Você está na página 1de 138

AGRICULTURA DE PRECISÃO

SERVIÇO NACIONAL DE APRENDIZAGEM RURAL


ADMINISTRAÇÃO REGIONAL DO ESTADO DO PARANÁ

1
SENAR – ADMINISTRAÇÃO REGIONAL DO ESTADO DO PARANÁ
CONSELHO ADMINISTRATIVO
Presidente: Ágide Meneguette

Membros Titulares
Rosanne Curi Zarattini
Wilson Thiesen
Darci Piana
Ademir Mueller

Membros Suplentes
João Luiz Rodrigues Biscaia
Nelson Costa
Ari Faria Bittencourt
Marcos Junior Brambilla

CONSELHO FISCAL
Membros Titulares
Sebastião Olímpio Santaroza
Paulo José Buso Junior
Jairo Correa de Almeida

Membros Suplentes
Ana Thereza da Costa Ribeiro
Ciro Tadeu Alcântara
Mário Plefk

Superintendente
Humberto Malucelli Neto

2
José Paulo Molin
Lucas Rios do Amaral
André Freitas Colaço

AGRICULTURA DE PRECISÃO

CURITIBA
SENAR-PR
2014

3
Autores: José Paulo Molin1, Lucas Rios do Amaral2 e André Freitas Colaço2
Coordenação técnica: Néder Maciel Corso
Coordenação metodológica: Patrícia Lupion Torres
Normalização: Rita de Cássia Teixeira Gusso – CRB 9./647
Revisão técnica e final: CEDITEC/SENAR-PR
Diagramação: Adilson Kussem

1
Professor, Departamento de Engenharia de Biossistemas, ESALQ/USP, Piracicaba, SP.
2
Doutorando, Departamento de Engenharia de Biossistemas, ESALQ/USP, Piracicaba, SP.

4
APRESENTAÇÃO

O SENAR – Serviço Nacional de Aprendizagem Rural – é uma instituição


prevista na Constituição Federal e criada pela Lei nº 8.315, de 23/12/1991. Tem como
objetivo a formação profissional e a promoção social do homem do campo para que
ele melhore o resultado do seu trabalho e, com isso, aumente sua renda e a sua
condição social.

No Paraná, O SENAR é administrado pela Federação da Agricultura do Estado


do Paraná – FAEP – e vem respondendo por amplo e diversificado programa de
treinamento.

Todos os cursos ministrados por intermédio do SENAR são coordenados pelos


Sindicatos Rurais e contam com a colaboração de outras instituições governamentais
e particulares, prefeituras municipais, cooperativas e empresas privadas.

O material didático de cada curso levado pelo SENAR é preparado de forma


criteriosa e exclusiva para seu público-alvo, a exemplo deste manual. O objetivo é
garantir que os benefícios dos treinamentos se consolidem e se estendam. Afinal,
quanto maior o número de trabalhadores e produtores rurais qualificados, melhor será
o resultado para a economia e para a sociedade em geral.

5
6
SUMÁRIO

1 INTRODUÇÃO À AGRICULTURA DE PRECISÃO (AP).......................................... 09


1.1 A VARIABILIDADE ESPACIAL NAS LAVOURAS......................................... 09
1.2 BREVE HISTÓRICO DA AGRICULTURA DE PRECISÃO........................... 10
1.3 A DEFINIÇÃO DE AP..................................................................................... 11
1.4 OS DESAFIOS DA AP................................................................................... 12
2 SISTEMAS DE NAVEGAÇÃO GLOBAL POR SATÉLITES E SUAS APLICAÇÕES
EMBARCADAS EM MÁQUINAS.............................................................................. 15
2.1 A COMPOSIÇÃO E O FUNCIONAMENTO DOS SISTEMAS....................... 16
2.2 OS RECEPTORES GNSS............................................................................. 19
2.3 AS FONTES DE ERROS............................................................................... 20
2.4 REPRESENTAÇÃO DAS COORDENADAS DE UM PONTO....................... 24
2.5 SISTEMAS DE CORREÇÃO DIFERENCIAL................................................. 25
2.6 GNSS NAS MÁQUINAS AGRÍCOLAS........................................................... 30
2.6.1 Sistemas de orientação tipo barra de luzes....................................... 31
2.6.2 Os sistemas de direção automática................................................... 35
2.6.3 Controle de tráfego com o auxílio de sistemas de direção
automática..................................................................................................... 39
2.6.4 Direção automática nos implementos................................................ 40
3 MONITORAMENTO DA VARIABILIDADE DAS CULTURAS................................. 45
3.1 O PONTO DE PARTIDA................................................................................ 45
3.2 MONITORAMENTO DA PRODUTIVIDADE.................................................. 46
3.2.1 Monitores de produtividade para grãos.............................................. 49
3.2.2 Monitores de produtividade para outras culturas................................ 57
3.2.3 Dados obtidos pelos monitores de produtividade............................... 62
3.3 SENSORIAMENTO REMOTO NO MONITORAMENTO DA
VARIABILIDADE....................................................................................................... 67
3.3.1 Fundamentos de sensoriamento remoto........................................... 69
4 AMOSTRAGENS GEORREFERENCIADAS............................................................ 75
4.1 CONCEITOS E APLICAÇÕES EM AP.......................................................... 75
4.2 AMOSTRAGEM EM GRADE......................................................................... 76
4.2.1 Amostragem por ponto....................................................................... 77
4.2.2 Amostragem por célula...................................................................... 82
4.2.3 Qual tipo de amostragem escolher.................................................... 83
4.3 OUTRAS ESTRATÉGIAS DE AMOSTRAGEM EM AP................................. 84
4.3.1 Amostragem direcionada................................................................... 84

7
4.3.2 Amostragem por Unidades de Gestão Diferenciada (UGD)............... 85
4.3.3 Quando aplicar outras técnicas de amostragem além da grade?....... 86
4.4 EQUIPAMENTOS PARA AMOSTRAGEM DE SOLO.................................... 86
4.5 EXEMPLOS DE AMOSTRAGENS DE OUTROS FATORES
AGRONÔMICOS....................................................................................................... 88
4.5.1 Pragas e doenças.............................................................................. 88
4.5.2 Compactação do solo........................................................................ 89
5 ANÁLISE DE DADOS EM AP................................................................................... 90
5.1 DADOS ESPACIALIZADOS.......................................................................... 90
5.2 SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (SIG)................................... 91
5.3 ANÁLISE DOS DADOS................................................................................. 93
5.3.1 Análise exploratória dos dados.......................................................... 94
5.3.2 Geração de mapas............................................................................. 97
5.4 GEOESTATÍSTICA...................................................................................... 104
5.4.1 O semivariograma............................................................................ 105
6 GESTÃO DETALHADA DAS LAVOURAS............................................................. 111
6.1 DEFINIÇÕES............................................................................................... 111
6.2 TRATAMENTO LOCALIZADO.................................................................... 111
6.2.1 Adubações e correção do solo......................................................... 111
6.2.2 Pulverizações................................................................................... 117
6.2.3 Semeadura...................................................................................... 120
6.2.4 Preparo do solo................................................................................ 122
REFERÊNCIAS.................................................................................................................. 133

8
1 INTRODUÇÃO À AGRICULTURA DE PRECISÃO (AP)

1.1 A VARIABILIDADE ESPACIAL NAS LAVOURAS

A prática da agricultura na sua forma mais ampla, envolvendo as lavouras de


ciclo curto, as semiperenes, a fruticultura, as pastagens e as florestas implantadas, é
uma atividade econômica e, por isso, precisa ser minimamente sustentável. As áreas
utilizadas para tais explorações não são obrigatoriamente uniformes. Por isso, dentro
da mesma porção de terra, existirão diferenças no solo e no relevo (ou seja,
variabilidade) que podem significar a necessidade de tratamentos diferenciados.

Ao longo dos séculos, os agricultores sempre tiveram essa percepção,


enquanto trabalhavam em pequenas áreas de forma manual e com o uso de
pequenas máquinas e implementos. No entanto, essa situação mudou radicalmente
em muitas regiões do mundo, onde as máquinas utilizadas continuam aumentando
em potência, largura de trabalho e capacidade operacional. Com isso, o agricultor
perdeu muito do seu contato com o solo e a cultura, pois o maquinário de alta
capacidade trata grandes áreas de maneira uniforme. Esse método não pode ser
considerado otimizado, pois normalmente, o solo e a cultura não são uniformes
dentro dessas áreas.

É necessário resgatar a capacidade que o agricultor tinha no passado e


conciliar as grandes extensões de lavouras e suas operações mecanizadas com as
diferenças intrínsecas dentro dessas lavouras. Entretanto, a avaliação visual humana
e os ajustes manuais nas operações não são mais prováveis. Ao conciliar a
investigação da variabilidade e o conhecimento agronômico já acumulado com o uso
de máquinas com automação, é possível reproduzir boa parte daquele detalhamento
que o agricultor fazia no passado para gerenciar pequenas glebas.

Nem por isso os pequenos produtores podem se considerar relegados. Tal


abordagem atualmente oferece facilidades e recursos que podem facilitar o resgate
das práticas do passado de forma ainda mais efetiva. O conhecimento adquirido com
o passar do tempo ajuda a explicar cientificamente as variabilidades e oferece
caminhos para a gestão localizada com mais técnica, mesmo de pequenas lavouras.
9
Por outro lado, há uma parcela da sociedade que culpa a agricultura moderna
e as tecnologias envolvidas como sendo grande degradador ambiental.
Especialmente os fertilizantes minerais, herbicidas, fungicidas e inseticidas,
necessários para se obter elevadas produtividades, são considerados contaminantes.
No entanto, a utilização racional desses insumos, de forma a aplicá-los apenas na
quantidade, nos locais e nos momentos necessários, significa um avanço muito
recente, mas com grande potencial. O mesmo pode ser considerado para a energia,
sementes e água.

1.2 BREVE HISTÓRICO DA AGRICULTURA DE PRECISÃO

Existem relatos mostrando a utilidade de se gerenciar as lavouras de forma


detalhada e localizada, inclusive com a prática da aplicação de calcário em taxas
variáveis desde o início do século XX. Porém, as práticas dessa natureza foram
adotadas de fato por volta dos anos 1980, quando foram gerados, na Europa, os
primeiros mapas de produtividade e, nos Estados Unidos, foram feitas as primeiras
adubações com doses variadas de forma automatizada.

No Brasil, as atividades ainda muito esparsas ocorreram a partir de meados da


década de 1990, primeiramente com a importação de equipamentos, especialmente
colhedoras equipadas com monitores de produtividade de grãos. Entretanto, não
havia máquinas disponíveis para a aplicação de fertilizantes em taxas variáveis, o que
passou a ser praticado no final dos anos 1990 com equipamentos importados. No
início dos anos 2000, surgiram as primeiras máquinas brasileiras aplicadoras para
taxas variáveis de granulados e pós, equipadas com controladores importados e, em
seguida, com os primeiros controladores para taxas variáveis nacionais.

Em 2000, o governo norte-americano eliminou a degradação do sinal do GPS,


que causava um erro exagerado nos posicionamentos e que exigiam investimento e
um custo operacional considerável com o uso obrigatório de correção diferencial para
se trabalhar no campo com GPS. A partir daí, os receptores de navegação, de baixo
custo, se popularizaram.

10
A união desses fatores fez com que o mercado de AP passasse efetivamente a
existir, com o surgimento das primeiras empresas de consultoria e de serviços. Nessa
mesma época, as barras de luzes, que já equipavam todos os aviões agrícolas,
passaram a ser utilizadas em pulverizadores autopropelidos (também chamados de
pulverizadores automotrizes ou autopropulsados) e outros veículos terrestres. Na
sequência, surgiram os sistemas de direção automática. Foi assim que se
estabeleceu no mercado e na mente dos usuários o conceito que associa AP a duas
grandes frentes: amostragem de solo e a consequente aplicação de corretivos e
fertilizantes em taxas variáveis e o uso de sistemas de direção automática e
semelhantes.

1.3 A DEFINIÇÃO DE AP

A agricultura de precisão tem várias formas de abordagem e mesmo


definições, dependendo do ponto de vista de quem a define. A origem do termo
advém do fato de que as lavouras não são uniformes no espaço e no tempo. Assim,
são desenvolvidas estratégias com variados níveis de complexidade para gerenciar
os problemas advindos da desuniformidade das lavouras. A Comissão Brasileira de
Agricultura de Precisão, órgão consultivo do Ministério da Agricultura, Pecuária e
Abastecimento, adota uma definição para AP que estabelece que “AP trata-se de um
conjunto de ferramentas e tecnologias aplicadas para permitir um sistema de
gerenciamento agrícola baseado na variabilidade espacial e temporal da unidade
produtiva e visa ao aumento de retorno econômico e à redução do impacto ao
ambiente”.

No entanto, as definições variam, e Bramley (2009) acrescenta um pequeno,


mas importante componente. Ele sugere que AP é um conjunto de tecnologias que
promovem melhorias na gestão dos sistemas de produção com base no
reconhecimento do fato de que o “potencial produtivo” das lavouras pode variar
consideravelmente, mesmo em pequenas distâncias, por exemplo, em poucos
metros. Assim, AP pode ser vista como a forma de garantir que a estratégia gerencial
mais correta seja adotada no local e no momento correto.

11
A gestão das intervenções pode ser fundamentada em algumas formas. Uma
delas é aumentar a produtividade, com possível aumento de custos, dentro dos
limites do conceito econômico da lucratividade. Outra estratégia é a redução de
custos, com redução do uso de insumos por meio da sua racionalização, orientada
pela variabilidade espacial dos teores no solo. No entanto, outro conceito ainda pouco
explorado na sua forma mais correta, que são as unidades de gestão diferenciada,
pode permitir a exploração do potencial produtivo além dos padrões usuais, o que
muito provavelmente exige a aplicação de maior quantidade de insumos em algumas
dessas unidades e em outras, a sua redução a um nível mínimo de manutenção das
baixas produtividades visando ao lucro.

A questão de incluir ou não o uso de Sistemas de Navegação Global por


Satélites (GNSS) e suas derivações, associadas aos sistemas guia e de
direcionamento automatizado de veículos agrícolas como parte da AP, tem opiniões
diversas. AP está associada ao conceito de agricultura com uso intensivo de
informação (FOUNTAS et al., 2005). Portanto, o uso de sistema de direção
automática e controle de tráfego, por exemplo, não exigem e não estão associados ao
uso intensivo de informação espacializada do solo ou da cultura e não fariam parte
desse contexto. Por outro lado, Bramley (2009) defende a ideia de que tais práticas e
tecnologias podem ser consideradas dentro do contexto da AP, na medida em que
permitem ao usuário a aproximação com o uso de recursos como GNSS, diminuindo
a distância destes aos conceitos de mapeamento da produtividade e gerenciamento
localizado das lavouras.

1.4 OS DESAFIOS DA AP

A AP tem sua origem na gestão da variabilidade espacial das lavouras e


representa um grande desafio e avanço que a agricultura do século XXI assume em
busca de maior sustentabilidade e eficiência. No entanto, apresentam-se várias
formas de abordagem e pode ser praticada em diferentes níveis de complexidade. No
Brasil, a prática predominante é a gestão da adubação química das lavouras com
base em amostragem georreferenciada de solo e aplicação de corretivos e
fertilizantes de forma localizada e em doses variáveis. A aplicação de calcário, gesso,
fósforo (P) e potássio (K) em taxas variáveis com base na amostragem de solo em
12
grade tem tido grande apelo comercial porque, num primeiro momento, oferece
chances de economia desses insumos. Com a realocação ou redistribuição
otimizada, os desequilíbrios são diminuídos e pode-se esperar impacto positivo na
produtividade das culturas, pois a técnica permite a espacialização do conceito
proposto por Liebig em meados do século XIX, conhecido como a “Lei dos Mínimos”.
No entanto, as práticas de AP podem ser conduzidas em diferentes níveis de
complexidade e com diferentes objetivos. Quanto mais dados obtidos, a informação
gerada e o consequente diagnóstico referente à variabilidade existente nas lavouras
são mais consistentes. Dessa forma, os dados de produtividade expressos por mapas
são fundamentais. A interpretação da variabilidade presente nas lavouras,
evidenciada nos mapas de produtividade, implica no estudo das relações entre
causas e efeito. A explicação para as desuniformidades é a tarefa mais complexa,
pois as suas causas devem ser identificadas, indicando assim os fatores que podem
causar as baixas produtividades e gerando as possíveis intervenções.

ATENÇÃO
Em muitos casos, as baixas produtividades observadas em determinadas regiões de
um talhão podem estar associadas a aspectos que estão totalmente fora da
possibilidade de intervenção, como é o caso da variabilidade da textura do solo.
Nesses casos, a solução é tratar as regiões onde a baixa produtividade é causada
pela variação na textura como uma região com o seu baixo potencial, realizando
menor aporte de insumos, visando obter lucro, mesmo que com baixa produtividade.
Dessa forma, as regiões de maior potencial produtivo das lavouras devem receber um
aporte maior de insumos, realocados das regiões de baixo potencial, visando explorar
seu limite econômico.

Além disso, deve ser dada importância às demais práticas, como tratamento
localizado de plantas invasoras, pragas e doenças, num contexto moderno que
contempla a aplicação minimizada de insumos visando à economia e ao menor
impacto ambiental possível.

Sempre haverá questionamentos, especialmente em relação às técnicas e à


tecnologia. Tendo como exemplo a amostragem de solo para a aplicação de insumos

13
em taxas variáveis, sabe-se que há uma série de simplificações nos processos, a
começar pela densidade de amostras em uma determinada lavoura e a incerteza
quanto à sua exata localização, que pode ser da ordem de alguns metros. Há também
a incerteza quanto ao número de subamostras necessárias para compor cada uma
dessas amostras, assim como as incertezas quanto aos valores obtidos nos
laboratórios de análise de solo. Também existem fontes de incertezas no
processamento dos dados para a geração de mapas de recomendações de insumo
por meio de interpolações, sejam eles corretivos de solo, fertilizantes, agroquímicos,
etc. Por fim, ainda há a questão relacionada às máquinas aplicadoras e controladores
de taxas variáveis, que trabalham dentro de certos níveis de confiabilidade e acerto.
Certamente, todos esses aspectos relacionados aos insumos, sua qualidade,
uniformidade, teor real do elemento desejado e assim por diante devem ser sempre
considerados de uma forma crítica e que também estão presentes na gestão
padronizada das lavouras com doses fixas.

2 SISTEMAS DE NAVEGAÇÃO GLOBAL POR SATÉLITES E SUAS


APLICAÇÕES EMBARCADAS EM MÁQUINAS
14
Os Sistemas de Navegação Global por Satélites ou Global Navegation
Sattelite Systems (GNSS) foram inicialmente desenvolvidos para fins bélicos e
revolucionaram os métodos de localização terrestre. Os atuais componentes do
GNSS de alcance global são o Navigation Satellite Time And Ranging (NAVSTAR) ou
Global Positioning System (GPS), dos Estados Unidos, o qual se encontra em plena
operação, e o Global’naya Navigatsionnay Sputnikovaya Sistema (GLONASS), da
Rússia, que passou recentemente por intenso esforço de retomada de lançamento de
satélites para recompor sua constelação e também está em plena operação. O
GLONASS foi declarado operacional em 1995, com a constelação completa, mas não
teve a devida manutenção, tendo em 2001 apenas 7 dos 24 satélites operacionais
necessários. O governo russo iniciou um programa de modernização e, em 2007,
foram lançados vários satélites para revitalização do sistema. A capacidade
operacional renovada e completa de 24 satélites foi atingida em 2011.

Há também o Galileo, projetado pela European Space Agency (ESA), da União


Europeia, e que está em fase de lançamento de foguetes para o posicionamento de
satélites na constelação. Depois que todos os satélites forem lançados, previsto para
2015, a operação completa terá uma constelação de 30 satélites.

Outro sistema é o que a China está construindo, chamado de Compass


Navigation Satellite System (CNSS) ou, como os chineses recentemente definiram,
BeiDou Navigation Satellite System (BDS).

O GPS foi desenvolvido pelo Departamento de Defesa dos Estados Unidos da


América (DoD) com o objetivo de ser o seu principal sistema de navegação. É capaz
de fornecer o tempo, a posição e a velocidade, com rapidez e exatidão, em qualquer
instante e local aberto; por isso, tornou-se a técnica de posicionamento mais eficiente
e, consequentemente, mais utilizada. O GLONASS é equivalente ao GPS americano
e foi desenhado também para uma cobertura global de satélites. O Galileo está sendo
construído para ser o sistema de navegação global por satélite próprio da Europa,
que fornecerá um serviço de posicionamento exato e sob o controle civil. Será
inter-operável com o GPS e o GLONASS, oferecendo dupla frequência como padrão.
O CNSS foi previsto, em uma primeira etapa, para o uso em navegação local, e, na
15
segunda etapa, para navegação global como GPS, GLONASS e Galileo.

2.1 A COMPOSIÇÃO E O FUNCIONAMENTO DOS SISTEMAS

Os GNSS, em geral, e o GPS, em particular, são estruturalmente divididos em


três segmentos: espacial, de controle e dos usuários. O segmento espacial é
caracterizado pela constelação de satélites (Figura 1). A constelação é composta por
24 satélites, sendo que 21 são suficientes para cobrir toda terra e três são
originalmente previstos como reserva. São distribuídos em seis planos orbitais
espaçados de 60º, com quatro satélites em cada plano, numa altitude aproximada de
20.200 km.

Figura 1 – Constelação de satélites representando o segmento espacial do GPS.

Fonte: <http://www.colorado.edu/geography/gcraft/notes/gps/gif/orbits.gif>. Adaptação.

Os satélites transmitem continuamente sinais em duas ondas portadoras L,


sendo a primeira, L1, com frequência de 1575,42 MHz e a segunda, L2, com
frequência de 1227,60 MHz. Sobre essas ondas portadoras são modulados dois
códigos, denominados códigos pseudoaleatórios. Na banda L1, modula-se o código
Clear Access ou Coarse Aquisition (C/A) e o código Precise (P). Na banda L2,
modula-se apenas o código P.

16
No caso do GPS, o segmento de controle é constituído por uma estação
principal, localizada em Colorado Springs, no estado do Colorado, Estados Unidos, e
outras, de monitoramento, espalhadas ao redor do mundo em posições estratégicas.
A estação principal capta os dados vindos das estações de monitoramento e calcula a
órbita exata e os parâmetros de relógio de cada satélite. Os resultados são passados
aos satélites via antenas de retransmissão, e as estações de comunicação com os
satélites periodicamente corrigem a órbita de cada um.

O segmento do usuário é caracterizado pelos receptores GNSS. Atualmente, o


mercado oferece uma grande variedade de receptores, com as mais diversas
configurações, podendo ser empregados em inúmeras aplicações.

O surgimento dos relógios atômicos impulsionou a tecnologia GNSS, uma vez


que permitiu a concepção de sistemas de posicionamento com satélites orbitais, pois
viabiliza a mensuração do tempo gasto entre a transmissão de ondas de rádio no
espaço, com base na posição conhecida desses satélites até um receptor GNSS.
Essa é a essência dos GNSS, ou seja, o princípio básico de navegação consiste na
medida de tempo para se obter a distância entre o usuário e quatro satélites.
Conhecendo as coordenadas dos satélites num sistema de referência apropriado, é
possível calcular as coordenadas da antena do usuário (receptor) no mesmo sistema
de referências dos satélites.

O receptor calcula sua posição por meio da medida da distância entre ele e os
satélites em vista. Cada satélite envia continuamente sinais de rádio contendo sua
posição e também uma medida de tempo e cada canal do receptor sintoniza um
desses sinais. O receptor mede o tempo para que o sinal percorra a distância entre o
satélite e a sua antena. Esse tempo é utilizado para calcular a distância da antena a
cada satélite e é utilizada a constante da velocidade da luz “c”, que é de 299.792.458
m s-1. O receptor mede o tempo “t” que o sinal levou para chegar até ele e calcula
assim a distância “d” ao satélite, pela equação da velocidade, ou seja:

d=ct

Portanto, o receptor faz a mensuração do tempo, a qual é exata a bordo de

17
cada satélite, já que estes possuem um relógio atômico. Os demais parâmetros
necessários são obtidos do sistema, especialmente a posição instantânea dos
satélites (efemérides); com isso, os receptores GNSS processam esses parâmetros e
dados para obter a posição após a obtenção de sinais de quatro satélites (Figura 2).

Figura 2 – Processo de mensuração dos tempos e cálculo das distâncias a quatro satélites para a
determinação da posição correta.

Fonte: Molin, 2012.

No receptor, o destaque deve ser dado à antena, a qual capta os sinais que
sofrem interferências quando passam através de obstáculos. Algumas antenas de
receptores são capazes de captar sinais debaixo de telhado de cerâmica, por
exemplo. No entanto, sob folhagem densa, os sinais são atenuados, dificultando a
sua recepção.

