Sensoriamento Remoto Hiperespectral Da Agricultura

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO
CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO

PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA
Hyperspectral remote sensing of

agriculture
Sensoriamento remoto hiperespectral da agricultura
MSc. Vinicius de Souza Oliveira
Abril de 2021
Sistemas de Aeronaves Remotamente Pilotada na Agricultura
Informe
Título: Hyperspectral remote sensing of agriculture
Autoria: R. N. Sahoo, , S. S. Ray e K. R. Manjunath
Periódico: Current Science
Gerência: Indian Academy of Sciences
Ano: 2015
Introdução
ESTUDO DE CRESCIMENTO
Monitoramento de atributos
▻ Bioquímicos;
▻ Biofísicos.
SAHOO et al., 2015

Introdução
TÉCNICAS DE CAMPO
Introdução
SENSORIAMENTO REMOTO
Espacial
Radiométrica
Temporal
Espectral
▻ Multiespectral
▻ Hiperespectral
Introdução
SENSORIAMENTO REMOTO ESPECTRAL
Introdução
SENSORIAMENTO REMOTO ESPECTRAL
Introdução
Introdução
Micasense Altum Multiespectral Modelo FX10 SPECIM
Faixa espectral: 400-1400 nm Faixa espectral: 400-1000 nm
Bandas espectrais: 6 Bandas espectrais: 224

Introdução
Multiespectral Hiperespectral
Banda larga Banda estreita
Limitação para estimativas, principalmente por causa da baixa resolução espectral

FORMAGGIO; SANCHES, 2017
Introdução

Introdução
Introdução
SENSORIAMENTO REMOTO HIPERESPECTRAL
▻ Avaliação de pastagens (fertilidade, biomassa, nível de degradação);

▻ Avaliação de solos (fertilidade, mapeamento);
▻ Detecção de doenças em plantas;
▻ Detecção de áreas cultivadas infestadas por pragas e parasitas;
▻ Detecção de estresse em plantas;
▻ Discriminação de diferentes espécies/variedades de culturas;
▻ Estimativa de biomassa de culturas agrícolas;
▻ Estimativa de pigmentos e nutrientes foliares;
▻ Estimativa de produtividade de culturas agrícolas;
▻ Estimativa da cobertura de palhada (restos de culturas deixados no campo após a colheita).

Propriedades espectrais da vegetação
Fortemente determinadas por seus atributos biofísicos e bioquímicos
▻ Quantidade de biomassa viva e senescida;
▻ Conteúdo de pigmento;
▻ Umidade;
▻ Arranjo espacial e estruturas das células.
Folhas: principais superfícies das copas das plantas (Troca de energia e o gás)
Propriedades ópticas
Essencial para compreender características
Curvas de refletância e transmitância é semelhante para todas as espécies

SAHOO et al., 2015
TRÊS DOMÍNIOS ESPECTRAIS
Domínio visível: 400–700 nm
Infravermelho próximo: 700–1300 nm
Infravermelho médio: 1300-2500 nm

PIGMENTOS DA FOLHA
Domínio visível (400–700 nm)
Clorofila a 410-430 e 600-690 nm
Clorofila b 450–470 nm
Carotenóides 440–480 nm
Decrescente do azul para o Quando a folha

Polifenóis vermelho está morta
SAHOO et al., 2015

ESTRUTURA CELULAR
Infravermelho próximo (700–1300 nm)
Pigmentos da folha e a celulose são quase transparentes
▻ Absorção é muito baixa e a refletância e a transmitância atingem seus valores máximos.
Nível de refletância próximo ao infravermelho aumenta com o aumento do número

de espaços intercelulares, camadas celulares e tamanho das células.
SAHOO et al., 2015

CONTEÚDO HÍDRICO DAS FOLHAS
Infravermelho médio (1300 - 2500 nm)
Através de diferentes bandas

espectrais é possível saber o
estado hídrico das folhas.
SAHOO et al., 2015

PRINCIPAIS BANDAS DE ABSORÇÃO DE ÁGUA
Dados obtidos são descartados
1450, 1940 e 2700 nm
Sensor hiperespectral de campo Sensor hiperespectral orbital

