• Nenhum resultado encontrado

Monitoramento e aplicações do imageamento nas culturas agrícolas

No documento 2019RudimarLuisPetter (páginas 65-69)

2.4 Refletância da vegetação e radiometria espectral

2.4.7 Monitoramento e aplicações do imageamento nas culturas agrícolas

A gama de aplicações de sensoriamento remoto inclui o uso do solo, cobertura do solo, agricultura e assim por diante. Mais recentemente, com o advento de imagens espaciais de alta resolução estão rapidamente ganhando interesse na comunidade científica uma série de outras aplicações.

Uma ampla gama de investigadores está utilizando imagens no infravermelho para determinar o momento de irrigação baseando-se em parâmetros da planta, tais como: a temperatura da planta e taxa de evapotranspiração, bem como a condutância estomática, e fechamento dos estômatos (BAJONS, KLINGER e SCHLOSSER, 2005). Monitoramento condutância estomática pode ser um melhor indicador da resposta da planta a perda de umidade do solo, pois mudanças no potencial hídrico causam reduções na condutância estomática antes de qualquer mudança na condição hídrica da planta (JONES, 2004).

Vários estudos têm mostrado que a parte térmica infravermelha do espectro (TIR) é mais sensível para determinar o stress água do que a reflectância no visível, NIR, ou SWIR de onda desde comprimentos de infravermelhos térmico que mede a temperatura térmica da planta ou folhas no dossel da cultura e sabe-se que uma vez que as plantas entram em estresse hídrico; os estômatos começam a fechar, fazendo com que a planta comece a “aquecer” e a temperatura do dossel subir (MARTIN, 2007). Além disso, as imagens térmicas parecem ter vantagens potenciais de medição de permuta de gás na triagem de respostas estomática em estudos de fenotipagem de plantas.

Ainda, os métodos que utilizam a banda do infravermelho térmico para avaliar a variação espacial da disponibilidade de água no solo também têm sido utilizadas em aplicações em agricultura de precisão em diversas culturas (PINTER et al., 2003). Como um exemplo, Padhi, Misra e Payero (2012) mostraram que o crescimento das plantas e o déficit de água no solo variam espacialmente e temporalmente nas culturas. Observaram que quando aumentou o déficit de água do solo no interior da zona da raiz das plantas aumentou a temperatura da copa que levou a um aumento da condutância estomática, e pressupõem-se que este pode ser utilizado como um estimador para agendar o processo de irrigação.

As estimativas do rendimento das culturas são muito importantes, porque essas previsões alertam os tomadores de decisão sobre uma suposta redução potencial em rendimentos de colheita (MELO et al., 2003). Os modelos de séries temporais são os

métodos vulgarmente usados para estimar a produtividade para muitas culturas em quase todas as partes do mundo. Mas a maior parte do tempo, observa-se um alto desvio entre o observado no rendimento real do rendimento previsto (MANICKAVASAGAN e JAYASURIYA, 2014). A imagem térmica pode ser utilizada para estimar o rendimento, pois a termografia baseia-se na detecção de radiação de calor própria de um objeto. No entanto, apenas alguns trabalhos encontraram bons resultados no uso de imagens térmicas para estimativa da previsão de rendimento. Smith et al (1985) analisou a relação entre o rendimento de trigo e de medição durante o dia de diferença de temperatura entre a folha e a temperatura do ar. Como resultado indicou que a termometria do infravermelho seria uma técnica útil para o estudo de variações de rendimento em experiências agronómicas onde estas variações são devidas ao controle estomático.

A detecção precoce da qualidade das sementes e monitoramento de sementes se beneficiaria de uma ferramenta que se identifica sementes viáveis e inviáveis individuais antes de usar de medições periódicas com a inspeção visual (LEE e KIM, 2004). Atualmente, pesquisadores tornaram-se mais conscientes de que atributos fisiológicos de sementes não são identificáveis visualmente (WEATHERSPOON e LAACKE, 1984). Portanto, as técnicas de uso de imagem com infravermelhos térmicos foram propostas como uma alternativa possível aos métodos tradicionais de avaliação da viabilidade das sementes. O perfil térmico de sementes pode ser usado para detectar alterações sutis na temperatura, estas alterações variam com sua vitalidade e isto permite a classificação e separação de sementes viáveis das não viáveis (ZHANG et al., 2012).