O canal de um receptor, ou processador de sinal, é a sua principal unidade


eletrônica e normalmente os receptores atuais, especialmente aqueles utilizados no
meio agrícola, são multicanais ou de canais paralelos (canais dedicados), possuindo
oito ou mais canais (normalmente 12 canais). Nesses receptores, no mínimo quatro
canais são necessários para se obter posição.

18
2.2 OS RECEPTORES GNSS

Há várias formas de classificar e dividir os receptores GNSS. No contexto


agrícola, há uma estratificação suficientemente estabelecida pelo mercado (Figura 3).
Nesse caso, têm-se predominantemente os receptores de navegação ou autônomos,
que utilizam apenas o código C/A, os receptores com código C/A e portadora L1 e os
receptores que utilizam código C/A e portadora L1 e L2 associados à tecnologia Real
Time Kinematic (RTK), sendo que muitos deles já são receptores GNSS (GPS +
GLONAS).

O erro no posicionamento absoluto para usuários de receptores C/A tem sido,


em média, de 9 metros na horizontal e 15 metros na vertical em 95% do tempo. Até
maio de 2000, esses valores eram de 100 metros e 156 metros, respectivamente. A
razão para serem tão elevados estava na existência de um erro ou ruído proposital,
gerado pelo Departamento de Defesa dos EUA, denominado de selective availability
ou disponibilidade seletiva (S/A), uma degradação no sinal que causava erros
maiores para usuários civis.

Os receptores de navegação com código C/A são rotineiramente utilizados em


atividades de navegação em geral, pois apresentam características bastante
apropriadas para tal. Dentre essas características, são alimentados por baterias
comuns ou recarregáveis, possuem tela de visualização, memória e fácil interface
com computadores, além de serem acessíveis em termos de custo de aquisição.
Esses receptores se diferenciam daqueles da banda L1 por não oferecerem recursos
de correção diferencial, ou seja, utilização de algum recurso externo para a redução
das incertezas ou erros de posicionamento. Os receptores que oferecem essa
possibilidade são normalmente maiores e são utilizados para fornecer sinal para
algum equipamento. É o caso dos sistemas tipo barra de luzes e equivalentes,
utilizados em aviões agrícolas, tratores e pulverizadores autopropelidos. São
receptores com preços da ordem de 6 a 15 vezes maiores que os anteriores, não
apresentando a mesma portabilidade para atividades de campo, pois normalmente
não possuem tela de visualização e alimentação, tampouco memória interna. Para a
utilização desses receptores em atividades de campo como navegação, normalmente
se utiliza computador de mão (ou PDA) com um programa dedicado e conectado à
19
sua porta serial.

Já os receptores L1/L2 com RTK são destinados a aplicações mais nobres. Na


agricultura, têm sido usados nos sistemas de direção automática, também
conhecidos como sistemas de piloto automático, usados em veículos agrícolas em
geral. Nesse caso, o valor de aquisição de um receptor desses é da ordem de 20 a 40
vezes o valor de um receptor de navegação comum e deve-se considerar a
disponibilidade de um segundo receptor, próximo, com comunicação via rádio para a
correção e redução de erros de posicionamento, oferecendo exatidão da ordem de
0,02 a 0,03 metros. Já os receptores de apenas uma frequência (L1 no caso do GPS)
conseguem obter exatidão abaixo de 1,00 metros, dependendo do tipo de sinal de
correção diferencial que recebe.

Figura 3 – Receptores GNSS comumente utilizados em AP.

Fonte: Molin, 2012.

2.3 AS FONTES DE ERROS

Os erros que atuam nos sistemas de posicionamento podem ser agrupados


pelas suas origens, como erros dos relógios dos satélites e do relógio do receptor,
pequenos desvios de órbita dos satélites, refração causada pela interferência da
ionosfera e da troposfera, reflexão de sinal e geometria dos satélites. A soma de todos
esses erros resulta no erro final em torno de 9 metros com 95% de probabilidade
mencionado anteriormente e válido para os receptores de código C/A sem correção
diferencial. Em média, durante as atividades de rotina em campo considera-se que
20
esse erro esteja na ordem de 3 a 5 metros.

Porém, antes disso, é importante relembrar o real significado de alguns termos.


A palavra “precisão” refere-se à variação do valor medido repetidamente sob mesmas
condições em torno do valor médio observado, enquanto “exatidão” refere-se ao quão
próximo está o valor medido do valor real (Figura 4). A precisão é afetada somente
pelos erros aleatórios no processo de medição, enquanto a exatidão é afetada pela
precisão, bem como pela existência de erros desconhecidos ou erros sistemáticos. As
medidas podem ser precisas e não exatas, mas só podem ser exatas se forem
precisas.

Figura 4 – Representação de uma condição de alta exatidão e alta precisão (a) e baixa exatidão e alta
precisão (b).

a b
Fonte: Molin, 2012.

Todo o sistema baseia-se na medida de tempo que o sinal de rádio leva para
sair do satélite e chegar ao receptor. Para essa medida de tempo, são utilizados
relógios atômicos de altíssima exatidão. Um erro de apenas 0,1 microsegundo no
relógio do satélite ou do receptor representa um erro de cálculo de distância da ordem
de 30 metros. Apesar da extrema confiabilidade dos relógios, os satélites precisam
ser constantemente monitorados pelo DoD, que ajusta os relógios para minimizar
pequenos desvios, reduzindo os erros para cerca de 0,6 metros em receptores que
trabalham com o código C/A.

21
Os relógios dos receptores não são tão exatos quanto os dos satélites e ruídos
introduzidos por interferência elétrica ou limitações matemáticas podem tornar esses
erros muito grandes. Todos os erros do relógio do receptor em conjunto colaboram
com uma incerteza da ordem de 1 a 2 metros em receptores que trabalham com o
código C/A. Receptores de GPS mais caros têm relógios mais exatos, com menor
ruído interno e maior precisão matemática.

Fenômenos naturais, como forças gravitacionais originárias da Lua e do Sol e


pressão da radiação solar, criam pequenos desvios nas órbitas dos satélites,
alterando suas posições, altitude e velocidade. A órbita dos satélites é rastreada e a
cada 12 horas é corrigida pela estação mestre de controle, o que não impede um erro
médio da ordem de 0,6 metros para receptores que trabalham com o código C/A.

A velocidade da luz sofre atrasos, principalmente na ionosfera, uma camada


de 80 a 400 quilômetros de espessura sobre a Terra e carregada eletricamente, o que
causa a refração, além de interferência e obstrução nos sinais. A troposfera, camada
abaixo da ionosfera, também pode atrasar os sinais, pois nela flutuam moléculas ou
gotículas de água. As incertezas causadas pelos atrasos de sinal nessas duas
camadas são as mais comprometedoras e podem causar erros da ordem de 4 metros
em receptores que trabalham com o código C/A.

A ionosfera interfere na transmissão de ondas de rádio em função da


concentração de elétrons ao longo do trajeto do sinal, da frequência do sinal, da
localização geográfica, da época do ano e do momento dentro do período cíclico de
11 anos da atividade solar. O fenômeno é também conhecido por cintilação e os
últimos picos dessa atividade foram entre 2000 e 2001 e entre 2012 e 2013 (Figura 5).

Figura 5 – Os ciclos de atividade solar e suas estimativas a partir de modelos.

22
Fonte: <http://forum.decoelum.net/wp-content/uploads/2013/03/sunspot_20130306.png>.

A refração do sinal que chega à antena do receptor é outra fonte de incertezas.


É um erro formado pela sobreposição de sinais, os quais atingem o receptor com
certo atraso. O sinal que vem do satélite atinge a antena, mas outro sinal pode ser
recebido após ter refletido em algum espelho formado por edificação ou barreira
natural e então reincidir na antena, colaborando com um erro de 1 a 2 metros em
receptores que trabalham com o código C/A. Entretanto, esses espelhos não são
comuns no meio agrícola.

A distribuição dos satélites visados pela antena do receptor também


influenciam na exatidão do posicionamento dado pelo GNSS. Uma boa geometria é
definida por um grupo de satélites igualmente distribuídos e bem espaçados acima do
receptor. Uma má geometria é encontrada quando os satélites estão muito próximos
uns dos outros (Figura 6). Quanto maior o número de satélites possíveis de serem
captados no horizonte da antena receptora, maior será a exatidão das coordenadas
do ponto medido, pois o receptor escolherá aqueles com melhor sinal de rádio. Essa
melhor situação para a estimativa da localização é dada pelo valor da Diluição de
Precisão (DOP). Durante a navegação, a geometria dos satélites varia, tendo como
consequências a variação do valor do DOP. O indicador normalmente citado é a
diluição de precisão na posição (PDOP) e quanto menor o seu valor, melhor é a

23
geometria. Obstruções como árvores ou a própria localização da antena dentro de um
veículo, por exemplo, pode diminuir a porção do céu que a antena pode rastrear e o
consequente número de satélites visados, elevando-se o valor do PDOP.

Figura 6 – A maior dispersão dos satélites em uso (à direita) garante melhor exatidão de
posicionamento.

Fonte: Molin, 2012.

2.4 REPRESENTAÇÃO DAS COORDENADAS DE UM PONTO

A posição de um ponto pode ser representada por coordenadas geodésicas


(ou geográficas), de latitude e longitude, medidas em graus, minutos e segundos. A
latitude tem valor zero sobre o equador, é positiva no Hemisfério Norte e negativa no
Hemisfério Sul. A partir do Meridiano de Greenwich, a longitude é positiva no sentido
leste e negativa no sentido oeste.

O ponto também pode ser representado em coordenadas planas UTM


(Universal Transversa de Mercator). O UTM divide a Terra em 60 fusos de 6º (Figura
7). O Brasil está contido entre as zonas 18 e 25. Cada fuso tem um meridiano central,
que define a origem do sistema no seu cruzamento com o equador, e a unidade de
medida de latitude e de longitude é o metro. O sistema é local em cada fuso e a
longitude tem o valor de 500.000 metros no meridiano central, cresce para leste e
decresce para oeste. A latitude tem o valor de 10.000.000 metros no equador e
decresce para o sul. A latitude norte tem o valor 0 metro no equador e cresce para o
norte.

24
Figura 7 – As zonas UTM, de 6º cada uma.

Fonte: <http://www.google.com.br/imghp>.

ATENÇÃO
O termo datum se refere ao modelo matemático que se aproxima à forma da terra e
permite cálculos de posição e área, de forma consistente. O datum oficial do Brasil é o
Sistema de Referência Geocêntrico para a América do Sul (SIRGAS), adotado pelo
IBGE a partir de 2004. O GPS utiliza o datum chamado WGS84 e o GLONASS utiliza
o datum PZ90. É importante que, em trabalho de coleta de dados georreferenciados e
de navegação, o receptor esteja configurado sempre para o mesmo datum já utilizado
na coleta de dados pré-existentes.

2.5 SISTEMAS DE CORREÇÃO DIFERENCIAL

O posicionamento de um ponto pode ser absoluto ou diferencial. O


posicionamento absoluto ou autônomo caracteriza-se pela adoção de apenas um
receptor para a determinação das coordenadas de um ponto. Pode ser gerado com o
receptor de GNSS na forma estática ou cinemática. O posicionamento diferencial foi
concebido inicialmente para contornar a degradação causada pela disponibilidade
seletiva. Para realizar uma coleta de dados com o sistema diferencial, são

25
necessários pelo menos dois receptores, estando um na estação de referência, onde
são geradas as correções diferenciais, e outro receptor móvel, utilizado na
navegação.

A correção da posição do receptor móvel é determinada pelas correções


geradas na estação de referência. Os dados coletados podem ser pós-processados
para correção ou corrigidos em tempo real por meio de um sistema de comunicação
(rádio de transmissão, linha telefônica ou satélites de comunicação). O
pós-processamento não desperta interesse na área de AP justamente porque, em
atividades de campo, sejam elas de navegação para coleta de amostras,
monitoramento com algum tipo de sensor, aplicação de insumos ou guiando algum
veículo, o posicionamento deve ser o mais exato possível e em tempo real.

A correção diferencial reduz ou elimina erros de reflexão, erros de relógio dos


satélites, erros de órbita dos satélites e o erro de disponibilidade seletiva, quando
ainda estava ativo. Entretanto, a exatidão obtida por esse sistema pode ser
influenciada por alguns fatores, como a distância entre a estação de referência e a
estação móvel, a qualidade do sistema de comunicação, taxa de atualização e
transferência dos dados e cálculo das correções diferenciais.

Existem diferentes sistemas e denominações de correção diferencial. Os mais


próximos da AP são exatamente aqueles que oferecem correção em tempo real,
sendo que os mais utilizados são o Real Time Kinematic (RTK), Local Area
Augmentation System (LAAS) e o Satellite-Based Augmentation System (SBAS). O
RTK, mais difundido na AP, é composto por dois receptores (de dupla ou simples
frequência) com as respectivas antenas e um link de rádio para transmitir e receber
correções e/ou observações da estação de referência (Figura 8). Uma das limitações
dessa técnica é o link de rádio utilizado na transmissão dos dados, que deve ser
realizado numa taxa de pelo menos 2400 bps (bits por segundo), exigindo o uso de
sistema de rádio VHF ou UHF, o que limita seu uso, na maioria dos casos, a
distâncias da ordem de 5 a 15 quilômetros e com visada direta.

26
Figura 8 – Sistema de correção diferencial utilizando uma base fixa em coordenada conhecida e um
link de radio entre esta e o receptor móvel.

Fonte: Molin, 2012.

Os LAAS são originalmente usados nas proximidades das pistas de pouso, a


partir de redes de estações fixas. Soluções semelhantes, porém menos sofisticadas,
têm sido implementadas para uso em atividades agrícolas. Redes de estações locais
GNSS são dispostas em uma região com links de rádio e acesso aos usuários de
dentro da área de cobertura. Tais redes podem ser totalmente privadas, como é o
caso de grandes áreas agrícolas, a exemplo de usinas produtoras de cana-de-açúcar
e grandes fazendas produtoras de grãos. Também podem ser estabelecidas de forma
cooperativa, por pequenos e médios produtores, racionalizando o uso de estações
locais e permitindo o acesso apenas aos cooperados. Nesse caso, a qualidade do
posicionamento é praticamente a mesma do RTK.

O SBAS opera com rede de estações de referência destinadas a cobrir regiões


maiores, normalmente em escala continental. O sinal pode ser público ou privado.
São sistemas que empregam correções para cada satélite, derivadas de observações
de uma rede normalmente continental de estações de referência. O sinal é distribuído
via satélite de comunicação geoestacionário. Há sistemas privados provedores de
sinais em diferentes partes do planeta, sendo que no Brasil já são disponíveis vários
tipos de sinal com diferentes especificações, todos sinais pagos. Os sinais públicos
mais conhecidos são o Wide Area Augmentation System (WAAS) dos EUA e o
European Geostationary Navigation Overlay Service (EGNOS) da União Europeia.

27
Figura 9 – Áreas de cobertura dos diferentes sistemas públicos SBAS de correção diferencial.

Fonte: <http://spaceinimages.esa.int/Images/2009/12/SBAS_coverage>.

O sinal do WAAS e do EGNOS são recebidos no território brasileiro, o que leva


os usuários a crerem que possa ser utilizado. De fato, os receptores habilitados,
normalmente para receber sinal WAAS, sintonizam e recebem tanto WAAS como
EGNOS, pois ambos operam na mesma frequência e normalmente o sinal mais forte
é aquele emitido pelos satélites geoestacionários do sistema EGNOS. Porém, ambos
são gerados a partir de estações fixas localizadas em outros continentes e sem
validade para quem esteja tão distante dessas estações, como é o caso do Brasil.

Existem várias empresas no mundo que exploram o serviço de correções


diferenciais via satélite pagas (Figura 10). No Brasil e na América do Sul, a
disponibilização de sinal de uma dessas empresas teve início em 1997 e serviu para
impulsionar o uso de sistemas de orientação em faixas paralelas para a aviação
agrícola (barras de luzes). Também permitiu o início do uso de monitores de
produtividade em colhedoras de grãos, visto que nessa época a disponibilidade
seletiva estava ativada e os erros de posicionamento eram da ordem de dezenas de
metros.

28
Figura 10 – Sistema de correção diferencial tipo SBAS ou via satélite com estações fixas distribuídas
pelo continente, uma central e um satélite de comunicação para distribuição do sinal.

Fonte: Molin, 2012.

A ativação do serviço se dá para um receptor exclusivamente, não sendo


permitida a sua multiplicação ou transferência sem o envolvimento do provedor, e há
um custo pelo serviço, que normalmente é vinculado a uma taxa anual ou, em alguns
casos, para períodos menores. Como a sua cobertura é geograficamente ampla, o
seu uso independe do local. No entanto, é um sistema que está sempre sujeito às
interferências decorrentes de mudanças nas cargas de elétrons na ionosfera por
necessitarem de comunicação a partir de satélites geoestacionários que transmitem
os dados corrigidos para os receptores GNSS. Alguns desses sinais pagos funcionam
em receptores de dupla frequência, com capacidade de repetir o posicionamento ao
longo dos anos e com incerteza na exatidão abaixo de 0,10 metro, podendo servir
para correção diferencial em sistemas de direção automática em tarefas que exigem
repetição exata de percursos, como tráfego controlado na cultura da cana-de-açúcar
e em semeadura direta de grãos.

29
Algoritmos internos de correção

A maioria dos receptores GPS de simples e de dupla frequência utilizam filtros


chamados de Kalman. O princípio desses filtros é usar conceitos estatísticos para
comparar uma medida atual com uma medida que foi previamente estimada. Durante
os cálculos, é realizada uma comparação estatística entre os valores novos
calculados e os previamente estimados. Essa solução chegou ao Brasil no início da
década de 2000 para uso nas barras de luzes. Eles reduzem o erro de paralelismo
entre as passadas e são normalmente referidos como algoritmos internos.

Esse tipo de correção não tem o status de uma correção diferencial por ser
uma solução interna ao receptor e, por isso, deve ser visto com ressalvas, só
atendendo às aplicações tipo barra de luzes e assemelhados. Nesse caso, as
passadas são continuamente paralelas e equidistantes, enquanto o software filtra os
desvios a esses percursos, resultando em paralelismo com elevada precisão. No
entanto, não se pode esperar que esses receptores ofereçam grandes ganhos em
exatidão. Aliás, é um bom exemplo da diferença entre exatidão e precisão.

As passadas de um pulverizador guiado por barra de luzes são precisas, com


erros de paralelismo médios entre passadas da ordem de 0,2 a 0,3 metro. Porém, não
é essa a exatidão que se pode esperar do receptor, por exemplo, na navegação em
campo para uma amostragem georreferenciada. A razão está na continuidade do
percurso e do “aprendizado” que o software interno desenvolve ao longo das
passadas, que é dependente do tempo, da ordem de 15 minutos; ou seja, passado
esse tempo ele não mais segue essa lógica e reduz sua precisão.

2.6 GNSS NAS MÁQUINAS AGRÍCOLAS

A agricultura e a indústria de máquinas agrícolas passaram a ter novas


perspectivas com o surgimento dos GNSS. Hoje, diversos produtos e soluções
associados à mecanização agrícola são lembrados sempre que se fala em AP. É o
caso dos sistemas guia e de direcionamento automatizado de veículos, dos

30
controladores de seções em pulverizadores e de linhas nas semeadoras, e da
comunicação via telemetria.

Fazem parte dessa lista dispositivos mais antigos, como os monitores de


semeadoras, conhecidos desde a década de 1980, embora ainda não sejam
intensamente adotados no Brasil. Recentes melhorias têm sido atribuídas à AP, como
a eliminação de excessos (sementes múltiplas) nos mecanismos dosadores das
semeadoras de precisão. No entanto, é importante lembrar que a AP se refere
essencialmente aos aspectos relativos à variabilidade espacial presente nas
lavouras. Assim, há quem denomine essa área de máquinas precisas, máquinas
inteligentes, etc. O fato é que as máquinas passam a ser cada vez mais precisas e
inteligentes com a adição de inovações, algumas delas associadas à AP, e os
usuários passam a dispor de máquinas e de sistemas melhores. Aliás, a AP, quando
praticada em escala, necessita dessas soluções, além daquelas mais óbvias, como
os sensores e o controle da aplicação de insumos em taxas variáveis.

Deve-se lembrar também que a robótica está cada vez mais próxima da
agricultura. Existem comunidades organizadas pelo mundo em torno desse tema há
muito tempo, mas na agricultura os desafios são relativamente recentes. É incerto
quanto, onde e até quando a robótica estará conectada à AP ou se terá a capacidade
de se sobrepor a esta. Por enquanto, a abordagem ainda pode ser feita de forma
conjunta e abrangente.

2.6.1 Sistemas de orientação tipo barra de luzes

A orientação com GNSS surgiu no início da década de 1990 na aviação


agrícola, direcionada para percursos retos. O piloto se guiava por uma sequência de
LEDs (luzes) enfileiradas num pequeno painel, o que passou a ser denominado de
barra de luzes. As luzes acendem na medida em que a aeronave se afasta do
alinhamento predeterminado, induzindo o piloto a reagir e manter o avião na rota.
Esse alinhamento é gerado pelo piloto na primeira passada, e as demais são sempre
paralelas à primeira e afastadas da distância equivalente à largura de uma faixa de
deposição, também definida pelo piloto antes do início da tarefa (Figura 11).

31
Figura 11 – O dispositivo denominado de barra de luzes com a fileira de LEDs, que acendem à medida
que o veículo se afasta do alinhamento de referência.

Fonte: Molin, 2012.

As primeiras barras de luzes em aviões agrícolas no Brasil são de 1995.


Naquela época, o sinal de GPS para uso civil continha a degradação da
disponibilidade seletiva e a exatidão oferecida era muito baixa, sendo necessário o
uso de alguma forma de correção diferencial. Os receptores utilizados na época eram
GPS da banda L1 e a correção disponível era com o uso de uma estação fixa e um
link de rádio entre este e o receptor do avião. Em 1997 surgiu a primeira solução de
correção diferencial via satélite em receptores L1, motivada exatamente pelo
despertar do mercado de barras de luzes.

Os benefícios das barras de luzes na aviação agrícola são incontestáveis. O


piloto era totalmente dependente dos dois operadores de bandeiras e somente
poderia voar em um segundo talhão, na mesma sequência, se neste houvesse outros
dois operadores de bandeiras.

Com o uso de barra de luzes, a operação pode iniciar mais cedo por não
depender do translado da equipe de terra até as cabeceiras da área. A barra de luzes
viabiliza o voo noturno, não permitido no Brasil, mas já praticado de forma usual em
outros países. Porém, a vantagem mais importante é a exatidão da aplicação. O piloto
treinado e adaptado a essa técnica faz aplicações com uniformidade
significativamente maior que quando guiado por bandeiras e ainda pode registrar o
que foi executado, servindo como um relatório da aplicação ao contratante.

32
As primeiras barras de luzes para aplicações terrestres eram comercializadas
para os pulverizadores autopropelidos e utilizadas apenas na demarcação da
primeira pulverização em uma lavoura já estabelecida, deixando marcados os rastros,
os quais os operadores seguiam nas demais aplicações. A repetição de percursos
com a barra de luzes é improvável, pois, mesmo que a qualidade do sinal GNSS
utilizado seja a melhor possível, o operador precisa reagir ao sinal das luzes e
reposicionar o veículo, o que exige reação e resolução que a barra de luzes não
oferece. Elas substituem os recursos de alinhamento como marcadores tipo balizas e
cabos de aço esticados entre dois tratores e, na operação de dessecação e
semelhantes, substituem de forma eficaz os marcadores de espuma.

Para configurar uma barra de luzes, o operador define a largura das passadas
e, numa segunda etapa, define um primeiro alinhamento que é resultante da
demarcação de um ponto no início (ponto A) e um segundo ponto (ponto B) no final do
primeiro percurso, o mais distante possível do primeiro ponto (Figura 12). Com isso,
são geradas infinitas retas paralelas à direita e à esquerda do primeiro percurso, e o
dispositivo guiará o operador para se manter sobre estas.

As barras de luzes evoluíram para outras formas de visualização com a


popularização das telas de cristal líquido e, posteriormente, das telas sensíveis ao
toque. Também no início da década de 2000 surgiram as soluções para percursos
curvos, o que exigia mais atenção dos operadores aos indicadores visuais. Assim, as
telas indicando percursos no formato de “estrada virtual” surgiram, facilitando ao
operador a visualização e a previsão para reagir e esterçar corretamente o veículo.
Mesmo assim, os fabricantes tendem a manter o indicador tipo barras de luzes na
parte superior ou inferior da tela para aqueles usuários que preferem esse tipo de
indicador visual.

33
Figura 12 – Definição de um primeiro percurso reto com base na demarcação dos pontos A e B. Os
demais são então gerados automaticamente e o operador os segue.

Fonte: Folheto Raven.

Ao escolher um produto tipo barra de luzes, o usuário deve lembrar que a


antena GNSS estará instalada na parte superior do veículo, o que, em terreno
inclinado, gera um desvio na projeção vertical do alinhamento da antena e, portanto,
em relação ao centro do veículo (Figura 13). Nem todos os produtos de mercado
apresentam recurso para essa compensação, que é dada por algum recurso de
inclinômetro ou giroscópio diretamente na antena do receptor ou instalado em uma
superfície rígida do veículo.

