2.3 RESULTADOS E DISCUSSÃO
2.3.5 Resultado de análise visual entre os mapas
A análise visual do mapa de NDVI e do mapa de dados de produtividade, na Figura 32, aponta que os pontos 1A, 2A, 3A, 9A, 12A e 14A apresentaram, no mapa de NDVI, zonas de altos índices de vigor vegetativo, e os pontos homólogos 1B, 2B, 3B, 9B, 12B e 14B, no mapa de dados de produtividade, também apresentaram zonas de altas produtividades. A mesma relação foi encontrada nos pontos 4A, 5A, 6A, 7A, 10A e 15A, que apresentaram baixos índices de vegetação no mapa de NDVI, e seus pontos homólogos 4B, 5B, 6B, 7B, 10B e 15B, que também representam zonas de baixa produtividade no mapa de dados de produtividade. No entanto, o ponto 11A apresentou médio índice de NDVI e o ponto homólogo 11B apresentou zona de alta produtividade. Ocorreu também divergência no ponto 13A, que apresentou alto índice de NDVI, e no ponto correspondente aos dados de produtividade 13B, pois este apresentou zonas de média produtividade.
A diferença de comportamento dos dados na região do ponto 13A e 13B entre a classe do índice e a classe dos dados de produtividade encontra-se contida nos 25% da produtividade não explicados pela equação de regressão linear, e a razão disto pode estar relacionada diretamente ao balanço hídrico, pois o solo na região do experimento não é profundo, segundo a classificação de (STRECK et al., 2008).
Ao avaliar os dados do Inmet (2016) referentes ao balanço hídrico representado no gráfico da Figura 33, no período de 20 de agosto de 2014 a 20 de janeiro de 2015, pertencente à estação meteorológica da cidade de Santa Maria, por ser a mais próxima da área do experimento, pode-se observar que, na data da tomada das imagens do VANT, registraram-se - 1,96 mm de déficit hídrico, pois já haviam se passado 15 dias com registro de balanço hídrico igual a 0 mm.
A influência do balanço hídrico negativo vem de encontro a exposição de EMPRAPA (2006, p. 7), onde é colocado que,
nos estágios de VT a R1, a planta de milho é mais vulnerável às intempéries da natureza que qualquer outro período, devido ao pendão e todas as folhas estarem completamente expostas. Remoção de folha nesse estágio por certo resultará em perdas na colheita.
Figura 32 – Imagem de comparação do mapa de NDVI e o mapa de dados de produtividade de milho
Figura 33 – Balanço hídrico sequencial do período de 20/08/2014 a 20/01/2015 na estação meteorológica de Santa Maria – RS
Fonte: Adaptação de (INMET, 2016).
Nesse sentido, relacionando os dados de produtividade de milho com estresse hídrico, Moreira (2005) apresenta um gráfico (Figura 34) com diferentes conteúdos de água na folha do milho e sua respectiva assinatura espectral, onde é possível observar que quanto menor for o conteúdo de água na folha maior será a refletância. A influência é mais perceptível no infravermelho, diante do limite de comprimento de onda apresentado, e o autor ressalta ainda que a refletância do infravermelho é inversamente proporcional à absorção de energia.
Figura 34 – Curvas de refletância espectral, obtidas em folhas de milho com diferentes conteúdos de água
3 CONCLUSÃO
Realizado o presente trabalho, conclui-se ser possível estimar a produtividade de milho através da utilização de imagens de veículo aéreo não tripulado com base no índice de vegetação NDVI e na banda do infravermelho termal, inclusive onde não exista a disponibilidade de monitores de colheita, visto que foi encontrada regressão linear significativa através do R2 entre o índice de vegetação NDVI e a produtividade de milho.
As imagens provenientes de veículo aéreo não tripulado, especialmente através do índice de vegetação NDVI e região do espectro eletromagnético do infravermelho termal proporcionam o monitoramento da produtividade de milho antecipadamente a sua colheita, tornando-se ferramentas importantes para a agricultura de precisão.
A tecnologia de veículo aéreo não tripulado utilizada para estimar a produtividade de milho apresentou algumas limitações em sua aplicação devido à influência na reflectância registrada pelo sensor nas diferentes fases fenológicas da planta, sendo que tal influência se deu em função das condições meteorológicas durante o ciclo produtivo.
Devido ao limitado orçamento do projeto, recomenda-se realizar outro estudo com o objetivo de obter imagens de veículo aéreo não tripulado com maior número de recobrimento em diferentes datas ao longo do ciclo produtivo da cultura, a fim de minimizar as influências fisiológicas e meteorológicas na planta e acurar a estimativa de produtividade de milho.
REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA, I. C. Estudo Sobre o Uso de Veículo Aéreo Não Tripulado (Vant) Para
Mapeamento Aéreo com Fins de Elaboração de Projetos Viários. 2014. 149 p. Projeto Final
de Curso - Universidade Católica de Pernambuco. Recife, 2014.
ALVES, D. B. M.; ABREU, P. A. G. de; SOUZA, J. S. GNSS: Status, Modelagem
Atmosférica e Métodos de Posicionamento. Revista Brasileira de Geometria,v. 1,n. 1.
Universidade Tecnológica Federal do Paraná, Pato Branco, 2013. 8 ‐ 13 p.
ANAC. Agência Nacional de Aviação Civil. RPAS - Sistemas De Aeronaves Remotamente
Pilotadas. 2015. Disponível em: < http://www2.anac.gov.br/rpas/>. Acessado em 10 ago. 2016.
ANDRADE, R. O. O voo do Falcão. Pesquisa FAPESP, n. 11, 2013. Disponível em: < http://revistapesquisa.fapesp.br/2013/09/12/o-voo-do-falcao/?cat=tecnologia >. Acessado em: 12 ago. 2016.
ANTUNIASSI, U. R.; BAIO, F. H. R.; SHARP, T. C. Agricultura de Precisão. In: CONGRESSO BRASILEIRO DO ALGODÃO, 6, 2007, Uberlândia. Anais. Uberlândia: CNPA, 2007. p. 11-21.
ARAÚJO, J. C.; VETTORRAZI, C. A.; MOLIN, J. P. Estimativa da produtividade e
determinação de zonas de manejo, em culturas de grãos, por meio de videografia aérea multiespectral.Maringá. 2005. Acta Scientiarum Agronomy, v. 27, n. 3, p. 437-447.
BERGAMASCHI, H. et al. Estimating maize water requirements using agrometeorological data. Revista Argentina de Agrometeorologia. Argentina, 2001. v.1, p.23-27. Disponível em: <https://www.researchgate.net/publication/261912180_ESTIMATING_MAIZE_WATER_R EQUIREMENTS_USING_AGROMETEOROLOGICAL_DATA_Estimativa_das_necessida des_de_agua_do_milho_atraves_de_dados_meteorologicos>. Acessado em: 15 jul. 2016.
BERGAMASCHI, H. et al. Distribuição hídrica no período crítico do milho e produção de
BERNARDI, A. C. C. et al. Ferramentas de Agricultura de Precisão Como Auxílio Ao
Manejo da Fertilidade do Solo. Brasília. 2015. Cadernos de Ciência & Tecnologia, v. 32, n.
1/2, p. 211-227. Disponível em
<https://seer.sct.embrapa.br/index.php/cct/article/viewFile/23314/13165>. Acessado em 21 jun. 2016.
BLACKMORE, S. The role of yield maps in Precision Farming. 2003. 171 p. Tese de Doutorado (Doutorado em Filosofia) - Cranfield University at Silsoe. Cranfield, Bedford MK43 0TR, Reino Unido. 2003. Disponível em <
https://www.researchgate.net/publication/242148358>. Acessado em 10 Jun. 2016.
BLYENBURGH, P. V. VANTs: an Overview. Air and Space Europe Vol. I no 5/6. 1999.
BRASIL. Ministério da Agricultura, Pecuária e Abastecimento - Secretaria de Desenvolvimento Agropecuário e Cooperativismo. Agricultura de Precisão. Brasília. 2011.
BRITO, J. L. N. e S.; COELHO FILHO, L. C. T. Fotogrametria Digital. Rio de Janeiro: Ed. UERJ, 2007.
CAMARGO, P. O. Modelo Regional da Ionosfera Para Uso em Posicionamento com
Receptores de uma Frequência. Curitiba, 1999. 196p. Tese (Doutorado) – Universidade
Federal do Paraná.
CAPPELI, N. L. Agricultura Brasileira e o Fenômeno da Globalização. 2003. Disponível em: <http://www.gpsglobal.com.br/Artigos/Agricola/GlobalAgric.html> Acesso em: 15 jun. 2016.
CASTRO, C. N. Definição de Unidades de Gerenciamento do Solo por Meio da Sua
Condutividade Elétrica e Variáveis Físico-Químicas. 2004. 142 p. Dissertação (Mestrado
em Agronomia) – Escola Superior de Agricultura “Luiz de Queiroz” Universidade de São Paulo, Piracicaba, RS, 2004.
CHUERUBIM, M. L.; GOMES, P.; PIRES, A.; SILVA, L. A.; MATOS, S. C. Diagnóstico
Santa Mônica: realidade atual e perspectivas futuras no contexto das ciências geodésicas.
In: XVI SBSR – Simpósio Brasileiro de Sensoriamento Remoto. 13 a 18 de abril de 2013. Foz do Iguaçu-PR.
COMPANHIA NACIONAL DE ABASTENCIMENTO – CONAB. Observatório Agricola.
Acompanhamento da Safra Brasileira: Grãos. V.3 Safra 2015/2016. n° 11 – Décimo
primeiro levantamento: Agosto 2016. Disponível em:
<http://www.conab.gov.br/OlalaCMS/uploads/arquivos/16_08_09_12_08_19_boletim_graos_ agosto_2016.pdf>. Acessado em 20 ago. 2016.
CONSELHO DE INFORMAÇÕES SOBRE BIOTECNOLOGIA – CIB. Guia Do Milho:
Tecnologia do campo à mesa. 2006. Disponível em:< http://www.cib.org.br/pdf/guia_do_milho_CIB.pdf> Acesso em 18 de Agosto de 2016.
CORRÊA, M. A.; CAMARGO JÚNIOR, J. B. Estudos De Veículos Aéreos Não Tripulados
Baseado em Sistemas Multi-Agentes e Sua Interação no Espaço Aéreo Controlado.
Simpósio de transporte Aéreo Rio de Janeiro. 2008. Disponível em:
<https://www.ufpe.br/latecgeo/images/PDF/vant1.pdf >. Acessado em 10 ago. 2016
EISENBEIß, H. VANT Photogrammetry. Zurich, University of Technology Dresden. 2009. 237 p. Doctor of Sciences (Institut für Geodäsie und Photogrammetrie). Eidgenössische Technische Hochschule Zürich. Zürich, Suiça, 2009. Disponível em:
< http://www.igp-data.ethz.ch/berichte/blaue_Berichte_PDF/105.pdf >. Acessado em 02 ago. 2016
EITELWEIN, M. T. Definição de Estabilidade Produtiva e Relação com Atributos de Solo
em Áreas Manejadas com Agricultura de Precisão. 2013. 94 p. Dissertação de Mestrado
(Mestrado em Agronomia, Área de Concentração Agricultura e Ambiente) - Universidade Federal de Santa Maria, Santa Maria, RS, 2013.
ELIAS, Adão Robson; PIROLI, Edson Luiz. Técnicas de posicionamento GPS para
agricultura de precisão. Pesquisa Aplicada & Agrotecnologia, v.2, n.1, p.83-63, Jan.- Abr.
EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA - EMBRAPA. Centro Nacional de Pesquisa de Solos. Sistema brasileiro de classificação de solos. Rio de Janeiro: 1999. 412p.
EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Milho e Sorgo. Fisiologia da Produção de Milho. Circular Técnica 76. Sete Lagoas, MG. 2006. 10 p. Disponível em:
<http://www.cnpms.embrapa.br/publicacoes/publica/2006/circular/Circ_76.pdf>.Acessado em 10 jun. 2016.
EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Embrapa Cerrados. Conceito e Considerações Práticas do Sistema de Geração de Mapas de
Produtividade na Cultura de Grãos. DF 2004. 25 p. Disponível em <
http://bbeletronica.cpac.embrapa.br/2004/doc/doc_126.pdf>. Acessado em 10 Jun. 2016.
EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Agricultura de
Precisão: resultado de um novo olhar. Brasília, DF 2014. 596 p. Disponível em
<https://www.macroprograma1.cnptia.embrapa.br/redeap2>. Acessado em 10 jan. 2016.
FERNANDES, P.; WENDLING. A. Estimar a produtividade de soja por imagem de satélite SPOT 5. In: 1° Congresso Sul-Americano de Agricultura de Precisão e Máquinas Precisas. 2011. v. 1. p. 59-59.
FERNANDES, P.; WENDLING, A.; BONA, S. D. Correlação Da Produtividade De Milho
Em Pivô Com As Bandas Do Satélite Landsat 8. 3° Congresso Sul-Americano de Agricultura
de Precisão e Máquinas precisas. Não-Me-Toque. 2015.
FLORENZANO, T. G. Iniciação em Sensoriamento Remoto. 2 ed. São Paulo: Ed. Oficina de Texto. 2007. 101 p.
FLORENZANO, T. G. Iniciação em Sensoriamento Remoto. 3 ed. São Paulo: Ed. Oficina de Texto. 2011. 128 p.
FOTO AEREA. Asesor 5. Buenos Aires. 2016. Disponível em: <https://fotoaereaweb.wordpress.com/productos/>. Acessado em: 22 ago. 2016.
FURTADO, V. H.; GIMENES, R. A. V.; CAMARGO JÚNIOR, J. B.; ALMEIDA JÚNIOR. J. R. Aspectos De Segurança na Integração de Veículos Aéreos Não Tripulados (Vant) no
Espaço Aéreo Brasileiro. VII SITRAER – SIMPOSIO DE TRANSPORTE ÁEREO. Rio de
Janeiro. 2008. p. 506 – 517. Disponível em: <
https://www.ufpe.br/latecgeo/images/PDF/vants.pdf >. Acessado em: 10 jun. 2016.
GEIPEL, J.; CLAUPEIN, J. L. Combined Spectral and Spatial Modeling of Corn Yield Based on Aerial Images and Crop Surface Models Acquired with na Unmanned Aircraft System. In:
Remote Sens. 11 ed. Stuttgart: Institute of Crop Science, University of Hohenheim, 2014. p.
10335 - 10355.
HONDA, B., JORGE, L. A. C. Computação Aplicada à Agricultura de Precisão. Rev. Científica Eletrônica UNISEB, Ribeirão Preto, v.1, n.1, p.111-132, jan./jun.2013
HAUSCHILD, F. E. G., Técnicas de Agricultura de Precisão Para Definição de Zonas de
Manejo de Solo. 2013. 84 p. Dissertação (Mestrado em Agricultura de Precisão)-Universidade
Federal de Santa Maria, Santa Maria, RS, 2013.
HÖRBE, T. A. N. Agricultura Por Ambiente: Manejo Sítio Específico Da População De
Milho. 2012. 58 p. Dissertação (Mestrado em Ciência do Solo, Área de Concentração em
Processos Químicos e Ciclagem de Elementos) - Universidade Federal de Santa Maria, Santa Maria, RS, 2012.
HÖRBE, T. A. N. Distribuição Espacial De Plantas Na Fileira E Sua Relação Com A
Produtividade Da Cultura Do Milho. 2015. 66 p. Tese (Doutorado em Ciência do Solo, Área
de Concentração em Processos Químicos e Ciclagem de Elementos) - Universidade Federal de Santa Maria, Santa Maria, RS, 2015.
INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA.
Manual de Agricultura de Precisión. Montevideo. 2014. Progama Cooperativo Para El
Desarrollo Tecnológico Agroalimento Y Agroindustrial De Cono Sur – PROCISUR. 176 p. Disponível em: <http://www.iica.int/sites/default/files/publications/files/2015/b3382e.pdf>. Acessado em 10 ago. 2016.
INSTITUTO NACIONAL DE METEREOLOGIA – INMET. Estações e Dados. Brasilia, 2016. Disponível em: <http://www.inmet.gov.br/>. Acessado em 10 jul. 2016.
IGBAL, M. An Introducion to Solar Radiation. Academic Press. New York, USA 1983. 361 p.
JAKUBASZCO, RICHARD. Agricultura de Precisão: como plantar e colher sem perda
nem erro. Disponível em:
<Http://www.portaldbo.com.br/index.php?pasta=agrotecnologia&pagina=index.php>. Acesso em: 15 jun. 2016.
JENSEN, J. R. Sensoriamento Remoto do Ambiente: uma perspectiva em recursos
terrestres. Traduação de J. C. N. Epiphanio. São José dos Campos,SP.Parênteses: 2009. 598
p. (Prentice Hall Series in Geographic Information Sciennce). Tradução de: Remote Sensing of the environment: na earth resource perspective. 2. ed.
JORGE, L. A. C., INAMASU, R. Y. Uso de veículos aéreos não tripulados (VANT) em Agricultura de Precisão. In: EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Agricultura de Precisão: resultado de um novo olhar. Brasília, DF 2014. 596 p. Disponível em <https://www.macroprograma1.cnptia.embrapa.br/redeap2>. Acessado em 10 jan. 2016.
KERROW, P. M. Modeling the Draganflyer four-rotor helicopter. International Conference on Robotics & Automation, New Orleans, LA, USA. 2004.
KÖPPEN, W. Climatologia. México, Fundo de Cultura Econômica. 1931.
KUNZ, J. H. et al. Uso da radiação solar pelo milho sob diferentes preparos do solo, espaçamento e disponibilidade hídrica. In: Pesquisa Agropecuária Brasileira. Vol. 42, n. 11. Brasília, 2007. p.1511-1520
LIN, J. et al. Practical Application of Unmanned aerial Vehicles for MountainHazards
LINHARES, M. M. A.; AMARAL, B. A. S.; COSTA, A. P., ROCHA, N. C.; CÂNDIDO, L. G. Vant’s Aplicados ao Monitoramento Da Evolução Vegetativa de Culturas Agrícolas. Congresso Brasileiro de Agricultura de Precisão - ConBAP. São Pedro - SP, 2014. Disponível em: <http://www.sbea.org.br/conbap/2014/trabalhos/R0062-2.PDF>. Acessado em: 12 ago. 2016.
LIU, W. T. H. Aplicações de Sensoriamento Remoto. Campo Grande: Uniderp, 2007. p. 881
MASCARENHAS, N. D. A., VELASCO, F.R.D. Processamento de Imagens. São José dos Campos, SP: INPE, 1984. 315 p.
MATIAS, J. F.; STRECK, L.; AGUILAR, D. D. Geração de mapas de produtividade de milho (Zea mays) com índice de vegetação NDVI de imagens Landsat 8. In: XVII Simpósio Brasileiro de Sensoriamento Remoto, 2015, João Pessoa. Anais... João Pessoa/PB, 2015. Disponível em: < http://www.dsr.inpe.br/sbsr2015/files/p0035.pdf>. Acessado em 10 jul 2016.
MEDEIROS, F. A. Desenvolvimento de um veículo aéreo não tripulado para aplicação em
agricultura de precisão. 2007. 102 p. Dissertação (Mestrado em Engenharia Agrícola) -
Universidade Federal de Santa Maria, Santa Maria, 2007
MENESES, P. R., ALMEIDA, T. Introdução ao Processamento de Sensoriamento Remoto. CONCELHO NACIONAL DE DESENVOLVIMENTO CIENTIFICO E TECNOLOGICO – CNPQ. Brasília. 2012. 276 p.
MENEGATTI, L.A.A. Metodologia para identificação, Caracterização e Remoção de
Erros em Mapas de Produtividade. 2002. 95 p. Dissertação (Mestrado em Agronomia) –
Escola Superior de Agricultura “Luiz de Queiroz” Universidade de São Paulo, Piracicaba, RS, 2002.
MENDONÇA, R. C. Ortorretificação e análise potencial das imagens do satélite CBERS
2B para mapeamento urbano: Estudo de caso – Igarapé. XI CURSO DE ESPECIALIZAÇÃO
EM GEOPROCESSAMENTO. Univercidade Federal de Minas Gerais – UFMG, Belo Horizonte. 2008. 25 p.
MCBRATNEY, A. B.; WHELAN, B. M.; ANCEV, T.; BOUMA, J. Future directions of
precision agriculture. Precision Agriculture, v. 6, n. 1, p. 1-17, 2005. Disponivel em:
<http://dx.doi.org/10.1007/s11119-005-0681-8>. Acessado em 05 ago. 2016.
MINISTÉRIO DA AGRICULTURA. Milho. 2010. Disponível em:
<http://www.agricultura.gov.br/vegetal/culturas/milho>. Acesso em 18 de Agosto de 2016.
MOLIN, J.P. Geração interpretação de mapas de produtividade para agricultura de precisão, In: Borém, A.; Giúdice, M.P. del; Quiroz, D.M. de; Mantovani, E.C.; Ferreira, L.R.; Valle, F.X.R. do; Gomide, R.L. Agricultura de precisão. Viçosa: Universidade Federal de Viçosa, p.237- 258, 2000.
MOLIN, J. P.; CARREIRA, P. T. Metodologia para Ensaios Cinemáticos de Receptores de
GNSS Utilizando um GPS RTK Como Referência. Revista Brasileira de Agroinformática.
2006. v.8, n. 1, p. 53-62.
MOLIN, J. P.; AMARAL, L. R.; COLAÇO, A. F. Agricultura de Precisão. 1. ed. São Paulo. Oficina de Textos. 2015, 238 p.
MONICO, J.F.G. Posicionamento pelo GNSS: descrição, fundamentos e aplicações. 2.ed. São Paulo: UNESP, 2007. 476 p.
MONTANHA, G. K. Avaliação do Consumo Energético no Preparo de Solo Para a Cultura
do Algodão Irrigado. 2010. 87 p. Dissertação (Mestrado de Agronomia – Energia na
Agricultura) Faculdade de Ciências Agronômicas da UNESP. Botucatu, SP. 2010.
MOORE, M. R. Na investigation of the accuracy of yield maps and their subsequent use in
crop management.1998. 379 p. Thesis (Ph. D.) – Cranfield University, Silsoe.
MORAES, E. C. Fundamentos do Sensoriamento Remoto. INSTITUTO NACIONAL DE PESQUISAS ESPQCIAIS – INPE. 2004. 22 p. Disponível em: < http://www.selperbrasil.org.br/cursos/spring/SenRemoto_intro.pdf>. Acessado em 10 ago. 2016
MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicação. 3. ed. Viçosa: Ed. UFV, 2005. 320 p.
MORGAN, M., ESS, D. The Precision Farming Guide for Agricultorists. 1997. USA. Deere & Company. Moline. 117 p.
NOVO, E. M. L. Sensoriamento Remoto: Princípios e Aplicações. 4. ed. São Paulo: Blucher, 2010. 387 p.
PIONEER SEMENTES. Fenologia do Milho. 2016. Disponível em: < http://www.pioneersementes.com.br/milho/fenologia-do-milho>. Acessado em: 10 ago. 2016.
PONZONI, F. J., SHIMABUKURO, Y. E. Sensoriamento Remoto no Estudo da Vegetação. São José dos Campos, SP: Ed. A. Silva Vieira, 2007. 135 p.
PRIMICERIO, J. et al. A flexible unmanned aerial vehicle for precision agriculture. Precision Agriculture, v. 13, n. 4, 2012. p. 517-523. Disponível em: <http://link.springer.com/article/10.1007%2Fs11119-012-9257-6>. Acessado em: 01 jun 2016. ROBERTO, A. J. Extração de Informação Geográfica a partir de Fotografias Aéreas
obtidas com VANTs para apoio a um SIG Municipal. 2013. 108 f. Tese (Mestrado em
Sistemas de Informação Geográfica)- Faculdade de Ciências, Universidade do Porto, Porto, 2013.
ROUSE, J. W. et al. Monitoring the vernal advancement of retrogradation of natural
vegetation. NASA/GSFC: Greenbelt, MD, 1973. 371 p. (Type III, Final Report).
SANTI, A. L. et al. Definição de zonas de produtividade em áreas manejadas com
agricultura de precisão. Recife. 2013. Agrária - Revista Brasileira de Ciências Agrárias. v.
8,n. 3, 510-515 p. Disponível em:
<http://www.agraria.pro.br/sistema/index.php?journal=agraria&page=article&op=view&path %5B%5D=agraria_v8i3a2489&path%5B%5D=1443>. Acessado em 21 jun 2016.
SANTOS JUNIOR., R.F., SANTOS, J.M., RUDORFF, B.F.T. & MARCHIORATO, I.A.
visível e infravermelho próximo. Fitopatologia Brasileira 27:355-360. 2002.
SAPUCCI, L F, MONICO, J. F. G. Avaliação dos modelos de Hopfield e de Saastamoinen
para a modelagem do atraso zenital troposférico em território Brasileiro utilizando GPS.
In: Séries em Ciências Geodésicas 30 anos de Pós Graduação em Ciências Geodésicas no Brasil. Curitiba, 2001, v. 1, p. 47-61.
SILVA, M. A. V. et al. Avaliação da Estimativa da Biomassa da Cultura do Milho Obtida
com Base no NDVI. XVI Congresso Brasileiro de Agrometeorologia. Belo Horizonte, 2009.
Disponível em: <http://www.sbagro.org.br/anais_congresso_2009/cba2009/402.pdf>. Acessado em: 14 Jul. de 2016.
SILVA, E. T. B. et al. Veículos aéreos não tripulados: panorama atual e perspectivas para o monitoramento de atividades ilícitas na Amazônia. In: XVI SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 2013, Foz do Iguaçu. Anais... Foz do Iguaçu: PR, 2013. Disponível em: <http://www.dsr.inpe.br/sbsr2013/files/p1457.pdf>. Acessado em 05 ago. 2016. p. 9324 - 9331.
SILVA, D. C. et al. Qualidade de Ortomosaicos de Imagens de Vant Processados com os Softwares Aps, Pix4d e Photoscan. In: V SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 2014, Recife. Anais... Recife: PE, 2014. Disponível em: <https://www.ufpe.br/geodesia/images/simgeo/papers/150-577-1- PB.pdf>. Acessado em 04 ago. 2016. p. 747 - 754.
SHEARER, S.A. et al. Elements of Precision Agriculture: Basics of Yield Monitor
Installation and Operation. Cooperative Extension Service – University Of Kentucky –
College Agriculture. 2009, 10p. Disponível em: <http://pubs.ext.vt.edu/442/442-502/442- 502.html>. Acessado em 10 de Jun. 2016.
SHIRATSUCHI, S. S. et al. Sensoriamento Remoto: conceitos básicos e aplicações na Agricultura de Precisão. In: EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Agricultura de Precisão: resultado de um novo olhar. Brasília, DF 2014. 596 p. Disponível em <https://www.macroprograma1.cnptia.embrapa.br/redeap2>. Acessado em 10 jan. 2016.
SOLARI, F.; SHANAHAN, J.; FERGUSON, R.; SCHEPERS, J.;GITELSON, A. Active
sensor reflectance measurements of corn nitrogen status and yield potential. Agronomy
Journal, v. 100,n. 3, p. 571-579, 2008.
STEINGENBERGER, P. et al. Reprocessing of a global GPS network. In: Journal of
Geophysical Research. vol.111. 2006.
STRECK, E. V. et al. Solos do Rio Grande do Sul. Porto Alegre: EMATER/RS, 2008. p. 222.
TELMO, J. C. A. et al. Variabilidade espacial e temporal da produtividade de culturas sob
sistema plantio direto. Brasil. 2007. v. 42, n.8, p. 1101-1110. Disponível em:
<http://www.alice.cnptia.embrapa.br/bitstream/doc/126261/1/42n08a06.pdf>. Acessado em: 15 ago. 2016.
TETRACAM. Micro ADC. Chatsworth. 2016. Disponivel em: < http://www.tetracam.com/Products-ADC_Micro.htm >. Acessado em: 05 ago. 2016.
WATTS, A. C. et al. Small Unmanned Aircraft Systems for Low-Altitude Aerial Surveys. Journal of Wildlife Management vol. 74. p. 1614–1619, 2010.
WEISMANN, M. Fases de Desenvolvimento da Cultura do Milho. Tecnologia e Produção: Milho Safrinha e Culturas de Inverno. 2008. 8 p. Disponível em:
<http://atividaderural.com.br/artigos/4fb3e56aa8c56.pdf>.Acessado em: 15 ago. 2016.
ZAMAN-ALLAH, M. et al. Unmanned aerial platform-based multi-spectral imaging for
field phenotyping of maize. Plant Methods. 2015. Disponível em: