Escolar Documentos
Profissional Documentos
Cultura Documentos
1 RESUMO
As diversas interações do meio biofísico, sejam por fatores bióticos ou abióticos, dificultam os
estudos do comportamento das áreas cultivadas através de métodos padrões. A utilização de
plataformas com sensores de alta resolução espacial possibilita detectar a heterogeneidade de
culturas como a videira, por meio do NDVI. O objetivo do trabalho foi avaliar o NDVI obtido
por imagens do VANT AggieAir Minion e do Landsat 8, em diferentes fases fenológicas da
videira Pinot Noir. As imagens foram coletadas no Condado de Sacramento, Califórnia USA.
O processamento das imagens foi realizado por meio do Quantum GIS (QGIS). Constatou-se
uma subestimação do NDVI calculado por meio das imagens do Landsat 8, na fase de
crescimento de baga, apresentando valores menores (0,68) do que os encontrados pelo VANT
(0,87). Nessa fase os valores de NDVI devem ser mais próximos de 1,0, pois a planta encontra-
se em pleno desenvolvimento vegetativo. O detalhamento das imagens depende da resolução
espacial do sensor que a plataforma carrega, sendo assim considerando que a distância entre as
linhas da videira era de 3,35 m, e devido ao tamanho do pixel do Landsat 8, foi detectado uma
maior área de solo exposto devido à influência da máxima semelhança de veracidade que é
utilizada pela linguagem do algoritmo utilizado no software de programação. Portanto, pode-se
concluir que a resolução espacial influência em valores de índice vegetativo em fases
fenológicas da videira e, consequentemente, nos parâmetros biofísicos estimados por ele,
mostrando assim que as imagens capturadas por VANT expressam valores mais próximos do
real para a avaliação do NDVI em videiras.
2 ABSTRACT
Several interactions of the biophysical environment, whether by biotic or abiotic factors, hinder
the study of crops' behavior using standard methods. The use of platforms with high spatial
resolution sensors enables detecting heterogeneity of crops such as grapevine through NDVI.
This study aimed to evaluate the NDVI obtained using images from the AggieAir Minion UAV
and Landsat 8 in different phenological phases of the Pinot Noir grapevine. The images were
collected in Sacramento County, California, USA. Image processing was performed
using Quantum GIS (QGIS). We observed an underestimation of the NDVI calculated using
Landsat 8 images in the berry growth phase, presenting lower values (0.68) than those obtained
by the VANT (0.87). The NDVI values should be closer to 1.0 in this phase because the plant
is in full vegetative development. The details of the images depends on the spatial resolution of
the sensor that the platform carries. Thus, considering that the distance between the lines of the
vine was 3.35 m, and due to the pixel size of the Landsat 8, a larger soil-exposed area was
detected as a consequence of the maximum similarity of veracity used by the algorithm
language employed in the programming software. The resolution influences the vegetative
index values in phenological phases of grapevine and, consequently, the biophysical parameters
estimated by them, showing that the UAV images convey values more similar to reality for
NDVI evaluation in grapevines.
MAHMOUD; GAN, 2019). Castro et al. Apesar do VANT ser uma alternativa
(2018) constataram a viabilidade do uso do de uso para a captura de imagens de altas
NDVI para monitorar as fases fenológicas de resoluções com menores periodicidades,
diversas culturas (arroz, milho, girassol, noz comparado ao uso de satélite, alguns estudos
e uva), otimizando o gerenciamento das propõem que seja realizado o uso integrado
áreas cultivadas. de ambas as plataformas, pois apesar da
Não obstante ao aumento do uso do menor resolução das imagens de satélite,
sensoriamento remoto por meio de imagens, eles são essenciais na avaliação de áreas
existem algumas limitações, tais como a extensas. Sendo assim, alguns estudos
periodicidade e a resolução dos sensores relatam que quando integrado o uso de
embarcados nas plataformas. Quando se VANT e ao de satélite numa mesma área de
compara o uso de imagens de satélites a cobertura, é possível produzir mapas mais
imagens VANT (Veículo Aéreo Não precisos sem perder a heterogeneidade
Tripulado), a resolução pode influenciar nas espacial, permitindo uma melhor
análises dos resultados obtidos, uma vez que classificação da cobertura das áreas
altas resoluções podem extrair informações agrícolas ou dos ecossistemas (PLA et al.,
mais detalhadas da superfície terrestre 2019; ZHAO et al., 2019).