Figura 13 – Em terrenos inclinados, com percurso perpendicular à inclinação, a projeção da linha de


percurso é deslocada do centro do veículo, o que necessitará de compensação automática.

Fonte: Molin, 2012.

34
O mercado de barras de luzes teve grande impulso quando surgiram as
soluções de algoritmos internos de filtragem de erros de paralelismo nos receptores
GNSS. Estes, por apresentarem precisão entre passadas compatível com as
necessidades das aplicações e por representarem um custo menor em comparação
aos GNSS com correção diferencial, passaram a ser largamente adotados. Já as
correções de sinal via satélite ou mesmo RTK em receptores para barras de luzes em
aplicações terrestres não significa muita melhoria no paralelismo (Figura 14).

Figura 14 – Erros de paralelismo em barra de luzes obtidos utilizando correção diferencial via satélite e
algoritmo interno de filtragem de erros.

Fonte: Molin et al, 2011.

A razão para a limitada qualidade de paralelismo está na reação do operador


aos erros mostrados pelo indicador visual da barra de luzes ou equivalente. Além
disso, ainda há a resolução ou sensibilidade do sistema, que é definida pelo espaço
mínimo de desalinhamento transversal representado por um novo LED aceso ou
apagado na barra de luzes. Dessa forma, considera-se que a barra de luzes atingiu o
seu limite e a forma de reduzir os erros de paralelismo é por meio de automação e
com a ajuda de atuadores que assumem o comando do esterçamento do veículo.

2.6.2 Os sistemas de direção automática

Os sistemas de direção automática, também conhecidos como piloto


automático para veículos agrícolas, são a evolução das barras de luzes. Basta o
operador criar uma linha referência definindo o espaçamento entre as passadas que o
software do equipamento replica infinitas passadas à direita e à esquerda da linha

35
referência. O posicionamento do veículo é corrigido automaticamente por atuadores
no volante ou diretamente no seu rodado. As manobras de cabeceira, no entanto, são
feitas manualmente, bastando o operador retomar o controle.

Os primeiros produtos comerciais, no início da década de 2000, foram de


controle eletro-hidráulico no sistema de direção do veículo. O sinal, proveniente de
um computador que integra vários outros sinais, é emitido diretamente às válvulas da
direção hidráulica do veículo, que esterça automaticamente. Os componentes de um
sistema de direção automática de controle eletro-hidráulico são, basicamente: o
computador; um receptor GNSS; um sensor de angulação do esterçamento (no
rodado esterçante); um sensor inercial, que notifica oscilações e também faz a
compensação da inclinação vertical, já abordada nas barras de luzes; e um atuador
eletro-hidráulico da direção (Figura 15).

Figura 15 – Componentes de um sistema de direção automática de controle eletro-hidráulico.

Receptor GNSS
Computador

Válvula
eletro-hidráulica Sensor inercial

Sensor de ângulo
de esterçamento

Fonte: Molin, 2012.

Em meados da mesma década, surgiram soluções mais simples, como o uso


de atuadores elétricos diretamente no volante ou na coluna de direção do veículo.
Esses, embora mais simples e mais baratos, não apresentam a mesma exatidão. O
atuador elétrico tem limitações quanto à resolução oferecida, exige maior tempo de
resposta e incorpora as possíveis folgas existentes no volante do veículo (Figura 16).

36
Figura 16 – Sistema de direção automática com atuador tipo motor elétrico com roda de atrito
(esquerda) ou centrado na coluna da direção do veículo (direita).

Fonte: Molin, 2012.

O receptor GNSS é outro componente de grande importância no


estabelecimento da qualidade do sistema e do seu valor de aquisição. Normalmente é
de se esperar uma combinação de atuadores eletro-hidráulicos com receptores
GNSS de maior exatidão. Nesse caso, os receptores são, via de regra, GNSS (GPS
L1/L2 + GLONASS) com correção diferencial RTK ou com correção diferencial via
satélite para dupla frequência. Os sistemas com atuadores de volante são mais
comumente oferecidos com receptores GNSS ou apenas GPS L1 e, nesse caso, com
correção via satélite para frequência simples ou mesmo com algoritmos internos de
filtragem de erros de paralelismo, como nas barras de luzes.

Há vários fatores responsáveis pela recente adoção dos sistemas de direção


automática. Um sistema de direção automática num veículo agrícola permite
paralelismo entre passadas em operações agrícolas, com qualidade dificilmente
obtida até então. Assim, permite a redução da superfície de solo compactada e a
diminuição de danos às plantas (ou soqueiras, no caso da cana-de-açúcar) com a
prática do controle de tráfego. Por ser uma solução que desvencilha o operador da
responsabilidade de acertar o percurso, reduz a sua fadiga e permite velocidades
operacionais maiores. Também é importante o fato de que permite a operação com e

37
sem visibilidade, possibilitando operações diurnas e noturnas com a mesma
qualidade de percurso. À medida que o sistema gera as passadas virtuais paralelas e
equidistantes entre si, cada uma será única, o que permite a operação com mais de
um conjunto mecanizado na mesma área, ao mesmo tempo, e cada um iniciando em
qualquer ponto da lavoura, bastando que sejam programados os percursos de cada
um. Dessa forma, dependendo da configuração da máquina ou do conjunto
mecanizado e da operação que está executando, o uso de sistema de direção
automática poderá otimizar o raio de manobras já que as saídas e as consequentes
reentradas no talhão podem ser definidas pelo mínimo tempo de manobra, não
obrigatoriamente na próxima passada adjacente. Todos esses aspectos resultam em
aumento do rendimento operacional.

É importante destacar que o modo de utilização de sistemas de direção


automática pode ser por repetição de passadas paralelas às anteriores, como com as
barras de luzes. Porém, com a implementação de computadores de bordo mais
potentes, os sistemas passaram a permitir percursos ou programados ou copiados de
operações anteriores. Com os percursos guiados pela direção automática e sendo
gravados no seu computador, esses poderão ser reproduzidos indefinidamente. Isso
permite a integração das operações automatizadas sob uma mesma base de dados.
Como exemplo, o plantio da cana-de-açúcar tem seus percursos gravados, que serão
posteriormente utilizados, não apenas pela colhedora, mas pelo trator de transbordo
e pelos equipamentos responsáveis pelos tratos culturais. Da mesma forma, na
semeadura direta de grãos, a adubação com incorporação de fertilizante,
especialmente com fontes de fósforo, que é pouco móvel no solo, pode ser feita em
uma época de pouca demanda de atividades. Então, a semeadura pode ser realizada
utilizando-se o arquivo dos percursos da adubação, com a garantia de que as
sementes estarão próximas do fertilizante.

ATENÇÃO
Para que os benefícios da tecnologia disponível sejam atingidos, a exatidão do sinal
GNSS precisa ser compatível com a necessidade. Nesse caso, deve haver o
julgamento para a correta escolha do sinal em cada aplicação, de forma que a
exatidão necessária seja atendida. Lembrando que as melhores combinações
atualmente possíveis envolvem sistema de direção automática de controle

38
eletro-hidráulico e sinal GNSS com correção RTK. Alguns fornecedores desses
sistemas apresentam especificações com exatidão média da ordem de 0,02 metro.
Porém, existem outras combinações com exatidão abaixo de 0,10 metro, envolvendo
sinal GNSS com correção via satélite.

2.6.3 Controle de tráfego com o auxílio de sistemas de direção automática

Com o uso de sistemas de direção automática, é possível o planejamento


antecipado dos percursos. Assim, é possível definir previamente como uma máquina
vai se locomover sobre um talhão específico, levando-a a reduzir impactos
relacionados à sua operação, como o efeito econômico do tempo improdutivo
(manobras e abastecimentos) e da sobreposição de áreas com insumos aplicados, ou
ainda a menor área compactada de solo pela passagem dos seus rodados. Hoje, é
comum esse planejamento ser realizado com o auxílio de softwares de desenho ou
SIG, porém ainda com pouca interação entre aspectos de relevo e de rendimento das
operações mecanizadas.

É evidente que o planejamento de percursos retos otimizados é menos


desafiador do que percursos curvos em terrenos inclinados. Geralmente, operações
agrícolas são mais eficientes em percursos retilíneos do que em percursos curvos,
especialmente quando os terraços não são transponíveis pelas máquinas. Uma
tendência é de que, em partes mais suaves do talhão, se estabeleçam terraços mais
paralelos aos percursos para reduzir o impacto destes na eficiência operacional de
máquinas por evitar trajetos ou fileiras mortas (aquelas limitadas por outras).

Por se tratar de uma cultura semiperene, a cana-de-açúcar tem os sistemas de


direção automática como potenciais aliados. O plantio ocorre a cada cinco anos, em
média, e consiste em uma operação fundamental, pois erros durante a demarcação
das fileiras de plantio e na manutenção do paralelismo entre estas podem causar
discrepância no espaçamento desejado, podendo gerar dificuldades e prejuízo ao
longo de vários anos, enquanto durarem os ciclos de colheita.

O paralelismo inadequado entre as fileiras pode acarretar em desperdício da


área útil que poderia ser cultivada com cana, no caso de espaçamentos maiores do
39
que o planejado. Em especial, pode causar danos às soqueiras em função do tráfego
indesejado sobre estas. Um recente estudo mostra que os danos são maiores em
solos mais argilosos, aumentando a compactação do solo sobre as soqueiras e
afetando a altura das plantas e a sua produtividade (PAULA; MOLIN, 2013). Nesse
caso, o controle de tráfego permite o intenso tráfego, característico da colheita
mecanizada da cana, mas sem afetar a cultura.

Outro estudo, voltado à colheita mecanizada da cana-de-açúcar, mostrou que


o uso de sistema de direção automática, testado durante o dia e a noite, em lavoura
de área plana e percursos retos, apresentou erros de desalinhamento
significativamente menores apenas à noite, quando comparado com direcionamento
manual (BAIO, 2012). Entretanto, as perdas de cana e a eficiência operacional não
foram afetadas pelo seu uso ou não.

Em lavouras anuais e sob condições ótimas, com controle de tráfego é


possível atingir áreas de tráfego inferiores a 15% da superfície das lavouras. Isso
representa uma área maximizada sem zonas de adensamento do solo pelos rodados
e que repercutem em vários benefícios para a cultura. A área restante pode ser
mantida como faixas compactadas (rastros permanentes) e que também oferecem
vantagens, nesse caso para a melhor tração e deslocamento dos rodados.

ATENÇÃO
Para a implementação do controle de tráfego, são necessários no mínimo três
requisitos. As máquinas e as suas operações devem ter a mesma largura ou, quando
não for possível, múltiplos desta, de modo que as passadas adjacentes estejam
sempre nos mesmos lugares em todas as máquinas que trabalham no campo. As
distâncias entre os centros dos rodados de todas as máquinas devem coincidir,
possibilitando que as máquinas passem exatamente no mesmo lugar, ano após ano.
Nesse caso, a colhedora define as bitolas dos rodados das demais máquinas, o que
gera problemas relacionados à trafegabilidade entre talhões e em estradas.

2.6.4 Direção automática nos implementos

40
O trator foi o primeiro veículo a ter sistemas de direção automática no meio
agrícola. No entanto, ele existe para tracionar e acionar as máquinas e implementos
que irão executar as operações, normalmente acoplados ao seu engate de três
pontos ou pela sua barra de tração. O percurso definido pelo sistema de direção
automática, portanto, será obedecido pelo rodado dianteiro do trator, o que não é
obrigatoriamente o percurso da operação.

Na semeadura, por exemplo, se a semeadora de arrasto tiver algum


desalinhamento, causado por um sulcador diferente dos demais, poderá desalinhar
seu centro em relação à linha central do trator. O mesmo pode ocorrer com uma
plantadora de cana ou qualquer outra máquina rebocada. Esse fato é menos
impactante em máquinas e implementos acoplados ao engate de três pontos do
trator, pois ambos formam um conjunto relativamente rígido. Porém, se a operação
ocorre em terreno lateralmente inclinado, o empuxo lateral causará deslocamento e o
consequente desalinhamento. Nas duas situações, esse problema é sempre mais
marcante nas máquinas e implementos rebocados. Existem soluções para esse tipo
de problema, os quais podem ser divididos em dois sistemas, chamados de ativos e
passivos.

Aqueles que possuem algum tipo de atuador na máquina ou implemento, ou na


interface entre o trator e este, são chamados de sistemas ativos. No caso de
acoplamento pelo engate de três pontos, são utilizados atuadores hidráulicos que
deslocam a máquina ou implemento transversalmente na traseira do trator. A outra
forma de atuadores são elementos de ancoragem ao solo acoplados à máquina ou
implemento. O exemplo mais comum é composto por um ou mais discos lisos,
semelhantes aos discos de corte, porém de maior diâmetro, que inseridos no solo
podem direcionar o implemento ou máquina, bastando para isso um atuador
eletro-hidráulico de esterçamento do conjunto. No caso de acoplamento pela barra de
tração, um atuador tipo cilindro hidráulico desloca a máquina ou implemento
lateralmente, fazendo com que a sua linha central coincida com aquela do trator. Se
for uma máquina sobre rodado, outra solução é que este tenha esterçamento próprio.
Entretanto, em todas essas soluções, para que ambos tenham a mesma referência
de posição, eles também precisarão ter uma antena de GNSS e o sistema atuará
sempre alinhando esta com aquela do trator. Nos sistemas passivos, ocorre a
41
compensação da posição da máquina ou implemento de arrasto de forma que este
siga o alinhamento desejado, mesmo que o trator não cumpra o mesmo alinhamento.
O trator irá percorrer um percurso calculado para eliminar a tendência natural da
máquina ou implemento de cortar curvas durante as operações ou de se deslocar
continuamente na direção do declive. Na sua configuração, é definida a geometria do
conjunto e, assim, nem sempre é necessária uma segunda antena de GNSS, porém
não permite obedecer aos preceitos do controle de tráfego, pois o trator não segue
rigorosamente os rastros. Na Figura 17, são representados exemplos dos dois
sistemas.

Figura 17 – Sistema de direção automática passivo (a) e ativo no cabeçalho da semeadora (b).

a b
Fonte: Molin, 2012.

2.6.5 Recursos de automação nas máquinas

Os dispositivos controladores de aplicação de insumos em taxas variáveis são


tratados à parte, pela importância que representam ao conceito de AP. Mas há uma
série de outras funções que têm sido agregadas às máquinas e que auxiliam em
muito o operador. Também há itens mais vinculados aos aspectos da gestão, da

42
operação, da máquina, da frota, e que coincidem com o surgimento da AP e, por isso,
são a ela associados.
A eletrônica embarcada teve grandes avanços nos últimos 20 anos, focada
nas soluções de automação de comandos que antes eram manuais e que foram
simplificados e transformados em botões que comandam atuadores. O trator agrícola
moderno apresenta uma quantidade expressiva desses comandos, desde a
substituição das alavancas de controle remoto, comando de bloqueio de diferencial,
acionamento da TDP e tantos outros. As máquinas, cujos comandos já foram
puramente mecânicos, receberam grandes avanços ao incorporar os comandos e
acionamentos hidráulicos. Esses, por sua vez, receberam o aporte de tecnologias da
interface entre a hidráulica e a elétrica e se popularizaram os atuadores
eletro-hidráulicos com comando por simples botões ou toques.

A automação de funções das máquinas dentro do contexto da AP tem sido


oferecida aos usuários em módulos. O primeiro deles foi o controlador de taxas
variáveis, seguido pelo sinalizador guia tipo barra de luzes, os sistemas de direção
automática e os controladores de seções. Esses últimos representam uma solução
para a melhoria da baixa eficiência nas aplicações de produtos fitossanitários, pois
podem reduzir significativamente a sobreposição, poupando produtos fitossanitários
(e consequentemente o risco de fitotoxidade), combustível e o tempo durante o
processo de aplicação, resultando em maior rendimento operacional, menor impacto
ambiental e também menos falhas entre as passadas. Além disso, ajudam a reduzir
os esforços mentais do operador, diminuindo sua fadiga e aumentando seu
rendimento e qualidade de trabalho. Eles podem atuar controlando a válvula de cada
seção ou podem atuar individualmente na válvula de cada ponta de pulverização e,
quanto maior esse detalhamento, maior será o impacto da área controlada. O mesmo
conceito tem sido usado nas semeadoras, que passam a ter a opção de ligar e
desligar o acionamento dos mecanismos dosadores de cada linha, individualmente.
Isso só foi possível com a substituição dos acionamentos que eram feitos por rodas
de terra e que passaram a ser feitos por motores hidráulicos ou elétricos (Figura 18).

43
Figura 18 – Sistemas que controlam automaticamente as seções e a pulverização, em diferentes
resoluções e consequentemente, em áreas envolvidas.

Fonte: Folder Jacto.

A eletrônica embarcada passa a ser não apenas um auxílio complementar nas


máquinas, mas sim um componente e traz consigo novos desafios e o maior deles é o
da necessidade de padronização. Essa necessidade é menos evidente quando se
trata de veículos autopropelidos. No entanto, na interface entre um trator e uma
máquina por ele tracionada e acionada, essa necessidade de padronização tende a
ser algo óbvio aos olhos do usuário, da mesma forma que foi a padronização das
dimensões do acoplamento da TDP, do engate de três pontos dos tratores, máquinas
e implementos e de conexões hidráulicas. A norma ISO 11783, também conhecida
como ISOBUS, tem o propósito de ser o padrão para essa comunicação de dados
entre o trator e a máquina ou implemento. No Brasil, essa norma está sendo
gradativamente adotada pela Associação Brasileira de Normas Técnicas (ABNT), que
é a entidade privada de normatização brasileira.

44
3 MONITORAMENTO DA VARIABILIDADE DAS CULTURAS

3.1 O PONTO DE PARTIDA

De forma simplificada, a AP pode ser definida como uma forma de se fazer


agricultura em que a variabilidade dos cultivos é levada em consideração para a
realização eficiente das intervenções localizadas. Nesse sentido, muitos profissionais
(pesquisadores e praticantes) têm apontado que a identificação da variabilidade
espacial das lavouras deve ser iniciada com a análise do desenvolvimento das
plantas cultivadas, pois essa informação integra o resultado dos diferentes fatores de
produção (solo, pragas, manejo, etc.). O principal modo de visualizar e avaliar o efeito
do manejo e das diversas variáveis no desenvolvimento espacializado da cultura é a
partir do mapeamento da produtividade.

Antigamente, quando os agricultores realizavam a colheita manual de


pequenas áreas agrícolas, eles tinham conhecimento da variabilidade existente em
suas lavouras, podendo indicar com facilidade as regiões com produtividades
contrastantes. Entretanto, após a revolução verde nos anos 1960 e 1970, extensas
áreas passaram a ser cultivadas, o que inviabilizou esse detalhamento.

Para suprir essa demanda que ganhou força com os primeiros conceitos de
AP, no final dos anos 1980, surgiram as primeiras tentativas de se medir o fluxo de
grãos em colhedoras de cereais para fins de estimativa da produtividade. Esse
equipamento, integrado a um receptor GNSS, possibilitou espacializar a
produtividade obtida em cada ponto da lavoura, o que hoje é a informação
fundamental dos mapas de produtividade. O conhecimento detalhado do
comportamento da lavoura com base nesses dados é considerado por muitos como
informação essencial de um sistema de gestão voltado para AP. A partir do
monitoramento da produtividade, a qual representa a resposta da cultura ao manejo
agrícola, pode-se investigar as causas dessa variabilidade. Com isso, torna-se
possível adotar a forma de gestão localizada que melhor se adapte às diferentes
situações.

45
De forma alternativa aos monitores de produtividade, outras fontes de dados
têm sido estudadas. Nesse sentido, o sensoriamento remoto por meio de diferentes
equipamentos merece destaque. Essa é uma área que vem ganhando força nos
últimos anos e hoje dispõe de vasta gama de ferramentas e produtos, as quais
possibilitam a identificação da variabilidade no desenvolvimento da cultura ao longo
da lavoura. Entre eles, pode-se citar as imagens de satélites, as fotografias aéreas,
obtidas principalmente por veículos aéreos não tripulados (VANTs), e os sensores de
reflectância do dossel embarcado em veículos agrícolas.

3.2 MONITORAMENTO DA PRODUTIVIDADE

O termo “produtividade” expressa a capacidade de produzir e, no âmbito


agrícola, é entendida como a quantidade produzida de um produto cultivado por
unidade de área. Daí advém a nomenclatura mapa de produtividade, do inglês yield
map (adotado na presente apostila), embora essa nomenclatura não seja consenso
em nível nacional.

De forma geral, qualquer tipo de atividade agrícola visa à obtenção de altas


produtividades com o menor custo possível, sempre focando num melhor retorno
econômico da atividade agrícola. Nesse contexto, a estimativa da quantidade média
que uma lavoura produz já não é suficiente quando se pensa em AP, uma vez que a
ideia principal é a gestão localizada da produção. Logo, o mapeamento da
produtividade passa a ser informação essencial para essa finalidade.

Entretanto, ainda há pouca adoção real dos mapas de produtividade. Muitos


agricultores possuem os equipamentos, alguns até coletam dados, mas a grande
maioria não utiliza os dados obtidos. Isso é causado pela falta de conhecimento e
critério técnico para análise dos dados e a transformação em uma informação útil ao
gerenciamento.

Dessa forma, é necessário que o usuário entenda as utilidades do


mapeamento de produtividade, para só então se dedicar à obtenção de dados com
qualidade. Como já mencionado, os mapas de produtividade mostram a resposta real
da cultura ao manejo, o que pode auxiliar na visualização da variabilidade e
46
identificação de fatores limitantes à produção, possibilitando seu tratamento de forma
localizada, a qual é o objetivo principal da AP.

Vários podem ser os fatores associados a regiões que apresentam baixa


produtividade (Figura 19). Por meio da investigação guiada pelo mapa de
produtividade, pode ser identificado que há problemas de fertilidade, ataque de
pragas/doenças, infestação por plantas daninhas, má drenagem, compactação do
solo, entre tantas outras causas. No entanto, muitas vezes as variações na
produtividade dentro de um talhão são intrínsecas da área cultivada, causadas por
fatores não manejáveis ou então, de difícil alteração pelo manejo. Exemplo disso é a
existência de diferentes tipos de solo e relevo. Sabendo disso, o agricultor pode optar
por tratar de forma diferenciada essas áreas, ou seja, basear as estratégias de gestão
assumindo as desuniformidades existentes na lavoura, o qual é o preceito das
unidades de gestão diferenciada (UGDs). Dessa maneira, é possível utilizar padrões
de adubações e de preparo do solo diferenciados, utilização de diferentes cultivares,
entre varias outras ações direcionadas conforme o potencial produtivo de cada região
da lavoura.

47
Figura 19 – Mapa de produtividade de milho, mostrando diferentes causadores da variabilidade.

Fonte: Molin, 2012.

Ainda, as informações contidas nos mapas de produtividade podem permitir o


ajuste da dose de fertilizantes aplicados em taxa variável. Esses mapas podem guiar
a aplicação de fertilizantes baseados na exportação de nutrientes pela colheita
anterior ou, ainda, permitir um refinamento das recomendações, uma vez que a
maioria dos métodos de recomendação levam em conta a produtividade esperada e a
disponibilidade dos nutrientes no solo.

Outra vertente com objetivos semelhantes é não só o mapeamento da


produtividade, mas da qualidade do produto. Um exemplo clássico e que já vem
sendo adotado especialmente na Europa é o pagamento do trigo de acordo com o
teor de proteína nos grãos. Logo, práticas agrícolas vêm sendo avaliadas para
aumentar o teor de proteína nos grãos e, paralelamente, equipamentos vêm sendo
demandados para mensurar esse parâmetro de forma espacializada. Estudos nessa
mesma linha vêm surgindo para diversas culturas, como cana-de-açúcar, milho,
citros, café, etc.

48
Dessa forma, fica clara a importância do mapeamento da produtividade,
geralmente realizada com o uso de monitores de produtividade. Entretanto, para se
obter informações confiáveis com esse tipo de equipamento é preciso entender os
mecanismos envolvidos, os componentes do sistema, as fontes de erros e o
tratamento de dados necessário.

É importante lembrar que existem outros métodos menos sofisticados de se


monitorar a produtividade. A simples pesagem e totalização da produção por talhão
ou por alguma demarcação física, como a área entre dois terraços, é útil para se
identificar certa variabilidade das lavouras. Outra forma que permite maior
detalhamento que a anterior é a pesagem por tanque graneleiro da colhedora. Com
algum acompanhamento e estimativa da área colhida, é possível se obter uma boa
ideia da variabilidade da lavoura, ao menos entre as faixas colhidas.

3.2.1 Monitores de produtividade para grãos

Os monitores de colheita de grãos estão disponíveis no mercado desde 1991.


