partir de dados obtidos por sensoriamento remoto em multiescala, ambos baseados em espectroscopia (ASHOURLOO et al 2016; BELASQUE JR et al., 2008; CHO et al., 2012; HILLNHÜNTER et al., 2011; HUNT JR et al., 2013; LINS et al., 2009; MARCASSA et al., 2006; MARTINS e GALO, 2015; OUMAR et al., 2013; SANCHES et al. 2014) ou em imagem multiespectral e hiperespectral (BECK et al., 2015; DELALIEUX et 15 al., 2007; HAMZEH et al., 2013; MARTINS e GALO, 2014; OUMAR e MUTANGA et al., 2014; QIN et al., 2005; SHAFRI e HAMDAN, 2009). Atualmente, uma série de novos sensores multiespectrais instalados em plataformas espaciais incluem bandas espectrais específicas e apropriadas para monitorar atividades agrícolas. Sensores como RapidEye e o WorldView 2 e 3 dispõem de uma banda espectral no vermelho limítrofe, a qual é capaz de detectar variações sutis de clorofila nas folhas e fornecer informações sobre estrutura e a condição sanitária da vegetação. Além do mais, índices de vegetação, calculados a partir da reflectância das bandas do infravermelho próximo e do vermelho limítrofe, podem fornecer estimativas mais precisas da concentração de clorofila do que para o NDVI tradicional derivado e refletância da banda do vermelho centrada no intervalo absorção de clorofila a e b entre 660 e 680 nm (CHO et al. 2011). De forma geral, os dados de sensoriamento remoto multiescala aplicados às culturas agrícolas são obtidas sob diferentes condições de ambientais e de imageamento, definindo variações que podem afetar os resultados de classificações, conduzindo a níveis de acurácia insatisfatórios. A qualidade da informação produzida está vinculada também aos processamentos aplicados aos dados provenientes de diferentes sensores remotos. 1.2 Hipótese e objetivos Considerando-se que a ocorrência de nematoides no sistema radicular do cafeeiro provoca variações na resposta espectral da folha, devido a desequilíbrios nutricionais na planta e define uma configuração espacial característica às áreas infectadas, passível de detecção em imagens multiespectrais, esta pesquisa se baseia na hipótese de que o sensoriamento remoto multiescala constitui-se em uma abordagem adequada para o monitoramento da cultura cafeeira infectada por nematoides e identificação de estágios de infecção. Para efeitos deste estudo especificamente, espera-se responder às seguintes questões: É possível identificar características espectrais que discriminem plantas doentes considerando o grau de severidade da infecção por nematoides? Qual a influência do nível aquisição dos dados de sensoriamento remoto na discriminação entre a vegetação sadia e infectada? É possível estimar o nível de concentração de nematoides/cm³ a partir das variações espectrais do cafeeiro infectado? 16 Nesse contexto, objetivo geral deste estudo é desenvolver um conjunto de métodos baseados em dados hiper e multiespectrais, adquiridos em multiescala, que permitam discriminar níveis de infecção por nematoides na cultura cafeeira. Os objetivos específicos da pesquisa são:  Caracterizar espectralmente o cafeeiro sadio e infectado a partir de medidas radiométricas obtidas em condições controladas e em levantamentos sobre o dossel;  Avaliar o potencial de dados hiperespectrais (espectrometria de laboratório e campo) e parâmetros biofísicos da folha em discriminar níveis de infeção por nematoides;  Caracterizar espacialmente níveis de infecção do cafeeiro por nematoides a partir de imagens multiespectrais tomadas por sensores orbitais de diferentes resoluções espaciais;  Avaliar o potencial de modelos empíricos obtidos a partir de imagens multiespectrais de alta resolução espacial em estimar a concentração de nematoides no solo. Para atingir esses objetivos foram delineados três experimentos que envolveram a aquisição de medidas de amostras de solo e de folhas coletadas in situ; medidas espectrorradiométricas sobre o dossel da vegetação e o tratamento e análise de imagens multiespectrais tomadas a partir de plataformas orbitais. 1.3 Sensoriamento remoto na detecção de doenças em culturas agrícolas Nos últimos anos, o uso do sensoriamento remoto tornou-se imprescindível no monitoramento agrícola, principalmente por propiciar o acompanhamento e o desenvolvimento da cultura ao longo do tempo, previsão de safra, determinação de novas áreas de cultivo, determinação da quantidade e da localização da área cultivada, entre outras possibilidades, como, uma forma alternativa para identificação de áreas agrícolas afetadas por patógenos (SUGAWARA et al., 2011). Com o objetivo do manejo ou controle de doenças, para fins de avaliação da eficácia de tratamentos específicos frente aos fitopatógenos, pesquisas têm confrontado medidas radiométricas com métodos de inspeção e quantificação em campo e resultados de análises laboratoriais. Em estudos como o de Silva et al. (2009), foram comparadas medidas adquiridas no comprimento de onda do infravermelho próximo, com diagnósticos de avaliação para estimar os danos causados pela ferrugem asiática da soja. Prabhackar et al. (2013) testaram o método de verificação visual e valores de reflectância para definir o dano 17 causado por insetos na cultura do algodão. Nesses trabalhos, os autores relacionam as vantagens do uso do sensoriamento remoto em relação à análise visual, destacando a possibilidade de realizar medidas em faixas espectrais não perceptíveis ao olho humano, o aumento na velocidade de aquisição dos dados e diminuição do esforço de trabalho, principalmente em campo. O sensoriamento remoto hiperespectral, que possibilita uma caracterização minuciosa e detalhada dos alvos agrícolas tem-se mostrado particularmente eficiente na detecção de doenças que causam alteração na cor e estrutura foliar. Os pequenos intervalos espectrais definidos permitem gerar curvas espectrais que podem detectar mudanças estruturais ou fisiológicas da vegetação, imperceptíveis no domínio multiespectral. Alguns autores têm abordado, principalmente, questões relacionadas à discriminação espectral entre plantas sadias e não sadias (APAN et al., 2004; BOECHAT et al., 2012; GRISHAM et al., 2010; MAHLEIN et al., 2013; MARTINS e GALO, 2015). Além disso, a partir da análise do espectro podem-se inferir informações adicionais sobre a vegetação, associadas com o teor de clorofila, índice de área foliar e biomassa (MULLA, 2012). A determinação de alguns desses parâmetros agronômicos, em ocasiões, é realizada por meio de análises laboratoriais, ou medições de campo. Em busca de métodos mais eficazes nessas estimativas, Sanches et al. (2014) e Ramoelo et al. (2015), utilizaram a espectrorradiometria para estimar o teor de clorofila de culturas atacadas por pragas. Nesses estudos, os autores encontraram uma alta correlação entre as bandas de absorção da clorofila a e b, centradas no espectro do vermelho, com a deficiência nutricional (nitrogênio) nas folhas das plantas. Por meio dos índices de vegetação calculados a partir das medidas hiperespectrais é possível estimar danos causados às culturas por patógenos. Mahlein et al. (2013) avaliaram o potencial de novos índices de vegetação na detecção de doenças causadas por fungos na cultura da batata doce, além de insetos e pragas. Nesse estudo, os autores constataram que para detectar fungos nesta cultura, os índices que utilizaram comprimentos de onda do visível foram mais eficientes, enquanto que para a detecção de infestação por insetos, os índices formulados a partir da reflectância nos comprimentos de onda do infravermelho próximo foram os mais indicados. O sensoriamento remoto multiespectral, por sua vez, tem sido amplamente utilizado no mapeamento de culturas parasitadas a partir de imagens. A maior disponibilidade de sistemas sensores instalados em plataformas orbitais expandiu o conjunto de opções para o 18 uso dos dados gerados em aplicações agrícolas, devido, principalmente, ao refinamento significativo nas resoluções espacial, espectral e radiométrica, como a inserção de bandas espectrais específicas, sensíveis à vegetação. Com a disponibilidade de bandas específicas a detecção do estresse da vegetação, como a do vermelho limítrofe, presente nos sistemas orbitais comerciais WorldView 2 e 3 e na constelação RapidEye, aumentou a possibilidade de desenvolver estudos relacionados com a detecção de áreas agrícolas infestadas por parasitas e pragas e definição de sua dispersão geográfica por meio da classificação de imagens (SANCHES et al., 2013; OUMAR et al., 2014), ou mesmo da detecção de estágios iniciais de infecção (EITEL et al., 2011; RAMOELO et al, 2012). Especificamente, a detecção de áreas agrícolas infestadas por parasitas do solo, tais como os nematoides, por meio de dados hiperespectrais e multiespectrais tem sido objetos de estudos como o de Santos Júnior et al. (2001), Nutter et al. 2002 e Marchiorato (2008), que relatam detecção de nematoides em plantio de soja. Santos Júnior et al. (2001) utilizou a espectrorradiometria no visível e infravermelho próximo para essa detecção, enquanto nos trabalhos de 2002 e 2008, os autores produziram mapas de áreas da cultura da soja infectadas por nematoides a partir de imagens multiespectrais, os quais foram instrumentos auxiliares a decisões sobre o manejo de nematoides na cultura da soja. Beck et al. (2015) verificaram o potencial de sensores instalados em plataformas orbitais na detecção de nematoides na cultura de pinheiros. Para áreas canavieiras, Ferreira Sobrinho et al. (2013) e Martins e Galo (2014), avaliaram o potencial da banda do vermelho limítrofe dos sensores WorldView 2 e RapidEye, respectivamente, na detecção de áreas de cana-de-açúcar infestadas por nematoides. Embora se tenha o registro de vários estudos que resultaram no mapeamento de áreas infectadas por nematoides em culturas agrícolas em geral, pesquisas visando discriminar áreas severamente infectadas daquelas em estágio inicial de infecção, considerando que esse tipo parasita tem um efeito que se propaga no comprimento da folha para plantas e grupos de plantas, propiciando a sua detecção em dados multiescala, não foram encontradas na literatura para estudos dessa natureza, na cultura do cafeeiro. 19 1.4 Contribuição da pesquisa no âmbito da Agricultura de Precisão O sucesso na cafeicultura está relacionado a diversos fatores, destacando-se a redução dos custos de produção, o aumento na produtividade, a busca constante de qualidade, a preservação do meio ambiente, a conquista de novos mercados consumidores e a definição de políticas agrícola para o setor cafeeiro. Quanto às questões que visam o aumento da produtividade e a busca constante de qualidade, é essencial que haja a diminuição de perdas causadas por fitoparasitas em geral (SOUZA, 2008). Em face deste vertiginoso aumento da produtividade, com uso intensivo da tecnologia, o Brasil tornou-se um grande consumidor de produtos fitossanitários. O uso desse grande volume de substâncias químicas deve ser feito de maneira técnica e responsável, observando que elas possam cumprir suas funções de forma adequada, sem desperdícios e sem a degradação do meio ambiente. A ocorrência de fitoparasitas no solo, como os nematoides, é um dos principais problemas enfrentados pelas culturas agrícolas, que demandam o uso constante destes produtos fitossanitários. Assim, o levantamento e monitoramento de populações de fitonematoides são essenciais para orientar medidas de controle desses patógenos. Nesta perspectiva, têm-se a agricultura de precisão, a qual emprega conhecimentos científicos que proporcionam a correta colocação dos produtos fitossanitários no alvo georreferenciado, em quantidade necessária, de forma econômica, com o mínimo de contaminação de outras áreas. Além do mais, a agricultura de precisão pode ser uma alternativa viável para redução de custos no setor cafeeiro, uma vez que possibilita a aplicação de insumos de forma diferenciada, considerando-se as deficiências nutricionais do cafeeiro e dispersão de nematoides no solo para cada localidade. A compreensão da variabilidade espacial do patógeno na lavoura exige uma maior quantidade de informações, uma vez que os nematoides possuem baixo grau de mobilidade no solo e revelam a sua presença em sintomas típicos nas folhas do cafeeiro, a identificação e o mapeamento das áreas infectadas podem ser realizados a partir de técnicas de sensoriamento remoto. O uso do sensoriamento remoto na cafeicultura de precisão é uma tecnologia a ser implantada em longo prazo, uma vez que ainda há poucos produtos disponíveis no mercado para aplicação na cultura cafeeira. Além do mais, há uma forte tendência para que o produtos sejam adotados para este fim, tanto por pressão do mercado que exige, cada vez mais, alimentos produzidos de forma ecologicamente consciente, como por parte dos produtores que visualizam, na agricultura de precisão, uma maneira de aumentar, por meio da otimização 20 do processo produtivo e do crescimento das tecnologias do sensoriamento remoto aplicado a culturas, a produtividade (FERRAZ et al., 2012). A agricultura de precisão é uma atividade que envolve várias áreas no âmbito das geociências e há uma crescente necessidade de pesquisas para que ela seja adotada em uma maior escala na cafeicultura. Assim o desenvolvimento deste estudo, apoiado em técnicas de sensoriamento remoto, possa contribuir com a cafeicultura de precisão em práticas voltadas à detecção e o mapeamento de nematoides na cultura cafeeira, fornecendo uma importante contribuição na otimização processo de produção, redução de custos e no manejo ecologicamente consciente da cultura. 1.5 Estrutura da Tese Esta tese está estruturada em sete capítulos que descrevem o conteúdo desenvolvido a partir do delineamento geral da pesquisa. No primeiro capítulo em que se faz a caracterização do problema, com uma breve introdução ao tema proposto, definição da hipótese e objetivos, apresentação do potencial do sensoriamento remoto na detecção de doenças e com a contribuição desta proposta. A fundamentação teórica, restrita aos conceitos necessários ao entendimento da proposta, é apresentada no segundo capítulo. Em um primeiro momento, são abordados tópicos relacionados ocorrência de nematoides na cultura cafeeira e os parâmetros agronômicos do cafeeiro afetado pela infecção. Posteriormente, é caracterizada a resposta espectral da vegetação e as propriedades físicas medidas em processos de radiometria de campo. No mais, são apresentadas as técnicas de pré-processamento de imagens (calibração e correção atmosférica) para conversão de números digitais em valores físicos. No terceiro capítulo é apresentada abordagem metodológica adotada, delineados os experimentos realizados, bem como os materiais (instrumentos, dados e softwares) usados. O detalhamento dos experimentos, em termos de desenvolvimento metodológico, resultados e respectivas análises e discussões. O experimento no qual se faz a caracterização biofísica e espectral dos níveis de infecção por nematoides por meio de espectrorradiometria de laboratório e posterior mapeamento das áreas infestadas a partir de imagens multiespectrais do sensor RapidEye é apresentado no quarto capítulo. Em seguida, no quinto capítulo, aborda-se o experimento em 21 que os dados hiperespectrais são tomados em campo, do dossel superior da vegetação, estabelecendo-se uma nova escala de aquisição de dados que é usada como referencia para avaliar a discriminação dos níveis de infecção em imagem multiespectrais tomadas por sensores com diferentes resoluções espaciais. O último experimento desenvolvido, no qual foram ajustados modelos empíricos para estimar a concentração de nematoides no solo, a partir da reflectância de superfície registrada em imagens multiespectrais é apresentado no sexto capítulo. Como resumo do que foi apresentado e discutido nesta tese de doutorado, o último capítulo apresenta as conclusões obtidas acerca dos resultados. 22 2. FUNDAMENTAÇÃO TEÓRICA 2.1 Nematoides na cultura cafeeira  Caracterização do patógeno Os nematoides são vermes microscópios e geralmente abundantes no solo, água doce e salgada e muitas vezes são parasitas de animais, insetos e plantas. Em geral, são classificados como indivíduos de vida livre, quando não são parasitas, e como fitopatógenos (fitonematoides), em caso de parasitismo (VAAST et al.,1998). Nos solos agrícolas geralmente existem uma comunidade complexa de diferentes espécies de nematoides, alguns se alimentam de bactérias ou fungos com importância na decomposição e reciclagem de nutrientes. No entanto, uma parcela substancial da comunidade de nematoides do solo alimenta-se diretamente nas raízes das plantas, às vezes causando doença ou não (ALLARD e MOORE, 1989). Os fitonematoides são classificados genericamente em dois grupos: endoparasitas e ectoparasitas. Os nematoides endoparasitas invadem os tecidos radiculares e permanessem grande parte do seu ciclo de vida dentro das raízes das plantas. Já os ectoparasitas, geralmente, alimentam-se externamente a raiz. O parasitismo nas raízes é realizado por meio do estilete do parasita que é inserido nas células das raízes para remover o conteúdo celular, e impedindo a absorção de água e nutrientes pelas plantas (BARROS et al., 2014).  Nematoides na cafeicultura Na cafeicultura, os nematoides (endoparasitas) são estritamente parasitas do solo que atacam o sistema radicular da planta. Geralmente, não estão uniformemente distribuídos em toda área cultivada, sendo caracterizados, no campo, pela ocorrência de reboleiras de plantas subdesenvolvidas ou dispersos na área agrícola, frequentemente exibindo folhas com aparência clorótica, necroses e formação de galhas nas raízes (CASTRO e CAMPOS, 2004). Na Figura 1 são apresentados alguns desses sintomas nas folhas e raízes do cafeeiro típicos da infecção por Migdolus paranaenses. 23 Figura 1. A) Plantas de café com sintomas da infecção por nematoides (folhas cloróticas). B- Galhas formadas nas raízes do cafeeiro (SILVA et al., 2008) Diversos gêneros de nematoides, parasitas das raízes do cafeeiro, já foram identificados no mundo, porém poucas espécies apresentam boa adaptação, disseminação e capacidade de causar prejuízos à cafeicultura (MONTEIRO et al, 2001). Especificamente, na região sul do Brasil, as plantações de café são parasitadas, na maioria dos casos, pelos nematoides do gênero Meloidogyne, sendo a espécie M. exigua a mais disseminada (CAMPOS, 1997), seguida de M. incognita (SOUZA et al., 2000) e M. paranaensis (BARROS et al., 2014; CASTRO e CAMPOS, 2004).  Propagação da infestação A facilidade de propagação, a notável capacidade de destruir o sistema radicular, o grande número de plantas hospedeiras, a existência de raças fisiológicas, além da intolerância das cultivares de tais como o Coffea arabica a esses parasitas, fazem com que os nematoides constituam fator limitante tanto para a implantação de cafezais em áreas onde ocorrem quanto para a manutenção daqueles já infestados (IAC, 2007). Em campo a disseminação dos nematoides ocorre através do transporte de mudas entre regiões, a partir de condições naturais causadas pelos movimentos da água, enxurradas, pontos de irrigação, cursos d'água, dos animais e, principalmente, pela ação do homem, que transporta nematoides em implementos agrícolas e veículos que circulam sobre as áreas de plantio (IAC, 2007). 24  Controle e prevenção O diagnóstico seguro requer a análise de amostras em laboratório de solo e raízes para a detecção dos nematoides presentes. Se a população dos nematoides-chave da cultura for considerada expressiva, em geral, atribui-se a esses os danos que estão sendo observados. Em níveis mais baixos, outras causas devem ser pesquisadas, já que as plantas afetadas por nematoides, geralmente, estão mais predispostas ao ataque de outras pragas e patógenos (ABAWI e CHEN, 1998). A prevenção é a melhor forma de controle de patógenos de solo, em especial os nematoides, uma vez que introduzidos na propriedade, o produtor terá que conviver com o problema, já que sua erradicação é praticamente impossível. Desta forma, os métodos usuais de controle têm como objetivo principal reduzir ou manter as densidades populacionais dos nematoides em níveis baixos que não causem perdas econômicas. O essencial é adotar praticas de contenção da proliferação dos nematoides em áreas ainda não infectadas. Neste sentido, o uso de implementos agrícolas, ferramentas e máquinas agrícolas sujas devem ser evitados. Além do mais, materiais de propagação de plantas, tais como mudas, estacas, tubérculos, bulbos, rizomas e sementes precisam estar isentos de nematoides (ALLARD e MOORE, 1989). Cuidados muito especiais necessitam ser tomados com viveiros de produção de mudas, onde a área escolhida não deve estar infestada, e protegida de infestações futuras, especialmente por água de enxurradas e inundação. A água de irrigação deve provir de poço artesiano ou mina, por encanamento adequado. No mais, práticas como rotação de culturas, o uso de herbicidas, nematicidas, plantas antagonistas e cultivares resistentes contribuem na diminuição da proliferação do patógeno (IAC, 2007). 2.2 Parâmetros agronômicos O Sensoriamento Remoto têm colaborado de maneira efetiva no levantamento, mapeamento e monitoramento de áreas cafeeiras. Mas ainda são necessárias pesquisas que visem correlacionar os fatores biofísicos da cultura com sua resposta espectral, avaliar o uso de satélites de alta resolução espacial na obtenção e análise destes dados. Além do mais a resposta espectral da cultura cafeeira é muito complexa e, há necessidade de constantes estudos visando sua caracterização espectral em função de seus 25 parâmetros agronômicos. Os parâmetros agronômicos são variáveis biofísicas que remetem a propriedades fisiológicas particulares da vegetação, dentre tais parâmetros têm-se a biomassa, porcentagem de cobertura vegetal, índice de área foliar (IAF) e radiação fotossinteticamente ativa absorvida (GHINI, et al. 2008) Parâmetros tais como o IAF, teor de clorofila e a biomassa são variáveis relevantes para avaliar a severidade da infecção de nematoides em culturas agrícolas, uma vez que os sintomas característicos desta infecção é o desfolhamento da planta, queda da produtividade e razão da baixa atividade fotossintética e o não desenvolvimento do vegetal (VAAST et al.,1998). 2.2.1 Índice de área foliar O IAF é uma variável de crescimento reconhecida pela sua importância como indicativo da produtividade da planta, uma vez que a fotossíntese realizada pelas plantas depende da interceptação da energia luminosa pelo dossel e da sua conversão em energia química. A eficiência do processo fotossintético depende da taxa de fotossíntese por unidade de área foliar e da interceptação da radiação solar, as quais são influenciadas pela arquitetura do dossel e pela dimensão do sistema fotoassimilador (FAVARIN et al., 2002). Assim como em diversas culturas, a área foliar do cafeeiro é fundamental em estudos na área de fisiologia, onde envolvem análises de crescimento, transpiração, e pesquisas científicas voltadas a estudos dos danos causados por pragas, patógenos de solo e foliares. O IAF também pode ser um estimador da perda de água do vegetal, uma vez que a folha é principal órgão vegetal no processo transpiratório responsável pela troca gasosa com o ambiente e de grande utilidade na avaliação de técnicas culturais, como poda, adubação, espaçamento, aplicação de defensivos e manejo da irrigação (BOECHAT, 2012). A forma de quantificar a área foliar é por meio do IAF, o qual está intimamente relacionado com vários processos fisiológicos da planta. Matematicamente o índice de área foliar pode ser expresso pela relação funcional existente entre a área foliar e a área do terreno ocupada pela cultura. Considerando que o rendimento agrícola é expresso pela quantidade de matéria colhida por unidade de área, é válido expressar a área foliar sobre a mesma base do rendimento (BATISTA, 2005). Para estimar o índice de área foliar de uma cultura são utilizados métodos classificados como destrutivos ou não destrutivos e diretos ou indiretos. Denomina-se método 26 destrutivo aquele em que se há a necessidade de retirar partes do vegetal, em contrapartida, os métodos não destrutivos são aqueles que não necessitam da retirada de suas partes, preservando, assim, a sua integridade e permitindo a continuidade das avaliações. Já os métodos diretos são baseados em medidas realizadas diretamente nas folhas, enquanto os indiretos são baseados na correlação conhecida entre uma variável biométrica mensurável e área foliar real (FLUMIGNAN et al., 2008). Na cultura do café são encontradas diversas metodologias para estimar área foliar da cultura, porém, na prática, dois métodos são os mais difundidos: dimensões foliares e a utilização do integrador de área foliar. No método de dimensões foliares, a área foliar é estimada pela relação entre área foliar real e a área de um retângulo circunscrito na folha. Esta abordagem é amplamente empregada em levantamentos in situ devido à sua praticidade, boa qualidade das estimativas e por ser não-destrutivo. Já o método apoiado no integrador de área foliar, normalmente utilizado como referência, mede a área foliar pelo princípio de células de grade de área conhecida e, além do mais, possui alto custo e é destrutivo (FLUMIGNAN et al., 2008). Dentre os métodos destrutivos, conforme Marshall (1968) têm-se: método planimétrico, método gravimétrico, utilização do peso seco da folha e sua relação com a área foliar, dentre outros. Dentre o escopo dos métodos não destrutivos, destacam-se: utilização da relação entre as medidas lineares da folha e sua área, método de contagem de quadrados preenchidos pelo contorno das folhas, planimetria fotoelétrica, fotográfica fotoelétrica e com radiação, fotografia hemisférica e outros. Tratando-se de métodos indiretos, têm-se o IAF, que tem sido amplamente utilizado em pesquisas, atualmente. Neste procedimento, são realizadas medidas biométricas como o volume e a área lateral do dossel e, consequentemente a altura e o diâmetro inferior do dossel. Deve-se ressaltar que, os dois primeiros parâmetros apresentaram valores próximos aos dos métodos diretos considerados de referência (BOECHAT, 2012). Com o avanço tecnológico, muitos métodos tradicionais de medição e equipamentos têm sido substituídos por métodos computacionais usando a análise de imagens digitais, provendo assim medições indiretas e não destrutivas. Nesta perspectiva, uma forma bastante difundida para se obter o IAF, é por meio do integrador portátil AM 300, o qual é um sensor scanner passivo, que tem como principal característica uma maior rapidez na obtenção de medidas de IAF, quando comparados com outros métodos de medidas indiretos (BOECHAT, 2012). 27 Em suma, a relação entre a reflectância da vegetação e correspondentes valores de IAF, é um importante parâmetro de estudo em aplicações do sensoriamento remoto na vegetação, uma vez que a reflectância varia proporcionalmente com área da copa do dossel. Especificamente, o intervalo espectral do infravermelho próximo é a região mais sensível às variações do IAF para a maioria das culturas, tais como a cafeeira (LIU, 2007). 2.2.2 Teor relativo de clorofila As clorofilas são pigmentos responsáveis pela conversão da radiação luminosa em energia, sob a forma de adenosina trifosfato (ATP) e fosfato de dinucleotídeo de adenina (NADPH). Por essa razão, estes pigmentos estão estreitamente relacionados com a eficiência fotossintética das plantas (STREIT et al., 2005). Assim o Teor Relativo de Clorofila (TRC) presente na folha pode fornecer algumas características relacionadas a desordens nutricionais e deficiências. De forma não destrutiva, atualmente, a clorofila é estimada por um aparelho capaz de gerar grandezas relacionadas diretamente com o TRC, a este instrumento denomina-se clorofilômetro. No âmbito da agricultura de precisão, tais equipamentos, são amplamente utilizados, pois se realizam as medidas de forma indireta, fato que permite a estimava do TRC de forma rápida e pouco onerosa (BOECHAT, 2012). Um clorofilômetro bastante utilizado é o Spad-502, o qual é um medidor indireto de clorofila e tem sido estudado para diversas culturas, e com resultados satisfatórios quanto à avaliação do estado nutricional de nitrogênio (NEVES et al. 2005; ZOTARELLI et al., 2003). Especificamente, o SPAD (Soil Plant Analysis Development) fornece leituras que se correlacionam com o TRC presente na folha. Os valores são calculados pela leitura diferencial da quantidade de luz transmitida pela folha, em duas regiões de comprimento de onda (vermelho (650 nm) e infravermelho próximo (940 nm)), e a absorção de luz pela clorofila ocorre no primeiro comprimento de onda (SWIADER E MOORE, 2002). Ainda o autor, ressalta que a leitura obtida no SPAD é um valor em unidades de SPAD, ou seja, adimensional, porém quanto maior o valor medido, maior é o TRC. Para tanto, as leituras efetuadas pelo medidor portátil de clorofila correspondem ao TRC presente na folha da planta. 28 2.2.3 Biomassa A biomassa da vegetação é um parâmetro que remete a quantidade de matéria orgânica presente em uma planta. Em linhas gerais, ela pode ser quantificada de forma direta (destrutiva) e indireta (através de equações alométricas e sensoriamento remoto, entre outros métodos). Na forma direta é necessária à derrubada da vegetação, para diversas culturas agrícolas, a quantificação de biomassa segue o protocolo da amostragem direta, que exige áreas amostrais representativas, além de ser altamente onerosa (COLTRI et al., 2009). O protocolo de aquisição configura-se na seguinte forma: primeiramente, extraem-se todos os compostos aéreos do vegetal (folhas, ramos, troncos e frutos), e posteriormente, secam-se as amostras em estufa de circulação forçada, para que possa ser quantificada a biomassa de cada componente com uma balança de precisão. Nas aplicações em sensoriamento remoto da vegetação, a biomassa é um importante parâmetro para discriminação entre a vegetação sadia e doente. Segundo Colwell (1985), a reflectância de pigmentos, tais como carotenoides e xantofilas são indicadores da produtividade biomassa, a qual quando apresenta altos valores é um indicador da vegetação sadia. 2.3 Interação da radiação eletromagnética com a vegetação A interação da REM (Radiação Eletromagnética) com a vegetação ocorre em níveis diferentes para os diversos tipos vegetais. O processo inicia-se quando o fluxo radiante proveniente do Sol ou a radiação espalhada na atmosfera incide diretamente sobre a folha do vegetal. Assim acontece como qualquer alvo presente na superfície terrestre sobre qual incida certa quantidade de energia eletromagnética, a interação REM versus com a vegetação é descrita por três fenômenos: a reflexão, a transmissão e a absorção. Ou seja, frações espectrais da radiação incidente serão refletidas, absorvidas e transmitidas, de acordo com as características físico-químicas da vegetação (JENSEN, 2009). A resposta espectral do café depende de uma série fatores bioquímicos do vegetal e também de características físicas e estruturais do dossel. Em geral esses componentes químicos estão diretamente relacionados com os nutrientes presentes na folha, dentre o quais se têm: teor de macro e micronutrientes, componentes voláteis e ácidos e cafeína (ESTEBAN- DÍEZ, 2004). 29 Assim como para outras culturas, o padrão espectral da folha do café sadia e vigorosa, na região do visível, são caracterizados pela decorrência de duas bandas de absorção pela clorofila, bem definidas no intervalo espectral do azul e do vermelho, especificamente entre 450nm e 520nm e entre 630nm e 690nm, respectivamente. Já na faixa do infravermelho próximo, a reflectância é alta e aumenta gradativamente com o acréscimo da quantidade de folhas, em função das múltiplas reflexões da radiação incidente nos espaços intracelulares do mesófilo foliar (JENSEN, 2009). Na Figura 2 é apresentada a reflectância espectral característica da folha verde sadia. Figura 2. Reflectância espectral característica da folha verde sadia. (Fonte: Adaptado de Thenkaibail et al., 2011) Dependendo da idade da folha, madura ou nova, a energia que é refletida, absorvida e transmitida é diferente. A discrepância espectral, neste caso, está relacionada ao espaçamento intracelular das paredes do vegetal, os quais já são bem desenvolvidos quando o tamanho da folha atinge cerca de um terço do porte normal. Esta condição faz com que a reflectância da folha madura seja 5% menor do que a reflectância de uma folha nova na região do visível e 15% maior na região do infravermelho próximo (LIU, 2007). O comportamento da reflectância também sofre variações quando a planta está sob senescência ou algum estresse ambiental. A ausência da clorofila faz com que a planta absorva menor quantidade de energia nas bandas da região espectral do visível, ocasionam uma maior reflectância, principalmente no verde e no vermelho, fazendo com que apareçam amareladas ou cloróticas (CARTER, 1993). 30 Segundo Cibula e Carter (1992), as regiões do espectro do visível que são mais sensíveis a estresse localizam-se nos intervalos de 530 a 640nm e de 680 a 700nm. Valores maiores de reflectância nas proximidades de 700nm representam o que frequentemente é chamado de “deslocamento da borda vermelha para o azul” (em inglês, “blue shift of the red edge”). Trata-se do deslocamento, em direção aos menores comprimentos de onda, do gradiente de transição vermelho/infravermelho próximo (vermelho limítrofe), perceptível quando é feita a representação gráfica da reflectância pelo comprimento de onda. De fato, também ocorrem mudanças na reflectância da planta no intervalo espectral do infravermelho próximo, quando ocorre condição de estresse causada por uma severa desidratação foliar. Nestas situações, observam-se menores picos de reflectância ao longo deste intervalo (JENSEN, 2009). A resposta espectral da vegetação também sofre significativas alterações quando são atacadas por pragas e parasitas. Neste contexto, Thenkabail et al., (2011) apresentam as mudanças mais significativas nas propriedades óticas da vegetação: 1-em condições em que há mudanças no conteúdo de pigmentos das folhas, a resposta espectral do visível é mais afetada; 2- a reflectância ao de folhas com necrose assemelham-se com a resposta espectral de folhas em estágio de senescência e; 3-em casos de mudança da temperatura interna da folha, a doença pode ser detectada a partir da energia refletida no infravermelho próximo. Especificamente na cultura cafeeira, as mudanças mais perceptíveis na resposta espectral para a cultura cafeeira infectada por nematoides ocorrem no intervalo do infravermelho próximo 780nm a 1070nm, onde o cafeeiro sadio apresenta maior resposta que as plantas infectadas por nematoides (MARTINS; GALO, et al. 2015). 2.4 Radiometria de laboratório e campo Segundo Jensen (2009), a radiometria de laboratório consiste na aquisição de dados radiométricos, onde o equipamento é posicionado a uma pequena distância do alvo em condições geométricas e de iluminação controladas. Quando realizado em campo, o procedimento de aquisição de dados visa minimizar os efeitos atmosféricos e permitir o maior controle das variáveis e dos decorrentes erros sistemáticos que influenciam as propriedades ópticas do alvo de uma superfície qualquer a ser estudada. Conforme Schaepman-Strub et al. (2006), a determinação da radiância espectral de um alvo da superfície terrestre é um pré-requisito essencial para elaborar uma base física de 31 calibração e realizar análises quantitativas obtidas a partir de medições de sensores terrestres e de satélites no domínio óptico. A radiação espectral é o fluxo radiante em um feixe por unidade de comprimento de onda e por unidade de área e ângulo sólido, sendo expressa em unidades do Sistema Internacional [W m -2 sr -1 nm -1 ]. A reflectância de uma superfície é definida como a razão do fluxo de radiação eletromagnética refletida pelo fluxo de irradiância incidida sobre uma determinada superfície (NICODEMUS et al., 1977). Entretanto, desde os primeiros sobre a radiometria de campo, questiona-se a necessidade de separar os dois tipos de reflexão possíveis (difusa e direta), além de definir reflectância como sendo a razão de uma porção especificada do fluxo refletido pelo fluxo incidente (ANTUNES, 1992). Genericamente, a reflectância é dada por: ( ) ( ) (1) em que M é a exitância devido à reflexão; e E a irradiância. Porém, as grandezas envolvidas na Equação 1 são de difícil medição e pouco trazem de informações a respeito das propriedades refletoras do alvo, com relação à geometria de iluminação e direção de visada do sensor (STEFFEN, 1996). Conforme Nicodemus et al. (1977), a quantidade que caracteriza geometricamente as propriedades refletoras de uma superfície que contém uma área consideravelmente grande, com propriedades uniformemente isotrópicas e irradiada de forma constante, é a Função de Distribuição de Reflectância Bidirecional (FDRB) ou fr: ( ) ( ) ( ) ( ) (2) em que, dLr é radiância refletida (infinitesimal); Ei é a irradiância incidente; Li(θi,Φi)cosθidωi é a irradiância incidente; ωi é o ângulo sólido; θ e Φ remetem aos ângulos zenital e o azimutal, respectivamente; e os subscritos i e r denotam quantidades associados a fluxo incidente e refletido, respectivamente. A FDRB é uma razão de valores infinitesimais, que não podem ser medidos na prática. Uma vez que prediz uma densidade de reflectância por ângulo sólido, a FDRB pode assumir valores que variam de zero ao infinito. No entanto, estas limitações não invalidam o valor 32 conceitual desta grandeza (NICODEMUS et al., 1977). A Figura 3 ilustra a geometria da FDRB descrita na Equação 2. Figura 3. Geometria de feixes hipotéticos da radiação incidente e refletida, onde: ω é ângulo sólido; θ e Φ remetem o ângulo zenital e o azimutal, respectivamente e os subscritos i e r denotam quantidades associados a fluxo incidente e refletido, respectivamente. Fonte: Nicodemus et al., 1977 Antunes (1992) menciona que, se a reflectância de um difusor perfeito ou Lambertiano é a unidade, a razão entre um fluxo refletido por um alvo qualquer e o fluxo refletido por um difusor perfeito, será numericamente idêntica à reflectância real desse alvo. Esta teoria torna a reflectância uma grandeza mensurável, desde que se cumpram os seguintes requisitos:  O difusor perfeito deve ser irradiado da mesma maneira que o alvo;  O equipamento de medição deve ter a mesma abertura (ângulo sólido) para o alvo e para o difusor perfeito. Segundo Nicodemus et al. (1977), o procedimento ideal para se obter a reflectância de um alvo da superfície terrestre, em determinada direção, seria medir a sua radiância nessa direção, restrita a um determinado ângulo sólido infinitesimal e dividir o valor encontrado pela radiância de um difusor perfeito, sob condições idênticas de iluminação e mesmo ângulo 33 sólido. Porém, o que se mede, em condições de campo, é o Fator de Reflectância (FR), o qual é definido como a razão do fluxo radiante do alvo por aquele que seria refletido pela superfície Lambertiana e sem perdas por absorção e transmissão, levando-se em consideração as mesmas condições de geometria de iluminação e direção dos raios (mesmo ângulo sólido) (JENSEN, 2009). Conforme Nicodemus et al. (1977), o FR é descrito por: ( ) ∫ ∫ ( ) ( ) ( )∫ ∫ ( ) (3) em que dΩ= cosθ(dω), sendo o valor de FR uma quantidade adimensional. A Equação 3, embora represente fielmente o resultado de FR, pode ser reescrita de forma mais compacta quando se considera a placa de calibração como um difusor não perfeito, ou seja, levando-se em conta que ela está suscetível a perdas de energia em medidas realizadas em condições de campo. Considerando-se essa condição, Milton (1987) define FR da seguinte forma: ( ) ( )( ) ( )( ) ( ) (4) em que K é o fator de correção da placa. Martonchik (2009) salienta que a determinação da radiância da placa de referência é um importante procedimento que tende a cancelar grande parte da incerteza do valor do fluxo absoluto medido, no processo calibração radiométrica do instrumento de medição. Como exemplo de superfície Lambertiana, têm-se o painel Spectralon, o qual serve como um excelente refletor difuso e pode ser utilizado tanto em trabalhos de laboratório como de campo. Robison e Biehl (1979) argumentam ainda que para que o FRB medido seja uma boa estimativa do verdadeiro valor de FRB do alvo, a placa de referência deve ter: reflectância próxima à Lambertiana; a incidência da radiação no alvo deve ser dominada pela fração direcional; o alvo não deve ter FRB radicalmente diferente do Lambertiano. Slater (1980) esclarece que Lambert propôs uma superfície perfeitamente difusa (ou Lambertiana) como 34 sendo aquela para qual a radiância (L) é constante para qualquer ângulo de reflexão em relação à normal à superfície. Segundo Robinson et al. (1979), a quantidade obtida da medição do alvo e da placa padrão, com um equipamento que apresente um pequeno campo de visada (FOV), ou seja, menor que 20°, é denominada Fator de Reflectância Bidirecional (FRB), sendo uma direção relacionada ao ângulo de visada e a outra ao ângulo solar. Assim como em Antunes (1992), o FRB é definido como sendo pi (π) vezes maior que a radiância do alvo na direção considerada, que pode ser obtido pela razão entre as radiâncias espectrais do alvo de interesse (𝑑𝐿(𝜃𝑟 , 𝜙𝑟 )𝐴𝑙𝑣𝑜) e a radiância de uma amostra referência de uma superfície lambertiana ideal (𝑑𝐿(𝜃𝑟 , 𝜙𝑟 )𝑃𝑙𝑎𝑐𝑎) nas mesmas condições de iluminação e observação; multiplicado pelo fator de calibração da superfície de referência 𝑘: ( ) ( )( ) ( )( ) ( ) (5) em que FRB é o Fator de Reflectância Bidirecional (adimensional). Ainda segundo Antunes (1992), nesta situação, o uso de é necessário para conversão de radiância para irradiância, sendo obtido da integração de todo hemisfério do ângulo sólido projetado. Atualmente, essa técnica já se encontra implementada na maioria dos sensores espectrais e utiliza a seguinte condição de conversão: ∫ ∫ ∫ (6) em que θv é o ângulo zenital da fonte de radiação eletromagnética; dΦv é o fluxo da radiância incidida no alvo. Embora, a terminologia FRB seja fortemente mencionada como a componente física da REM que é mensurada em nível de campo e laboratório, alguns autores como (Martonchik et al., 2000; Schaepman-Strub et al., 2006; Milton et al., 2009; Anderson et al, 2011) consideram que, de acordo com a geometria assumida em medidas em campo, sob iluminação ambiente e um campo de visada instrumental constante, o fator a ser medido é denominado de Fator de Reflectância Hemisférico Cônico (FRHC) (Equação 7). 35 (θ Φ π θ Φ ω ) ∫ ∫ (θ Φ θ Φ ) (θ Φ ) Ω Ω πω ( π) ∫ (θ Φ ) Ω π (7) Em estudos da radiometria da vegetação é comum o uso de espectrorradiômetros para mensurar o FRHC dos alvos, tanto para atividades de campo como laboratório. Porém, a confiabilidades dos valores físicos medidos ainda é uma questão a ser discutida, uma vez que, mesmo em um campo de medidas controlado, os valores de FRHC podem apresentar erros provenientes de fontes não conhecidas, como imprecisões do equipamento de medida (ANDERSON et al, 2011; MARTONCHICK et al., 2000; MILTON et al., 2009; SCHAEPMAN-STRUB et al., 2006). Anderson et al. (2011), com o objetivo de quantificar as incertezas nos valores de FRHC tomados em laboratório e in situ, reportaram que em medidas sobre o dossel da vegetação, foram registradas discrepâncias da ordem de 0,008 e 0,016, quando comparadas com valores de referência. Os autores destacam que, por vezes, os erros encontrados estão associados a outras variáveis, tais como: condições atmosféricas, geometria de aquisição de medidas, distância alvo-sensor e calibração do sensor. Logo, para garantir a integridade dos valores de FRHC obtidos em estudos da vegetação, as variáveis citadas devem ser consideradas e evitadas. Milton et al. (2009) e Anderson et al. (2011) relatam que como forma de se obter os valores físicos fidedignos, o ideal é que a medidas sejam realizadas em ambientes controlados quando isso não for possível, deve-se aumentar a distância alvo-sensor e manter a geometria de aquisição. 2.5 Calibração radiométrica e correção atmosférica de imagens multiespectrais A conversão de números digitais (ND) de uma imagem multiespectral em parâmetros físicos, como a radiância e a reflectância, é um importante processo que possibilita a caracterização espectral de objetos e, a utilização de operações numéricas que incluem diferentes bandas espectrais ou diferentes sensores (SCHOWENGERDT, 2006). Em Sensoriamento Remoto, cada sensor, em cada banda, possui um critério próprio para discretizar os valores de radiância medidos na escala específica de sua resolução radiométrica. Logo, as imagens resultantes para um mesmo sensor, em diferentes bandas, não apresentam necessariamente compatibilidade entre os NDs registrados. Isso torna impossível 36 a comparação entre NDs de bandas diferentes, tanto para um mesmo sensor quanto para sensores diferentes, já que a caracterização espectral de objetos torna-se inviável (CURRAN, 1985). Uma solução para essas limitações, segundo Schowengert (2006), são as conversões dos NDs registrados em valores físicos mediante o conhecimento de características de navegação do sensor que gera a imagem, assim como das condições ambientais do exato momento da geração das imagens. Para converter NDs em valores físicos, primeiramente, devem-se transformar os números digitais de uma imagem em valores de radiância aparente (L0(λ)) (NOVO, 1992). O valor de L0(λ) é dado pela Equação 8: ( ) ( ( ) ( ( ) ( )) ( ) (8) em que x é número de bits; e Lmin(λ) e Lmax(λ) representam os valores de radiância mínima e radiância máxima respectivamente. É importante destacar que o valor de L0(λ) é medido em nível orbital e não representa fielmente a radiância de superfície. Esse fato é bastante relevante em produtos orbitais, pois o sensor recebe um fluxo de radiação que contém a radiação específica do objeto acrescida da radiação de trajetória e do fluxo, que é espalhado pala atmosfera (NOVO, 1992). Uma vez convertidos para L0(λ), assume-se que os dados contidos nas imagens de diferentes bandas de um mesmo sensor ou de sensores diferentes, podem, então, ser comparados entre si. Porém, Ponzoni e Shimabukuro (2007), explicam que, como a radiância é um parâmetro radiométrico que depende da intensidade de radiação irradiada pela fonte, ela passa a não ser o parâmetro mais apropriado às avaliações das propriedades espectrais de objetos. Desta forma, a reflectância passa a ser de extrema importância para estes tipos de estudo, com destaque aos FRHC, os quais melhor representam as propriedades espectrais dos objetos (STEFFEN, 1996). Ao calcular o FR a partir dos valores de Radiância Bidirecional aparente (L0(λ)B aparente), assume-se que o mesmo é Fator de Reflectância Hemisférico Cônico aparente (FRHC aparente), considerando-se as mesmas propriedades já apresentadas pelo termo aparente (SCHOWENDGERT, 2006). 37 Em Markhan e Barker (1986), é apresentado o processo para transformar ND e FRHC aparente, onde, primeiramente, convertem-se os NDs em L0(λ)B aparente e, posteriormente, calcula-se o FRHC aparente a partir dos valores de L0(λ)B aparente, derivado dos parâmetros de calibração obtidos em missões de calibração anteriores ao lançamento. Vale ressaltar que, na maioria dos softwares de processamento digital de imagens, esses parâmetros e transformações encontram-se implementados. A partir da conversão dos ND‟s em FRHC‟s aparente, é possível realizar operações aritméticas utilizando dados de diferentes bandas espectrais registrados para um mesmo sensor ou para sensores diferentes, uma vez que os novos ND‟s representam um parâmetro físico apresentado em uma mesma escala (PONZONI e SHIMABUKURO, 2007). Apesar disso, Schowendgert (2006) explica que ainda não é possível a caracterização espectral de um alvo da superfície terrestre, uma vez que, intrinsecamente aos valores de FRHC aparente, encontram-se os efeitos da atmosfera. Para que tal caracterização seja possível, faz-se necessário eliminar ou minimizar os efeitos da atmosfera sobre os valores de FRHC aparente. Na aquisição de uma imagem multiespectral, deve-se considerar que os sinais eletromagnéticos da radiação coletados pelos sensores remotos, instalados a bordo dos satélites, são modificados, dispersos e absorvidos por gases e aerossóis quando de sua passagem pela atmosfera no caminho entre a superfície da terra e o sensor. Portanto, a variabilidade existente nas diferentes condições atmosféricas deve ser considerada para se obter valores mais acurados de reflectância e radiância de superfícies vegetais (ZULLO JR, 1994). A presença da atmosfera, entre o satélite e a superfície terrestre, ocasiona diversos efeitos nas imagens de satélites, como a diminuição dos valores digitais registrados pelo sensor, a diminuição de contraste entre superfícies adjacentes e alteração do brilho de cada ponto da imagem. (ZULLO JR, 1994). A radiância está sujeita a dois processos físicos resultantes da interação com a atmosfera: espalhamento e absorção. A combinação destes dois efeitos é denominada atenuação atmosférica (NOVO, 1992). Schowendgert (2006) afirma que a absorção atmosférica é um efeito termodinâmico que resulta na perda de energia para constituintes atmosféricos, como o vapor d‟água, ozônio e outros gases. Já o espalhamento é o mecanismo que leva as maiores distorções radiométricas, causadas por partículas suspensas na atmosfera. 38 Segundo Ponzoni e Shimabukuro (2007), uma das formas de minimizar os efeitos da atmosfera é a aplicação de modelos de correção atmosférica sobre os valores de L0(λ)B aparente ou de FRHC aparente. Alguns dos modelos atmosféricos mais utilizados são os modelos de transferência radiativa, como o MODTRAN (Moderate Spectral Resolution Atmospheric Transmittance Algorithm). Este modelo é implementado em diversos softwares de processamento digital de imagens que oferecem variadas possibilidades de entradas de dados provenientes da caracterização espectral da atmosfera, principalmente em relação às concentrações de vapor d‟água, ozônio, profundidade óptica e concentração de aerossóis. Há ainda a possibilidade de informar parâmetros referentes às propriedades espectrais de objetos vizinhos àquele que se pretende corrigir o efeito da atmosfera sobre seus valores de FRHC aparente apresentado em imagens orbitais. Vale ressaltar que a caracterização da atmosfera, no ponto da tomada da imagem, é uma tarefa difícil e onerosa, pois, normalmente, envolve uma série de profissionais atuantes em diversas áreas do campo da meteorologia, além de requerer equipamentos de alto custo de aquisição e de manutenção. Apesar disso, é possível obter bons resultados ao se aplicar o modelo MODTRAN, adotando-se algumas condições de contorno e aproximações. Com dados de alta resolução espectral, como uma cena tomada pelo sensor MODIS (Moderate Resolution Imaging Spectroradiometer), é possível utilizar dados da própria imagem para estimar a presença de constituintes importantes da atmosfera, como a quantidade de vapor d‟água (g/m³), e para otimizar a modelagem de outros constituintes (PONZONI e SHIMABUKURO, 2007). Após a aplicação da correção atmosférica tem-se, como resultado final, a Reflectância de superfície, ou seja, assume-se que os FRHC resultantes referem-se aos estimadores da Reflectância Hemisférica Cônica dos alvos presentes na superfície terrestre, sendo possível, então, a caracterização espectral dos mesmos (SHOWENDGERT, 2006). 39 3. MATERIAIS E MÉTODOS 3.1 Delineamento experimental Com o intuito de caracterizar espectral e espacialmente áreas cafeeiras infectadas por nematoides foram desenvolvidos três experimentos em áreas de estudos de dimensões diferentes, mas todas inseridas no maior polo produtor de café do país, localizado na região sudoeste do Brasil, especificamente no município de Monte Carmelo, estado de Minas Gerais. Nessas áreas experimentais, foi certificada somente a ocorrência de nematoides, por meio de análises nematológicas de amostras de solo e raízes. Para duas das áreas experimentais, foi feita a caracterização espectral do café sadio e infectado por nematoides, enquanto que a dispersão espacial das áreas de infecção foi mapeada por meio da classificação de imagens multiespectrais. Na última área experimental, de menor dimensão, e na qual foi realizada a análise nematológica de uma densa amostra, foi feita a inferência espacial da concentração de nematóides (individuos/cm 3 ) com base em valores pontuais extraídos de uma imagem multiespectral. De acordo com o nível de infecção de nematoides, as áreas de café foram classificadas em três categorias: (i) café sadio, representada por plantas assintomáticas sem a presença de nematoides; (ii) infecção inicial por nematóides, definida por plantas com sintomas moderados da infecção por nematoides e; (iii) severamente infectada, caracterizada por plantas com sintomas avançados de infecção por nematoides. No terreno, as plantas infectadas foram pelos sintomas característicos da presença do patógeno, plantas subdesenvolvidas, algumas delas apresentando folhas cloróticas e desfolhamento em casos mais severos. Nas áreas como um todo, a ocorrência de nematóides foi diagnosticada por análises nematológicas de amostras de solo e raízes. A Figura 4 mostra a aparência em campo de plantas sadias e infectadas. 40 Figura 4. Aspecto de plantas de café sadio e sob diferentes níveis de infecção por nematoides Meloidogyne Paranaensis: i- café sadio; ii- início de infecção e; iii- severamente infectada A definição de três áreas experimentais deveu-se à disponibilidade de análises nematológicas de sítios específicos e a possibilidade de coletar de folhas de plantas sadias e infectadas em campo às medidas biofísicas e espectrorradiométricas, ou de realizar levantamentos de campo para obter os dados espectrais. Embora haja sobreposição parcial dessas áreas experimentais, as condições de tomada de dados, e mesmo alguns tipos de dados foram diferentes, definindo experimentos diferentes. Tabela 1. Caracterização das áreas experimentais Experimento Objetivos Dimensão da área experimental 1 Avaliar a discriminação entre folhas de plantas sadias e infectadas (leve e severamente) em dados biofísicos e espectrais; selecionar bandas espectrais de melhor discriminação e mapear áreas com diferentes graus de infecção por nematoides a partir de imagem RapidEye 400 há 2 Avaliar a discriminação entre folhas de plantas sadias e infectadas (leve e severamente) em dados espectrais tomados in situ; selecionar bandas espectrais de melhor discriminação e mapear áreas com diferentes graus de infecção por nematoides a partir de imagem OLI/Landsat 8 600 há 3 Inferência da concentração de nematoides a partir de imagem RapidEye 14 há 41 3.2 Materiais Os instrumentos de coleta de dados, imagens multiespectrais, softwares, utilizados na análise de cada área experimental são apresentados a seguir. 