(GOMES, 2019). O monitoramento da vegetação com
A demanda por informações VANT pode fornecer dados relevantes,
espaciais com um alto nível de detalhes em utilizando o NDVI, para a avaliação dos
áreas agrícolas e em ecossistemas cresce cultivos agrícolas devido à resolução dos
diariamente. Através das informações sensores embarcados, uma vez que quando
coletadas, utilizando técnicas de combinado com procedimentos para
sensoriamento remoto com alta resolução vincular as variáveis mapeadas, o VANT
espacial, é possível realizar a gestão de pode ser uma ferramenta útil à otimização do
informações agrícolas confiáveis, manejo adequado dos sistemas agrícolas
permitindo assim os produtores tomarem (BLEKOS et al., 2021).
decisões mais rápidas com respeito às suas O NDVI é um excelente índice para
colheitas, podendo até auxiliar gestores no indicar vigor vegetativo, principalmente,
fortalecimento de políticas de levando em consideração culturas com
desenvolvimento rural, segurança alimentar desenvolvimento de baixo porte (cereais ou
e competitividade do setor agrícola hortaliças), fornecendo informações sobre a
(ORGANIZACIÓN DE LAS NACIONES atividade vegetativa fotossintética e de
UNIDAS PARA LA ALIMENTACIÓN Y densidade de crescimento da biomassa das
LA AGRICULTURA, 2013; MINISTERIO espécies vegetais. Já para culturas arbóreas
DE AGRICULTURA Y DESARROLLO descontínuas, como videiras, a resposta
RURAL, 2018). espectral do topo do dossel descreve apenas
Segundo Dash, Pearse e Wantt uma parte do vigor da planta, uma vez que o
(2018), o surgimento de novos sensores e crescimento vegetativo total da planta não é
plataformas possibilita o aumento do alcance avaliado de forma adequada quando essa
das técnicas de sensoriamento remoto, análise é realizada utilizando sensores de
fornecendo informações detalhadas da baixa resolução espacial (MATESE; DI
vegetação, sendo o VANT uma plataforma GENNARO, 2021).
que possibilita a utilização de sensores de Analisando a literatura do assunto
alta resolução, com características mais abordado, é notório que a utilização de
sensíveis às mudanças da vegetação, plataformas com sensores de alta resolução
podendo detectar estresse fisiológico até de espacial é mais adequada para a avaliação do
árvores individuais. vigor de videiras, pois a elevada
Figura 1. Localização do vinhedo em estudo nos EUA (A), no estado da Califórnia (B) e no
Borden Ranch (C) no Condado de Sacramento
sendo dividida em duas subáreas. A subárea B, referente ao sul, possuindo 34,4 e 21 ha,
A, referente ao norte da área total e a subárea respectivamente (Figura 2).
Figura 2. Imagem aérea da área de estudo capturada pelo VANT AggieAir (esquerda) e pelo
satélite Landsat-8 (direita) para o mesmo local, ambas obtidas no dia 11 de julho de
2015
09/08/2014 e de 0,10 m x 0,10 m nas demais foi detectada uma maior área de solo exposto
imagens, essas resoluções espaciais resultam em virtude da distância existente entre linhas
em 44 pixels/m² e 100 pixels/m², da videira de 3,35 m, isto acontece por
respectivamente. Já os sensores (OLI – consequência da influência da máxima
Operational Land Images) utilizados na semelhança de veracidade utilizada pela
plataforma Landsat 8 possuem uma linguagem do algoritmo do software de
resolução espacial de 30 m x 30 m, o que geoprocessamento, o que dificulta a
significa que a área de cada pixel da imagem avaliação da variabilidade da cultura pela
é 900 m². mistura espectral solo, planta e sombra.
Sun et al. (2017) utilizaram imagens Neste contexto, pode-se afirmar que
coletadas pelo Landsat 7 e Landsat 8 para a as imagens de VANT obtêm um maior
obtenção do NDVI em videiras, na mesma detalhamento da área e, consequentemente,
área de estudo desta pesquisa, e constataram expressam melhores resultados dos índices
diferenças de valores obtidos por essas calculados por elas. Calculando o NDVI por
plataformas, justificando que uma das razões meio de imagens de satélite e VANT em
é a diferença dos sensores quanto à viderias, Khaliq et al. (2019) constataram
refletância das bandas utilizadas para o que a resolução espacial pode alterar os
cálculo do NDVI, pois eles possuem resultados, pois quanto menor for o pixel da
resoluções radiométricas diferentes, iguais a imagem, melhor será a representatividade do
8 e 12 bits, respectivamente. A resolução vigor e do dossel da cultura, resultando em
radiométrica é a sensibilidade do sensor em mapas de alta resolução espacial ao
detectar pequenas variações, logo, o sensor emprega-se imagens de VANT, comparados
OLI (Landsat 8) possui uma maior aos mapas adquiridos por imagens de
sensibilidade e um maior nível de cinza que satélite.
o sensor ETM+(Landsat 7), representando O NDVI é utilizado para detectar
por consequência uma maior intensidade de diversas características de vitalidade das
energia eletromagnética. culturas agrícolas. Todavia, para que essa
Considerando que a área de um pixel caracterização represente as condições mais
das imagens do Landsat 8 é 900 m², percebe próximas do real, é fundamental que se tenha
- se na Figura 4 a baixa resolução espacial uma imagem de boa resolução, podendo
dessas imagens comparadas às imagens do assim caracterizar-se a biomassa, a taxa
VANT AggieAir (Figura 3), sendo assim, fotossintética e a demanda hídrica do
pode-se afirmar que o detalhamento da cultivo, sendo necessário um maior
imagem é influenciado pelo tamanho do detalhamento da área.
pixel. Sampaio et al. (2020), analisando o Segundo Khaliq et al. (2019), as
NDVI obtido com imagens de sensores informações radiométricas adquiridas por
embarcados em VANT e do Landsat 8, plataformas orbitais não possuem resolução
constataram que a resolução espacial espacial suficiente para avaliar
interfere na qualidade das imagens e, adequadamente o vigor do dossel de videiras
consequentemente, no índice de vegetação e a variabilidade da cultura, corroborando
resultante dessas imagens, corroborando com os resultados desta pesquisa.
com os resultados desta pesquisa. Para mapear a fenologia da videira
Observando a área que foi destacada em uma escala detalhada por meio de análise
nas imagens de VANT e de satélite, de NDVI a fim de compreender suas fases
constata-se que o NDVI calculado por meio fenológicas e processos biofísicos, imagens
das imagens do Landsat 8 pode não capturadas por VANT apresentam
representar o real comportamento dos dados vantagens, visto que têm maior potencial na
de campo, pois devido ao tamanho do pixel, análise de períodos críticos da produção em
Tabela 1. Valores do Índice de Vegetação por Diferença Normalizada (NDVI) das subáreas
Norte e Sul calculados por meio de imagens do Veículo Aéreo Não Tripulado
(VANT) AggieAirMinione do satélite Landsat 8
LANDSAT 8 VANT
Estádio SUBÁREA A
SUBÁREA SUBÁREA A SUBÁREA B
fenológico (NORTE)
B (SUL) (NORTE) (SUL)
0,72 0,66 0,75 0,75
Floração
(0,039)x (0,027)x (0,050)x (0,029)x
1° fase de
0,67 0,77 0,87 0,88
crescimento
(0,040)x (0,042)x (0,038)x (0,016)x
de baga
2° fase de
0,68 0,69 0,84 0,85
crescimento
(0,050)x (0,029)x (0,050)x (0,023)x
de baga
Maturação 0,71 0,62 0,59 0,58
dos frutos (0,040)x (0,029)x (0,026)x (0,024)x
x
representa o desvio padrão () dos valores de cada estádio fenológico estudado e para cada método utilizado.
Fonte: Elaborado pelos autores
8 REFERÊNCIAS
BADR, G.; Hoogenboom, G.; Davenport, J.; Smithyman, J. Estimating Growing Season
Length Using Vegetation Indices Based on Remote Sensing: A Case Study for Vineyards in
Washington State. Transactions of the ASABE, [S. l.], v. 58, n. 3, p. 551-564, 2015.
BLEKOS, K.; TSAKAS, A.; XOURIS, C.; EVDOKIDIS, I.; ALEXANDROPOULOS, D.;
ALEXAKOS, C.; KATAKIS, S.; MAKEDONAS, A.; THEOHARATOS, C.; LALOS, A.
Analysis, Modeling and Multi-Spectral Sensing for the Predictive Management of
Verticillium in Olive. Journal of Sensor and Actuator Networks. Basel, v. 10, n. 1, p. 15-
35, 2021.
CASTRO, A. I.; SIX, J.; PLANT, R. E.; PEÑA, J. M. Mapping Crop Calendar Events and
Phenology-Related Metrics at the Parcel Level by Object-Based Image Analysis (OBIA) of
MODIS-NDVI Time-Series: A Case Study in Central California. Remote Sensing, Basiléia,
v. 10, n. número do fascículo, p.1745-1765, 2018.
COSTA, L.; NUNES, L.; AMPATZIDIS, Y. A new visible band index (vNDVI) for
estimating NDVI values on RGB images utilizing genetic algorithms. Computers and
Electronics in Agriculture, New York, v. 172, n. 1, p. 1-13, 2020.
DASH, J. P.; PEARSE, G. D.; WATT, M. S. UAV Multispectral Imagery Can Complement
Satellite Data for Monitoring Forest Health. Remote Sens, Basiléia, v. 10, n. 8, p. 1216-final,
2018.
HUBBARD, S. S.; SCHMUTZ, M.; BALDE, A.; FALCO, N.; PERUZZO, L.; DAFON, B.;
LÉGER, E.; WU, Y. Estimation of soil classes and their relationship to grapevine vigor
in a Bordeaux vineyard: advancing the practical joint use of electromagnetic induction (EMI)
and NDVI datasets for precision viticulture. Precision Agriculture, Dordrecht, v. 22, n., p.
1353-1376, 2021.
KHALIQ, A.; COMBA, L.; BIGLIA, A.; AIMONINO, D. R.; CHIABERGE, M.; GAY, P.
Comparison of satellite and UAV-based multispectral imagery for vineyard variability
assessment. Remote Sensing, Basiléia, v. 11, n. 4, p. 436-453, 2019.
KUSTAS, W. P. C.; ANDERSON, M.; ALFIERE, G.J.; KNIPPER, K.; TORRES-RUA, A.;
PARRY, C. K.; NIETO, H.; AGAM, N.; WHITE, W. A.; GAO, F.; MCKEE, L.; PRUEGER,
J. H.; HIPPS, L. E.; LOS, S.; ALSINA, M. M.; SANCHEZ, L.; SAMS, B.; DOKOOZLIAN,
N.; MCKEE, M.; JONES, S.; YANG, Y.; WILSON, T. G.; LEI, F.; MCELRONE, A.;
HEITMAN, J. L.; HOWARD, A. M.; POST, K.; MELTRON, F.; HAIN, C. The grape remote
sensing atmospheric profile and evapotranspiration experimente. Bulletin of the American
Meteorological Society, Boston, v. 99, n. 9, p. 1791-1812, 2018.
LIU, Y.; HILL, M. J.; ZHANG, X.; WANG, Z.; RICHARDSON, A. D.; HUFKENS, K.;
FILIPPA, G.; BALDOCCHI, D. D.; MA, S.; VERFAILLIE, J.; SCHAAF, C. B. Using data
from Landsat, MODIS, VIIRS and PhenoCams to monitor the phenology of California
oak/grass savanna and open grassland across spatial scales. Agricultural and Forest
Meteorology, Amsterdam, v. 237-238, n. 1, p. 311-325, 2017.
MAHMOUD, S. H.; GAN, T. Y. Irrigation water management in arid regions of Middle East:
Assessing spatio-temporal variation of actual evapotranspiration through remote sensing
techniques and meteorological data. Agricultural Water Management, Amsterdam, v. 212,
n. 1, p. 35-47, 2019.
MATESE, A.; DI GENNARO, S. F. Beyond the traditional NDVI index as a key factor to
mainstream the use of UAV in precision viticulture. Scientific Reports, London, v. 11, n. 1,
p. 2721-2733, 2021.
PLA, M.; BOTA, G.; DUANE, A.; BALAGUÉ, J.; CURCÓ, A.; GUTIÉRREZ, R.;
BROTONS, L. Calibrating Sentinel-2 Imagery with Multispectral UAV Derived Information
to Quantify Damages in Mediterranean Rice Crops Caused by Western Swamphen (Porphyrio
porphyrio). Drones, Basel, v. 3, n. 2, p. 45-61, 2019.
SUN, L.; GAO, F.; ANDERSON, M. C.; KUSTA, W. P.; AISINA, M. M.; SANCHEZ, L.;
SAMS, B.; MCKEE, L.; DULANEY, W.; WHITE, W. A.; ALFIERE, J. G.; PRUEGER, J.
H.; MELTON, F.; POST, K. Daily Mapping of 30 m LAI and NDVI for Grape Yield
Prediction in California Vineyards. Remote Sensing, Basiléia, v. 9, n. 4, p. 317-334, 2017.
ZHAO, L.; SHI, Y.; LIU, B.; HOVIS, C.; DUAN, Y.; SHI, Z. Finer Classification of Crops
by Fusing UAV Images and Sentinel-2A Data. Remote Sensing. Basiléia, v. 11, n. 24, p.
3012-3028, 2019.