No início da década de 2000, alguns modelos de colhedoras brasileiras já eram
comercializados com esses dispositivos instalados pelas próprias montadoras e a
quantidade de modelos de máquinas com essa opção tem crescido. Mesmo assim,
ainda existe o mercado de monitores genéricos, os quais podem ser instalados em
qualquer marca e modelo de colhedora.

As culturas de grãos tiveram considerável esforço por parte da pesquisa e da


indústria para o desenvolvimento de sensores de fluxo de grãos para utilização em
monitores de colheita e foram as pioneiras a terem esse equipamento disponível para
o agricultor. O fato de ter havido maior desenvolvimento na área de monitoramento de
grãos em detrimento de outras culturas se deve às extensas áreas de grãos em todo
o mundo e sua consequente importância econômica, além do fato das máquinas
envolvidas na colheita de cereais acompanharem certo padrão básico de
conformação, o que facilita a generalização de algumas soluções.

O monitor de produtividade de grãos compreende uma série de sensores e


dispositivos que trabalham em conjunto para a geração de dados espacializados da
49
quantidade de produto colhido (Figura 20). O componente principal desse sistema é o
sensor de fluxo de grãos, que é auxiliado por outros dispositivos, como o sensor de
umidade, de inclinação da máquina, de levante de plataforma, entre outros. O
funcionamento em conjunto desses componentes permite que seja estimada a
quantidade de produto colhido por unidade de área.

Figura 20 – Componentes básicos de um monitor de produtividade de grãos.

Fonte: Adaptado de Universidade do Kentucky.

Um mapa de produtividade obtido por monitor é, em sua forma bruta, um mapa


de pontos (Figura 21). Cada ponto representa a quantidade do produto colhido dentro
de uma área com dimensões e localização conhecidas (Figura 22). A posição de cada
ponto de produtividade é obtida por meio de um receptor GNSS, o que permite
identificar o posicionamento correto e instantâneo da máquina dentro da lavoura,
fornecendo a sua latitude e longitude. Em seguida, a área que cada ponto representa
é definida em função da velocidade de deslocamento da colhedora, do tempo de
coleta de cada ponto (geralmente entre 1 e 3 segundos) e da largura da plataforma.

50
Figura 21 – Mapa mostrando os pontos de produtividade de milho safrinha.

Fonte: Molin, 2012.

Para se conhecer qual a quantidade colhida de um produto, é necessário um


sensor que faça essa mensuração, o qual pode ser classificado como gravimétrico ou
como volumétrico. O local de instalação desse sensor varia conforme o produto
colhido, a colhedora utilizada e o equipamento escolhido, mas é geralmente
posicionado na parte superior do elevador de grãos limpos. Ainda, para possibilitar
um melhor entendimento da variabilidade na produtividade, a produtividade bruta
obtida pelo sensor de fluxo é convertida para a forma como o produto é
comercializado. Para isso, é instalado um sensor de umidade de grãos, o que
possibilita estimar a produtividade na forma de grãos secos.

51
Figura 22 – Forma de determinação da área colhida que representa um ponto de produtividade.

Fonte: Molin, 2012.

Sensores gravimétricos

Os sensores gravimétricos se caracterizam por mensurar indiretamente a


massa de grãos que está sendo colhida, sendo que hoje o sistema mais amplamente
difundido é denominado “placa de impacto”. Esse sensor é instalado na parte superior
do elevador de grãos limpos da colhedora e mede a força centrífuga provocada nos
grãos pelo elevador de grãos, o qual gera um impacto proporcional à massa de grãos
(Figura 23). Para medir essa força existem dois princípios comercialmente em uso: a
célula de carga e o potenciômetro. O primeiro sistema mensura a força exercida
diretamente sobre a placa de impacto (deformação), enquanto o segundo mede o
deslocamento da placa de impacto causado pela força exercida pelos grãos colhidos.
Assim, quanto maior a deformação ou o deslocamento, maior a massa de grãos que
está sendo colhida.

Esse sistema por placa de impacto é sensível à velocidade do elevador de


grãos limpos, uma vez que quanto maior a velocidade, maior é a força com que os
grãos são impulsionados. Dessa forma, os monitores de produtividade de grãos
contam com um sensor auxiliar para monitorar a rotação de uma das rodas dentadas
da corrente do elevador, estimando assim sua velocidade.

52
Figura 23 – Dois exemplos de sistemas de mensuração de fluxo de grãos por placa de impacto.

Fonte: Universidade Estadual de Virgínia.

Outro fator que prejudica as mensurações realizadas por meio de placa de


impacto é o acúmulo de resíduos na placa. O exemplo mais clássico desse problema
é o acúmulo de óleo durante a colheita de soja, o que ocasiona grande retenção de
resíduos, como solo, poeira, resíduos de palha, etc. Esse fator afeta a exatidão do
equipamento na medida em que o acúmulo de material aderido aumenta. Os
fabricantes de monitores de produtividade têm trabalhado na obtenção de
equipamentos que reduzam esse acúmulo de resíduos e algumas soluções estão
disponíveis no mercado.

Sensores volumétricos

Os sensores de produtividade do tipo volumétrico estimam a quantidade de


grãos com base na medição do volume de grãos que está sendo colhido. A
produtividade é estimada mediante avaliação da densidade de grãos executada
manualmente pelos usuários com certa frequência ao longo da colheita, cerca de
cinco a seis vezes por dia. Os sensores volumétricos normalmente utilizados no
mercado funcionam a partir de um facho de luz, o qual mede o volume de grãos nas
taliscas do elevador da colhedora. Para isso é utilizado um emissor e um receptor de
luz, cujo facho é cortado sempre que passarem as taliscas vazias ou com os grãos
colhidos. As taliscas vazias representam o elevador sem grãos e correspondem à tara
53
do sistema. O princípio básico desse sistema é medir o tempo de corte do facho de luz
pela massa de grãos, proporcional à altura de grãos sobre as taliscas com dimensões
e velocidade conhecidas.

O facho de luz é posicionado transversalmente no elevador e a forma com que


os grãos se acomodam sobre as taliscas depende da inclinação lateral da colhedora.
Logo, com o aumento no ângulo de inclinação da máquina, há uma acomodação
lateral dos grãos sobre as taliscas, a qual gera um corte de luz maior e que precisa ser
ajustado (Figura 24). Dessa forma, o equipamento dispõe de um sensor de inclinação
que mede o ângulo de inclinação da máquina.

Figura 24 – Sensor de produtividade por facho de luz (a) e ocorrência da inclinação da máquina na
alteração do volume medido dos grãos (b).

(a) (b)
Fonte: Molin, 2012.

Sensor de umidade de grãos

Os sensores de umidade dos monitores de produtividade utilizam o princípio


da capacitância, da mesma forma que muitos dos determinadores de umidade
disponíveis em unidades recebedoras de grãos e laboratórios. No início da utilização
de monitores de produtividade, os equipamentos utilizavam um sensor instalado após
a saída do elevador, no caracol espalhador que fica dentro do tanque graneleiro da
máquina, o que causava erros de leitura provocados por pequenas impurezas,

54
normalmente mais úmidas, acumuladas sobre o sensor. Atualmente, o sensor é
instalado em algum ponto do elevador de grãos limpos. Os sensores que medem a
umidade continuamente requerem a abertura de um desvio no elevador, para que
uma pequena porção da massa de grãos passe pelo sensor. Há também os sensores
que medem a umidade dos grãos de forma intermitente, também no elevador, e nesse
caso há um mecanismo que coleta uma amostra, aguarda a leitura da sua umidade e
a ejeta, repetidamente.

Como os dados da umidade dos grãos também são registrados no arquivo de


saída do monitor de produtividade é possível mapear a umidade dos grãos na
lavoura, identificando a variabilidade desse fator (Figura 25). Essa informação pode
indicar a maturação desuniforme dos grãos ao longo de uma mesma lavoura, o que
possibilita direcionar a colheita e, ao mesmo tempo, representa mais uma informação
que expressa a variabilidade espacial existente na lavoura.

Figura 25 – Mapa de umidade de grãos de milho obtido pelo sensor de umidade.

Fonte: Molin, 2012.

55
Componentes adicionais

Como a área que representa um ponto de produtividade depende da


frequência de coleta do receptor GNSS utilizado, é necessário saber a velocidade de
deslocamento da colhedora. Para isso, pode ser necessária a instalação de um
sensor de velocidade, principalmente para os equipamentos de fabricantes
independentes (genéricos) e para colhedoras que ainda não têm o sinal de
velocidade oriundo do GNSS integrado ao sistema. Há também um sensor de contato
instalado na plataforma da colhedora de grãos, que ativa a coleta de dados quando a
plataforma é abaixada e, portanto, está em operação, desligando-a sempre que o
operador suspender a plataforma para manobras de cabeceira, desvios,
deslocamentos sem corte, etc.

Os modelos de colhedoras que dispõem de monitor de produtividade originais


de fábrica normalmente possuem algum sistema central com a função de computador
de bordo e que serve para monitorar as funções da máquina e processar os dados de
colheita. Aqueles que são comercializados como genéricos dispõem de um
computador dedicado à parte e que, quando instalado em outras máquinas, permite a
gestão de variadas atividades, como a aplicação de insumos em taxas variáveis, o
uso de sistema guia tipo barra de luzes e sistema de direção automática, o controle de
pulverização e das secções do pulverizador, entre outras funções.

Os dados coletados pelos diferentes componentes do monitor de produtividade


e pelo receptor GNSS são processados para gerar o dado de produtividade. Esses
dados são armazenados em algum dispositivo de memória instalado no computador
de bordo (monitor), normalmente memória interna com interface para cartão de
memória ou pen-drive (Figura 26).

56
Figura 26 – Dados do monitor de produtividade.
Long Lat ID Distância Elevação Plataforma Colhido Umidade Massa seca Produto
-48.1740 -21.5575 1 1.452 930.74 717.80 11.230 22.50 8.703 DKB245
-48.1738 -21.5644 2 1.422 930.64 717.80 11.128 23.60 8.502 DKB245
-48.1845 -21.5645 3 1.422 930.54 717.80 9.263 24.90 6.957 DKB245
-48.1786 -21.5649 4 1.422 930.54 717.80 9.425 23.00 7.257 DKB245
-48.1845 -21.5645 5 1.382 930.44 717.80 10.004 25.60 7.443 DKB245
-48.1794 -21.5652 6 1.492 930.34 717.80 9.993 22.00 7.795 DKB245
-48.1794 -21.5652 7 1.402 930.24 717.80 8.989 31.20 6.184 DKB245
Fonte: Molin, 2012.

3.2.2 Monitores de produtividade para outras culturas

Embora em grãos a técnica de mapeamento da produtividade por meio de


monitores comerciais já esteja consolidada, algumas culturas carecem de um
equipamento robusto e eficaz para essa mesma finalidade. Entretanto, vários
avanços foram feitos nos últimos anos, fazendo com que fossem lançados no
mercado monitores para algumas culturas de grande interesse econômico, como
algodão, amendoim, café, cana-de-açúcar e citros. Ainda, embora não haja monitores
de produtividade para culturas com sistema de colheita mais complexo, alguns
métodos vêm sendo propostos para mapear a produção.

Nesse sentido, uma técnica que tem aplicação ampla e pode ser adaptada a
diversas culturas e situações é a da pesagem contínua. Uma carreta ou caçamba
apoiada em células de carga permite o monitoramento da produtividade de diferentes
culturas, dependendo apenas de alguns ajustes operacionais. Com adaptações
desse princípio, mapas de produtividade foram gerados para feno, batata, beterraba
açucareira, tomate industrial e legumes.

Algodão e amendoim

Monitores de produtividade para algodão e amendoim já são comercializados


e, principalmente para o primeiro, já está disponível no mercado brasileiro. O sistema
desenvolvido para algodão utiliza o princípio do facho de luz, possuindo um receptor
de luz instalado no lado oposto ao emissor no duto pneumático da colhedora (Figura

57
27). Quanto maior a barreira exercida pelas fibras de algodão para a luz
transpassá-las e atingir o receptor, maior é a quantidade de fibras colhida. Sistema
semelhante já está recentemente disponível para monitorar a produtividade de
amendoim em colhedoras que usam transporte pneumático das vagens.

Ainda para algodão há também um sistema com princípio semelhante ao


anterior, mas que utiliza um sensor de ultrassom. Assim, o emissor e receptor são
instalados no mesmo lado do duto pneumático e estima a quantidade de fibras
colhidas por meio da estimativa do volume de material que está impondo barreira ao
sinal de ultrassom.

Figura 27 – Monitor de produtividade por facho de luz em colhedora de algodão.

Fonte: Molin, 2012.

Café

Na colheita mecanizada de café, está disponível um monitor de produtividade


desenvolvido no Brasil. O sistema mede o volume de grãos colhidos na esteira
transportadora de grãos, após a pré-limpeza, a partir da contagem de taliscas cheias
em um dado período de tempo. O volume das taliscas é fixo, portanto o sistema deve

58
garantir que as mesmas estejam cheias de grãos antes de se deslocar. Esse controle
é feito por um sensor de ultrassom instalado sobre o reservatório temporário de
alimentação das taliscas, o qual comanda o motor hidráulico acionador da esteira a se
mover. A vazão de grãos é estimada pela contagem de taliscas por unidade de tempo
(Figura 28). Como o sistema mede volume, há a necessidade da conversão dos
valores de volume medido para peso de café beneficiado, ou seja, seco e
descascado. Isso normalmente é feito em pós-processamento, com base em
amostras de cada talhão, colhidas e processadas.

Figura 28 – Componentes do monitor de produtividade de café.

Fonte: Adaptado de Sartori, 2002.

Cana-de-açúcar

O setor sucroalcooleiro, não só no Brasil, mas também no exterior, vem


sofrendo há anos com a falta de um monitor de produtividade que forneça dados
confiáveis para as diversas condições varietais e de cultivo da cana-de-açúcar. Uma
primeira tentativa de um sistema para monitorar a quantidade de colmos colhida
mecanicamente foi feita na Austrália, em 1996, utilizando-se de uma plataforma de

59
pesagem sobre células de carga instalada na parte superior do elevador de colmos da
colhedora, o qual vem passando por melhorias desde então (BRAMLEY, 2009).
Equipamento semelhante foi desenvolvido no Brasil (Figura 29), mas ainda apresenta
pequena adoção, principalmente em razão de constantes calibrações demandadas
para estimar indiretamente a produtividade real. De forma semelhante ao
equipamento australiano, vem passando por melhorias na sua confiabilidade e
robustez.

Figura 29 – Componentes do monitor de produtividade de cana-de-açúcar.

Fonte: Molin, 2012.

Existe também um monitor de produtividade desenvolvido em Cuba que


mensura a variação de pressão exercida pela cana que está sendo colhida no
sistema hidráulico da colhedora. Isso é possível com o uso de sensores instalados no
picador, sistema de corte de base e de deslocamento no rolo alimentador. Ainda, um
sistema com o princípio similar ao de facho de luz usado para grãos e algodão foi
desenvolvido nos Estados Unidos e utiliza fibras óticas posicionadas sob as taliscas
do elevador para quantificar a passagem de cana picada. Esses dois sistemas ainda
carecem de validações para as condições de cultivo brasileiras.

60
Citros

No mapeamento da produtividade dos citros, algumas soluções têm sido


avaliadas para a colheita mecanizada, embora essa ainda não seja a forma
prevalecente na colheita dos frutos, principalmente no Brasil. Um monitor de
produtividade foi desenvolvido nos Estados Unidos para uma colhedora agitadora de
copa, o qual utiliza do princípio de placa de impacto. Esse equipamento é instalado na
extremidade do elevador de frutos que impactam contra a placa enquanto são
descarregados em um transbordo lateral (MAJA; EHSANI, 2010).

Outra forma que vem sendo estudada para estimar a quantidade de frutos é
por meio de imagens obtidas por uma câmera acoplada ao elevador de frutos.
Algoritmos de processamento de imagens são capazes de estimar com certa
exatidão o número de frutos no elevador em cada quadro de imagem e estimar,
indiretamente, a produtividade (BANSAL et al., 2013).

Para a colheita manual de frutos foi desenvolvida nos EUA e adaptada para o
Brasil uma metodologia para mapeamento da produtividade de citros, especialmente
aqueles designados à indústria de suco. A colheita de citros é realizada manualmente
e os frutos são depositados em sacolões distribuídos ao longo do pomar. A posição
de cada sacolão é registrada por um receptor GNSS. A área representada em cada
sacolão pode ser calculada a partir da distância entre os pontos e a largura da faixa de
colheita. A produtividade é então obtida com base na massa de cada sacolão (medida
ou estimada) dividida pela área que este representa.

Esse método é facilmente adaptável para outras culturas, especialmente na


horticultura, em que o material colhido é brevemente armazenado em pontos ao longo
do talhão para serem carregados em caminhões ou carretas. O georreferenciamento
desses pontos pode ser feito previamente ou no carregamento, enquanto a massa
colhida pode ser simplificadamente estimada pelo volume do recipiente utilizado no
campo. A área do ponto, e finalmente a produtividade, são calculadas posteriormente
durante o processamento dos dados.

61
3.2.3 Dados obtidos pelos monitores de produtividade

Um mapa de produtividade é um conjunto de pontos e cada ponto representa


certa área, com cerca de alguns metros quadrados, determinada durante a
configuração do monitor. Por mapa de produtividade entende-se a plotagem de cada
um desses pontos num sistema cartesiano, onde o eixo “x” é a longitude e o eixo “y” é
a latitude. Eles são então classificados em diferentes escalas de cores ou tons, de
acordo com a produtividade para compor o mapa final. Para o preparo dos mapas e a
correta visualização da informação contida neles é essencial a escolha adequada do
número de intervalos de produtividade, geralmente entre 3 e 5, assim como das cores
e tons utilizados, focando principalmente a visualização dos altos e baixos na
produtividade dentro da lavoura.

ATENÇÃO
Apenas a boa preparação dos mapas não basta para se ter um mapa que expresse
fielmente o ocorrido na lavoura. Para isso, é necessário que os dados coletados
durante a operação de colheita sejam confiáveis e de qualidade. Sendo assim, antes
de tudo é importante treinar os operadores da colhedora sobre o correto uso do
equipamento e informá-los sobre a importância desses dados. Outro aspecto
primordial é a correta calibração do sistema, o qual envolve a comparação entre o
valor estimado pelo monitor e o que foi realmente colhido.

Dessa forma, zelar pelo pleno funcionamento dos diferentes sensores e


dispositivos integrantes do monitor de produtividade é fundamental. No entanto,
alguns erros sistemáticos frequentemente ocorrem nos dados obtidos pelos mais
variados monitores de produtividade. Sendo assim, é imprescindível realizar a
limpeza (filtragem) desses dados, eliminando aqueles que não representem a
realidade e prejudiquem a qualidade final do mapa.

Alguns dos possíveis erros nos dados são eliminados pelo software interno de
alguns dos monitores na fase de processamento e gravação, ou nos softwares de
interface com os dados coletados, mas outros não o são, tendo o usuário que analisar

62
os conjuntos de dados com certo cuidado. Os principais erros podem ser listados
como:

 posicionamento incorreto;
 falhas no sensor de produtividade;
 falhas nos sensores auxiliares;
 largura incorreta de plataforma;
 tempo de enchimento da colhedora;
 tempo de retardo incorreto.

Erros de posicionamento

Durante as operações agrícolas com o uso de GNSS, esporadicamente podem


ocorrer erros de posicionamento por razões diversas, como as apresentadas
anteriormente. Esses erros podem ser divididos de duas formas, erros grosseiros e
erros pequenos de posicionamento.

Os erros grosseiros são caracterizados por pontos de produtividade


registrados em locais completamente diferentes de onde deveriam estar como pontos
fora da lavoura ou pontos alocados de tal forma que a colhedora não poderia ter
seguido o mesmo trajeto. Já os erros pequenos de posicionamento são
caracterizados por pequenos desvios no percurso registrado pela colhedora (Figura
30), os quais frequentemente não implicam em grandes problemas para a criação dos
mapas interpolados.

Figura 30 – Exemplos de erros de posicionamento.

63
Fonte: Molin, 2012.

Erros dos sensores

É frequente a observação de valores duvidosos de produtividade nos dados


obtidos durante a colheita, sendo que estes precisam ser eliminados para se obter um
mapa de produtividade confiável. Tais erros frequentemente se caracterizam por
produtividades nulas ou extremas e podem ter como fonte algum problema de
comunicação eletrônica entre o monitor e os componentes do sistema, assim como o
funcionamento indevido de qualquer um desses componentes, como os sensores de
fluxo de grãos, umidade dos grãos, inclinação, velocidade da colhedora, etc.

Para se identificar as informações problemáticas, é preciso analisar todo o seu


conteúdo (dados dos diferentes sensores). Ao se verificar que um dos sensores
apresentou algum valor nulo ou demasiadamente extremo, exclui-se toda a linha de
dados referente àquele ponto.

No entanto, quando nenhum sensor apresenta erro visível e ainda assim há


produtividades duvidosas, o processo de filtragem dos dados precisa ser mais
cauteloso. Para tanto, pode-se utilizar de limites estatísticos, como retirar os quartis
superior e inferior, retirar pontos de acordo com o desvio padrão, analisar o
comportamento de histogramas, etc. Ainda há uma abordagem que leva em
consideração a similaridade dos pontos com seus vizinhos, almejando retirar dados
inconsistentes (SPEKKEN et al., 2013). Essas soluções estatísticas têm suas
vantagens específicas, principalmente relacionadas à praticidade, mas podem

64
eliminar pontos de interesse. Por isso, é sempre aconselhável analisar a distribuição
espacial dos pontos tidos como “erros”, para só então realizar a sua exclusão
definitiva.

Erros de largura de plataforma

A área representativa de cada ponto de produtividade é função da área


colhida, calculada com base na largura da plataforma, multiplicada pela distância
percorrida, a qual é derivada da velocidade. Em algumas situações, a largura de
colheita pode ser menor que a largura da plataforma, como em arremates do talhão,
por exemplo. Nesses casos, alguns monitores de produtividade têm opções de
fracionar a plataforma para que a área seja corretamente medida. Essas frações
devem ser indicadas pelo operador da colhedora que, se utilizada indevidamente, ou
mesmo não utilizada, resulta em uma importante fonte de erros (Figura 31).

Figura 31 – Exemplos de faixas contínuas com produtividades contrastantes, devido à seleção de


largura de plataforma incorreta.

Fonte: Molin, 2012.

Tempo de enchimento

65
Após ter esvaziado seus sistemas de trilha, separação e limpeza enquanto
descarrega o seu tanque graneleiro, a colhedora demora em torno de 15 a 20
segundos para atingir novamente o regime normal de trabalho com esses sistemas
novamente cheios (Figura 32). Durante esse tempo, o sensor de fluxo de grãos estará
medindo fluxos menores e crescentes à medida que a máquina avança, o que gera
dados incorretos, de baixa produtividade, nas cabeceiras do talhão ou onde a
colhedora parar ou fizer manobras. Esse erro é chamado de erro de tempo de
enchimento e frequentemente é confundido com baixa produtividade nas bordas das
lavouras.

Figura 32 – Gráfico representando os tempos de enchimento e retardo.

Fonte: Molin, 2012.

Tempo de retardo

O tempo de retardo é o tempo gasto entre o início do corte pela plataforma e a


chegada do produto colhido ao sensor de produtividade, o que causa desalinhamento
entre as passadas (Figura 33). Esse tempo é facilmente medido para uma data
colhedora e produto colhido. Logo, esse efeito é frequentemente levado em
consideração pelos fabricantes, sendo cada vez menor sua ocorrência.

66
Figura 33 – Pontos de produtividade mostrando o comportamento dos dados quando o tempo de
retardo não é ajustado (em destaque na figura acima); pontos de produtividade com ajuste correto do
tempo de retardo, mostrando o efeito do tempo de enchimento nas reentradas da colhedora na lavoura
(abaixo). As setas azuis indicam a direção da colhedora.

Fonte: Molin, 2012.

3.3 SENSORIAMENTO REMOTO NO MONITORAMENTO DA VARIABILIDADE

As técnicas de sensoriamento remoto estão cada vez mais ganhando espaço


nos diversos ramos da agricultura. Em AP, diversas são suas finalidades, sendo que a
principal delas é semelhante ao uso dado aos mapas de produtividade: identificar a
variabilidade existente nas lavouras, representado pelo diferente desenvolvimento
das plantas e, de acordo com essa informação, investigar os causadores dessa
variabilidade ou então servir de base para tomadas de decisão quanto a intervenções
localizadas. Entre as ferramentas ou produtos disponíveis no âmbito do

67
sensoriamento remoto, destacam-se o uso de imagens de satélites, fotografias
aéreas e sensores embarcados em máquinas agrícolas. Tais formas de se identificar
a variabilidade da lavoura apresentam a vantagem de possibilitar a obtenção da
informação quando a cultura ainda está no campo, permitindo a intervenção dentro da
mesma safra.