3.2.1 Equipamentos de laboratório  Espectrorradiômetro O espectrorradiômetro utilizado para realização das medidas de radiância foi um modelo ASD Fieldspec HandHeld fabricado pela ASD (Analytical Spectral Devices), operando em 512 canais no intervalo espectral de 0,325 a 1,075μm, com resolução espectral de 0,016μm e quantização do sinal em 16 bits. O equipamento possui um campo de visada de 25º, variável de 1° e 10° com uso de filtros. Além de ser usado na aquisição das curvas espectrais das folhas de plantas café sadio e infectado em condições controladas (laboratório), este espectrorradiômetro foi utilizado em campo, para aquisição de medidas sobre o dossel da vegetação.  Receptor GNSS (Global Navigation Satellite System) Nos experimentos 1 e 3, para o georreferenciamento dos locais de aquisição de amostras de folhas, solos e de pontos de verificação, foi utilizado um par de receptores de dupla frequência do modelo Hipper GGD Topcon. No experimento 2 para o georreferenciamento das medidas radiométricas tomadas in situ e de pontos de verificação foi utilizado um receptor de navegação por código C/A Garmim eTrex 30x.  Medidor de Área Foliar O IAF das amostras de café foi medido por um scanner de folhas AM 300 (Figura 5), fabricado pela ADC Scientific, com resolução de 0,065mm², precisão de 1% e velocidade de medida de 0,25 segundos por polegada. 42 Figura 5. Medidor de área foliar AM 300. (Fonte: www.marconi.com.br)  Clorofilômetro As medidas de clorofila foram obtidas a partir de um clorofilômetro SPAD - 502 plus (Figura 6), fabricado pela Konica Minolta, com precisão de ± 1,0 unidade SPAD (SPAD para o valor entre 0,0 e 50,0 em temperatura/umidade normais): mensuração do índice de clorofila foliar. Figura 6. Clorofilômetro SPAD - 502 plus. (Fonte:www.minolta.com)  Estufa e Balança de Precisão 43 Para secagem e pesagem das folhas, foram utilizadas estufa de circulação forçada (secagem) e balança de precisão (pesagem).  Relatórios de análises nematológicas Para certificação da presença de nematoides nas áreas experimentais foram utilizados relatórios de análises nematológicas. Nestes relatórios os nematoides identificados por gênero e quantificados a concentração em 150 cm³ de solo. 3.2.2 Imagens Multiespectrais  Imagens multiespectrais RapidEye tomadas em 13/10/2013 e 12/12/2014, adquiridas no Nadir. O sistema RapidEye é composto por cinco satélites em um mesmo plano orbital, sendo que o sensor imageador registra os dados da superfície terrestre em cinco intervalos de comprimento de onda: azul (0,440-0,510 µm), verde (0,520-0,590 µm), vermelho (0,630-0,685 µm) vermelho limítrofe (0,690-0,730 µm) e infravermelho próximo (0,760-0,850 µm). O sensor é do tipo pushbroom e adquire dados tanto no nadir como off-nadir, sendo que no primeiro caso o tempo de revisita é de 5,5 dias e, no outro, os dados podem ser adquiridos diariamente. A resolução espacial de um pixel é de 5 metros (BLACKBRIDGE, 2015). As imagens utilizadas nessa pesquisa foram disponibilizadas pelo Ministério do Meio Ambiente (MNA), por meio da página „Geo Catálogo‟. O MNA disponibiliza essas imagens de todo o Brasil a órgãos públicos federais, estaduais e municipais. O acesso é feito pela página web .  Imagem multiespectral OLI/Landsat 8 tomada em 18/11/2015. O sensor OLI (Operational Land Imager) integra o satélite mais recente da série Landsat 8, possui dois sensores a bordo: OLI e TIRS (Thermal Infrared Sensor). A mudança da arquitetura do sensor de varredura mecânica (whiskbroom) para varredura eletrônica (pushbroom) foi uma das melhorias para aquisição de informações do sensor OLI, que resultou no aumento do tempo de integração (e consequente aumento da razão sinal- ruído) (GERACE et al., 2013). Outro ponto relevante foi a melhor quantização do sinal radiométrico (12 bits para raw data). Ao todo, o sensor OLI apresenta nove 44 bandas, sendo estas: Cirrus (1,360-1,380 µm), Costal (0,433-0,453 µm), Azul (0,450- 0,515 µm), Verde (0,525-0,600 µm), Vermelho (0,630-0,680 µm), IVP (0,845-0,885 µm), Infravermelho médio 1 (1,560-1,660 µm), Infravermelho médio 2 (1,000-2,300 µm) e Pancromática (0,500-0,680 µm) (BARSI et al., 2014). A imagem do sensor OLI/Landsat 8 foi adquiridas junto ao USGS, no endereço http://earthexplorer.usgs.gov/. As imagens processadas no nível 1T, já estavam ortorretificadas e georreferenciadas (USGS, 2015). 3.2.3 Softwares para processamento de dados e das imagens Os softwares utilizados foram: MINITAB 15.0, para tratamento estatístico das amostras; ViweSpec Pro, para processamentos das curvas espectrais tomadas pelo espectrorradiômetro; ENVI (Environment for Visualizing Images) desenvolvido pela empresa Exelis VIS (Visual Information Solutions), utilizado para correção atmosférica e classificação das imagens multiespectrais; ArcGis 10 desenvolvido pela empresa ESRI (Environmental Systems Research Institute), utilizado para confecção dos mapas temáticos. 45 4. EXPERIMENTO 1: ANÁLISE DE DADOS BIOFÍSICOS E HIPERESPECTRAIS MEDIDOS EM CONDIÇÕES CONTROLADAS E DA DETECÇÃO DE NÍVEIS DE INFECÇÃO EM IMAGENS RAPIDEYE 4.1 Área experimental 1 A primeira área experimental (Figura 7) estudada está centrada nas coordenadas cartesianas WGS-84/UTM 253.812 m (E) e 7.917.075 m (N), abrangem cerca de 400 ha e consiste em parcelas da cultura do café em fase avançada de desenvolvimento (aproximadamente 10 anos) onde foi certificada a ocorrência de Meloidogyne paranaensis. Estruturalmente, a região se caracteriza por relevos planos (altitude média de 900m), com predominância de solos do tipo Latossolo Vermelho Argiloso compostos por frações de argila e areia. O clima da área é caracterizado por apresentar um verão quente e úmido com as maiores precipitações, ocorrendo de outubro a fevereiro e decrescendo no mês de março. A precipitação média anual é da ordem de 1500 mm e a temperatura média é de 22C (OLIVEIRA, 2010). 46 Figura 7. Caracterização da área experimental 1. (A) Município de Monte Carmelo em destaque nos mapas de Minas Gerais e Brasil. (B) Talhões de café destacando a área de estudo em uma composição cor natural RGB da imagem RapidEye, limitada no vermelho. (C) Distribuição espacial de pontos amostrais georreferenciados: círculos representam a localização dos pontos em que folhas do cafeeiro foram extraídas para realizar medições biofísicas e espectrorradiométricas; demais pontos (controle) indicam elementos amostrais usados na estimativa da acurácia. 4.2 Desenvolvimento metodológico Para avaliar a possibilidade de discriminar folhas do cafeeiro sadio e infectado (considerando os estágios inicial e severo de infecção) foram adquiridos, analisados e 47 comparados dados biofísicos e hiperespectrais. Os dados biofísicos analisados foram os parâmetros agronômicos IAF, o TRC obtido pelo SPAD e medidas de biomassa. No processo de caracterização espectral foram utilizados dados espectrorradiométricos de folhas coletadas das mesmas plantas usadas para estimar os parâmetros agronômicos, os quais permitiram a identificação das faixas espectrais mais sensíveis para discriminação do patógeno na cultura. A possibilidade de um sensor imageador detectar a configuração espacial definida nas áreas infectadas por nematoides foi avaliada a partir de uma imagem multiespectral RapidEye. Na Figura 8, é apresentado o fluxograma das atividades desenvolvidas na área experimental 1. Figura 8. Metodologia proposta para o desenvolvimento do experimento 1. Medidas radiométricas sobre as folhas em condições controladas Processamento digital de imagens: Correção atmosférica Cálculo do índice NDVI Caracterização espectral da vegetação sadia e infectada por nematoides. Classificação supervisionada de curvas espectrais (SAM) Simulação de bandas multiespectrais e análise da correspondência entre a reflectância da superfície simulada e a reflectância de superfície de imagem (teste T- pareado e F) Classificação não supervionada da imagem Análise estatística descritiva dos dados biofísicos: -Construção de diagramas de variabilidade -Análise de agrupamento Processamento de curvas espectrais: Conversão de radiância em FRHC Cálculo de índices espectrais: NDVI e REP Análise da relação entre índices espectrais e parâmetros biofísicos Trabalho de campo: