Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMO
Os índices de vegetação tem vindo a ganhar maior aplicabilidade na obtenção do
coeficiente de cultura, nesta senda foram gerados oito modelos de regressão linear entre dados
de coeficiente da cultura derivados do método padronizado da FAO – 56 e os índices de
vegetação obtidos a partir do espectrorradiômetro e de imagens Sentinel-2. Os resultados
obtidos mostram que o melhor modelo para a determinação do coeficiente de cultura do milho
para as condições climáticas de Vilankulo é o baseado no de Índice de Vegetação de Diferença
Normalizada (NDVI) obtido a partir do Sentinel-2.
Palavras-chave: Coeficiente de Cultura; Detecção Remota; Índices de Vegetação;
Vilankulo.
INTRODUÇÃO
Em termos de produção de alimentos o milho constitui umas das principais culturas
produzidas em Moçambique que tem contribuído bastante para a segurança alimentar sendo a
região Sul do país a que menos produz milho devido as suas condições agro-ecológicas, solos
arenosos pobres e um regime de precipitação irregular, factores que não potenciam uma
agricultura de sequeiro para culturas não tolerantes a seca, como o milho (Mudema et al., 2012).
Um dos parâmetros ideais para estimativa do consumo hídrico das culturas para o maneio
da irrigação é utilizando a Evapotranspiração da Cultura (ETc), a qual pode ser obtida pela
multiplicação da Evapotranspiração de Referência (ETo) pelo Coeficiente de Cultura (Kc)
(Allen et al., 1998). A grande variabilidade dos valores do Kc torna evidente que o uso desses
coeficientes de maneira generalizada ocasionará erros nas estimativas de ETc derivados de
valores de Kc e uma das alternativas é a modelagem do Kc em função dos Índices de Vegetação
(IVs) pois métodos baseados nos IVs possuem uma boa correspondência com o Kc e as
reflectâncias de dosséis oferecem informações que proporcionam uma boa correlação entre os
dados orbitais e os parâmetros biofísicos da cultura. Num conjunto de modelos existentes para
determinação do Kc é importante que se façam testagens de modo a validar a sua aplicação
sobre uma região diferente e esse procedimento nos leva a saber se o mesmo modelo pode ou
não ser válido para outra região em que pretende aplicar.
O presente trabalho tem como objectivo desenvolver um modelo para estimativa do Kc
do milho com base em IVs no Distrito de Vilankulo para tal a primeira etapa consistiu na
testagem dos modelos de estimativa do Kc com base em NDVI propostos por Singh e Imark
(2009) e Kamble et al (2013) no Distrito de Vilankulo, a segunda serviu para gerar modelos de
regressão linear para estimativa do Kc com base em diferentes IVs para o Distrito de Vilankulo
e a última etapa consistiu na análise dos modelos gerados.
METODOLOGIA
O trabalho foi conduzido entre os meses de Abril a Outubro de 2022, numa área agrícola
irrigada de 0,39 ha com sistema de rega gota-a-gota no Campus da Escola Superior de
Desenvolvimento Rural (ESUDER), com data de sementeira 09 de Julho de 2022. Os dados de
reflectância da cultura foram colectados a partir de imagens Sentinel-2 sem a presença de
nuvens correspondentes ao período em que a cultura estava no campo, tendo sido determinados
a partir desses dados os valores médios dos índices de vegetação NDVI1, SAVI2, PVI3, MSAVI
14, MSAVI 25, GNDVI6 e MCARI7 em quatro pontos amostrais centrais, distando 20 m entre
eles, e nos mesmos pontos eram colhidas as reflectâcias das folhas nas datas de passagem do
Satélite usando espectrorradiômetro aplicadas na determinação do NDVIE8. Os dados
meteorológicos de Vilankulo foram obtidos a partir do CROPWAT- CLIMWAT e
comparados com os dados da série histórica 1979-2006 compilados por (Tangune & Chimene,
2019) aplicados na determinação da ETo e no cálculo dos valores de Kc de acordo com o
método da FAO.
Para a testagem dos modelos o Kc foi estimado a partir das equações 1 e 2 propostas por
Kamble et al (2013) e Singh e Imark (2009) respectivamente, usando valores de NDVI obtidos
por imagens sentinela e pelo espectrorradiômetro. Os parâmetros analisados nessa etapa foram
o desempenho, a precisão e a exactidão.
1
Índice de Vegetação de Diferença Normalizada; 2 Índice de Vegetação Ajustado ao Solo; 3 Índice de Vegetação
Perpendicular; 4 Índice de Vegetação Ajustado ao Solo Modificado 1; 5 Índice de Vegetação Ajustado ao Solo
Modificado 2; 6 Índice de Vegetação de Diferença Normalizada Verde; 7 Índice da Razão de Absorção de Clorofila
Modificado; 8 Índice de Vegetação de Diferença Normalizada obtido por dados de espectrorradiometro,
𝐾𝑐 = 1.317 × 𝑁𝐷𝑉𝐼 + 0.023 eq. 1
𝐾𝑐 = 0.8573 × 𝑁𝐷𝑉𝐼 + 0.2117 eq. 2
Na geração de modelos que expressão a relação Kc FAO e IVs foram analisados os
gráficos de Resíduos, Erro Padrão “EP”, Valores-p, Coeficiente de pearson “r”, Coeficiente
angular e coeficiente de determinação “R2”.
RESULTADOS E DISCUSSÃO
Testagem dos modelos
Observa-se que há uma variação dos valores de NDVI com o desenvolvimento da cultura
tanto para os dados obtidos pelo Sentinel-2 assim como pelo espectrorradiômetro, tendo seus
valores máximos de 0,56 e 0,50 respectivamente nos meados da fase III aos 75 DAS, e essa
variação do NDVI ao longo do ciclo pode ser observada na Figura 1.
05 DAS 15 DAS 20 DAS 25 DAS 40 DAS
Os modelos gerados (equação 3 a 10) nesta pesquisa apresentaram forte correlação R2 = (0,89-
0,80) com excepção do NDVIE que teve uma correlação moderada com R2 = 0,70. Os melhores
resultados foram obtidos pelo modelo gerado com base no NDVI (R2 = 0,89) valores próximos
obtidos por Singh e Imark (2009) R2 = 0,74 e Kamble et al. (2013) R2 = (0.92 e 0,90), para
Bezerra et al. (2010) modelos com esses valores são considerandos de precisão satisfatória e
aceitável, verificando-se a viabilidade da utilização desse modelos, contudo segundo Mailson
(2017) e Gomes (2019) ainda que a diferença estatística entre dois ou mais modelos não seja
muito distinta o modelo que apresentar melhores resultados na sua generalidade tem maior
fiabilidade.
CONCLUSÕES
Om resposta aos objectivos dessa pesquisa os modelos de estimativa de Kc com base em
NDVI propostos por Singh e Imark (2009) e Kamble et al. (2013) não são válidos para o Distrito
de Vilankulo; Foram gerados oito modelos de regressão linear para estimativa do Kc no Distrito
de Vilankulo; O modelo baseado no NDVI é o que oferece melhores estimativas do Kc do milho
para o Distrito de Vilankulo.
Com base nos resultados obtidos propõe-se o modelo KcNDVI=0.8718+0.3473∗NDVI para ser
utilizado no cálculo da ETc para fins de maneio de irrigação da cultura de milho no Distrito de
Vilankulo.
REFERÊNCIA CITADA
Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration: guidelines
for computing crop water requirements. Irrigation and Drainage Paper, 56, 300.
https://appgeodb.nancy.inra.fr/biljou/pdf/Allen_FAO1998.pdf
Bezerra, M. V. C., Brandão, Z. N., Bezerra, B. G., Borges, V. P., & Barbosa Da Silva, B. (2009).
Determinação do coeficiente de cultivo e da evapotranspiração real do algodão irrigado
utilizando imagens de satélite. Anais XIV Simpósio Brasileiro de Sensoriamento Remoto (pp.
99-104) http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr@80/2008/10.29.11.59/doc/99-104.pdf
Kamble, B., Kilic, A., & Hubbard, K. (2013). Estimating crop coefficients using remote
sensing-based vegetation index. Remote Sensing, 5(4), 1588–1602.
https://doi.org/10.3390/rs5041588
Mudema, J. A., Sitole, R. F., & Mlay, G. (2012). Rentabilidade da cultura do milho na zona
sul de Moçambique: Estudo de caso do Distrito de Boane. https://www.acismoz.com/wp-
content/uploads/2017/06/rentabilidade%20milho%20Mudema.pdf
Ramos, R. S. (2016). Uso do ndvi na análise fenológica de áreas irrigadas identificadas pela
transformada de hough.
https://www.locus.ufv.br/bitstream/123456789/8255/1/texto%20completo.pdf
Singh, R. K., & Irmak, A. (2009). Estimation of Crop Coefficients Using Satellite Remote
Sensing. Journal of Irrigation and Drainage Engineering, 135(5), 597–608.
https://doi.org/10.1061/(asce)ir.1943-4774.0000052