A fonte consagrada desse tipo de dados são os sensores instalados em


plataformas orbitais, os quais geram imagens com diferentes características
disponíveis no mercado. No entanto, relativamente pouca adoção desse produto tem
sido verificada por usuários de AP, sendo que uma das principais razões para isso é
seu alto custo de aquisição. Entretanto, cada vez mais os fornecedores desse tipo de
produto estão disponibilizando soluções mais acessíveis em termos econômicos e de
praticidade. Um exemplo disso é o fornecimento de imagens apenas da área de
interesse do usuário, seja uma fazenda ou um talhão.

Tentando flexibilizar e baratear a obtenção desse tipo de informação da


variabilidade da cultura, nos últimos anos vem sendo dado destaque à utilização de
veículos aéreos não tripulados (VANTs), também chamados de drones, em diversas
aplicações dentro da AP. Há diversas conformações de VANTs, desde miniaturas de
aviões até miniaturas de helicópteros com variado número de hélices. A principal
vantagem é sua praticidade de uso, já que os dados podem ser obtidos quando o
usuário julgar necessário, e muitas vezes com qualidade maior, em termos de
detalhamento (resolução espacial), do que as imagens de satélites. A maioria desses
equipamentos segue uma rota predeterminada de voo e alguns decolam e pousam de
forma autônoma. Esses veículos podem transportar diferentes tipos de sensores
ópticos, dependendo do objetivo do agricultor, mas o que mais tem sido utilizado são
câmeras fotográficas convencionais ou adaptadas, simulando o produto
disponibilizado pelas imagens de satélites.

Também buscando fornecer maior flexibilidade e qualidade da informação,


sensores de reflectância do dossel vêm sendo utilizados. Esses sensores,
incialmente desenvolvidos para direcionar a aplicação de nitrogênio (abordado no
capítulo 6), fornecem informações sobre o desenvolvimento da cultura. Os sensores
de dossel são geralmente acoplados a máquinas agrícolas e possibilitam a obtenção
68
de um detalhado mapa de desenvolvimento da cultura, representando com boa
exatidão a variabilidade da lavoura em termos de acúmulo de biomassa.

Os sensoriamentos a partir de plataformas orbitais ou aéreas permitem obter


dados de alguns parâmetros de planta e solo de extensas áreas em pequeno espaço
de tempo, enquanto os sensores embarcados em máquinas agrícolas dependem da
sua velocidade de deslocamento e do espaçamento entre passadas. Por outro lado,
as informações obtidas com os sensores terrestres podem ser mais detalhadas
devido a sua proximidade com o alvo e o grande número de dados coletados.

Ainda, sensores embarcados em máquinas permitem a gestão e a intervenção


localizada, com avaliações realizadas quando o usuário julgar necessário e, se
possível, em tempo real. Em contrapartida, os sensoriamentos orbital e aéreo
possuem o inconveniente de estarem sujeitos a limitações em razão de condições
climáticas ou ao tempo de processamento, o que pode prejudicar a implementação
das intervenções no momento adequado durante a safra.

ATENÇÃO
Dessa forma, é fundamental que o usuário conheça as vantagens e limitações de
cada equipamento, assim como tenha os objetivos almejados bem definidos, para
que só então realize a escolha da ferramenta que melhor se adapte às suas
necessidades.

3.3.1 Fundamentos de sensoriamento remoto

O sensoriamento remoto pode ser definido como a ciência ou a arte de se obter


informações sobre um determinado objeto, área ou fenômeno, por meio de dados
coletados por um equipamento (sistema sensor) que não entra em contato direto com
o alvo (CREPANI, 1993). Essa energia é carreada pelo espaço através de ondas
eletromagnéticas de diferentes comprimentos, caracterizada pela distância entre
suas cristas, que pode variar de uma fração de nanômetro até vários metros (Figura
34).

69
Figura 34 – Espectro eletromagnético mostrando as regiões e comprimentos de onda.

Fonte: Molin, 2012.

Quando a energia atinge um objeto, ocorre a interação com esse alvo e essa
energia tende a ser fracionada em três partes: absorvida, refletida e transmitida. A
intensidade de cada fracionamento está relacionada com o comprimento de onda
analisado e as propriedades físico-químicas do alvo. Em AP, a maioria dos
equipamentos disponíveis trabalha com a reflectância, que é a porção da energia
incidente no alvo que é refletida e captada pelo sensor (Figura 35). Pelo
comportamento característico da reflectância em cada porção do espectro,
principalmente na região do visível e infravermelho próximo, diferentes propriedades
dos alvos podem ser avaliadas, como o teor de clorofila, índice de área foliar,
quantidade de biomassa, produtividade esperada, entre outras. Essas mensurações
permitem identificar plantas sadias, com maior vigor, e plantas com sanidade
comprometida, o que possibilita a realização de inferências, geralmente com base em
amostragens em campo, sobre os causadores dessa discrepância no
desenvolvimento da cultura.

70
Figura 35 – Reflectância de uma folha de cana-de-açúcar, mostrando seu comportamento nos
diferentes comprimentos de onda.

Fonte: Molin, 2012.

Essa energia que interage com os alvos pode ter sua origem externa,
geralmente o sol, ou ser emitida pelo próprio sistema sensor. No primeiro caso, o
sistema sensor é chamado de sistema passivo, e é amplamente usado pelos
sensores embarcados em satélites (plataforma orbital) e em veículos aéreos
(plataforma aérea). No segundo caso, o sistema sensor é denominado ativo, e um
exemplo deles são os sensores de reflectância do dossel embarcados em máquinas
agrícolas (plataforma terrestre, Figura 36).

Figura 36 – Sensores ativos de reflectância do dossel embarcados em máquina agrícola: a) N-sensor;


b) CropCircle; c) GreenSeeker. Em destaque, vista inferior de alguns sensores, mostrando os
emissores de luz (setas verdes) e os receptores da reflectância (setas vermelhas).

71
Fonte: Molin, 2012.

De todos os comprimentos de onda do espectro eletromagnético, as regiões do


visível e do infravermelho próximo são as mais utilizadas para aplicações no meio
agrícola (400 a 3000 nanômetros; nanômetro = 1x10-9 metro). As especificações
necessárias em relação os comprimentos de onda e a plataforma utilizada dependem
do objetivo do usuário. Para essa escolha, o usuário deve atentar principalmente para
as características específicas dos sensores, da disponibilidade dos dados e do custo.

Em relação às características dos sensores, é preciso atentar para alguns


parâmetros de qualidade, que são a resolução espectral, radiométrica, espacial e
temporal. Esses parâmetros podem limitar ou favorecer determinada técnica da AP.

A resolução espectral é qualificada de acordo com a quantidade e largura das


bandas espectrais utilizadas. Bandas espectrais são definidas como a região ou faixa
do espectro eletromagnético que o sensor possui capacidade de identificar. Quanto
maior o número de bandas espectrais e menores as suas larguras, maior a sua
eficiência em distinguir diferentes características dos alvos (NOVO, 1992).
A resolução radiométrica, também chamada de resposta espectral, é
relacionada à sensibilidade dos sensores em determinada banda espectral. Essa

72
característica pode ser definida como a intensidade de radiação mínima que pode ser
diferenciada pelo sensor. Em suma, essa resolução é dada pelo número de valores
digitais representando níveis de cinza, usados para expressar os dados coletados
pelo sensor, sendo maior quanto maior o número de valores (Figura 37). O número de
níveis de cinza é comumente expresso em função do número de dígitos binários
(bits), o qual é sempre uma potência de dois. Assim, uma imagem 2 bits diferencia
apenas 4 níveis de cinza, enquanto uma 4 bits diferencia 16 níveis.

Figura 37 – Duas imagens do mesmo local, mas uma com resolução radiométrica de 2 bits (a) e outra
com 8 bits (b).

a b
Fonte: Natural Resources Canada.

A resolução espacial é uma propriedade que pode viabilizar ou não a utilização


de imagens de plataformas orbitais ou aéreas em determinadas etapas da
investigação e monitoramento em AP, dependendo do alvo de interesse. Essa
medida é definida, de forma simplificada, como o menor objeto capaz de ser
detectado e individualizado pelo sensor em uma dada imagem. Tal resolução
representa o tamanho do pixel da imagem obtida pelo sensoriamento remoto, por
exemplo, uma resolução de 20 metros gerará um pixel de 20 x 20 metros (Figura 38).

73
Em sistemas orbitais, essa resolução é geralmente fixa, em função do sensor
disponível e da altura da órbita do satélite, mas em sistemas aéreos tal resolução
pode ser ajustada alterando-se a altura de voo.

Figura 38 – Comparativo entre imagens de diferentes sensores e resoluções espaciais.

Fonte: Melo, 2002.

A resolução temporal diz respeito à frequência em que é possível se obter uma


imagem de uma região. Essa resolução é especialmente limitante para as
plataformas orbitais, já que é dependente do tempo de revisita de um satélite em
determinada região do globo terrestre, ou seja, de acordo com a órbita do satélite e
das características do sensor há um intervalo entre a possível obtenção de imagens.
Quando há um tempo de revisita grande, ou seja, uma resolução temporal baixa,
pode-se perder o momento correto de obtenção de dados da cultura para a execução
de determinada intervenção.

4 AMOSTRAGENS GEORREFERENCIADAS

74
4.1 CONCEITOS E APLICAÇÕES EM AP

A amostragem tem por objetivo representar um todo com base na avaliação de


apenas uma porção dele. No caso agronômico, a amostragem irá representar um
talhão a partir da observação dele em alguns locais, seguindo uma metodologia
específica para cada parâmetro avaliado ou cultura.

A amostragem pode ser aplicada na investigação dos mais diversos fatores de


produção. Por exemplo, amostragem de solo para avaliação dos seus parâmetros
químicos ou físicos, de tecido vegetal para avaliação do estado nutricional das
plantas, de ocorrência de pragas ou doenças para avaliação do estado fitossanitário
da lavoura, entre outros. Certamente, a amostragem de solo é um dos procedimentos
mais adotados entre os citados e também a mais lembrada quando se fala em
amostragem.

Em AP, a amostragem apresenta peculiaridades em relação à prática


convencional. Ela deve ser georreferenciada, ou seja, cada amostra tem a sua
posição no espaço definida em um sistema de localização, normalmente registrada
por meio de um receptor GNSS. Além disso, o número de amostras necessárias para
representar uma lavoura passa a ser significativamente maior. Na agricultura
convencional, em cada unidade de manejo (talhões ou glebas) é normalmente
coletada apenas uma amostra, esta composta por subamostras retiradas
aleatoriamente ao longo do campo. Já no sistema de gestão com AP, para se
representar a variabilidade espacial dos atributos avaliados, é necessária a coleta de
diversas amostras compostas, georreferenciadas e distribuídas ao longo do campo.
Essa característica de espacialização do atributo na amostragem é o que possibilita,
posteriormente, as intervenções em taxas variáveis em contraste à investigação pela
média, a qual possibilita apenas tratamentos com uma única dose ou taxa de
aplicação.

De maneira geral, os procedimentos de coleta das amostras em AP são


semelhantes àqueles empregados na amostragem pela média (retirada de solo na
linha ou entrelinha para amostragem de solo, por exemplo), com apenas algumas
adaptações em relação ao número e à coleta de subamostras.
75
Ao adicionar coordenadas geográficas aos locais amostrados, deixa-se de
tratar os dados com a estatística clássica, em que as amostras são independentes
entre si, e passa-se a utilizar a geoestatística (abordada em detalhes no capítulo 5).
Nesse caso, cada amostra tem uma posição no espaço e o valor da variável analisada
em um ponto é influenciado pelo valor dos seus vizinhos. Essa influência é maior
quanto maior a proximidade entre os pontos. Utilizando essa lógica, é realizada a
interpolação dos dados, ou seja, a estimativa de valores em locais não amostrados,
gerando assim o mapa final do atributo (Figura 39).

Figura 39 – Geração de um mapa de CTC oriundo da amostragem de solo em grade e interpolação


dos dados.

Fonte: Molin, 2012.

Neste capítulo, trataremos da estratégia de amostragem para caracterizar a


variabilidade espacial do fator investigado. Foco especial será dado para a
amostragem georreferenciada de solo, a qual se tornou provavelmente uma das
práticas do manejo localizado mais populares no Brasil.

4.2 AMOSTRAGEM EM GRADE


Na amostragem em grade, o campo é dividido em células e dentro de cada
uma é coletada uma amostra georreferenciada composta por subamostras. A “grade
amostral”, como é conhecida entre os usuários de AP, é gerada por meio de um SIG
ou algum software dedicado, onde se dimensiona o tamanho das células (que define
a densidade amostral) e a posição do ponto amostral dentro de cada célula (para a

76
amostragem por ponto). A grade, ou apenas os pontos georreferenciados, são
transferidos para um receptor GNSS que será utilizado para navegar até os pontos.

A coleta pode ocorrer de duas formas, por ponto ou por célula. Cada tipo
produzirá um mapa final com características específicas. A diferença básica é que, na
amostragem por ponto, as subamostras são coletadas ao redor do ponto, já na
amostragem por célula, elas são coletadas ao longo de toda a célula.

4.2.1 Amostragem por ponto


Densidade amostral
O primeiro passo para a amostragem por ponto é determinar a densidade
amostral ou o tamanho da grade. Essa é uma dúvida frequente para quem pretende
adotar a amostragem em grade e, certamente, uma questão que gera polêmica entre
acadêmicos e práticos, já que nem sempre a densidade adequada é praticável
econômica ou mesmo operacionalmente. Ao mesmo tempo, uma amostragem pouco
densa também pode não representar com veracidade a variabilidade espacial da
área.

A forma mais aceitável para se definir o tamanho da grade é por meio da


análise geoestatística (capítulo 5), que determina a distância máxima entre amostras
que permite uma interpolação adequada, ou seja, a estimativa de valores entre os
locais amostrados.

A análise geoestatística para determinação da densidade amostral pode ser


utilizada somente para o planejamento de grades futuras. Dessa forma, é
recomendado que a primeira amostragem em uma área que não se tenha
conhecimento algum seja realizada com alta densidade para caracterizar
propriamente a dependência espacial do atributo e, assim, a distância máxima entre
amostras. Nos anos seguintes, pode-se diminuir a densidade o quanto for possível
para se reduzir os custos da operação. Uma estratégia para a primeira amostragem é
dispor no campo uma fileira transversal de pontos próximos entre si. Essa técnica
pode ser aplicada concomitantemente com a amostragem em grade. Isso irá auxiliar a
caracterização da dependência espacial do atributo, facilitando, portanto a
interpolação e a definição do tamanho da grade. Considerando que a primeira
77
investigação deve ser mais detalhada e, portanto, mais cara, ela pode ser empregada
em apenas uma ou algumas áreas representativas da paisagem e dos tipos de solo
predominantes na fazenda ou na região, para posteriormente extrapolar os resultados
para as demais áreas. Nessa área “piloto”, pode-se planejar a amostragem e avaliar
os seus resultados antes de uma adoção em toda a fazenda.

ATENÇÃO
A escolha da densidade amostral adequada para o levantamento de algum parâmetro
é determinante para a qualidade do mapa final e da sua capacidade de representar
adequadamente a realidade. Na amostragem de solo em grade, muitas vezes não é
utilizada qualquer metodologia para a definição do número de amostras a serem
coletadas. Essa decisão tem se baseado meramente em indicadores econômicos, em
detrimento de fatores técnicos.

A amostragem georreferenciada de solo adotada no Brasil é normalmente


aplicada com grades em torno de 3 a 5 hectares por amostra e, em alguns casos, até
maiores. Essa densidade é criticada pela comunidade acadêmica que prega a
definição de grades por meio da análise geoestatística que normalmente giram em
torno de 0,5 a, no máximo, 2 hectares por amostra.

Na Figura 40, são representados mapas obtidos com base em amostragens


em diferentes densidades de pontos. No campo, foram coletadas amostras de solo na
densidade de 6 pontos por hectare, que foram enviadas para análise de parâmetros
químicos de fertilidade. Previamente à elaboração do mapa final de atributos
químicos do solo, foi realizado um raleamento dos pontos para simular a coleta em
densidades cada vez menores, até a densidade de 0,25 amostras por hectare, o
equivalente a 4 hectares por amostra. Os mapas de CTC e V% gerados com base na
grade mais densa representam a condição mais próxima à realidade. À medida que o
tamanho da grade aumenta (menor densidade amostral), nota-se que a diferença
para o mapa “real” aumenta gradativamente até o ponto em que não há mais relação
visual entre os dois mapas.

78
Os mapas de CTC e V% ainda serão utilizados para a geração de um terceiro
mapa, o de recomendação das doses de calcário, que também apresentará os
mesmo erros oriundos dos dois primeiro.

Figura 40 – Mapas de CTC e V% gerados com base em diferentes densidades amostrais.

Fonte: Molin, 2012.

Disposição de pontos na grade

A geração da grade amostral de solo dentro dos limites da lavoura deve ser
criteriosamente planejada e estabelecida para que todos os pontos tenham seu
máximo aproveitamento, de forma que representem fielmente a área de estudo. O
mapa representando a localização dos pontos amostrais deve ser explorado para
visualizar e, se necessário, deslocar pontos de suas posições originais para melhorar
a representatividade da amostragem.

Com a utilização da amostragem por pontos, o usuário pode optar pelo


posicionamento do ponto dentro das células da grade. O arranjo entre os pontos e a
posição deles dentro de cada célula pode apresentar as mais diversas variações,

79
além da grade amostral regular com equidistância entre pontos. Uma delas é a
alocação de pontos de forma aleatória dentro da célula (Figura 41), o que elimina a
equidistância entre eles. Embora esse arranjo dificulte a navegação aos pontos, ele
apresenta vantagens na análise geoestatística e, consequentemente, na
interpolação. Essa estratégia permite verificar a semelhança entre amostras bastante
próximas e entre outras distantes, ou seja, caracterizar o efeito da distância na
semelhança entre pontos. Essa caracterização define a dependência espacial do
parâmetro, o qual pode ser utilizada posteriormente na interpolação dos dados.

O mesmo efeito pode ser atingido ao se acrescentar pontos adicionais


próximos a alguns pontos da grade regular (Figura 41). Isso também permite a melhor
caracterização da dependência espacial na etapa da análise geoestatística. Os dois
artifícios (posicionamento aleatório de pontos na célula e adição de pontos na grade)
podem melhorar a qualidade da investigação, especialmente quando se emprega
grades pouco densas na amostragem. Porém, obviamente, devem ser utilizados com
bom senso, nunca em detrimento da densidade amostral da grade, pois os seus
benefícios podem variar caso a caso.

Figura 41 – Grade amostral regular (a); grade com pontos alocados aleatoriamente na célula (b); e
grade com pontos adicionais (pontos em vermelho) (c).

Fonte: Molin, 2012.

Subamostras

80
Em cada ponto da grade amostral é obtida uma amostra composta por
subamotras. Elas devem ser coletadas ao redor do ponto georreferenciado teórico,
dentro de um raio pré-definido (Figura 42). Uma recomendação é que elas sejam
retiradas dentro de um raio ao redor do ponto teórico da mesma magnitude do valor
do erro do receptor GNSS (1 a 5 metros para receptores C/A), diluindo assim a
incerteza no posicionamento da amostra.

Figura 42 – Grade amostral de pontos e raio de coleta de subamostras.

Fonte: Molin, 2012.

ATENÇÃO:
Para definir o número de subamostras, deve-se considerar o tipo de amostra, o
volume de material necessário para análise, o erro amostral e o rendimento
operacional. Quanto menor o número de subamostras maior é o rendimento do
trabalho, porém maior é o risco de contaminação da amostra ou o erro amostral. Não
há um número preestabelecido com base em pesquisa para a amostragem em grade,
mas tem sido usual a coleta em torno de seis a dez subamostras por ponto.
4.2.2 Amostragem por célula

81
Na amostragem por célula, o objetivo não é mais representar o ponto, mas sim
representar toda a área da célula da grade, por meio de um valor médio. Ela é
recomendada quando o número de amostras demandado no método por ponto é
muito alto e se torna uma opção inviável para o produtor. Dessa forma, a grade
utilizada pode ser maior. As subamostras devem, então, ser coletadas ao longo de
toda a célula da forma mais representativa possível para formar uma amostra
composta por célula. Pode-se adotar um caminhamento em ziguezague, diagonal ou
simplesmente aleatório, contanto que haja um número adequado de subamostras
distribuídas ao longo de toda a área (Figura 43). De maneira geral, a quantidade de
subamostras deve ser maior quanto maior o tamanho da célula.

Figura 43 – Amostragem por célula e coleta de subamostras.

Ao contrário da amostragem por ponto, nesse caso não há interpolação para


gerar o mapa final. A coleta ocorre ao longo de toda a área e, portanto, não há lacunas
no mapa para serem preenchidas pela interpolação.

4.2.3 Qual tipo de amostragem escolher?

82
Para escolha entre amostragem em grade por ponto ou por célula, algumas
considerações devem ser feitas. Cada método apresenta aspectos positivos e
negativos. A resolução da informação no mapa final é maior na amostragem por
ponto. O tamanho das quadrículas, definido pelo usuário na etapa da interpolação, é
menor, geralmente entre 100 m² e 400 m². Já na amostragem por célula, a máxima
resolução é o próprio tamanho da célula, sendo que cada célula será representada
por alguns hectares, de acordo com o definido pelo usuário(Figura 44).

Figura 44 – Mapas gerados com base em amostragem por ponto (a) e por célula (b).

a b
Fonte: Molin, 2012.

Por outro lado, a amostragem por célula pode ser uma boa alternativa
econômica para usuários com menor capacidade de investimento. Na amostragem
por ponto, para que se tenha uma boa confiabilidade na interpolação, normalmente é
necessária uma alta densidade amostral, em torno de 0,5 a 2 hectares por amostra
(determinada pela avaliação geoestatística). Isso encarece o processo tanto na etapa
da coleta quanto, principalmente, nas análises de laboratório. Para grades maiores
(menor densidade amostral), embora sejam mais atrativas economicamente, é
provável que haja um erro grande nas estimativas durante a interpolação. Nesse
caso, a alternativa seria então a amostragem por célula em que não se utiliza a
interpolação, mesmo que essa escolha diminua a resolução do mapa.

83
A escolha do método de amostragem afetará não somente a qualidade do
mapa do atributo, mas também a própria intervenção em taxas variáveis. As
recomendações geradas com base em amostragem por ponto apresentam maior
resolução da informação, portanto as doses variam em curtas distâncias,
equivalentes ao tamanho da quadrícula do mapa final. Já aquelas geradas com base
em amostragem por célula, as doses variam apenas quando há transição entre as
células.

4.3 OUTRAS ESTRATÉGIAS DE AMOSTRAGEM EM AP

4.3.1 Amostragem direcionada

Na amostragem direcionada, o objetivo final não é gerar mapas temáticos, mas


sim fornecer informações sobre locais específicos do campo que necessitam de
investigação. As subamostras são coletadas ao redor de um ponto georreferenciado
com local pré-determinado. A escolha desses locais é baseada em mapas gerados
previamente a partir de uma coleta de dados de alta densidade como o mapa de
condutividade elétrica do solo, sensor de dossel ou da produtividade. Ao se utilizar
mapas de produtividade (Figura 45), podem-se alocar pontos amostrais dentro de
manchas de baixa produtividade para investigação do nível de nutrientes no solo ou
ocorrência de pragas e doenças, por exemplo. Ao mesmo tempo, nas regiões de alta
produtividade podem-se verificar os fatores que favoreceram o bom resultado da
produção. A interpolação desses dados não é o foco dessa estratégia, mas ela pode
ser considerada se houver pontos não muito distantes entre si e dependência
espacial entre eles.

84
Figura 45 – Amostragem direcionada pela variabilidade indicada no mapa de produtividade.

Fonte: Molin, 2012.

4.3.2 Amostragem por Unidades de Gestão Diferenciada (UGD)

As unidades de gestão diferenciada (UGD) são regiões com mínima


variabilidade dentro dos talhões que podem ser delimitadas com base na avaliação
de alguns fatores de produção levantados com base em dados georreferenciados
(normalmente de fatores físicos de solo e produtividade). Além de apresentarem
baixa variabilidade espacial dentro delas, as UGDs também apresentam
repetitividade temporal de desempenho. Elas são então geridas como uma unidade
homogênea dentro do talhão e, portanto, necessitam apenas de uma ou poucas
amostras compostas para a sua representação. As subamostras são então coletadas
ao longo de toda a área de cada UGD, formando a amostra composta.

85
4.3.3 Quando aplicar outras técnicas de amostragem além da grade?

De maneira geral, para investigação de aspectos relacionados ao solo e


aplicação de fertilizantes e corretivos em taxas variáveis, pode-se recomendar que a
amostragem em grade (por célula ou por ponto) seja aplicada em áreas em processo
inicial de adoção da AP, em que há pouco ou nenhum conhecimento da variabilidade
da área. Nessa etapa, as intervenções em taxas variáveis devem equilibrar
minimamente a variabilidade espacial de fatores químicos de fertilidade. À medida
que são acumulados dados georreferenciados (mapas de produtividade, textura e
condutividade elétrica do solo, relevo, entre outros), pode-se mudar de estratégia,
direcionando as amostras apenas para os locais de interesse ou por UGD. Essas
estratégias irão diminuir os custos com coleta e análise de amostras e serão utilizadas
para monitorar a variabilidade remanescente.

