UNIVERSIDADE FEDERAL DE MATO GROSSO

CAMPUS UNIVERSITÁRIO DE SINOP

INSTITUTO DE CIÊNCIAS AGRÁRIAS E AMBIENTAIS
ENGENHARIA AGRÍCOLA E AMBIENTAL

VARIABILIDADE DA PRODUTIVIDADE DA CULTURA DO

MILHO UTILIZANDO IMAGENS DO SATÉLITE LANDSAT 8
EM UMA PROPRIEDADE NA REGIÃO NOROESTE DO
MATO GROSSO

LUIZA MARTINS TURCATTO

SINOP
MATO GROSSO – BRASIL
2018
 LUIZA MARTINS TURCATTO

VARIABILIDADE DA PRODUTIVIDADE DA CULTURA DO

MILHO UTILIZANDO IMAGENS DO SATÉLITE LANDSAT 8
EM UMA PROPRIEDADE NA REGIÃO NOROESTE DO
MATO GROSSO

Orientador: Prof.º Dr. RODRIGO SINAIDI ZANDONADI

Trabalho de Curso apresentado à

Universidade Federal de Mato Grosso -
UFMT - Campus Universitário de Sinop,
como parte das exigências para obtenção
do Título de Engenheiro Agrícola.

SINOP
2018
Aos meus pais, Darlã e Luzia, e a minha irmã querida, Amanda.

DEDICO ESTE TRABALHO .

 AGRADECIMENTOS

Agradeço a Deus e a Nossa Senhora aparecida acima de tudo, pelas oportunidades a

mim conferidas, pois sem eles nenhuma das etapas da graduação poderiam ser

concretizadas.

Ao meu orientador professor Rodrigo Zandonadi, pela confiança, disponibilidade,

suporte, e pela paciência ao longo dessa jornada.

A fazenda Gobbi, pela parceria em disponibilizar os dados de produtividade para

efetivação deste trabalho.

Aos meus pais, Darlã e Luzia, pela confiança e apoio a mim prestado, tanto em quisitos

financeiros quanto emocionais.

A minha irmã querida, Amanda, pelo acolhimento ao chegar nesta cidade, carinho,

companheirismo e afetividade durante a graduação e a vida.

Ao meu namorado, Gustavo, por estar ao meu lado durante esta etapa complexa da

minha vida.

A Universidade Federal do Mato Grosso – UFMT (professores e amigos) e ao

Laboratório de Agricultura de Precisão e Mecanização Agrícola – LapMec, por fazerem parte

da minha história.
 SUMÁRIO

RESUMO .................................................................................................................................... 8

ABSTRACT ................................................................................................................................ 9

INTRODUÇÃO ......................................................................................................................... 10

CAPÍTULO 1 - ANÁLISE DA CORRELAÇÃO LINEAR ENTRE A PRODUTIVIDADE DE

MILHO E O NDVI, NO NOROESTE DO MATO GROSSO ..................................................... 12

1. INTRODUÇÃO .............................................................................................................. 13

2. MATERIAL E MÉTODOS .............................................................................................. 14

3. RESULTADOS E DISCUSSÃO .................................................................................... 16

4. CONCLUSÕES ............................................................................................................. 19

5. REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................. 20

CAPÍTULO 2 - VARIABILIDADE DA PRODUTIVIDADE E A RELAÇÃO COM PADRÕES DE

NDVI OBTIDOS COM IMAGENS DO LANDSAT 8 ................................................................. 22

1. INTRODUÇÃO .............................................................................................................. 23

2. MATERIAL E MÉTODOS .............................................................................................. 24

3. RESULTADOS E DISCUSSÃO .................................................................................... 26

4. CONCLUSÕES ............................................................................................................. 30

5. REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................. 31

CONCLUSÕES GERAIS ......................................................................................................... 33

REFERÊNCIAS BIBLIOGRÁFICAS COMPLEMENTARES ................................................... 34

 8

RESUMO

O mapeamento da variabilidade espacial de plantas e solo é utilizado como ferramenta

fundamental para o gerenciamento agrícola no âmbito da agricultura de precisão. Objetivou-
se inicialmente (Capítulo 1) investigar a correlação linear de Pearson entre a produtividade da
cultura do milho e o NDVI gerado a partir de imagens de satélite, em um talhão de 64 ha com
produtividade média de 101,16 sc.ha -1 e coeficiente de variação de 11,31%, localizado em
Tabaporã, região noroeste do MT. O primeiro processo de avaliação foi conduzido da seguinte
maneira: filtragem do mapa de produtividade bruto, seleação das imagens do satélite Landsat
8, extração do valor de pixel do NDVI ponto a ponto, partindo dos dados de produtividade e
analise de correlação. O resultado da correlação foi de 0,6 testado através do teste T com
significância de 1%. Considerado pelos autores um resultado satisfatório, foi conduzido um
novo trabalho (Capítulo 2) em que a objetivou-se avaliar em batelada, a variabilidade espacial
da produtividade do milho, bem como a correlação linear entre produtividade e NDVI, em 3
safras consecutivas, 2015, 2016 e 2017 na mesma propriedade em questão. Utilizou-se o
programa Matlab (2018A) para a avaliação da correlação entre as variáveis. Obteve-se
coeficientes de variação da produtividade relativamente baixos (<10%) e aumento da
produtividade do ano 2015 para 2017. Para o ano de 2016, 70 % dos talhões apresentaram
coeficientes de correlação (entre produtividade e NDVI) acima de 0,3 testado a 1 % de
significância (teste T), onde se encontrou maior número de talhões no estágio fenológico ideal
(VT e R1) para identificação da variabilidade da produtividade. O uso de imagens do satélite
Landsat 8 mostrou-se eficiente na identificação da variabilidade espacial da produtividade de
milho apresentando coeficiente de correlação significativo de até 0,78. Porém o tempo de
varredura do satélite e imagens livres de nuvens limitou a avaliação de talhões com dados de
produtividade disponíveis.

PALAVRAS-CHAVE: Agricultura de Precisão, Variabilidade de produtividade, Landsat8

 9

ABSTRACT

The mapping of spatial variability of plants and soil is used as a fundamental tool for
agricultural management in the field of precision agriculture. It was initially intended (Chapter
1) to investigate Pearson's linear correlation between maize crop productivity and NDVI
generated from satellite images in a 64 ha plot with a mean yield of 101.16 sc.ha-1 and
coefficient of variation of 11.31%, located in Tabaporã, northwest region of MT. The first
evaluation process was carried out as follows: gross productivity map filtering, Landsat 8
satellite imagery selection, point-to-point NDVI pixel value extraction, based on productivity
data and correlation analysis. The correlation result was 0.6 tested through the T test with
significance of 1%. Considered by the authors a satisfactory result, a new work (Chapter 2)
was conducted in which the objective was to evaluate the spatial variability of maize
productivity, as well as the linear correlation between productivity and NDVI, in 3 consecutive
harvests, 2015 , 2016 and 2017 on the same property in question. The Matlab program
(2018A) was used to evaluate the correlation between variables. The coefficients of variation
of productivity were relatively low (<10%) and productivity increased from 2015 to 2017. By
2016, 70% of the stands had correlation coefficients (between productivity and NDVI) above
0.3 tested at 1% significance (T test), where a greater number of stands were found in the
ideal phenological stage (VT and R1) to identify the variability of productivity. The use of
Landsat 8 satellite images was efficient in identifying the spatial variability of maize yield with
a significant correlation coefficient of up to 0.78. However, satellite scanning time and cloud-
free images limited the evaluation of plots with available yield data.

KEYWORDS: Precision Agriculture, Productivity Variability, Landsat8

 10

INTRODUÇÃO

Definida como sistema de gerenciamento da variabilidade espacial dentro dos campos

de produção agrícola, a agricultura de precisão (AP) proporcionou redução nas unidades de
manejo em nível de fazenda para nível de talhão, tratando das necessidades de forma
localizada dentro das áreas, e consequentemente proporcionando benefícios como economia
de insumos e preservação da qualidade ao meio ambiente (POHV, 2007).
Porém, somente se tornou possível a execução da AP após o advento do sistema de
posicionamento global (GPS) em conjunto com localização georreferenciada, em que a
precisão utilizada é dada de acordo com a disponibilidade financeira do produtor ou da
operação em questão (EMBRAPA, 2003).
O mapeamento da variabilidade espacial em campos de produção agrícola pode ser
realizado através do sensoriamento remoto, utilizando a radiação eletromagnética em
determinado comprimento de onda, refletida pelo dossel para caracterização das culturas,
detectando doenças em plantas e quantificando-as sem contato direto. Os sensores podem
ser passivos, quando se utiliza da radiação eletromagnética natural do sol, ou ativos, quando
a radiação eletromagnética utilizada é artificial, produzida pelo próprio equipamento
(WENDLING, 2014).
Contudo, quando se trata de sensoriamento remoto na agricultura, os índices de
vegetação são elementos fundamentais para realçar características específicas nos dosséis
das culturas. O índice mais utilizado na agricultura é o NDVI (índice de Vegetação por
Diferença Normalizada), sendo empregado, por exemplo, na caracterização de alterações nos
dosséis, determinação de aplicação de nitrogênio em taxa variável e estimativa de
produtividades, partindo da reflectância espectral das bandas correspondentes ao vermelho
e infravermelho próximo (MARCHIORATO, 2008).
Diversos são os sensores utilizados para a elaboração do NDVI empregados na
agricultura, como por exemplo sensores ativos: GreenSeeker®, N-Sensor®, Crop Circle®;
sensores sub-orbitais, que são câmeras multiespectrais acopladas a plataformas aéreas, tais
como TetraCam, Micasense-Sequoia, Micasense-RedEdge; e sensores orbitais que são
satélites como Landsat8, Sentinel-2, Rapid Eye. Estes últimos, disponibilizam imagens que
cobrem uma ampla área, e sua aquisição é realizada através do download, diferente dos
demais, que necessitam de um plano de trabalho para a aquisição de dados.
O processamento das imagens para a elaboração do NDVI, geralmente é realizado
utilizando técnicas de Sistema de Informação Geográfica (SIG) que permitem a elaboração
de algoritmos que facilitam o processamento em batelada, tratando-se de uma grande
quantidade de dados.
 11

Portanto, o objetivo geral deste trabalho foi utilizar o NDVI a partir de imagens orbitais
para avaliação de padrões de produtividade na cultura do milho, na região noroeste do Mato
Grosso. Objetivos específicos: avaliar o uso de imagens de satélite para estudar a correlação
entre produtividade de Milho e NDVI em um talhão; e avaliar a variabilidade da produtividade
do milho, bem como a correlação linear entre produtividade e NDVI obtido por imagens de
satélite ao longo de três safras.
 12

CAPÍTULO 1 - ANÁLISE DA CORRELAÇÃO LINEAR ENTRE A

PRODUTIVIDADE DE MILHO E O NDVI, NO NOROESTE DO MATO
GROSSO
 13

1. INTRODUÇÃO

A utilização de sensores na Agricultura de Precisão (AP) é imprescindível, de forma

que essa prática visa caracterizar a variabilidade espacial e temporal do solo, do histórico de
cultivo, do clima entre outras variáveis, com o objetivo de traçar decisões a serem tomadas
em diferentes locais dentro do campo (COELHO, 2005).
Emprega-se o Sensoriamento Remoto (SR) em conjunto com a AP, que é uma
ferramenta capaz de coletar dados da superfície terrestre, por meio de sinais do espectro
eletromagnético e, através do geoprocessamento, gerar índices espectrais de vegetação,
fornecendo combinações lineares de dados espectrais como a vegetação vigorosa, auxiliando
no monitoramento agrícola (RAMOS et al, 2010).
Deve-se ressaltar que a utilização do SR na pesquisa e coleta de dados espaciais, é
mais acessível, quando comparado com sensores ópticos terrestres, uma vez que, existem
banco de dados de livre acesso. Porém, não se deve descartar a importância de sensores
ópticos terrestres, sendo que a derivação na utilização destes, é mais ampla.
Sabe-se que um dos índices mais utilizado na agricultura é o NDVI (índice de
Vegetação por Diferença Normalizada). Martins (2017), avaliou vários índices de vegetação
para a determinação de zonas de manejos sendo o NDVI o índice que apresentou melhor
resultado. Portanto, envolvendo a necessidade da caracterização da variabilidade espacial de
atributos ligados a produção de grãos, o objetivo deste trabalho foi avaliar o uso de imagens
de satélite para estudar a correlação entre produtividade de Milho e NDVI na região noroeste
de MT.
 14

2. MATERIAL E MÉTODOS

O estudo foi conduzido em um talhão de 64 ha, em uma fazenda na região noroeste

do estado de Mato Grosso. A semeadura do milho de híbrido 30F53VYH, foi realizada na data
de 20/02/2016 e a colheita na data de 14/07/2016. Os dados de produtividade do talhão foram
obtidos a partir do sistema de monitoramento embarcado na colhedora STS9770.
O processamento dos dados de produtividades foi executado através do software
FarmWorks (Trimble Navigation Limited, v.2016.04.00), onde, inicialmente fez-se a
classificação dos pontos de produtividade em 5 classes, utilizando o método estatístico com
0,5 desvio padrão para agrupamento, seguido da filtragem.
As imagens do satélite Landsat 8 (sensores OLI/TIRS), foram obtidas através site
USGS Earth Explorer da NASA. O sensor possui resolução radiométrica de 16 bits e resolução
espacial de 30 m. As imagens projetadas para Projeção/Datum WGS1984 Zone 21 S,
recebidas em formato GeoTIFF, na orbita/ponto correspondente a 227/068. As imagens são
produtos Nível 1 da mais alta qualidade, adequadas para análise de séries temporais em nível
de pixel, calibrado radiométricamente e ortorretificada, usando pontos de controle de
quantidade e dados de modelo digital de elevação (DEM) para corrigir o deslocamento de
alívio (USGS).
Para determinar a correlação entre a produtividade e a informação da resposta
espectral fornecida pelo NDVI, foram selecionadas 3 imagens, livres de nuvens, nas datas de
10/04/2016, 28/05/2016 e 13/06/2016, correspondendo aproximadamente à 6, 14 e 16
semanas após semeadura respectivamente. De acordo com WEISMANN (2008), determinou-
se que as fases de desenvolvimento da cultura, correspondiam, aproximadamente, aos
estágios fenológico V10, R2 e R5, respectivamente. Segundo Rouse et al. (1973) apud
Shiratsuchi et al (2014), desenvolveu-se NDVI utilizando a reflectância do infravermelho
próximo (NIR) e a reflectância do vermelho (R), conforme equação (1), para determinação da
resposta espectral.

𝑁𝐷𝑉𝐼 = (𝑁𝐼𝑅 – 𝑅) / (𝑁𝐼𝑅 + 𝑅) (1)

em que,
NIR – Banda correspondente ao comprimento de onda do infravermelho próximo; e
R – Banda correspondente ao comprimento de onda do vermelho.

A elaboração do NDVI foi feita através do software QGIS, onde exige a entrada das
bandas supracitadas e o nome do arquivo de saída. Em seguida, utilizou-se a ferramenta de
classificação pelo método manual, que permite agrupar o NDVI em classes de valores,
optando-se, nesta ocasião, pelo agrupamento em 5 classes, para análise visual e identificação
 15

de variabilidade. Os mapas de produtividade foram importados para o mesmo software,

conduzindo a investigação da variabilidade da produtividade identificando visualmente áreas
de alta e baixa produtividade e relação entre o NDVI nas 3 datas disponíveis. Em seguida,
utilizou-se a ferramenta Add grid values to points, que atribui os valores de NDVI, de acordo
com as coordenadas dos pontos de produtividade.
Por fim, fez-se a exportação da tabela de atributos dos valores obtidos, para o formato
.xls, conduzindo a correlação linear de Pearson (r), entre os dados de produtividade e o NDVI
em diferentes datas. A significância dos coeficientes de correlação foi testada utilizando o
teste T, com nível de 1% de significância (COSTA, 2010).
 16

3. RESULTADOS E DISCUSSÃO

O mapa de produtividade filtrado é apresentado na Figura 1. Os parâmetros

estipulados para filtragem de dados foram: fluxo de grão mínimo de 8 kg.s -1 e máximo de 18
kg.s-1, produtividade mínima de 4200 kg.ha -1 e máxima de 7800 kg.ha-1, umidade mínima do
grão de 8 % e máxima de 18 % e velocidade de colheita mínima 8 km.h-1 e máxima de 15
km.h-1. Por fim, exportou-se os mapas para o formato .shp, para facilitar a manipulação dos
dados nas próximas etapas.

Figura 1 - Mapas de produtividade de milho depois da filtragem de dados .

Houve bastante restrição quando a disponibilidade das imagens, dado que o satélite
Landsat 8 registra uma nova imagem a cada 16 dias e a presença de nuvem eliminou outras
imagens registradas em datas mais próximas. A imagem na data 10/04/2016 (Figura 2.A),
exibiu nuvem na parte superior direita, onde afetava aproximadamente 50 pontos de
produtividade, em que foram excluídos.
A comparação visual entre os NDVI e o mapa de produtividade exibiu uma relação
nítida da variabilidade espacial, para a imagem na data de 28/05/2016 (Figura 2.B). Os pontos
com maior produtividade correspondem a pontos com maiores valores de NDVI, diferentes
das outras duas datas avaliadas. Na Figura 2, são apresentados os mapas de NDVI nas três
datas avaliadas, sendo as Figuras A, B e C, NDVI referente as datas de 10/04/2016,
28/05/2016 e 13/06/2016 respectivamente.
 17

Figura 2 - Mapas de NDVI referente a data 10/04/2016 (A).

Figura 3 - Mapas de NDVI referente a data 28/05/2016 (B).

Figura 4 - Mapas de NDVI referente a data 13/06/2016 (C).

 18

De acordo com Marchiorato (2008) a resposta espectral de culturas anuais varia de

acordo com seu estágio fenológico, antes de atingir a fase de desenvolvimento reprodutiva, a
resposta espectral para os índices de vegetação apresenta grande influência do solo. Quando
o ciclo fenológico da cultura entra no estágio reprodutivo, a resposta espectral corresponde a
vegetação verde, porém ao final do ciclo da cultura, a resposta espectral corresponde a
vegetação senescente e ao solo.
Diante do exposto, a correlação entre as variáveis resultou em correlação positiva,
com exceção da data de 13/06/2016, que resultou em r igual a -0,06. Nessa data a
senescência da cultura já estava avançada, apresentando baixa resposta de NDVI e
permitindo que o solo interferisse na resposta espectral do dossel. Já para a imagem referente
ao dia 28/05/2016, correspondente ao estágio R2, com 14 semanas após emergência ideal
para avaliação, conforme Silva et al (2009), apresentou maior r (0,60), sendo estatisticamente
significativo (Tabela 1).
Observa-se que apesar do r ser significante para a imagem da data 10/04/2016, o valor
é mais baixo que o r apresentado na data 28/05. Isso se deve ao fato de que a cultura não se
encontra no estágio de melhor resposta espectral do NDVI para avaliação de produtividade.

TABELA 1. Correlação entre NDVI e a produtividade do milho para o talhão avaliado.

r P-valor
NDVI - 10/04/2016 0,24 < 0,001
NDVI - 28/05/2016 0,6 < 0,001
NDVI - 13/06/2016 -0,06 0,004
 19

4. CONCLUSÕES

A utilização de imagens de orbitais com resolução de 30 m proporcionam extrair

informações importantes para o monitoramento das culturas. Porém a tempo de varredura do
satélite e cobertura de nuvens ocasionadas no período e local estudado, impôs dificuldade
para utilização da ferramenta.
 20

5. REFERÊNCIAS BIBLIOGRÁFICAS

COELHO, A. M. Agricultura de Precisão: manejo da variabilidade espacial e temporal dos

solos e culturas. Disponível em:
http://ainfo.cnptia.embrapa.br/digital/bitstream/CNPMS/18887/1/Doc_46.pdf. Acessado: 06
abr. 2018. Sete Lagoas: Embrapa Milho e Sorgo, 2005.

COSTA, G. G. O. Intervalo de confiança e teste de significância bootstrap para coeficiente de

correlação linear referente à hipótese de um valor não nulo. Acessado: 02/05/2018. Disponível
em: http://www.revista.feb.unesp.br/index.php/gepros/article/viewFile/855/309.

MARCHIORATO, Ivo Aurélio. Mapas de variabilidade do potencial de produtividade obtidos

por satélites como instrumentos auxiliares às decisões sobre o manejo de nematoides na
cultura de soja. Jaboticabal, SP, 2008. Originalmente apresentada como tese de doutorado.
Faculdade de Ciências Agrárias e Veterinárias - UNESP, Campus de Jaboticabal, 2008.

MARTINS, R. C. DEFINIÇÃO DE ZONAS DE MANEJO POR ÍNDICES DE VEGETAÇÃO

OBTIDOS POR SENSORIAMENTO REMOTO E MAPAS DE PRODUTIVIDADE. Dissertação
de mestrado. Santa Maria, RS, Brasil. 2017.

RAMOS, R. R. D.; LOPES, H. L.; JUNIOR, J. C. F. M.; CANDEIAS, A. L. B.; FILHO, J. A. S.

Aplicação do índice da vegetação por diferença normalizada (ndvi) na avaliação de áreas
degradadas e potenciais para unidades de conservação. In: Simpósio Brasileiro de Ciências
Geodésicas e Tecnologias da Geoinformação, 3., 2010. Recife. p. 001 – 006.

SHIRATSUCHI, L. S.; BRANDÃO, Z. N.; VICENTE, L. E.; VICTORIA, D. C.; DUCATI, J. R.;
OLIVEIRA, R. P. O; VILELA, M. F. Sensoriamento Remoto: conceitos básicos e aplicações na
Agricultura de Precisão. Cap.4. EMBRAPA, Brasília, DF. 2014.

SILVA, M. A. V.; ANDRADE, V. M. S.; OLIVEIRA, E. C. O.; FERREIRA, W. P. M.; COSTA, J.

M. N. AVALIAÇÃO DA ESTIMATIVA DA BIOMASSA DA CULTURA DO MILHO OBTIDA COM
BASE NO NDVI. In: Congresso Brasileiro de Agrometeorologia, 2009. Belo Horizonte.
Disponível em: http://sbagro.org.br/anais_congresso_2009/cba2009/402.pdf. Acesso em: 06
abr. 2018.
 21

USGS. United States Geological Survey. Desenvolvido pelo Department of the Interior EUA,
em 1987. Disponível em: https://landsat.usgs.gov/landsat-processing-details. Acessado: 06
abr. 2018.

WEISMANN, M. Fases de desenvolvimento da cultura do milho. Adaptado de FANCELLI

(1986) e lowa State University Extension. 2008. Acessado: 06 abr. 2018. Disponível em:
http://atividaderural.com.br/artigos/4fb3e56aa8c56.pdf
 22

CAPÍTULO 2 - VARIABILIDADE DA PRODUTIVIDADE E A RELAÇÃO

COM PADRÕES DE NDVI OBTIDOS COM IMAGENS DO LANDSAT 8
 23

1. INTRODUÇÃO

Diversos tratamentos são realizados levando em consideração a variabilidade

espacial de atributos ligados a produção de grãos na agricultura de precisão (AP). Nesta
prática, faz-se a utilização de equipamentos dotados de sensores, recursos de
posicionamento, controle de aplicação em taxa variável, objetivando analisar a
variabilidade da produção agrícola e adotar futuras decisões eficientes (RODRIGUES,
2002).
Na AP, uma das ferramentas comumente utilizadas na coleta de dados para
análise de informações espaciais dentro do campo, é o sensoriamento remoto orbital
(SR). Ferramenta essa, capaz de coletar dados da superfície terrestre por meio de sinais
do espectro eletromagnético. Através do processamento informatizado de dados
georreferenciados, faz-se a elaboração de índices de vegetação (IV), utilizando bandas
espectrais disponibilizadas por satélites, associando à atributos de campo, que auxiliam
no monitoramento agrícola. O IV mais utilizado na agricultura é o Índice de Vegetação
da Diferença Normalizada (NDVI), por apresentar forte correlação linear com o
desenvolvimento das plantas e seus estágios fenológicos (SHIRATSUCHI, et al 2014).
Vários são os trabalhos disponíveis utilizando o NDVI em AP no Brasil, mas não
se encontra relatos de trabalhos na região noroeste do MT, como por exemplo
Marchiorato (2008) que avaliou a eficácia dos mapas de variabilidade do potencial de
produtividade obtido com imagens de satélite, como instrumento auxiliar às decisões
sobre o manejo de nematóides na cultura da soja na região de Rondonópolis – MT. Silva
(2009) avaliou a dependência do comportamento do índice de área foliar e estimativa
da matéria seca total na área, com informações do NDVI, identificando melhor resposta
espectral no estágio fenológico de crescimento vegetativo, em Lagoas – MG. Martins
(2017) utilizou diversos IV, na comparação dos resultados com mapas de produtividade
(MP), validando a definição de zonas de manejo em campo, sendo uma ferramenta de
resposta rápida e com baixo custo em Jari-RS. O autor complementa, que em função
do custo operacional em grandes fazendas, não se têm informações localizadas dentro
dos talhões.
Poucos são os produtores que utilizam o mapeamento da produtividade para
tomada decisão no campo, por apresentar dificuldade operacional e análise do resultado
somente ao final do processo produtivo de forma destrutiva (FERNANDES 2016). Desta
maneira, objetivou-se avaliar a variabilidade da produtividade do milho, bem como a
correlação linear entre mapas de produtividade e NDVI obtido por imagens orbitais.
 24

2. MATERIAL E MÉTODOS

O estudo foi conduzido no município de Tabaporã, região noroeste de Mato

Grosso, em que a produtividade de milho foi monitorada em 1.021, 934 e 1.638 ha, para
os anos de 2015, 2016 e 2017, sendo essa área distribuída em 18, 13 e 21 talhões
respectivamente.
Os dados brutos de produtividade do milho foram obtidos a partir do sistema de
monitoramento embarcado na colhedora STS 9770, e a realização do processo de
filtragem se deu através do programa FarmWorks (Trimble Navigation Limited,
v.2016.04.00). Método estatístico com meio desvio padrão foi utilizado para
agrupamento e classificação da produtividade em 4 classes, seguido da exportação dos
dados para o formato .shp após filtragem.
De posse dos dados filtrados, determinou-se: a produtividade média e CV por
talhão, e produtividade média e CV da fazenda para os 3 anos avaliados permitindo uma
análise descritiva da variabilidade da produtividade. Foi possível quantificar a
porcentagem de talhões com produtividade abaixo e acima da média da fazenda.
Posteriormente executou-se a análise da correlação linear entre os mapas de
produtividade e os NDVI, com 3 imagens em datas diferentes, mais próximo possível do
estágio fenológico de crescimento vegetativo, para cada ano. Em seguida, fez-se
análise da variabilidade da produtividade através dos CV e comparação entre médias
em talhões com repetibilidade nos anos estudados, conforme a disposição do sistema
de rotação de culturas utilizada na fazenda, e comparação com a média anual.
Na elaboração do NDVI (Rouse et al. 1974), utilizou-se imagens do satélite
Landsat 8 (sensores OLI/TIRS), correspondente as bandas do infravermelho próximo
(NIR) e vermelho (R) (Eq. 01), disponibilizadas pelo site USGS Earth Explorer da NASA.
Estas são recebidas em formato GeoTIFF, na orbita/ponto correspondente a 277/068,
com resolução espacial de 30m e resolução radiométrica de 16 bits. As imagens são
produtos Nível 1, adequadas para análise de séries temporais em nível de pixel,
calibrada radiométricamente e ortorretificada (USGS).

𝑁𝐷𝑉𝐼 = (𝑁𝐼𝑅 − 𝑅)(𝑁𝐼𝑅 + 𝑅) (01)

em que:
NIR é a banda correspondente ao comprimento de onda do infravermelho próximo;
R é a banda correspondente ao comprimento de onda do vermelho.

A seleção das imagens para análise da correlação entre MP e NDVI, teve como
critério: isenção de nuvens e datas em que a cultura se encontrava 6 semanas após
 25

emergência, até 10 dias antes da colheita. De acordo com WEISMANN (2008), neste
período a cultura correspondia aos estágios fenológicos entre V10 (rápido crescimento)
e R6 (maturação fisiológica). A datas das imagens utilizadas, de acordo com a
disponibilidade do site e critérios adotados são apresentadas na Tabela 1. Houve
restrição na quantidade de imagens analisadas, devido ao tempo de varredura do
Landsat 8 e disponibilidades de imagens livres de nuvens.
O intervalo de semeadura na fazenda é de aproximadamente 20 dias, o que
indica uma limitação para a utilização de imagens de satélite, uma vez que o tempo de
varredura do Landsat 8 é de16 dias. Associando ao tempo de varredura, outra limitação
que dificulta este tipo de investigação é encontrar imagens livres de nuvens com estágio
fenológico da cultura adequado.

Tabela 1. Datas das Imagens utilizadas, cobrindo a safra do milho de 2015 a 2017.

Mês NDVI 2015 NDVI 2016 NDVI 2017

Abril - 10/04/2016 13/04/2017
Maio 10/05/2015 - -
Maio 26/05/2015 28/05/2016 31/05/2017
Junho 27/06/2015 13/06/2016 16/06/2017

Para o processamento dos dados e cálculo dos coeficientes de correlação, foi

elaborado um algoritmo utilizando plataforma Matlab (2018A) em que, exige como
entrada o diretório das imagens correspondentes aos comprimentos de onda R e NIR
na data que se deseja analisar; diretório dos limites dos talhões; e o diretório dos mapas
de produtividade filtrados em formato .shp.
O algoritmo foi desenvolvido para executar as seguintes funções: elaboração do
NDVI, determinação da área para análise utilizando o limite do talhões (.shp),
elaboração de grade dentro do talhão de acordo com os limites dos pixels da imagem
(30x30m), cálculo do valor mínimo, máximo, médio e coeficiente de variação da
produtividade para cada célula da grade, correlação de Pearson entre produtividade
média da célula e NDVI, e teste T significância com 1% de confiança do coeficiente de
correlação (GUIMARÃES, 2016).
 26

3. RESULTADOS E DISCUSSÃO

Os resultados da análise descritiva da variabilidade de produtividade estão

apresentados na Tabela 2.

Tabela 2. Porcentagem de talhões com produtividade maior e menor que a média da fazenda e
coeficiente de variação da produtividade anual.
Ano (Nº talhões) < méd. (%) > méd. (%) Prod. méd. (sc.ha-1) CV (%)

2015 (18) 47,4 52,6 131,7 6,0

2016 (13) 46,2 53,8 117,7 9,4
2017 (21) 52,4 47,6 148,0 7,7

Pode-se observar que a safra de 2016 apresenta a menor produtividade média

geral e o CV representa maior variabilidade na produtividade. Segundo Rodrigues
(2002), diversos são os fatores que contribuem para variabilidade da produtividade,
além das condições climáticas, doenças e insetos, plantas daninhas e atributos do solo,
como textura profundidade, pH nutrientes. Porém para o ano de 2016 foi constatado, a
partir de dados disponibilizados pela Agência Nacional de Águas (ANA), que houve uma
diminuição da precipitação na região estudada afetando a produtividade média da
fazenda e proporcionando maior variabilidade da produtividade.
Para os outros dois anos, a média geral da fazenda foi relativamente alta para a
região e os CV foram menores. Os valores de CV relativamente baixos (< 10%) e o fato
das médias de produtividade dos talhões serem relativamente simétricos em torno da
média, reflete das boas práticas adotadas pela fazenda, mantendo o elevado patamar
de produtividade média.
Da análise de correlação entre produtividade e NDVI, a percentagem de talhões
que apresentaram r maior que 0,3 e significativos foram selecionados (Tabela 3). Pode-
se notar que a correlação entre o NDVI e a produtividade são diferentes em cada data
avaliada. De acordo com Silva et al (2009) o estágio fenológico que a cultura representa
melhor a resposta espectral, corresponde ao estágio de crescimento vegetativo, em que
a cultura exibe maior quantidade de área foliar e atividade fotossintética.

Tabela 3. Porcentagem de talhões que apresentaram r maior que 0.3 e significativos.

2015 (19 talhões) 2016 (13 talhões) 2017 (21 talhões)
Data NDVI Talhões (%) Data NDVI Talhões (%) Data NDVI Talhões (%)
01 32 01 70 01 33
02 42 02 23 02 19
03 16 03 8 03 19
 27

Para o ano de 2016 foi identificado maior número de talhões com correlação
entre produtividade e o NDVI (70 %) na data 10/04/2016 (NDVI 01), isto significa que
mais talhões estavam no estágio de crescimento vegetativo, o que implica na facilidade
da interpretação da variabilidade espacial da produtividade. Informações estas que
podem ser utilizadas para tomadas de decisões futuras. Porém, devido ao sistema de
rotação de cultura da propriedade, não houve repetibilidade de talhões para a análise
temporal da produtividade para o ano de 2016 com os demais.
Para análise temporal, apenas 5 talhões apresentaram repetibilidade nos anos
2015 e 2017. Dos 5 talhões que se repetiram, 2 se encontravam dentro do estágio
fenológico adequado para a detecção de variabilidade espacial no NDVI, dentro das
imagens selecionadas. O fato da fazenda não trabalhar com 100% da segunda safra de
milho e o intervalo da semeadura ser extenso, dificultou encontrar talhões que
permitisse uma análise mais abrangente.
Foram selecionadas para execução da análise temporal e correlação entre
produtividade e NDVI, as imagens que apresentaram maior número de talhões com r
acima de 0,30 significativos, sendo elas 26/05/2015 (NDVI 02), e 13/04/2017 (NDVI 01),
com 42 % e 33 %. Os resultados da análise de correlação entre produtividade e NDVI
para os 2 talhões em 2015 e 2017 são apresentados na Tabela 4.

Tabela 4. Resultado da correlação linear (r) entre produtividade e NDVI.

Talhão 01 (r) Talhão 02 (r)
26/05/2015 0,44 0,43
13/04/2017 0,78 0,77

Os coeficientes de correlação encontrados para o ano de 2017 apresentaram

valores superiores aos de 2015, reforçando a discussão levantada por Silva et al (2009),
em que a melhor resposta espectral encontrada é no estágio de crescimento vegetativo,
para a cultura do milho.
No ano de 2017, a cultura se encontrava no estágio fenológico de pendoamento
(VT), onde apresentou r de 0,78 e 0,77 para os talhões avaliados. Em 2015, o NDVI
condizia com o estágio fenológico R4 em ambos os talhões avaliados, o que justifica o
decréscimo nos coeficientes de correlação (0,44 e 0,43).
A partir dos resultados apresentados neste trabalho, sugere o uso de melhor
período para resposta espectral, considerando a cultura do milho, o estágio fenológico
entre VT e R1. Fernandes (2016) realizou a estimativa da produtividade de milho,
através de imagens obtidas por veículo aéreo não tripulado, utilizando 200 pontos de
produtividade amostrados ao longo do talhão, distribuídos em 4 classes, e encontrou
correlação linear de 0,75 para o NDVI. A cultura se encontrava no mesmo estágio
 28

fenológico aqui apresentado no ano de 2017, transição do desenvolvimento vegetativo

para o reprodutivo. Não foi possível executar a analise temporal com os NDVI, por
estarem em estágio fenológicos diferentes.
A Tabela 5 ilustra a variabilidade da produtividade, para talhões que
apresentaram repetibilidade nos anos de 2015 e 2017. Como mencionado, as boas
práticas adotadas pela fazenda apresentam aumento na produtividade em todos os
talhões.

Tabela 5. Variabilidade da produtividade em talhões repetidos.

2015 2017
-1 -1
méd. (sc.ha ) CV(%) méd.(sc.ha ) CV(%)
T_01 139,8 7,0 145,2 10,1
T_02 135,0 7,2 142,3 9,3
T_03 140,0 9,6 151,1 10,7
T_04 131,2 7,6 143,9 10,4
T_05 135,4 6,4 135,2 11,9
T_01: talhão 1; T_02: talhão 2; T_03: talhão 3; T_04: talhão 4; T_05: talhão 5.

A filtragem dos dados de produtividade excluiu valores maiores que 75% e

menores que 25% em torno da média bruta. As Figuras 1 e 2 apresentam o talhão 1
(T_01) como exemplo de mapa da variabilidade da produtividade elaborado a partir do
método de interpolação Ponderação do Inverso da Distância (IDW), nos anos 2017 e
2015.
Observando a variabilidade da produtividade entre os dois anos, não foi possível
identificar um padrão de tendência para os níveis de produtividade. Tanto a mancha de
alta quanto a de baixa produtividade deslocou no talhão entre 2015 e 2017.
Os talhões que apresentaram repetibilidade entre os anos estudados, mesmo
com um aumento considerável na produtividade média da fazenda (de 131.7 para 148
sc ha-1), apresentaram produtividade abaixo da média geral anual da fazenda em 2017,
com exceção do talhão 03. Tal característica pode ser utilizada para avaliar os talhões
que apresentam maior probabilidade de resposta a tratamento específico, que no caso
seriam os talhões T_01, T_02, T_04 e T_05.
 29

Figura 1 - Mapa de Produtividade de milho em 2015.

Figura 2- Mapa de Produtividade de Milho em 2017

 30

4. CONCLUSÕES

A variabilidade da produtividade apresentou simetria em trono da média geral da

fazenda, e CV relativamente baixos, o que reflete das boas práticas adotadas pela
fazenda, mantendo o elevado patamar de produtividade média.
A utilização de imagens do satélite Landsat 8 como ferramenta de análise,
mostrou-se eficiente na identificação da variabilidade espacial da produtividade de
milho, apresentando coeficiente de correlação significativo de até 0,78.
O tempo de varredura do satélite e imagens livres de nuvens limitou a avaliação
dos talhões com dados de produtividade disponíveis.
Não foi possível identificar relação na análise temporal da variabilidade de
produtividade nos talhões que apresentaram repetibilidade em 2015 e 2017.
 31

5. REFERÊNCIAS BIBLIOGRÁFICAS

AGÊNCIA NACIONAL DE ÁGUAS (Brasil) (ANA). HidroWeb: sistemas de informações

hidrológicas. Disponível em: <http://hidroweb.ana.gov.br/HidroWeb>. Acesso em: 06
abril 2018.

FERNANDES, Pablo. CORN YIELD ESTIMATES ZEA MAYS L.) THROUGH IMAGES
OBTAINED BY MANNED AERIAL VEHICLE. 2016. 79 f. Dissertação (Mestrado em
Agronomia) - Universidade Federal de Santa Maria, Santa Maria, 2016.

GUIMARÃES, Paulo Ricardo B. Análise de Correlação e medidas de associação.

Disponível em: http://people.ufpr.br/~jomarc/correlacao.pdf aceso em 06/04/2018

RODRIGUES, J.B.T. Variabilidade espacial e correlações entre atributos de solo e

produtividade na agricultura de precisão. Dissertação apresentada à Faculdade de
Ciências Agronômicas da UNESP – Campus de Botucatu, para a obtenção do título de
Mestre em Agronomia – Área de Concentração em Energia na Agricultura. Janeiro,
2002.

ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W.; HARLAN, J. C.

Monitoring the vernal advancement and retrogradation (green wave eff ect) of natural
vegetation. Texas: Texas A&M University, 1974. (Type III final rep. NASA/GSFC).

SHIRATSUCHI, L. S.; BRANDÃO, Z. N.; VICENTE, L. E.; VICTORIA, D. C.; DUCATI, J.

R.; OLIVEIRA, R. P. O; VILELA, M. F. Sensoriamento Remoto: conceitos básicos e
aplicações na Agricultura de Precisão. Cap.4. EMBRAPA, Brasília, DF. 2014.

SILVA, M. A. V.; ANDRADE, V. M. S.; OLIVEIRA, E. C. O.; FERREIRA, W. P. M.;

COSTA, J. M. N. Avaliação da estimativa da biomassa da cultura do milho obtida com
base no ndvi. In: CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA, 2009. Belo
Horizonte, MG. Disponível em:
http://sbagro.org.br/anais_congresso_2009/cba2009/402.pdf. Acesso em: 06 abr. 2018.

MARTINS, R. C. Definição de zonas de manejo por índices de vegetação obtidos por

sensoriamento remoto e mapas de produtividade. Dissertação de mestrado. Santa
Maria, RS, Brasil. 2017.
 32

MARCHIORATO, Ivo Aurélio. Mapas de variabilidade do potencial de produtividade

obtidos por satélites como instrumentos auxiliares às decisões sobre o manejo de
nematóides na cultura da soja. 2008. v, 45 f. Tese (doutorado) - Universidade Estadual
Paulista, Faculdade de Ciências Agrárias e Veterinárias, 2008. Disponível em:
<http://hdl.handle.net/11449/105237>.

USGS. United States Geological Survey. Desenvolvido pelo Department of the Interior
EUA, em 1987. Disponível em: https://landsat.usgs.gov/landsat-processing-details.
Acessado: 06 abr. 2018.

WEISMANN, M. Fases de desenvolvimento da cultura do milho. In: TECNOLOGIA e

produção milho safrinha e culturas de inverno 2008. 4. ed. Maracajú: Fundação MS,
2007. p. 31-38. Disponível em:
<www.atividaderural.com.br/artigos/4fb3e56aa8c56.pdf>. Acesso em: 06 abr. 2018.
 33

CONCLUSÕES GERAIS

A utilização de imagens de orbitais com resolução de 30 m proporcionam extrair

informações importantes para o monitoramento das culturas. Porém a tempo de
varredura do satélite e cobertura de nuvens ocasionadas no período e local estudado,
impôs dificuldade para utilização da ferramenta.
A variabilidade da produtividade analisada ao longo de três safras, apresentou
simetria em trono da média geral da fazenda, CV relativamente baixos e aumento da
produtividade do ano 2015 para 2017, o que reflete das boas práticas adotadas pela
fazenda, mantendo o elevado patamar de produtividade média.
A utilização de imagens do satélite Landsat 8 como ferramenta de análise,
mostrou-se eficiente na identificação da variabilidade espacial da produtividade de milho
em batelada, apresentando coeficiente de correlação significativo de até 0,78.
Não foi possível identificar relação na análise temporal da variabilidade de
produtividade nos talhões que apresentaram repetibilidade em 2015 e 2017.
 34

REFERÊNCIAS BIBLIOGRÁFICAS COMPLEMENTARES

Célio de Araújo, João, Vettorazzi, Carlos Alberto, Molin, José Paulo, Estimativa da
produtividade e determinação de zonas de manejo, em culturas de grãos, por meio de
videografia aérea multiespectral. Acta Scientiarum. Biological Sciences [en linea] 2005,
27 (Julio-Septiembre) : [Fecha de consulta: 11 de septiembre de 2018] Disponible
en:<http://www.redalyc.org/articulo.oa?id=187117381007> ISSN 1679-9283

FERNANDES, Pablo. CORN YIELD ESTIMATES ZEA MAYS L.) THROUGH IMAGES
OBTAINED BY MANNED AERIAL VEHICLE. 2016. 79 f. Dissertação (Mestrado em
Agronomia) - Universidade Federal de Santa Maria, Santa Maria, 2016.

MARCHIORATO, Ivo Aurélio. Mapas de variabilidade do potencial de produtividade

obtidos por satélites como instrumentos auxiliares às decisões sobre o manejo de
nematoides na cultura de soja. Jaboticabal, SP, 2008. Originalmente apresentada como
tese de doutorado. Faculdade de Ciências Agrárias e Veterinárias - UNESP, Campus
de Jaboticabal, 2008.

POVH, Fabrício Pinheiro. Utilização de sensor ótico ativo em culturas de cereais.

Piracicaba, SP, 2007. Originalmente apresentada a Escola Superior de Agricultura Luiz
de Queiroz – ESALQ, 2007.

SHIRATSUCHI, L. S. CHRISTOFFOLETI, P. J. FONTES, J. R. A. Mapeamento da

variabilidade espacial das plantas daninhas. EMBRAPA, Brasilia, DF, 2003.

Wendling, Ademir. SENSORIAMENTO REMOTO PARA IDENTIFICAÇÃO DAS

CAUSAS DA VARIABILIDADE NO ÍNDICE DE MASSA DA SOJA E AUXÍLIO NO
DIAGNOSTICO DE SUAS CAUSAS. Santa Maria, RS, 2014. Apresentada como tese
de doutorado. Universidade Federal do Santa Maria – UFMS, RS, 2014.