SAHOO et al., 2015; FORMAGGIO; SANCHES, 2017
SAHOO et al., 2015

Análise de dados de sensoriamento remoto
hiperespectral para culturas agrícolas
TECNOLOGIA HIPERESPECTRAL
Grande número de dados
Aumenta a dificuldade para manuseá-los
Extrair de forma eficiente a informação desses dados.
Selecionar bandas ótimas
SAHOO et al., 2015; FORMAGGIO; SANCHES, 2017

NÚMERO IDEAL DE BANDAS
Pouco
Redundante redundante
Com base em uma revisão

exaustiva da literatura
Identificação de bandas
redundantes
SAHOO et al., 2015

SELEÇÃO DE LARGURA DE BANDA IDEAL
▻ Banda larga: não garante que as informações sejam capturadas (SAHOO et al., 2015);
▻ Larguras de banda muito estreitas: relação sinal-ruído mais baixa (SAHOO et al., 2015);
▻ Largura de banda de 5–10 nm: garantirá captura das informações (SAHOO et al., 2015);
▻ Estudos de estresse de culturas: larguras de banda ótimas de 5–10 nm (vermelha próximo)

e 25 nm (500–900 nm) (RAY et al., 2011).
Aplicações de sensoriamento remoto
hiperespectral na agricultura na Índia e Brasil
CARACTERIZAÇÃO ESPECTRAL E DISCRIMINAÇÃO DE CULTURAS
Manjunath et al. (2014):
Leguminosas: 750, 800, 940 e 960 nm

Couve: 550, 690, 740, 770 e 980 nm
Plantas ornamentais: 420, 470, 480, 570, 730, 740, 940, 950, 970 e 1030 nm
Antony et al. (2011):
Estádios de maturação de trigo (espiga, formação de grãos e colheita)

Bandas estreitas ótimas para a discriminação: 630, 660, 674, 705 e 712 nm
TV-1
PLANTAS DE CHÁ BGP-133 Cultivar
BGP-126
Nova
Velha
Vegetativo Idade
Floração
Podada
Não podado Tratos culturais
Pleno sol
Sombra Plantio
Doente
Saudável Sanidade
AZUL VERMELHO
VERDE NIR
Kumar et al. 2012
ESTUDO DE ANISOTROPICIDADE DE CULTURAS
▻ Os dosséis da vegetação refletem a radiação

anisotropicamente;
▻ Medições do sensor dependem fortemente da

posição do sol e do sensor em relação ao Sol.
▻ Propriedade física varia com a direção.

Erectófilo: capta a Planófilo: reflete 20 a
radiação para dentro 30% a mais para cima
que o erectófilo
SAHOO et al., 2015

ESTUDO DE ANISOTROPICIDADE DE CULTURAS
Trigo (erectófilo) Soja (planófilos)
Propriedades ópticas e a arquitetura da cultura exercem forte influência na anisotropia
SAHOO et al., 2015

ESTIMATIVA DE VARIÁVEIS BIOFÍSICAS E BIOQUÍMICAS DE CULTURAS
Floresta Tropical (DANELICHEN et al.,

ÍNDICE DE ÁREA FOLIAR 2016)
Banda estreita têm melhor desempenho;
Bandas de 780 e 680 nm: correlação máxima

com o índice de área foliar (RAY et al. 2011).
TEOR DE ÁGUA
Diferentes tratamentos de irrigação: 540,

610, 630, 700 e 1000 nm.
Diferentes para a sensibilidade à absorção

de água: 950–970, 1150–1260, 1450, 1950
e 2250 nm.
SAHOO et al., 2015

NITROGÊNIO E BIOMASSA
▻ Auxiliar no monitoramento dos parâmetros de crescimento, bem como no status do N da

planta e na recomendação da estratégia de fertilização;
▻ Relação nitrogênio na folha, acúmulo de nitrogênio na planta, índice de clorofila.
RANJAN et al., 2012

Minimiza os riscos ambientais das taxas de excesso de N e maximiza a eficiência

do uso do N na produção da cultura.
PRODUTIVIDADE E BIOMASSA
▻ Produtividade de grãos de trigo: seis estádios fenológicos: vermelho e o

infravermelho (XAVIER et al., 2006);
▻ Soja: melhores correlações com produtividade: infravermelho próximo

(GALVÃO et al., 2009)
DIFERENÇA DE FASE FENOLÓGICA

MONITORANDO O ESTRESSE NAS PLANTAS
Resposta das plantas a estresses bióticos e

abióticos:
▻ Ondulação das folhas;
▻ Murcha;
▻ Clorose ou necrose;
▻ Diminuição da partes fotossinteticamente ativas;
▻ Crescimento atrofiado;
▻ Redução da área foliar.
Afetam a quantidade e a qualidade da radiação eletromagnética refletida das copas das plantas.
SAHOO et al., 2015
Vantagens
▻ Fornece um meio melhor de quantificar objetivamente o estresse da cultura do que métodos visuais;
▻ Pode ser usada repetidamente para coletar medições de amostra de forma não destrutiva;
▻ Pode ser usada nos estádio inicial de seu desenvolvimento.
Sintomas de danos precisam ser adequadamente correlacionados com base na

verdade fundamental antes do desenvolvimento de esquemas de controle de pragas
SAHOO et al., 2015

Pulgão em mostarda
Bandas espectrais mais infectadas 550-560, 700-1250 e 1950-2450 nm
▻ Índice de área foliar;

▻ Índice de proporção de vegetação; Podem ser encontrados tendo correlação
▻ Índice de pulgões; significativa com infestação de pulgões.
▻ Índice de pigmento.
SAHOO et al., 2015

Requeima da batata
Índices de vegetação para plantas em diferentes níveis de infestação

de doenças foram consideradas altamente significativas;
Bandas espectrais ideais para discriminar as plantas saudáveis das

infestadas foram: 540, 610, 620, 700, 710, 730, 780 e 1040 nm;
Até 25% de infestação pode ser explicada pelas refletâncias de 710,

720 e 750 nm.
RAY et al. ,2011

CONCLUSÃO
Bandas estreitas Maior Qualidade
Grande número de dados Bandas Ótimas

SENSORIAMENTO Três Domínios Espectrais Biofísicas e Bioquímicas
HIPERESPECTRAL
Potencial na agricultura
Vantagem Utilização Simples
Desvantagem Carece de Mais Ajustes

REFERÊNCIAS
• ANTONY, R.; RAY, S. S.; PANIGRAHY, S. Discrimination of wheat crop stage using CHRIS/PROBA multi-angle narrowband data. Remote Sensing
Lett. v.2, n.1, p.71–80, 2011
• DANELICHEN, V. H. M.; BIUDES, M. S.; MACHADO, N. G.; VELASQUE, M. C. S.; SILVA, B. B.; NOGUEIRA, J. S. Uso do sensoriamento remoto na
estimativa do índice de área foliar em floresta tropical. Ciência e Natura v.38 n.3, p. 1352 – 1360, 2016.
• FORMAGGIO, R. A.; SANCHES, I. D. Sensoriamento remoto em agricultura. São Paulo : Oficina de Textos, 2017.
• KUMAR, A.; MANJUNATH, K. R.; MEHRA, M. R.; SUD, R. K.; SINGH, R. D.; PANIGRAHY, S.. Field hyperspectral data analysis for dis- criminating
spectral behavior of tea plantations under various management practices. Int. J. Appl. Earth Observ. Geoinf., 2012.
• MANJUNATH, K. R. et al., Developing spectral library of major plant species of Western Himalayas using ground observations. J. Indian Soc.
Remote Sensing. v.42, n.1, p.201–216, 2014.
• RANJAN, R.; CHOPRA, U. K.; SAHOO, R. N.; SINGH, A. K.; PRAD- HAN, S. Assessment of plant nitrogen stress through hyperspectral indices.
Int. J. Remote Sensing. v. 22, n.20, p.6342–6360, 2012.
• RAY, S. S.; JAIN, N.; ARORA, R. K.; CHAVAN, S.; PANIGRAHY, S. Utility of hyperspectral data for potato late blight disease detection. J. Indian
Society Remote Sensing. v. 39, n.2, p.161–169, 2011.
• SAHOO, R. N.; PARGOL, S.; VERMA, R.K.; YADAV, S. K.; KUMAR, V. V. S.; GUPTA, V. K.; CHINNUSAMY, V. Combination of spec- troscopy and
visual imaging for high throughput evaluation of abiotic stress tolerance in rice. In: International Plant Phenotyping Symposium on
Phenotyping for Agriculture Sustainability by International Plant Phenotyping Network (IPPN), Chennai, pp. 57–58, 2014.
• SAHOO, R. N.; RAY, S. S.; MANJUNATH, K. R. Hyperspectral remote sensing of agriculture. Current Science. v. 108, n. 5, p.848-859, 2015.
• XAVIER, A. C.; RUDORFF, B. F. T.; MOREIRA, M. A.; ALVARENGA, B. S.; FREITAS, J. G.; SALOMON, M. V. Hyperspectral field reflectance
measurements to estimate wheat grain yield and plant height. Sci. Agric., v.63, n.2, p.130-138, 2006.
OBRIGADO
Vinicius de Souza Oliveira
Técnico Agrícola - IFES - Campus Itapina souzaoliveiravini@gmail.com

Engenheiro Agronômo - IFES - Campus Itapina (27) 9 9247-6606
Mestre em Agricultura Tropical - UFES – CEUNES http://lattes.cnpq.br/7213222193584056
Doutorando em Agronomia - UFES

Sensoriamento Remoto Hiperespectral Da Agricultura

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Sensoriamento Remoto Hiperespectral Da Agricultura

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO

CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO

Hyperspectral remote sensing of

SAHOO et al., 2015

Micasense Altum Multiespectral Modelo FX10 SPECIM

Faixa espectral: 400-1400 nm Faixa espectral: 400-1000 nm

Bandas espectrais: 6 Bandas espectrais: 224

Limitação para estimativas, principalmente por causa da baixa resolução espectral

FORMAGGIO; SANCHES, 2017

▻ Avaliação de pastagens (fertilidade, biomassa, nível de degradação);

FORMAGGIO; SANCHES, 2017

Essencial para compreender características

Curvas de refletância e transmitância é semelhante para todas as espécies

TRÊS DOMÍNIOS ESPECTRAIS

Domínio visível: 400–700 nm

Infravermelho próximo: 700–1300 nm

Infravermelho médio: 1300-2500 nm

Domínio visível (400–700 nm)

Clorofila a 410-430 e 600-690 nm

Decrescente do azul para o Quando a folha

SAHOO et al., 2015

Infravermelho próximo (700–1300 nm)

Pigmentos da folha e a celulose são quase transparentes

▻ Absorção é muito baixa e a refletância e a transmitância atingem seus valores máximos.

Nível de refletância próximo ao infravermelho aumenta com o aumento do número

SAHOO et al., 2015

Infravermelho médio (1300 - 2500 nm)

Através de diferentes bandas

SAHOO et al., 2015

Sensor hiperespectral de campo Sensor hiperespectral orbital

SAHOO et al., 2015

Grande número de dados

Aumenta a dificuldade para manuseá-los

Extrair de forma eficiente a informação desses dados.

Selecionar bandas ótimas

SAHOO et al., 2015; FORMAGGIO; SANCHES, 2017

Com base em uma revisão

SAHOO et al., 2015

▻ Estudos de estresse de culturas: larguras de banda ótimas de 5–10 nm (vermelha próximo)

Manjunath et al. (2014):

Leguminosas: 750, 800, 940 e 960 nm

Antony et al. (2011):

Estádios de maturação de trigo (espiga, formação de grãos e colheita)

▻ Os dosséis da vegetação refletem a radiação

▻ Medições do sensor dependem fortemente da

▻ Propriedade física varia com a direção.

SAHOO et al., 2015

Trigo (erectófilo) Soja (planófilos)

Propriedades ópticas e a arquitetura da cultura exercem forte influência na anisotropia

SAHOO et al., 2015

Floresta Tropical (DANELICHEN et al.,

Banda estreita têm melhor desempenho;

Bandas de 780 e 680 nm: correlação máxima

Diferentes tratamentos de irrigação: 540,

Diferentes para a sensibilidade à absorção

SAHOO et al., 2015

▻ Auxiliar no monitoramento dos parâmetros de crescimento, bem como no status do N da

▻ Relação nitrogênio na folha, acúmulo de nitrogênio na planta, índice de clorofila.

RANJAN et al., 2012

Minimiza os riscos ambientais das taxas de excesso de N e maximiza a eficiência

▻ Produtividade de grãos de trigo: seis estádios fenológicos: vermelho e o

▻ Soja: melhores correlações com produtividade: infravermelho próximo

DIFERENÇA DE FASE FENOLÓGICA

Resposta das plantas a estresses bióticos e