4.4 EQUIPAMENTOS PARA AMOSTRAGEM DE SOLO

Para a coleta de uma quantidade grande de amostras, como exigido nas


investigações em AP, uma diversidade de soluções tem surgido no mercado tornando
a coleta de solo operacionalmente viável, mesmo para grades de alta densidade
amostral. O aumento no rendimento advém do uso de fontes de potência para
acionamento dos amostradores, de veículos apropriados para o deslocamento no
campo, e até de sistemas totalmente automatizados para coleta, identificação e
acondicionamento das amostras.

O equipamento amostrador é composto por uma fonte de potência para o seu


acionamento, ausente nos tradicionais amostradores manuais, e pelo elemento
sacador da amostra, que é inserido no solo para a retirada do material. Como fontes
de potência, têm-se principalmente motores de combustão interna, que são
autônomos, e os motores elétricos, hidráulicos e pneumáticos que necessitam de
uma fonte externa. Os amostradores acionados por motores elétricos são geralmente
mais leves e práticos, porém são menos potentes, o que pode ser um fator limitante
em solos mais pesados ou compactados. A potência é maior para os equipamentos
acionados por motor de combustão interna ou hidráulico, tornando viável a coleta em
solos de difícil penetração. Por outro lado, eles podem ser mais pesados e mais
86
difíceis de operar manualmente, especialmente os hidráulicos devido à fonte de
potência externa.

Como elemento sacador, os mais comuns em sistemas mecanizados de


amostragem são os trados de rosca e caladores. O primeiro pode se ajustar às mais
diversas texturas de solo e umidade por meio de roscas com diferentes configurações
de passo, rotação e diâmetro. O segundo é uma boa alternativa para coleta de
amostras em profundidade e estratificadas, porém mesmo com um alto suprimento de
potência, a coleta pode ser dificultada em solos compactados.

Os veículos utilizados no transporte de equipamentos e carregamento de


amostras também são variados. É comum a utilização de caminhonetes, veículos
utilitários, tratores ou quadriciclos. O equipamento amostrador pode estar acoplado
ao veículo, em sistemas mais automatizados, ou simplesmente carregado e
transportado por ele. As combinações entre fontes de potência, sacadores e veículos
são das mais diversas, apresentando diferentes níveis de sofisticação, automação e
consequentemente de custo (Figura 46). Os sistemas podem ser operados
manualmente, parcialmente automatizados ou totalmente automatizados. A
automação pode ocorrer na etapa da coleta da amostra (acionamento automático do
sistema sacador) e também na organização e identificação das amostras.

Figura 46 – Amostrador por motor de combustão interna, operado manualmente (a) e amostrador
hidráulico instalado em quadriciclo (b).

a b

87
Fonte: Molin, 2012.

4.5 EXEMPLOS DE AMOSTRAGENS DE OUTROS FATORES AGRONÔMICOS

4.5.1 Pragas e doenças

O manejo de pragas e doenças em uma lavoura pode ser extremamente


beneficiado com o uso do georreferenciamento e mapeamento da variabilidade
espacial. Muitas pragas e doenças apresentam alta variação no campo,
especialmente aquelas que ocorrem em reboleiras. Embora essa característica
dificulte o mapeamento, os tratamentos fitossanitários aplicados em taxas variáveis
podem oferecer ganhos econômicos e ambientais significativos, pois é possível evitar
a aplicação em locais ausentes de problemas fitossanitários.

O procedimento de coleta e levantamento da ocorrência de pragas e doenças


deve seguir, sempre que possível, os mesmos métodos convencionais de
amostragem. O georreferenciamento é feito por meio de um receptor GNSS
convencional ou mesmo com um receptor embutido no próprio coletor de dados
utilizado pela equipe de amostragem. A estratégia de investigação pode seguir a
amostragem em grade ou direcionada, por exemplo, ou então quando o levantamento
é realizado por meio de inspeção da lavoura, o georreferenciamento da informação
será feito somente quando for observada a ocorrência da praga ou doença
investigada.

ATENÇÃO
Especialmente no mapeamento de pragas, o principal gargalo é a alta mobilidade de
alguns insetos. Isso faz com que muitas vezes o mapa gerado pela amostragem não
represente a ocorrência da praga no campo no momento da aplicação. Estudos do
comportamento do inseto e sua distribuição espacial são essenciais para a definição
da estratégia de amostragem e consequentemente determinam o sucesso da
aplicação em taxa variável. Uma solução para isso é extrapolar regiões além da zona
de infestação detectada, levando em consideração o deslocamento da praga.

88
4.5.2 Compactação do solo

O indicador indireto mais utilizado na investigação da compactação do solo é a


resistência à penetração obtida com sensores denominados de penetrômetros. Eles
medem o índice de cone, que é uma relação entre a força aplicada para a penetração
e a área basal de um cone. A amostragem georreferenciada em grade é uma
alternativa para o mapeamento desse parâmetro, mas tem apresentado algumas
dificuldades. É necessário realizar leituras com alta quantidade de subamostras
devido à dificuldade de se representar o valor do índice de cone para cada ponto
amostral, pois a área de medição é extremamente pequena (área do cone e sua
interface com o solo). Além disso, a alta variação desse parâmetro em curtas
distâncias, especialmente devido ao tráfego de máquinas, demanda uma densidade
amostral alta, o que pode inviabilizar a operação. Embora apresente restrições, a
amostragem georreferenciada continua sendo uma ferramenta importante para a
avaliação desse fator em aplicações de AP.

5 ANÁLISE DE DADOS EM AP
5.1 DADOS ESPACIALIZADOS
A AP preconiza o tratamento localizado das lavouras. Isso exige uma
quantidade significativamente maior de dados se comparado com a prática usual.
Porém, esses dados só se tornam informação útil se devidamente processados e
analisados, levando à ganhos gerenciais e decisões acertadas de intervenções.

A informação espacializada é particularmente mais complexa de ser analisada


porque envolve os conceitos de “o que” e “onde”, ou seja, qualquer amostragem
realizada em AP necessita ser georreferenciada. Dessa forma, um ponto amostral,
independente da densidade em que foi coletado, possui obrigatoriamente dois dados,
latitude e longitude, os quais podem estar associados a uma ou muitas variáveis
(valores medidos). Um exemplo disso são os dados de amostragem de solo, que
podem conter vários valores de fertilidade do solo, como CTC, teor de matéria
orgânica, fósforo (P), potássio (K), etc.
89
A necessidade de gerar a informação de forma espacializada de todas as
variáveis de interesse tem sido tratada historicamente com o desenvolvimento das
técnicas de criação e análise de mapas. No entanto, o “onde está o que” é apenas
descritivo. As recentes demandas em inúmeras aplicações têm levado ao
desenvolvimento de técnicas mais avançadas, envolvendo o entendimento do
“porque” dos fatos. Isso permite o tratamento localizado e o ganho de informação
para a adoção de determinada prática, o qual possui eficácia dependente da
habilidade do usuário em analisar os dados e da qualidade dos mesmos.

Essas análises podem começar por uma simples filtragem dos dados obtidos,
passando pela análise do comportamento espacial da variável na área em estudo,
sendo nesse caso usado princípios de estatística espacial, chamada de
geoestatística. Muitas vezes, o que se objetiva é identificar a variabilidade dos
diversos parâmetros agronômicos ao longo da lavoura, o que é conseguido por meio
da construção de mapas, interpolados ou não. Entretanto, geralmente o usuário
utiliza-se dessa informação para direcionar as intervenções, gerando os mapas de
recomendação. Ainda, frequentemente se analisa a informação de vários mapas,
buscando entender o porquê da variabilidade ou então para direcionar alguma
decisão gerencial, como a delimitação de unidades de gestão diferenciada (UGD).
Essa delimitação visa identificar áreas relativamente uniformes, as quais serão
geridas de acordo com seu potencial produtivo.

5.2 SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (SIG)

O termo “Sistemas de Informação Geográfica” (SIG) ou Geographic


Information System (GIS) refere-se a ferramentas com capacidade de organização e
análise dos dados, bem como produção de mapas e análise espacial das variáveis e
dos fatos evidenciados. Os SIGs apresentam diversas definições, variando com o
ponto de vista e área de especialização dos autores. No entanto, no âmbito da AP, o
SIG é entendido como um sistema computacional que possibilita tratar os dados
georreferenciados obtidos em campo, permitindo a realização de análises espaciais e
modelagens, resultando em mapas de diferentes variáveis, normalmente obtidos por

90
interpolações. Estes podem ser analisados em conjunto por meio da álgebra de
mapas, permitindo a obtenção de decisões gerenciais complexas.

Ainda, um SIG permite associar a um dado ponto um valor obtido em outros


levantamentos. Logo, pode integrar dados de produtividade a dados de fertilidade do
solo e elevação do terreno, dados de infestação por pragas, doenças ou plantas
daninhas ou qualquer outro atributo que mereça ser investigado.

Em relação à manipulação e análise em ambiente SIG, em sua essência, os


dados comuns no meio agrícola não diferem daqueles advindos de outras aplicações.
Tratam-se sempre de pontos, linhas ou polígonos. As linhas representam rodovias,
carreadores, terraços e outros; os polígonos são usados para delimitar o contorno dos
talhões. Os pontos carregam os valores das variáveis analisadas, sempre com suas
coordenadas longitude (x) e latitude (y).

Sob essa ótica, qualquer SIG pode ser utilizado em atividades agrícolas, desde
que permita as análises e operações típicas de camadas de mapas. No entanto, o
mercado de SIG tem se mostrado bastante responsivo, oferecendo soluções
personalizadas para aplicações específicas ou mesmo SIGs dedicados à AP. O que
diferencia este último dos demais são as opções de terminologias específicas da área
e as interfaces para os sistemas que geram dados no meio agrícola. Por exemplo, um
monitor de produtividade invariavelmente gera dados em um formato proprietário, que
somente são acessíveis com um programa do fornecedor do monitor. Porém, os
desenvolvedores de SIG para AP interagem com os grandes fornecedores do setor e
oferecem em seus produtos as interfaces necessárias para converter os dados
quando carregados ou importados.

Da mesma forma, na fase final do processo de análise são geradas as


prescrições na forma de mapas e que serão utilizados em equipamentos de campo.
Muitos desses equipamentos que realizam as intervenções localizadas também
trabalham com formatos próprios de arquivos, sendo que um SIG dedicado pode ser
capaz de gerar os arquivos em seu formato final. Na ausência destes, é necessário
utilizar os programas de conversão oferecidos pelos fornecedores dos equipamentos.

91
Ainda, a organização dos dados nesse tipo de SIG é essencial para facilitar as
análises e geração de mapas. Isso porque, trabalhando com AP, haverá grande
quantidade de dados obtidos em diferentes lavouras ao longo do tempo,
principalmente quando se trata de um prestador de serviço. Da mesma forma, todos
esses dados precisam ser salvos em cópia de proteção, sem risco de perda das
tarefas já executadas, tais como a edição de contornos de lavouras, limpeza inicial de
dados, alocação de resultados e outros.

No mercado agrícola, também são disponíveis softwares derivados de outras


aplicações, especialmente da área de gestão de máquinas e de controle de custos de
produção. Alguns desses programas evoluíram para aplicações de geração de
grades amostrais e interpoladores para a geração de mapas. No entanto, não se
caracterizam como SIG por não disporem de ferramentas de análise, não permitindo,
por exemplo, operações entre camadas (álgebra de mapas).

Em suma, na seleção de um SIG para uso em aplicações agrícolas dedicadas


à gestão da variabilidade espacial das lavouras, alguns aspectos são relevantes e
merecem a consideração do usuário. Nesse contexto, a disponibilidade de
ferramentas de tratamento e análise de dados é fundamental. Para explorar as
informações (mapas) advindas de dados primários, como amostragens de solo ou
planta, são requeridos recursos que permitam análises de correlações e regressões
entre fatores. Somente com esses recursos é possível se explorar as relações entre
causas e efeitos na busca de respostas à variabilidade espacial das lavouras.
Análises geoestatísticas também são muito bem-vindas.

Como alternativa ao SIG convencional, surgem os serviços via web para


inúmeras aplicações agrícolas, oferecendo acesso remoto a funções de
processamento e análise de dados espacializados e geração de mapas.

5.3 ANÁLISE DOS DADOS


A análise de dados obtidos em AP deve ser efetuada de forma criteriosa para
possibilitar a correta identificação da variabilidade existente e da implementação de
práticas adequadas. Dessa forma, antes de qualquer inferência acerca dos dados
obtidos é preciso analisar a fidelidade dos mesmos, avaliando a sua distribuição na
92
busca de valores anômalos (outliers). Essa filtragem dos dados é essencial, pois
durante o processo podem ocorrer erros de estimação, como falhas na amostragem
ou análise de solo, assim como erros dos equipamentos, como os diversos erros que
podem ocorrer nos mapas de produtividade, que podem ser estendidos para qualquer
tipo de sensoriamento utilizado.

Apenas após essa limpeza dos dados é que se pode utilizá-los como uma
informação. Para isso, comumente os dados são interpolados com o objetivo de criar
uma superfície de informação, estimando valores da variável onde esta não foi obtida.

Após essa etapa, a qual busca principalmente inferir sobre a variabilidade,


diversas técnicas são usadas, seja para analisar os causadores dessa variabilidade,
seja para selecionar áreas similares que serão realizadas intervenções específicas ou
geridas de forma semelhante (UGD).

5.3.1 Análise exploratória dos dados

Antes de se realizar qualquer inferência sobre os dados obtidos, é necessário


realizar a análise descritiva e exploratória deles, independentemente se foram
coletados de forma pouco densa e “manual” (amostragem de solo) ou de forma
automatizada e em grande densidade (dados de produtividade). Essa etapa possui
duas principais finalidades: identificar erros e outliers e obter um entendimento
preliminar do comportamento dos dados.

A identificação de erros, principalmente oriundos de levantamentos de alta


densidade de pontos, é essencial e foi descrita no item que trata sobre filtragem de
dados de produtividade. Independentemente do equipamento usado, mesmo que
seja qualquer outro tipo de sensoriamento, deve-se atentar para o funcionamento de
todos os componentes do sistema e a correta configuração e calibração do mesmo.
Entretanto, nem sempre essa busca por erros oriundos de falhas no sistema permite a
identificação de valores anômalos. Para tanto, algumas formas de análise
exploratória auxiliam sua identificação, possibilitando sua eliminação.
93
Uma forma de realizar uma primeira exploração dos dados é com base na
estatística descritiva. Com ela, algumas informações importantes sobre o conjunto de
dados são obtidas, como média, mediana, desvio padrão, variância, valores máximo
e mínimo, número de pontos, curtose e assimetria da distribuição, entre outros.
Apenas com essas informações simples já se pode ter ideia da amplitude dos dados e
determinar se esta é aceitável, assim como sua variação e o comportamento de sua
distribuição.

Com o mesmo princípio, mas apresentando os resultados de forma mais


visual, o que em algumas situações favorecem seu entendimento, destaca-se o
diagrama de caixa (Figura 47). Nele, a distribuição do conjunto de dados é dividida em
quartis, comparando-os com a média e mediana. Ainda, pontos discrepantes da
distribuição podem ser identificados.

Figura 47 – Diagrama de caixa (box plot) dos valores de pH do solo, mostrando seus componentes.
Cada quartil representa 25% dos dados.

Fonte: Molin, 2012.

Quando se trabalha com dados densos, muitas vezes apenas as soluções


acima não são suficientes para identificar todos os erros que ocorreram durante a
coleta de dados. Para isso, a análise do histograma (ou diagrama das frequências) é
fundamental. Ele permite, além da identificação de outliers, avaliar a qualidade dos

94
dados ou, melhor dizendo, o ruído existente neles (Figura 48). Ainda, com base no
seu comportamento, pode-se obter uma primeira ideia se a variável analisada é
relativamente homogênea, o qual se apresentará próxima a uma distribuição normal
(uma única moda) ou a diferentes padrões de distribuição, caracterizada pela
presença de histogramas bi ou multimodal.

Figura 48 – Histograma de dados de sensor de dossel (NDVI) que se aproxima a distribuição normal
(a), mostrando valores extremos que se caracterizam como outliers (círculos vermelhos); histograma
com distribuição ruidosa (b).

a b
Fonte: Molin, 2012.

Dependendo do comportamento dos dados, pode-se optar pela eliminação de


limites extremos. Isso pode ser feito retirando um (corte extremo), dois ou até três
(corte conservador) desvios padrão acima e abaixo da média ou mediana. A
vantagem dessa técnica é que os outliers são geralmente removidos, mas, ao mesmo
tempo, é possível retirar dados relevantes à análise, principalmente quando adotado
um limite de corte mais extremo (um desvio padrão), o que acarreta perda de
detalhamento e qualidade da informação final.

Figura 49 – Histograma de dados de sensor de dossel (índice de vegetação) com comportamento


bimodal ocasionado pela variabilidade no desenvolvimento de cana-de-açúcar influenciado pela
variação no teor de argila no solo (g/kg) existente na lavoura (mapa em destaque).

95
Fonte: Molin, 2012.

Uma forma de se realizar a exclusão de dados de forma mais confiável é


analisar também a sua distribuição espacial na área em estudo. Essa análise pode
ser visual, analisando os valores dos pontos em relação a sua vizinhança e tentando
encontrar padrões de comportamento, mesmo para os valores extremos, ou então ser
realizada por meio de análise da variação dos pontos em relação a seus vizinhos,
geralmente por meio de ferramentas específicas de análise de dados. A primeira é
mais efetiva na análise de dados ralos, como os dados de amostragem de solo em
grade (Figura 50). A segunda permite a análise de denso conjunto de dados
(SPEKKEN et al, 2013).

Figura 50 – Mapa de pontos mostrando regiões com certo padrão de distribuição espacial dos valores
de saturação de bases (V%); as setas vermelhas indicam pontos que se diferenciam de seus vizinhos,
caracterizando possíveis outliers.

96
Fonte: Molin, 2012.

5.3.2 Geração de mapas

Após a etapa de identificação de quais dados podem ser considerados reais,


estes podem passar para a etapa da interpolação. Isso é realizado de forma simples
em um SIG e consiste na geração de superfícies contínuas ou mapas de cada
variável de interesse. Geralmente é com essa informação que são feitas as análises,
visuais ou numéricas, as interpretações e finalmente as possíveis recomendações.
Interpolação é o procedimento pelo qual se estimam valores de uma variável em
regiões não amostradas, com base em sua vizinhança amostrada ou que se tenham
valores conhecidos.

As recomendações podem ser baseadas apenas em um único mapa, como no


mapa do teor de K no solo para aplicação de fertilizante potássico, por exemplo; ou
baseado nas informações contidas em vários mapas, como a aplicação de fertilizante
fosfatado em doses variadas baseada na sua exportação pela colheita e sua retenção
no solo, o qual demanda mapa de produtividade, mapa de teor de P no solo e mapa

97
de textura do solo, por exemplo. Esse tipo de operação entre mapas é o que se
denomina de álgebra de mapas, que visa realizar operações entre mapas de
diferentes atributos para a geração de novos mapas, mas agora de intervenções
(Figura 51).

Os programas de SIG trabalham associando uma posição física no campo com


atributos dessa posição. Assim, eles permitem lidar com vários atributos para um
mesmo local ao mesmo tempo, visualizando-os em camadas como um mapa sobre o
outro. Nesse caso, as operações básicas de adição, divisão, subtração, etc. são
efetuadas entre as variáveis (camadas de mapas).

Figura 51 – Exemplo de álgebra de mapas. Produtividade de soja e milho safrinha e mapas de


exportação de potássio (K2O) com base na produtividade, resultando em mapa de recomendação de
aplicação de cloreto de potássio (KCl) com base na exportação para a próxima safra de soja.

Fonte: Molin, 2012.

Formas de representação dos mapas

98
Para permitir a álgebra de mapas, é comum a utilização de mapas no formato
raster, que permite a implementação de equações integrando vários atributos para
cada pixel do mapa. Entretanto, os mapas também podem ser construídos em outro
formato, o vetorial, embora este formato limite as opções de operações entre mapas.

Historicamente, os mais variados tipos de mapas sempre foram bem


representados por linhas. Porém, nas aplicações agrícolas, as linhas não
representam a forma como as variáveis tendem a se comportar no campo, as quais
não acontecem de forma estanque e rígida. A representação da transição entre dois
tipos de solo, por exemplo, seria mais apropriadamente representada por uma
transição tênue e não por uma linha absoluta. Nesse aspecto, a diferenciação entre
modelo vetorial e raster merece maior detalhamento.

Mapas vetoriais se aproximam mais aos antigos mapas desenhados


manualmente, representando pontos e linhas como uma série de coordenadas X e Y,
formando geralmente polígonos. Já o mapa em formato raster estabelece uma grade
imaginária sobre o mapa e atribui valores para as informações em cada quadrícula ou
pixel (Figura 52).

Figura 52 – Comparação entre mapas de pH do solo em formatos raster (esquerda) e vetorial (direita).

Fonte: Molin, 2012.

99
No formato vetorial, cada polígono representa um valor ou um intervalo de
valores, enquanto que no formato raster, cada pixel contém um valor, simulando de
forma mais natural as transições entre níveis de qualquer atributo que se queira
representar.

O formato raster facilita a álgebra de mapas porque os pixels (quadrículas)


estão regularmente dispostos e apresentam a mesma localização em todos os
mapas, desde que configurados com o mesmo tamanho no momento da interpolação,
carregando assim o valor de cada atributo na forma de uma matriz. Nesse caso, as
operações entre mapas são realizadas pixel a pixel e o resultado é uma nova coluna
na matriz de dados, para um novo atributo derivado. No formato vetorial, segmentos
de linhas definem polígonos e em operações de análise comparativa entre mapas,
por exemplo, esses polígonos são testados para verificar se ocorrem cruzamentos.

Independentemente do formato utilizado nos mapas, a interpretação dos


mapas pelo usuário muitas vezes é feita baseando-se nas cores e nas classes
adotadas utilizadas, assim como já abordado no capítulo 3. Desse modo, é
fundamental que o número de classes seja suficiente para identificar a variabilidade
da variável em estudo, sendo que um número entre 3 e 5 muitas vezes é adequado.
Ainda, a representação em cores contrastantes facilita a visualização dessa
variabilidade. Não é consenso em AP, mas uma boa forma de utilizar as cores é
adotar a coloração vermelha para fatores problemáticos, como baixa produtividade ou
fertilidade, e a cor verde para condições ótimas.

Interpolação

Interpolação pode ser definida como o processo pelo qual se estima valores de
uma variável em locais que não foram amostrados. Esse processo está baseado na
premissa de que valores de amostras próximas entre si devem ser mais parecidas do
que amostras mais afastadas. Dessa forma, a qualidade da interpolação depende de
quão bem o modelo matemático utilizado representa o fenômeno analisado. Ainda,
essa qualidade também é função da exatidão na medição do dado (no caso de
amostragem de solo, é preciso boa qualidade na coleta do solo e nas análises de

100
laboratório), da densidade dos pontos amostrados e da distribuição espacial desses
pontos.

A densidade de pontos amostrados deve ser maior quanto maior for a


variabilidade do atributo de interesse, de forma que as amostras mais próximas
apresentem certa semelhança. Por exemplo, um terreno acidentado, com diferentes
tipos de solo ao longo da topo-sequência demanda maior densidade de coleta de
amostras do que em relevo em região plana, com a presença de apenas um tipo de
solo.

Além da densidade amostral, é importante que os dados sejam coletados de


forma bem distribuída na lavoura. Dessa forma, é comum que uma grade amostral
regular (pontos equidistantes) seja preferida a uma amostragem aleatória. No
entanto, essa equidistância não interfere necessariamente na qualidade da
interpolação, como abordado no capítulo 4. O problema da amostragem aleatória
advém da existência de espaços significativos onde nenhum ponto foi amostrado.
Quando isso ocorre, os pontos vizinhos estão muito distantes, prejudicando a
estimativa.

Há diversas funções matemáticas que possibilitam a interpolação espacial dos


dados, como: triangulação; vizinho mais próximo; mínima curvatura; inverso das
distâncias e krigagem. Todos apresentam suas peculiaridades, mas em AP os mais
usados são o método do inverso da distância ao quadrado e a krigagem.

Na prática, a maioria dos usuários utiliza o primeiro método, devido a sua


facilidade de uso e boa eficácia, em especial para dados densamente amostrados.
Quando as amostras se apresentam em baixa densidade, é característica desse
método a formação de contornos concêntricos ao redor de pontos amostrais
(chamados de olhos de boi ou bull's eye), o que nem sempre expressa o real
comportamento da variável em estudo. A krigagem apresenta menor frequência de
ocorrência desse comportamento (Figura 53), mas desde que a dependência
espacial da variável seja estabelecida. Para isso, é necessária a utilização de
técnicas geoestatísticas (que serão abordadas mais à frente), o que muitas vezes
impede o uso desse interpolador por usuários que precisam de agilidade no
101
processamento ou que não têm conhecimento para tal. A krigagem se diferencia dos
demais interpoladores por buscar minimizar a variância dos erros e, em vez de tornar
os pesos uma simples função da distância, incorpora a influência da dependência
espacial dos dados amostrados.

Figura 53 – Comparação entre mapas de pH do solo interpolados por krigagem e pelo método do
inverso da distância ao quadrado. As setas em azul indicam alguns dos círculos concêntricos (olhos de
boi) característicos desse último método.

Fonte: Molin, 2012.

Relações entre variáveis


Um dos principais objetivos da AP é identificar a variabilidade expressada pela
cultura e buscar entender quais são suas causas, ou seja, estabelecer as relações
entre causas e efeitos. Ainda, pode-se buscar entender por que o teor de determinado
elemento da fertilidade apresenta-se em baixos níveis em determinada porção da
lavoura. Dessa forma, sem o estabelecimento das reais causas da variabilidade de
um atributo é pouco provável que se atinja o grau de acerto desejado nas
intervenções.

Uma forma de estabelecer essas relações é com base em avaliações


realizadas por meio de amostragens dirigidas, como abordado no capítulo 4. Outra

102
forma também bastante usual e eficaz é a partir da análise de correlações e
regressões entre camadas de mapas, nesse caso relacionando os valores de cada
pixel ou de cada ponto amostral. Um exemplo dessa última forma de análise é
relacionar dados de produtividade diretamente com os valores dos atributos oriundos
da análise de solo, portanto, em cada ponto de uma grade amostral. A dificuldade
nesse caso é de se atribuir um valor de produtividade ao ponto, tendo em vista que a
informação de produtividade é obtida pelo monitor instalado na colhedora, na forma
de pontos não coincidentes com aqueles da amostragem do solo.

Um estudo de caso envolvendo esses conceitos pode ser visto em Molin et al


(2001), em que foram analisados dados de uma lavoura de grãos, relacionando as
produtividades com atributos de solo obtidos a partir de amostragem
georreferenciada. O conjunto de dados foi analisado sob as duas óticas – pontos e
camadas de mapas –, procedendo-se análises de regressão, ou seja, análises de
quanto os parâmetros de solo explicam a variação na produtividade. Para a geração
dos dados de produtividade em torno dos pontos, foi utilizada uma ferramenta comum
em SIG, conhecida como buffer, ou seja, agrupamento de dados em torno de pontos
ou linhas. Nesse caso, os dados de produtividade foram agrupados em torno dos
pontos de amostragem de solo exercitando-se diferentes raios de busca para esses
agrupamentos. Os resultados mostraram que, embora incluindo todos os importantes
componentes da fertilidade do solo na análise, as variações na produtividade não
podem ser simplesmente atribuídas à fertilidade do solo, como é comumente
assumido.

As regressões baseadas na amostragem em grade explicaram melhor a


produtividade por meio da análise da fertilidade do que quando se utilizando os
mapas interpolados. Esse fato indica que, quando se utilizam dados de pixels
resultantes de interpolação, esta causa atenuações nos valores das variáveis,
reduzindo as relações. Analisando as regressões de dados da grade amostral, foi
observado que, à medida que cresce o raio de busca para a produtividade em torno
do ponto, as relações aumentam, indicando que a produtividade tem uma
variabilidade local atenuada por raios de busca maiores. Porém, não existe uma
definição do tamanho do raio de busca, sendo este dependente da densidade dos

103
dados, da variabilidade dos dados e das incertezas de localização oriunda das
imprecisões do GNSS.

Análise por normalização de dados

Em AP, muitas vezes se pretende analisar mapas diferentes sobre um mesmo


valor padronizado, ou seja, comparar informações originalmente distintas, geralmente
com a finalidade de identificar diferentes potenciais produtivos de uma lavoura. Para
isso, utiliza-se a normalização de dados pela média, o qual é um procedimento capaz
de converter um valor com determinada unidade, por exemplo, kg/ha, em um número
relativo, dado pelo percentual da média. Ou seja, se um pixel de um mapa de
produtividade apresenta o valor de 2.500 kg/ha, e a média de produtividade desse
talhão for 3.000 kg/ha, o valor normalizado nesse pixel será de 0,83 ou 83%. Após a
normalização dos dados de interesse, é gerado um mapa híbrido, o qual representa o
valor médio de todos os mapas em cada pixel. Além da média, pode ser calculado o
desvio padrão e coeficiente de variação (CV%) em cada pixel, os quais representam o
grau de variação entre os mapas utilizados.

Quando se trabalha com mapas de produtividade de diferentes safras e


culturas, a normalização é procedimento interessante para possibilitar a identificação
da variabilidade temporal (ao longo dos anos). Isso permite que, além de identificar
regiões com potenciais produtivos diferentes, sejam identificados locais que
apresentam produtividade inconsistente ao longo das safras (a partir de um alto
CV%), o que pode indicar a necessidade de alguma intervenção diferenciada nessas
áreas. Mais detalhes sobre esse procedimento podem ser obtidos em Molin (2002).

5.4 GEOESTATÍSTICA

A geoestatística passou a ser usada e entendida como ciência a partir de 1963,


quando o engenheiro francês George Matheron incorporou os conceitos de estatística
clássica ao conceito de variáveis regionalizadas. Este conceito presume a existência
de correlações espaciais, ou seja, assume que uma dada variável deve apresentar
maior semelhança entre pontos mais próximos do que entre pontos mais distantes.

104
Em AP, a principal técnica geoestatística utilizada é a modelagem de
semivariogramas, os quais têm como principais finalidades identificar o
comportamento espacial de uma variável, fornecendo subsídios para a interpolação
de dados pela krigagem e a otimização de grades amostrais.

5.4.1 O semivariograma

Para estimar a variabilidade espacial de uma determinada variável, calcula-se


a semivariância para todos os possíveis pares de pontos em um conjunto de dados
(amostras) espacializados dentro de uma lavoura. Isso indica quão díspares se
tornam os pontos quando a distância entre eles aumenta. Para calcular a
semivariância entre um par de pontos, se subtrai o valor de um pelo outro, eleva ao
quadrado e divide por dois. Realizando-se a média ponderada dos valores de
semivariância para cada intervalo de distância (chamada de passo, do inglês Lag),
obtém-se o semivariograma experimental (Figura 54). Esse gráfico do
semivariograma experimental é formado por uma série de valores sobre os quais se
ajusta uma função ou modelo matemático, sendo que em AP os modelos que
frequentemente mais se ajustam são o esférico ou o exponencial.

Após a modelagem do semivariograma, realizada em software específico ou


mesmo em um SIG, basicamente três parâmetros são essenciais para a realização da
krigagem: efeito pepita, alcance e patamar (Figura 54).

105
Figura 54 – Semivariograma experimental representado pelos círculos e semivariograma ajustado
pelo modelo esférico representado pela linha contínua, acompanhando o comportamento do
semivariograma experimental. Os componentes do semivariograma são: efeito pepita = 1,6; patamar =
4,9; semivariânica estrutural (patamar – efeito pepita) = 3,3; alcance = 440 m.

Fonte: Molin, 2012.

Efeito pepita é o valor teórico de semivariância obtido na distância zero entre


amostras e é definido como a porção da variância não explicada pela distância entre
pontos. Valores elevados de efeito pepita mostram problemas no processo de
amostragem ou análise das amostras, sendo relativamente comuns semivariogramas
que apresentem “efeito pepita puro”, ou seja, não possuem dependência espacial
(Figura 55). Isso implica que os valores da variável são independentes de sua
localização. Entre as principais causas desse comportamento estão os erros de
coleta de amostras, os erros laboratoriais e a escala de trabalho. O erro relacionado à
escala de trabalho é especialmente importante em AP, principalmente no que diz
respeito às amostragens em grade regular. Nesse esquema amostral, a distância
mínima entre amostras tende a ser fixa e dependente da densidade amostral.
Dependendo da variável, essa distância mínima pode não ser suficiente para
identificar sua variação a curtas distâncias, resultando em um semivariograma com
efeito pepita puro. Uma forma de evitar esse problema é adotar grade amostral

106
irregular ou adicionar pontos aleatórios. Um número razoável para essa estratégia é
alocar ao menos 30% dos pontos de forma aleatória. Entretanto, essa recomendação
implica diretamente em custos adicionais com análises e coletas de amostras. Outras
alternativas são apontadas no capítulo 4.

Figura 55 – Exemplo de semivariograma com efeito pepita puro.

Fonte: Molin, 2012.

O alcance de um semivariograma é a distância a partir da qual as amostras


passam a ser independentes, ou seja, a partir da qual a variação média entre dois
pontos não é mais função de sua distância. A análise do alcance pode otimizar a
seleção de grades amostrais, uma vez que obter amostras espaçadas em distância
equivalente a metade do valor do alcance é suficiente para identificar a variabilidade
de uma variável. Dessa forma, estudos prévios da variável de interesse podem ser
conduzidos para verificar sua dependência espacial e só então estabelecer a
densidade amostral ou o espaçamento mínimo entre amostras. Principalmente no
caso de análise da fertilidade de uma lavoura, a distância entre amostras deve se
basear na variável que apresente menor alcance.

A partir do valor do alcance, a semivariância não mais aumentará com a


distância e se estabilizará num valor igual à variância média do conjunto de dados,

107
recebendo o nome de patamar. O patamar é composto pelo efeito pepita acrescido da
semivariância estrutural (Figura 54). Em casos em que o semivariograma não atinge
um patamar ou o atinge em semivariância muito maior à observada para a média do
conjunto de dados, é preciso considerar a presença de tendência nos dados, ou seja,
o efeito regional no comportamento da variabilidade que pode mascarar manchas
menores dentro do talhão. Quando esse efeito ocorre, é necessário remover a
tendência dos dados para que seja possível modelar corretamente o comportamento
espacial de determinado atributo por meio do semivariograma. Maiores detalhes
sobre esse efeito e seu procedimento de remoção podem ser obtidos em Andriotti
(2004).

ATENÇÃO
Durante a construção de semivariogramas, é preciso ter em mente que:

1) o número mínimo de pares de pontos em cada passo do semivariograma não


deve ser inferior a 30, pois abaixo disso a confiabilidade da estimativa da
semivariância é prejudicada;

2) o semivariograma teórico nem sempre se ajustará a todos os pontos do


semivariograma experimental, mas sempre é preciso adotar critérios
matemáticos para verificar o ajuste da modelagem; e

3) quanto maior o passo utilizado, menor é a confiabilidade do semivariograma,


em razão da suavização das semivariâncias em diferentes distâncias. Ainda,
focando a interpolação por krigagem, é preciso atentar que o número mínimo
de amostras para possibilitar a sua eficiência máxima deve ser superior a 50.

A krigagem

A krigagem compreende um conjunto de técnicas de estimação e predição de


superfícies baseada na modelagem da estrutura de correlação espacial por meio dos
semivariogramas. Ela é frequentemente apontada como o melhor interpolador linear
não enviesado, o qual apresenta a menor variância nas estimativas (OLIVER, 2010).

108
Além de ser apontado como o método mais completo e confiável de interpolação, a
krigagem apresenta a vantagem de reduzir a variação existente entre uma variável
intensamente amostrada, como por exemplo, dados de produtividade, favorecendo a
identificação da variabilidade em larga escala nas lavouras.

Em AP, a maioria dos softwares mais simples não dispõe de ferramentas


geoestatísticas e, portanto, não possibilitam a krigagem. Nesse caso, geralmente
recorre-se a interpolação pelo método do inverso da distância. Alguns SIGs
apresentam a opção de interpolação por krigagem, mas não disponibilizam
ferramentas para a modelagem de semivariogramas, o que exige a análise paralela
em outro software. Outros realizam a krigagem, mas não permitem ou não exigem
que o usuário informe os parâmetros obtidos pelo semivariograma (efeito pepita,
alcance e patamar), o que compromete o resultado da interpolação.

Uma forma de avaliar a eficácia do procedimento de interpolação por krigagem


é pela validação cruzada. Por esse método, elimina-se uma amostra do conjunto de
dados, o qual é estimada por krigagem com os dados restantes; após essa
estimação, o valor real dessa amostra é reintroduzido no conjunto de dados e se
repete o processo para todas as outras amostras. Após esse procedimento,
comparam-se os valores estimados com os valores reais (Figura 56).

109
Figura 56 - Gráfico mostrando os resultados de validação cruzada para a variável pH do solo. A linha
1:1 (vermelha) representa o resultado ideal, onde haveria R2=1, intercepto = 0 e inclinação da reta = 1.

Fonte: Molin, 2012.

110
6 GESTÃO DETALHADA DAS LAVOURAS

6.1 DEFINIÇÕES

O tratamento localizado é muitas vezes referido do inglês como aplicação em


sítio específico, tratamento em sítio específico (site speciffic application ou site
specific treatment), aplicação em taxas ou doses variadas, ou ainda, do inglês,
tecnologia de taxa variada (Variable Rate Technology” - VRT), mas o termo adequado
parece dependente da ação específica que se queira referir. Essencialmente, trata-se
da ação diferenciada, variada ou localizada, coerente com a demanda de cada
pequena porção (a menor possível) da lavoura. Tal tecnologia se justifica ao fornecer
potencialmente uma série de benefícios ao sistema de produção como um todo. São
eles: redução no uso de insumos, aumento de produtividade e/ou qualidade do
produto final, melhoria na qualidade das aplicações e redução de impactos
ambientais.

O tratamento localizado pode ser empregado nas mais diversas etapas de


cultivo como no preparo, correção do solo e adubação, no controle de plantas
daninhas, semeadura, irrigação e em pulverizações para o controle de pragas e
doenças. Certamente, as aplicações de fertilizantes e corretivos em doses
variadas são as que mais se popularizaram entre os agricultores e, portanto,
receberão um foco especial nesse capítulo. A elaboração de mapas de
recomendação é relativamente ágil e a disponibilidade de máquinas e recursos
eletrônicos é sensivelmente maior que para outros insumos.

6.2 TRATAMENTO LOCALIZADO

6.2.1 Adubações e correção do solo

A forma mais frequente na recomendação de adubação e correção do solo em


AP tem sido por meio de amostragem de solo em grade com um aumento significativo
no interesse por intervenções por unidades de gestão diferenciada (UGD) e, no caso
da adubação nitrogenada, pelo uso de sensores ópticos.

111
Para a aplicação localizada desses insumos existem diversas estratégias ou
formas de elaborar as recomendações. A forma mais comum é a aplicação a partir de
mapas de recomendação, gerados por meio de equações que fornecem a dose de
insumo demandado em cada pixel. Após obtido o mapa de recomendação, ele pode
ser utilizado no formato original (raster ou de pixels), que resulta em aplicações mais
detalhadas, ou convertido para o formato vetorial, onde as doses são simplificadas
dentro de grandes intervalos. Se, na etapa de amostragem, o método utilizado foi a
amostragem por célula, a equação de recomendação é aplicada em cada célula
resultando em uma aplicação com menor resolução.

Normalmente, tais equações são embasadas nos boletins regionais de


recomendação. A maioria dessas tabelas de adubação utilizam duas variáveis para o
cálculo da necessidade de insumo, sendo uma a disponibilidade do nutriente no solo
(ou nutrição foliar no caso da adubação nitrogenada de algumas culturas) e outra da
produtividade esperada para a safra (Figura 57).

Figura 57 – Tabela de recomendação para cana-de-açúcar no estado de São Paulo.

Fonte: Raij et al, 1997.

Naturalmente, para aplicações localizadas de fertilizantes, torna-se necessária


a espacialização das duas variáveis. Muitas vezes, dado o baixo nível de adoção do
mapeamento de produtividade, os mapas de recomendação são elaborados apenas
com base em mapas de fertilidade do solo mantendo a produtividade esperada
constante ou uniforme para toda a lavoura. Se, por outro lado, o agricultor adotar
somente a investigação da cultura por meio de mapas de produtividade e não o
mapeamento do solo, ele pode aplicar a equação de recomendação baseada apenas

112
na reposição de nutrientes, mantendo o nível de cada elemento no solo constante a
partir de uma investigação média (amostragem convencional) (Figura 58).

Figura 58 – Mapa de produtividade de laranja e exportação de nitrogênio.

Fonte: Molin, 2012.

Em sistemas mais elaborados, após o mapeamento da produtividade anterior,


gera-se o mapa de produtividade esperada para aquele ano, multiplicando-se o valor
em cada pixel por um fator de incremento ou decremento da produtividade que é
estimado pelo agricultor ou consultor de acordo com o seu conhecimento sobre a
área e a cultura. O mapa de produtividade esperada é então sobreposto ao de
fertilidade do solo por meio de um SIG, conferindo a cada pixel um valor para cada
variável. Em cada pixel é aplicada a equação de recomendação, gerando assim o
mapa de recomendação que será inserido no monitor do controlador de doses
variadas (Figura 59).

113
Figura 59 – Elaboração de mapa de recomendação de adubação em doses variadas.

Fonte: Molin, 2012.

A princípio, essa estratégia resultaria apenas na melhor distribuição de


insumos, sem que houvesse redução ou aumento no consumo dos mesmos. Isso
poderia resultar em ganhos de produtividade e/ou maior uniformidade da área, tanto
do solo como da cultura. Porém, a redução de insumos em muitos casos é inegável e
isso ocorre aparentemente porque as práticas convencionais não eram seguidas
criteriosamente antes da adoção da AP e havia simplificações demasiadas em todo o
processo de investigação do solo, recomendação e aplicação dos insumos. De
maneira geral, como existem incertezas nas investigações e também nas
recomendações, existe uma tendência de aumentar as doses de aplicação para que
um possível “erro” não afete o rendimento da cultura. Nesse momento, ao adotar
ferramentas de AP, o agricultor imediatamente nota redução no uso de insumos, mas
isso provavelmente não deve mais ocorrer nos anos posteriores.

Outra forma de tratamento localizado da adubação é a aplicação por meio de


UGD. Essa metodologia delimita regiões na lavoura com diferentes potenciais

114
produtivos em que serão aplicadas diferentes estratégias de tratamento. A definição
da adubação em cada UGD também pode ser balizada com equações tabeladas,
porém o agricultor pode tomar decisões mais personalizadas de acordo com o
histórico de informações em cada área delimitada. Por exemplo, ao conhecer os
diferentes potenciais produtivos de cada UGD, o produtor pode optar por investir mais
ou menos em adubação para aquela região, balizando-se pelos preços pagos pelos
fertilizantes e aqueles recebidos pela produção. Intuitivamente, áreas com menor
nível de nutrientes deveriam receber maior quantidade de fertilizantes para se
equipararem a regiões mais férteis e de maior produtividade. Porém, muitas vezes
uma UGD de baixo potencial produtivo não responde ao aumento da adubação, isso
porque existem outros fatores limitantes, provavelmente relacionados a parâmetros
físicos e estruturais dos solos, como drenagem, profundidade, ou capacidade de
retenção de água. Dessa forma, a melhor estratégia seria o caminho oposto, ou seja,
reduzir a quantidade de fertilizantes nessas regiões e realocá-lo em uma UGD de alto
potencial produtivo, onde as condições físicas e estruturais do solo não são limitantes
e provavelmente favorecem a resposta da cultura ao aumento na adubação. Tal
estratégia não seria possível se avaliados apenas os fatores químicos de solo por
meio de amostragens.

A terceira forma de tratamento localizado na adubação é por meio de


sensores. Nesse caso, a adubação não é mais guiada por mapas de recomendação,
mas por sistemas sensores que coletam informações da cultura ou solo no mesmo
momento da aplicação e as convertem em doses de insumo a cada nova leitura do
sensor. Essa abordagem tem se desenvolvido principalmente em torno da adubação
nitrogenada por meio de sensores de reflectância do dossel, mas lentamente o
desenvolvimento de sensores de solo tem levantado expectativas para aplicação de
outros elementos como fósforo e potássio.

A aplicação nitrogenada em taxa variável é uma das principais aplicações dos


sensores ópticos de refletância vegetal, apresentados no capítulo 3. A reflectância
das culturas em determinados comprimentos de onda do espectro eletromagnético
pode expressar indiretamente a demanda pelo insumo. O NDVI, principal índice de
vegetação obtido por meio da reflectância na região do vermelho e infravermelho
próximo, apresenta correlação com a biomassa e produtividade de algumas culturas
115
e, portanto, pode ser utilizado para embasar aplicações de nitrogênio. Diversos
sensores comerciais são disponíveis para esse propósito, medindo o NDVI ou índices
similares. As aplicações são realizadas em “tempo real”, ou seja, as leituras são
realizadas no momento da aplicação (Figura 60), embora mapas de recomendações
também possam ser elaborados previamente com os mesmos sensores.

Figura 60 – Máquina adubadora equipada com sensores ópticos de reflectância vegetal para
adubação de N em doses variadas.

Fonte: Molin, 2012.

Tal tecnologia tem se desenvolvido principalmente para culturas gramíneas


como o milho e trigo. Na cultura da cana-de-açúcar, estudos recentes também têm
demonstrado o potencial da tecnologia. O maior desafio é a calibração dos
equipamentos, ou seja, a elaboração de algoritmos de aplicação que traduzam as
leituras dos sensores em doses de recomendação.

Além de sensores de planta, sensores de solo também têm sido desenvolvidos


para auxiliar o tratamento localizado. Entre os diversos tipos, destacam-se para o
manejo da fertilidade do solo, os sensores ópticos de reflectância e também os

116
eletroquímicos. Os sensores ópticos, assim como nos sensores de planta, têm como
principal finalidade a caracterização do solo por meio da reflectância da energia
eletromagnética nas regiões do espectro entre visível e infravermelho. Alguns
estudos têm demonstrado a eficiência desse tipo de sensor na identificação de alguns
parâmetros de solo, como argila, matéria orgânica e umidade.

Já os sensores eletroquímicos tentam repetir o que os eletrodos íon-seletivos


fazem em laboratórios de análises de solo, detectando a atividade de um íon
específico, como o potássio e, consequentemente, sua disponibilidade para as
plantas. Dessa forma, pesquisas vêm sendo conduzidas tentando adaptar os
procedimentos de coleta, preparação e mensuração das amostras de solo por meio
de sensores em movimento no campo. Esse princípio de funcionamento é o que
apresenta maiores possibilidades de substituição das amostragens de solo para fins
de levantamento da fertilidade do solo. Ainda, para a medição de pH do solo de forma
espacializada no campo já existe disponível uma solução comercial, mas que se
encontra ainda em fase de testes e validação no Brasil.

Tais sensores de solo ainda não estão desenvolvidos como os sensores para
aplicação nitrogenada, os quais já apresentam diversas soluções comerciais
disponíveis. Porém, tais ferramentas devem evoluir e substituir gradativamente
algumas formas tradicionais de amostragens utilizadas na investigação do solo.

6.2.2 Pulverizações

Depois da gestão localizada da adubação, o tratamento fitossanitário é a área


que mais tem a atenção de pesquisadores e usuários de AP. Podemos considerar
que ela só não tem o mesmo nível de adoção da adubação variada porque as formas
de investigação espacializada dos parâmetros fitossanitários e a elaboração de
recomendações são menos difundidas e muitas vezes mais complexas e trabalhosas
do que na gestão da adubação. Entretanto, os ganhos econômicos e ambientais
dessa tecnologia podem, muitas vezes, ser maiores do que na gestão localizada da
adubação, já que normalmente estão associados à economia ou à redução do uso de
insumos. Os produtos fitossanitários são responsáveis por uma porção significativa
dos custos de produção das mais diversas culturas e aplicações excessivas dos
117
mesmos, além de aumentarem os custos, podem ser extremamente danosas ao
ambiente.

Há uma grande variedade de estratégias ou formas de recomendação para o


tratamento localizado de defensivos agrícolas. As aplicações podem ser guiadas por
sensores ou por mapas gerados previamente. Os mapas de recomendação, por sua
vez, podem ser obtidos de diversas formas: por meio de amostragens em grade da
incidência de problemas fitossanitários ou de fatores indiretos à recomendação, como
textura do solo ou matéria orgânica no caso da recomendação de herbicidas
pré-emergentes; por inspeção georreferenciada de pragas e doenças; pelo
mapeamento de contornos de reboleiras; por imagens aéreas, etc. Algumas
aplicações são exemplificadas a seguir.

Aplicação de herbicidas em taxa variável com base em sensores ópticos e


visão artificial

Essa aplicação é normalmente empregada na aplicação de herbicidas após a


dessecação ou colheita da cultura anterior, ou então para dessecação da cultura
quando há pouca vegetação. Um conjunto de sensores instalados diretamente na
barra de pulverização (um sensor para cada bico) realizam leituras em busca de
plantas daninhas. Ao reconhecerem o alvo, acionam a válvula do respectivo bico de
pulverização. Tais sensores são do mesmo tipo que aqueles utilizados na adubação
nitrogenada variável (sensores de reflectância do dossel). Por meio da análise da
reflectância, o sensor é capaz de distinguir a coloração verde de uma planta daninha
da palha sobre o solo ou do solo exposto.