De acordo com Hellebrand et al (2000), correlações positivas significativas foram encontradas entre a temperatura de plântulas e o grau de dano, onde as mudas com mais baixa temperatura tiveram maior taxa de sobrevivência do que o mudas com temperatura mais alta, por conseguinte, as características de decaimento do sinal térmico pode depender das condições de envelhecimento semente ou a viabilidade das sementes, que são significativamente associados com mudanças na permeabilidade da membrana de sementes (LEE e KIM, 2004). Assim termografia infravermelho pode ser utilizada para a detecção de sementes e mudas de viabilidade, danos físicos, distúrbios fisiológicos e avaliação do processo de crescimento de sementes, plântulas e plantas dentro dos viveiros e estufas.

2.4.8 Limitações, perspectivas e tendências no imageamento de culturas agrícolas

A fim de desenvolver aplicações quantitativas de sensoriamento remoto para o manejo da cultura dois grandes problemas devem ser resolvidos. O primeiro problema que necessita ser resolvido é a variação na reflectância causada por ângulos de iluminação solares, sensor de direção de observação, ou orientação das fileiras de plantas. O segundo problema tem a ver com a detecção fiável que possam realizar os algoritmos de maneira espacial e temporal, ou seja, sua capacidade de determinar as exigências de água, em nutrientes, e sinais de stress induzida por pragas e material vegetal não- fotossinteticamente ativo (PINTER et al., 2003). Técnicas mais recentes, tais como a análise espectral de mistura, podem ser utilizados para estes fins.

Algumas decisões específicas de gestão agrícola, tais como detecção de plantas daninhas e manejo de plantas daninhas exigem imagens de alta resolução espacial, muitas vezes na ordem dos centímetros (ROBERT, 1996). Infelizmente, os dados de sensores remotos mais prontamente disponível, as imagens de satélite de média resolução (por exemplo, Landsat TM, Aster, SPOT5), são adequadas para estudos de grande escala. Além disso, mesmo as mais recentes imagens de satélite de maior resolução (por exemplo, WorldView-2 e GeoEye-1) não pode fornecer dados de alta frequência temporal para uma situação emergencial (por exemplo, monitorar stress de nutrientes ou de doença) pois a sua revisita está limitado a 1-2 dias. As condições climáticas também são um impedimento crítico para aquisições de imagens de satélite, considerando que a estação de crescimento vegetativo é também, normalmente, o período chuvoso. Em adição ocorre as limitações reais do sensor, fazendo com que a detecção remota aplicada em agricultura seja também limitada quanto a análise e interpretação dos problemas quando se trata de grandes quantidades de dados digitais (MURAKAMI et al., 2007).

Em relação aos veículos não tripulados, existem problemas técnicos bem conhecidos para pequenas aeronaves, tais como a potência do motor, a baixa duração da energia, dificuldade de manter altitude, estabilidade e capacidade de manobra da aeronave em ventos e turbulências (LALIBERTE e RANGO, 2011). A confiabilidade é ainda uma outra preocupação para a aplicação de VANTs (HARDIN e JENSEN, 2011). As principais preocupações em termos de fiabilidade VANTs são as falhas da plataforma devido aos materiais de construção e avarias inadequadas do motor (JONES, PEARLSTINE e PERCIVAL, 2006). Outra questão fundamental que restringe a seleção do sensor em VANTs é o peso de carga útil limitadas geralmente a 20-30% do peso total

do sistema (NEBIKER et al., 2008), o que influencia grandemente o sistema de sensores que pode ser utilizado.

Existem algumas tendências que acompanham o desenvolvimento do sensoriamento remoto. Observa-se que ocorre a integração de parâmetros de sensoriamento remoto com sistemas de apoio à decisão. Combinando os dados remotamente adquiridos com modelos de simulação de culturas existentes podem melhorar a confiabilidade de sistemas de apoio à decisão e contribuir para a gestão da produção agrícola modernizada.

3 MATERIAL E MÉTODOS

No documento 2019RudimarLuisPetter (páginas 65-69)