Outra tecnologia desenvolvida para o controle de plantas daninhas é a visão


artificial. Não se pode afirmar que ela esteja pronta comercialmente assim como estão
os sensores citados anteriormente, mas certamente grandes avanços já foram
alcançados por pesquisadores em todo o mundo. Tal sistema de aplicação se baseia
no reconhecimento de plantas invasoras por meio do tratamento de imagens do
terreno coletadas por câmeras instaladas no pulverizador. Uma vantagem é que ele
pode ser empregado em pulverizações após a emergência da cultura, contanto que o
algoritmo de tratamento de imagem consiga distinguir a planta daninha da cultura.
118
Aplicação de herbicida pré-emergente em taxa variável com base em
características do solo

Uma técnica que tem tido sucesso é a aplicação de herbicida pré-emergente


com base na variação de textura e matéria orgânica do solo. Os dois fatores
influenciam na adsorção da molécula de herbicida ao solo e, portanto devem ser
considerados na recomendação. Com o desenvolvimento de técnicas de
mapeamento desses parâmetros, viabilizou-se a elaboração de mapas de
recomendação para a aplicação variável de herbicidas pré-emergentes com base na
variação desses parâmetros. Quanto maior o teor de argila e matéria orgânica no solo
maior será a adsorção do herbicida e, portanto, maior deve ser a dose de aplicação.

Aplicações com base na quantidade de biomassa

Normalmente, em pulverizações de produtos fitossanitários, quanto maior a


biomassa da cultura maior deve ser o volume de calda aplicado para o adequado
cobrimento da planta com o produto químico. Dessa forma, algumas técnicas foram
desenvolvidas para guiar aplicações variáveis de acordo com a variação de biomassa
da cultura. Os sensores de reflectância do dossel podem ser utilizados nesse tipo de
aplicação, embora tenham se popularizado nas aplicações nitrogenadas em taxas
variáveis. Os índices de vegetação, como o NDVI, são bons indicadores da
quantidade de biomassa, especialmente em gramíneas, e são calculados por meio de
leitura de sensores em plataformas orbitais, aéreas ou terrestres (diretamente no
trator ou pulverizador). O uso de imagens de satélite também tem sido comum para
gerar mapas de NDVI e recomendações variadas para pulverizações.

Aplicações em reboleiras

Diversas pragas e doenças ocorrem no campo em reboleiras, ou seja, em


porções definidas do campo e de forma agrupada. A aplicação variada segue um
mapa contendo o contorno das reboleiras e, utilizando sistemas de aplicação do tipo
“liga e desliga” (on/off), aciona a pulverização somente dentro das áreas delimitadas.

119
Essa tecnologia é responsável por reduções drásticas no consumo de defensivos e
consequentemente nos custos de produção.

O seu maior gargalo é na fase anterior à aplicação, durante a investigação


espacializada e elaboração dos mapas de recomendação. Muitas vezes, a
demarcação visual das reboleiras não é possível e, então, são necessárias
ferramentas de amostragem para o monitoramento e mapeamento das ocorrências.
Para amostragens em grade pode ser necessário um grande número de pontos para
caracterizar suficientemente a variabilidade espacial.

6.2.3 Semeadura

A recomendação para semeadura em taxa variável é baseada na variação de


propriedades do solo e de ambiente que conferem ao campo diferentes potenciais
produtivos. A população pode variar de acordo com UGDs, ou seguindo mapas de
pixels ou sensores, onde a aplicação é continuamente variada.

Na aplicação por UGD, uma população de plantas condizente ao potencial


produtivo é definida em cada unidade. Normalmente, unidades de alto potencial são
implantadas com maior densidade populacional, pois se considera que nelas existem
menores limitações à produção (solos profundos, com boa capacidade de retenção
de água, por exemplo) e, portanto podem responder ao aumento populacional. Em
regiões de baixo potencial produtivo, pode-se reduzir a utilização de sementes que
serão realocadas para as UDGs de alta produção, já que a competição entre plantas
pode se tornar um fator limitante.

Na aplicação por mapas, a textura do solo pode ser levantada por meio de
amostragens georreferenciadas ou por meio de sensores e convertida em
recomendações de populações. A textura do solo e a sua capacidade de retenção
de água, dois fatores que caracterizam o potencial produtivo das diferentes regiões
em uma lavoura, são altamente relacionados à condutividade elétrica do solo (Figura
61). Alguns usuários têm empregado sensores de condutividade elétrica para guiar a
semeadura variável em tempo real, onde o sensor é acoplado diretamente à
semeadora. Se não houver expressiva salinidade, solos mais argilosos e mais úmidos
120
apresentam maiores leituras de CE e, seguindo a mesma lógica anterior, podem
receber maiores densidades populacionais. Analogamente, sensores ópticos de solo
para mensuração de matéria orgânica também podem ser utilizados, e nesse caso
quanto maior a leitura para tal parâmetro, maior a densidade de sementes.

Figura 61 – Mapas de CE, umidade e teor de argila do solo e sensor de condutividade elétrica do solo.

Fonte: Molin, 2012.

O maior desafio de qualquer uma das recomendações é definir um fator de


conversão ou algoritmo de recomendação que forneça um valor de população a partir
do teor de argila, CE ou matéria orgânica. Uma opção é simplesmente adotar
variações em torno da população média empregada na semeadura convencional.
Obviamente tal recomendação pode ser ajustada ano a ano por meio de observações
do rendimento, experimentações, calibrações locais e previsões quanto ao
comportamento pluviométrico da temporada.

121
6.2.4 Preparo do solo

A lógica envolvida no preparo de solo localizado está no fato de existirem


variações nas condições de solo, principalmente vinculadas à compactação, que
geram a necessidade de um tratamento diferenciado em relação à forma e
intensidade de mobilização do solo, gerando melhores condições para o
desenvolvimento radicular das plantas e minimizando os custos com preparo de solo.

Atualmente, essa prática tem sido empregada principalmente na subsolagem.


Especialmente com o aumento de áreas cultivadas com plantio direto, em que não há
revolvimento do solo, essa operação tem recebido atenção de produtores e também
de pesquisadores em AP. Na cultura da cana-de-açúcar, por exemplo, essa é uma
das principais etapas do preparo de solo no momento de reforma do canavial, já que
durante todo o ciclo da cultura, máquinas pesadas trafegam pela lavoura causando
significativa compactação do solo.

Existem duas formas de subsolagem variada:

 realizar o preparo somente em locais críticos da lavoura (on/off), em contraste


ao tratamento em área total; e

 subsolagem com profundidade variada. A aplicação das duas formas


simultâneas também é possível (tratamento on/off e variado).

O tratamento localizado para a descompactação do solo depende da


mensuração de um índice de compactação que caracteriza o adensamento do solo.
Os instrumentos utilizados para esse fim são denominados de penetrômetros e existe
uma diversidade de tipos, inclusive alguns automáticos e acoplados em veículos que
facilitam a leitura em grande quantidade de pontos. A compactação é dada de forma
indireta, por meio do índice de cone (IC), que representa a força necessária para a
penetração de uma haste no solo. As medições de IC são realizadas ao longo da
descida da haste durante o movimento de penetração a uma dada frequência de

122
coleta. Como resultado tem-se um gráfico de IC que indica em qual profundidade se
encontra a camada compactada (Figura 62).

Figura 62 – Penetrômetro manual e gráfico do índice de cone.

Fonte: Molin, 2012.

Para o mapeamento do IC, as leituras devem ser georreferenciadas, e o


método normalmente utilizado se baseia na grade amostral. Como citado no capítulo
4, para a investigação espacializada da compactação, pode ser necessário um
grande número de amostras (baixa dependência espacial) e subamostras (baixa área
de amostragem pelo índice de cone). Os mapas gerados guiam a operação de
descompactação do solo para as regiões que excederem o limite aceitável de IC ou
então ajustam a profundidade da haste subsoladora necessária para atingir a camada
compactada.

Os métodos de mapeamento por penetração vertical requerem elevada


densidade de pontos e, por isso, são onerosos e mesmo assim apresentam certas
incertezas dadas as limitações de amostragem já apresentadas. Muitas vezes, se a
compactação do solo está mais relacionada a padrões de operação do que as
variações naturais da propensão do solo à compactação, mesmo quando se aplicam
grades amostrais mais densas, não se consegue uma boa representação da
variabilidade.

123
Alternativamente, pesquisadores têm desenvolvido sensores de solo para
medições em movimento, ao longo das passadas do equipamento pelo campo, que
conseguem coletar uma grande quantidade de dados e possivelmente representar
melhor a variabilidade espacial do solo. A força nesse caso é aplicada
horizontalmente por meio de hastes instrumentadas com células de carga instaladas
em um implemento acoplado ao trator. Tais sensores podem mapear a variabilidade
espacial da resistência do solo e também da profundidade compactada de forma mais
rápida e barata que as medições estáticas e verticais. Além disso, eles podem guiar o
preparo de solo variável de acordo com leituras em tempo real. Um fator limitante é a
dificuldade de se combinar partes eletrônicas frágeis a uma operação robusta. Em
condições críticas de compactação, alguns sistemas podem simplesmente entrar em
colapso.

6.3 EQUIPAMENTOS PARA APLICAÇÕES LOCALIZADAS

Componentes

O sistema de aplicação ou tratamento variado é composto por um receptor


GNSS, um controlador, um atuador e outros sensores acessórios (Figura 63).
Resumidamente, o controlador recebe informações do receptor GNSS, interpreta os
mapas de recomendação e enviam o sinal para o elemento atuador que efetivamente
altera as configurações da máquina para a dose ou taxa de aplicação desejada.

124
Figura 63 – Componentes de um sistema de controle para aplicação em doses variadas.

Fonte: Molin, 2012.

Em relação ao receptor GNSS utilizado para a aplicação em taxa variável,


duas opções são comumente utilizadas, os receptores de navegação (código C/A) e
os com correção diferencial ou algoritmo interno. O erro de posição em receptores de
navegação está na ordem de 1 a 3 metros em condições estáticas e 1 a 5 metros em
condições cinemáticas, com 95% de probabilidade. São valores perfeitamente
aceitáveis para o tipo de operação a ser realizada, considerando-se grandes
lavouras. Além disso, as larguras de trabalho dos aplicadores são superiores ao erro
do receptor, especialmente em equipamentos com mecanismo distribuidor centrífugo,
que, no caso da aplicação de calcário e gesso, são da ordem de 5 a 12 metros. Por
outro lado, idealmente as aplicações de sólidos a lanço devem ser guiadas com um
sistema de orientação em faixas paralelas e, por isso, deve-se considerar o uso de
receptores com correção diferencial ou algoritmo interno, os quais permitem a
utilização de barra de luzes (capítulo 2), geralmente recomendada para esse caso.

O controlador é composto por um computador de bordo e software dedicado


que armazenam e interpretam os mapas de prescrição e algoritmos de
recomendação (para aplicação com sensores), além de registrar informações da
aplicação durante a operação. Os softwares podem comportar mapas de
125
recomendação no formato raster ou vetorial. No formato raster, o arquivo digital que
contém o mapa de recomendação é uma matriz de três colunas – X (latitude), Y
(longitude) e Z (dose) – e múltiplas linhas, sendo que cada uma representa um pixel
do mapa. Para a aplicação simultânea de mais de um insumo, basta que se adicione
ao mapa as colunas Z1, Z2, ..., Zn, equivalentes a cada um desses insumos, contanto
que todo o sistema de aplicação comporte esse tipo de aplicação simultânea. Já para
os mapas no formato vetorial, as doses são estabelecidas para cada região contida
entre duas isolinhas, definindo polígonos, ou seja, áreas delimitadas com doses
únicas.

A inserção de arquivos pode ser por mídia compacta (cartão, módulo USB,
etc.) ou por comunicação via porta serial entre um computador externo e o
controlador. O arquivo pode ser de algum formato genérico (.txt, .dbf) ou algum mais
específico, vinculado ao programa de geração dos mapas (.shp), ou mesmo um
formato proprietário (código).

Em relação ao elemento atuador, normalmente o seu princípio de


funcionamento é eletro-hidráulico, pois recebe o sinal elétrico do controlador e por
meio de uma válvula solenoide comanda a direção e intensidade do fluxo de óleo em
um sistema hidráulico. Alternativamente, existem os sistemas de acionamento
puramente elétrico, os quais possuem motores com controle eletrônico por diferentes
princípios.

Como sensores acessórios, têm-se os sensores de pulso ou encoders,


utilizados no rodado para medir velocidade de deslocamento (embora essa
informação também possa vir do receptor GNSS) ou, por exemplo, no mecanismo
acionador de uma esteira transportadora de adubo, para medir a sua velocidade
angular e estimar a quantidade aplicada. Também existem os sensores de fluxo ou
pressão para medição da quantidade de produto que está sendo aplicado,
fornecendo informações para o monitoramento da aplicação.

Distribuidoras de fertilizantes e corretivos de solo

126
Em máquinas adubadoras ou calcareadoras de mecanismo dosador
volumétrico de esteira, que predominam no mercado, o controle da dose pode ocorrer
na velocidade da esteira dosadora, por meio de motor hidráulico, e na altura da
comporta delimitadora, utilizando um motor elétrico com rosca ou cilindro hidráulico
linear (Figura 64). A opção mais comum tem sido a atuação somente na velocidade
da esteira, especialmente quando a máquina não apresenta controlador original de
fábrica e é, então, adaptada com um controlador genérico. Em sistemas mais
sofisticados, a atuação ocorre simultaneamente na altura da comporta e na
velocidade da esteira, conferindo maior amplitude de doses e menor tempo de
resposta às transições.

Em máquinas com mecanismo dosador volumétrico helicoidal ou de rodas


denteadas, comuns no componente adubador de semeadoras-adubadoras de grãos,
o controle se dá na velocidade angular desses mecanismos por meio de um motor
hidráulico ou elétrico. Já em máquinas com mecanismo dosador gravitacional, a
atuação ocorre por meio da abertura ou fechamento do orifício dosador por um
atuador linear com controle eletrônico.

Figura 64 – Motor hidráulico para ajuste da velocidade da esteira dosadora (a) e cilindro hidráulico
linear para controle da abertura da comporta (b).

a b
Fonte: Molin, 2012.

127
Em aplicações variadas de fertilizantes, não se utilizam adubos formulados
N-P-K, isso porque cada elemento deve seguir um mapa de recomendação próprio e,
portanto, as aplicações devem ser realizadas separadamente. Algumas máquinas
têm surgido com mais de um reservatório de adubo, em alguns casos até com três
compartimentos (Figura 65). Isso permite a aplicação simultânea de N, P e K, por
exemplo. O controlador deve ser capaz de armazenar mapas de recomendação com
diferentes produtos (colunas Zi) e enviar o sinal por meio de múltiplos canais para
atuadores individuais. Cada produto será dosado independentemente antes de
atingirem o mecanismo distribuidor da máquina.

Figura 65 – Máquinas com compartimentos para dois ou mais insumos.

Fonte: Molin, 2012.

Pulverizadores

Existem basicamente duas formas de se variar taxas de aplicações em


pulverizações:
 variação do volume de calda;
 variação da dose de princípio ativo com volume de calda constante.

Para variação do volume de calda é necessária a alteração da vazão de


aplicação que por sua vez, pode ser feita de três formas:
a) variação na pressão de aplicação;
b) variação no número e vazão dos bicos;
c) pelo sistema de controle de vazão por pulsos.

128
No sistema por variação de pressão uma válvula de controle abre ou fecha
parcialmente o duto condutor da calda para atingir a vazão desejada. A variação da
pressão no sistema de aplicação pode alterar o padrão de deposição e tamanho de
gota da calda aplicada. Alguns sistemas alertam o operador quando a pressão está
fora dos limites aceitáveis para o bico. Já no segundo sistema, a vazão é controlada
diretamente nas pontas de pulverização. Em cada bico existe um conjunto de pontas
que podem ser acionadas de acordo com o volume de aplicação desejado (Figura
66). O fator limitante desse sistema é que ele não permite variação constante de
vazões, ou seja, oferece apenas algumas vazões determinadas pela combinação de
pontas e a vazão nominal de cada uma. No sistema por controle de pulsos, os bicos
operam com válvulas solenoides de alta velocidade que permitem a abertura e
fechamento dos bicos por um curto intervalo de tempo e com alta frequência. A
frequência e tempo de abertura determinam a vazão do bico.

A aplicação variada também pode ser realizada por meio da variação da dose
do princípio ativo, mantendo constante o volume de calda aplicado. Nessa categoria,
o controle ocorre na bomba de injeção do produto químico realizado na corrente de
água que vem do reservatório, normalmente antes da bomba, portanto sob baixa
pressão. Dessa forma, a vazão da mistura é constante e a taxa de injeção varia de
acordo com variações na velocidade ou taxa de aplicação recomendada. A maior
vantagem desse sistema em relação aos demais é a sua capacidade de manter um
padrão ótimo de aplicação e tamanho de gotas, pois mantém a faixa ótima de volume
de calda durante a aplicação. Por outro lado, o tempo de transição de taxas de
aplicação é maior (deslocamento da mistura até a saída nos bicos).

Figura 66 – Variação de volume de calda por meio da combinação de número e vazões de bicos.

129
Fonte: Molin, 2012.

Além das aplicações por variação contínuas de taxas, apresentadas


anteriormente, existe também um tipo mais simplificado de tratamento localizado do
tipo on/off. Nesse caso, válvulas de controle atuam desligando ou ligando o sistema
de aplicação, sendo que, durante os momentos de aplicação, a taxa é constante. A
ação de ligar ou desligar é comandada por sensores ou por mapas de contorno (de
reboleiras, áreas próximas a mananciais ou nascentes, etc.). Esse sistema pode ser
agregado aos anteriores para promover aplicações em taxas variadas com
interrupções automáticas guiadas por sensores ou mapas.

Semeadoras

As semeadoras aptas para taxa variável são equipadas com os mesmos


controladores utilizados em máquinas adubadoras. O controlador armazena
informações do mapa de recomendação ou processa leituras de sensores e enviam
sinais para o elemento atuador. Um motor (hidráulico ou elétrico) é instalado para
controlar a velocidade angular do rotor acanalado em semeadoras para sementes
miúdas (dosador de fluxo contínuo) ou do disco horizontal ou vertical em semeadoras
de sementes graúdas. O atuador irá compensar variações de velocidade e atender às
recomendações vindas do controlador.

Desempenho e relatórios de aplicação

130
Durante as aplicações localizadas, os sistemas automatizados registram
informações da operação para posteriormente gerar relatórios. Elas são registradas
na frequência de coleta do receptor GNSS e são armazenadas no controlador. No
arquivo gerado, cada ponto georreferenciado contém uma série de dados. São
registrados dados de velocidade e tempo do conjunto aplicador, além de informações
como produto aplicado, largura da aplicação e ocorrências informadas pelo operador,
as quais permitem gerar relatórios gerenciais. Tal arquivo gerado pelo controlador é
denominado de arquivo de aplicação ou “do aplicado”, ou em inglês, de arquivo
as-applied. Todos os dados podem ser visualizados em uma planilha ou em formato
de mapa, conhecido como mapa de aplicação, mapa do aplicado ou mapa as-applied,
não podendo ser confundido com mapa de recomendação. Alguns fabricantes de
controladores fornecem softwares para visualização dos mesmos e também
elaboração de relatórios gerenciais com informações sobre o rendimento operacional,
tempos de máquina parada, em translado, em operação, etc.

A informação mais valiosa oriunda do arquivo de aplicação, ou que pelo menos


recebe mais atenção de muitos pesquisadores em AP, é a quantidade de insumo
aplicada em comparação à recomendada (Figura 67). Embora seja referida como
quantidade aplicada, na verdade muitas vezes ela é medida indiretamente com base
na leitura de sensores auxiliares instalados nos atuadores do mecanismo dosador,
por exemplo, a partir de medições da velocidade de esteira e altura de comporta em
adubadoras.

Figura 67 – Mapa de recomendação de adubação e mapa do aplicado a partir do arquivo as-applied.

131
Fonte: Molin, 2012.

Existem alguns fatores que afetam a qualidade das aplicações. Alguns são
intrínsecos à máquina, como os tempos de resposta e transição. O tempo de resposta
ou, em inglês, delay time, se refere ao tempo de reação da máquina ao sinal de
transição de taxa, ou seja, o tempo entre a emissão do sinal do controlador e o início
da atuação para a mudança da taxa de aplicação. Já o tempo de transição é o tempo
necessário para concluir a transição, ou seja, o tempo entre o início e fim da transição.

Para minimizar o problema com o tempo de resposta, a maioria dos


equipamentos dispõe de um artifício denominado de previsão ou look ahead. A partir
da velocidade e direção de deslocamento da máquina, o controlador emite os sinais
ao atuador baseado nas doses que ainda estão à frente da máquina. Isso faz com que
o movimento de mudança de doses comece antes que a máquina chegue àquele
local e que, ao cruzar a linha de transição, a máquina já tenha atingido a dose
desejada. É importante lembrar que em aplicações em tempo real, essa correção não
é possível e, por esse motivo, o tempo de resposta dos aplicadores é de fundamental
importância na qualidade da aplicação.

132
Em aplicações por UGD, células ou em mapas de recomendação no formato
vetorial, as mudanças de doses ocorrem apenas em alguns locais no talhão. Nesses
casos, mesmo com uma distância de resposta e transição de alguns metros, não há
muitos problemas para a aplicação, considerando que as mudanças naturais na
lavoura não são abruptas como as intersecções entre as classes de recomendação.
Por outro lado, em aplicações por pixels, onde pode haver mudanças de doses a cada
10 m, é provável que a máquina nunca atinja exatamente o valor recomendado, pois a
troca é constante.

133
REFERÊNCIAS

ANDRIOTTI, J. L. S. Fundamentos de estatística e geoestatística. São Leopoldo:


Unisinos, 2004.

BAIO, F.H.R. Evaluation of an auto-guidance system operating on a sugar cane


harvester. Precision Agriculture, v. 13, p. 141-147, 2012.

BANSAL, R. et al. Green citrus detection using fast Fourier transform (FFT) leakage.
Precision Agriculture, v. 14, p. 59-70, 2013.

BRAMLEY, R. G. V. Lessons from nearly 20 years of Precision Agriculture research,


development, and adoption as a guide to its appropriate application. Crop & Pasture
Science, v. 60, p. 197–217, 2009.

CREPANI, E. Princípios básicos de sensoriamento remoto. São José dos Campos:


CNPQ;INPE, 1993.

DEPARTMENT of Defense (DoD). Global Positioning System, Standard Positioning


Service, Performance Standard. 4. ed, setembro 2008
http://www.gps.gov/technical/ps/2008-SPS-performance-standard.pdf. Acesso em:
13 set. 2013.

FOUNTAS, S. et al. Farmer experience with Precision Agriculture in Denmark and the
US Eastern corn belt. Precision Agriculture, v. 6, p. 121-141. 2005.

MAJA, J.M.; EHSANI, R. Development of a yield monitoring system for citrus


mechanical harvesting machines. Precision Agriculture, v. 11, p. 475-487, 2010.

MELO, D.H.C.T.B. Uso de dados Ikonos II na análise urbana: testes operacionais na


zona leste de São Paulo. São José dos Campos: INPE, 2002.

MOLIN, J. P. Definição de unidades de manejo a partir de mapas de produtividade.


Engenharia Agrícola, v.22, p.83-92, 2002.

MOLIN, J. P. et al. Método de avaliação de equipamentos para direcionamento de


veículos agrícolas e efeito de sinais de GNSS. Engenharia Agrícola, v.31, p.121 - 129,
2011.

MOLIN, J. P.; COUTO, H.T. Z.; GIMENEZ, L.M.; PAULETTI, V.; MOLIN, R.; VIEIRA,
S. R. Regression and correlation analysis of grid soil data versus cell spatial data In: 3°
European Conference on Precision Agriculture, Montpellier, 2001. p.449-453.

NOVO, E.M.L.M. Sensoriamento remoto: princípios e aplicações. 2. ed. São Paulo:


Edgard Blucher, 1992.

OLIVER, M.A. Geoestatistical applications for precision agriculture. New York:


Springer, 2010.

134
PAULA, V.R.; MOLIN, J. P. Assessing damage caused by accidental vehicle traffic on
sugarcane ratoon. Applied Engineering in Agriculture, v. 29, p. 161-169, 2013.

RAIJ, B. et al. Recomendações de adubação e calagem para o Estado de São Paulo.


2. ed. Campinas: IAC, 1997. (IAC. Boletim Técnico, 100).

SARTORI, S. Mapping the spatial variability of coffee yield with mechanical harvester.
In: World Congress of Computers in Agriculture and Natural Resources, ASAE, p.
196-200, 2002.

SPEKKEN, M. et al. A simple method for filtering spatial data. In: 9th European
Conference on Precision Agriculture, Leida, 2013, 2013.

135
ANOTAÇÕES
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
___________________________________________________________________
136
137
138

Você também pode gostar