THIAGO BLUNCK REZENDE MOREIRA
MONITORAMENTO DA CULTURA DO MILHO COM AUXÍLIO DE TÉCNICAS DE AGRICULTURA DE PRECISÃO
ALEGRE-ES 2022
MONITORAMENTO DA CULTURA DO MILHO COM AUXÍLIO DE TÉCNICAS DE AGRICULTURA DE PRECISÃO
Dissertação apresentada ao Programa de Pós- Graduação em Agroecologia do Instituto Federal do Espírito Santo, campus de Alegre, como requisito parcial para a obtenção do Título de Mestre em Agroecologia.
Orientador: Prof. Dr. Jéferson Luiz Ferrari.
ALEGRE-ES 2022
Dados Internacionais de Catalogação-na-Publicação (CIP) Biblioteca Monsenhor José Bellotti – IFES campus de Alegre
M838m Moreira, Thiago Blunck Rezende
Monitoramento da cultura do milho com auxílio de técnicas de agricultura de precisão. / Thiago Blunck Rezende Moreira. – 2022.
122 f. : il.
Orientador: Jéferson Luiz Ferrari
Dissertação (mestrado) – Instituto Federal de Educação, Ciência e
Tecnologia do Espírito Santo. Programa de Pós-Graduação Stricto Sensu em Agroecologia, 2022.
1. Milho. 2. Pesquisa agrícola. 3. Agricultura de precisão. 4. Aeronáutica na agricultura. I. Ferrari, Jéferson Luiz. II. Título. III. Instituto Federal do Espírito Santo.
CDD 23: 620.4
Elaborado por Felipe Fernandes Klajn – CRB6-ES 984
Ao meu pai Mauro Moreira e à minha querida mãe Maristella Blunck Rezende.
Aos meus irmãos Lucas B. R. Moreira e Paula Simões Scatamburlo Moreira.
À minha esposa, Silvana Assis Vaillant.
Aos meus filhos, Anita e Artur.
A DEUS, pela vida, saúde, família e pelos desafios que me fizeram amadurecer.
Ao Instituto Federal do Espírito Santo (Ifes – Campus de Alegre) pela oportunidade e suporte para a realização deste estudo, disponibilizando os receptores geodésicos e o laboratório de Química Aplicada.
À Universidade Federal do Espírito Santo, na pessoa do Prof. Felipe Vaz Andrade que emprestou o Spad e permitiu o uso das estufas.
À Prof. Monique Moreira Moulin do Ifes por emprestar o Spad para as leituras de clorofila.
Ao Prof. Otacílio José Passos Rangel por possibilitar realizar a pesquisa na área de estudo.
Aos amigos Rebyson Bissaco Guidinelle, Yago Ricardo de Oliveira, Bárbara Caetano Ferreira, Pedro Guedes Ribeiro, Adriano Azevedo Merson, Jaqueline Rodrigues Cindra de Lima Souza e Mario Euclides Pechara da Costa Jaeggi que ajudaram durante o experimento de campo e análises de laboratório.
Ao amigo Rafael Nunes de Almeida pelo auxílio na análise estatística dos dados.
À FAPES, Fundo de Amparo à Pesquisa e Inovação do Espírito Santo, pela concessão de bolsa.
Ao meu orientador, Prof. Jéferson Luiz Ferrari, pelo acolhimento, profissionalismo, conduta, apoio, confiança e amizade. Muito obrigado!
Ao Prof. Alexandre Rosa dos Santos, pelo apoio, confiança e amizade.
aflições.
Aos membros da banca, Prof. Jéferson Luiz Ferrari, Prof. Otacílio José Passos Rangel e Prof. Alexandre Rosa dos Santos, pelas sugestões e críticas para a melhoria da qualidade deste trabalho.
A todas as demais pessoas que, de alguma forma, contribuíram direta ou indiretamente para a realização do Curso de Mestrado Profissional em Agroecologia e deste trabalho.
Os índices de vegetação desenvolvidos com base nos comprimentos de onda da faixa espectral do visível (vermelho, verde e azul), RGB, estão ganhando cada vez mais espaço na agricultura, servindo como indicativos de parâmetros biofísicos e de produtividade das culturas. Esta dissertação tem como objetivo avaliar o potencial do Índice Foliar Verde (GLI) e do Índice Resistente à Atmosfera na Região Visível (VARI) no monitoramento da cultura do milho com auxílio de técnicas de Agricultura de Precisão. O trabalho foi desenvolvido a partir de um experimento de campo, realizado no ano de 2020 e implantado no esquema em faixas, com três repetições, envolvendo o Sistema Plantio Convencional (SPC) e Sistema Plantio Direto (SPD) na cultura do milho. Durante o experimento, foram realizados: voos com uma Aeronave Remotamente Pilotada (RPA), com sensor de câmera RGB; coleta de pontos de apoio com receptores geodésicos com dupla frequência, L1/L2, de alta precisão no método de posicionamento Real Time Kinematic (RTK); ortomosaicos georreferenciados com pontos de apoio; medições das características agronômicas da cultura do milho; e cálculos dos índices de vegetação (GLI) e (VARI) na fase vegetativa (V2, V5, V8 e VT) e na fase reprodutiva (R1, R3 e R5). O potencial do uso dos índices de vegetação para o monitoramento da cultura do milho foi avaliado pela análise de correlação de Pearson estabelecidas entre os índices de vegetação e as características agronômicas: altura das plantas, altura da primeira espiga, diâmetro do colmo, índice SPAD, teor de nitrogênio das folhas, peso das espigas, matéria fresca, matéria seca e produtividade de espigas por planta. Verificou-se que o uso de técnicas de Agricultura de Precisão com fotos capturadas por sensor RGB embarcado em RPA, associadas a pontos de apoio, obtidos com receptores geodésicos, possibilita avaliar o desenvolvimento da cultura do milho, manejada em SPC e SPD. Porém há necessidade de mais estudos para a uma melhor avaliação do estado nutricional e de dados relativos à produção de silagem do milho, via sensor RGB embarcado em RPA.
Palavras-chave: Geotecnologias. GNSS. Índice de vegetação. RPA.
Vegetation rates developed based on wavelenght from the visible spectral band (red, green and blue) RGB have been spreading quickly in the agriculture, acting as biophysical parameters markers and as planting production factor markers as well.
This study intends to evaluate the potential of the Green Leaf Index (GLI) and the Visible Atmospherically Resistant Index (VARI) on monitoring the corn crop by using techniques from the accuracy agriculture. The work was developed from a field experiment, accomplished on 2020 and it was implanted following a strip layout, with three repetitions, involving the Conventional Planting System (SPC) and Direct Planting System (SPD). During the experiment there were accomplished: flights by remote pilot aircraft (RPA), with RGB camera sensor; collecting of checking points with double frequency geodesic receivers, high accuracy L1/L2 on Real Time Kinematic (RTK) positioning method; geodesic reference ortomosaics with checking points;
measurements of the corn crop agricultural characteristics; and calculation of the vegetation rates GLI and VARI on vegetative phase (V2, V5, V8 and VT) and on reproductive phase (R1, R3 and R5). The potential of the vegetation rates usage for the corn crop monitoring was evaluated by Pearson’s correlation analysis established between the vegetation rates and the agricultural characteristics: first ear height, stem diameter, SPAD index, leaves nitrogen content, ear weight, fresh matter, dry matter and ear yield per plant. It was verified that the use of accuracy agriculture techniques with photographs taken by RGB sensor into RPA, to support points obtained with geodesic receivers, possibility of evaluating the development of the plantation culture managed in SPC and SPD. However, there is a need for more studies to better evaluate the nutritional status and data related to corn silage production, via RGB sensor embedded in RPA.
Keywords: Geotechnologies. GNSS. Vegetation rates. RPA.
1 INTRODUÇÃO ... 7
2 OBJETIVOS ... 8
2.1 GERAL ... 8
2.2 ESPECÍFICOS ... 9
3 REVISÃO DE LITERATURA ... 9
3.1 CULTURA DO MILHO ... 9
3.2 ESTÁDIOS FENOLÓGICOS ... 10
3.3 MANEJO DA CULTURA DO MILHO ... 12
3.4 MONITORAMENTO DO MILHO E AGRICULTURA DE PRECISÃO ... 15
3.5 GEOTECNOLOGIAS ... 18
3.6 ÍNDICES DE VEGETAÇÃO ... 22
4 METODOLOGIA ... 25
4.1 CARACTERIZAÇÃO DA ÁREA DE ESTUDO ... 25
4.2 HISTÓRICO DO EXPERIMENTO DE CAMPO ... 26
4.3 PROCEDIMENTOS METODOLÓGICOS... 26
5 RESULTADOS E DISCUSSÃO ... 36
5.1 PROCESSAMENTO AEROFOTOGRAMÉTRICO ... 36
5.2 MONITORAMENTO DA CULTURA DO MILHO ... 39
6 CONCLUSÃO ... 58
REFERÊNCIAS ... 59
APÊNDICE A – TABELAS DE CORRELAÇÕES DE PEARSON ... 70
APÊNDICE B – COMUNICADOS TÉCNICOS ... 76
1 INTRODUÇÃO
O milho constitui um dos cereais mais importantes do mundo tanto para seres humanos quanto para os demais animais domesticados, sendo matéria-prima básica da indústria de transformação para a produção de óleo, proteínas, amido, bebidas alcoólicas, adoçantes alimentares e combustíveis. A sua produção é cercada de desafios e marcada pela busca constante da produtividade, o que demanda a utilização de novas tecnologias com elevado nível de tecnificação. Monitorar essa cultura durante o seu desenvolvimento é essencial para que as tomadas de decisões sejam precisas e pontuais.
A cultura do milho pode ser manejada de diversas formas, por meio de diferentes sistemas, como: o Sistema Plantio Convencional (SPC) e o Sistema Plantio Direto (SPD). O SPC é aquele em que se utilizam máquinas na limpeza e gradeamento do solo, causando degradação de suas propriedades, principalmente em sua estrutura, favorecendo o assoreamento de rios, lagos e a erosão. O SPD é aquele que usa os três princípios básicos: o não revolvimento do solo; a cobertura do solo e a rotação de culturas (ANDREOTTI et al., 2008). No SPD é preciso adotar uma série de princípios que promovam a sustentabilidade do solo, tais como: manter a vida e a fertilidade do solo, por meio de cobertura vegetal viva ou morta; promover a biodiversidade funcional, por meio da biota do solo e; adaptar atividades agrícolas aos ciclos naturais da região. O primeiro traz sérios problemas ao solo e vem sendo criticado por muitos pesquisadores. O segundo, vai de encontro aos princípios agroecológicos.
Técnicas de Agricultura de Precisão com uso de geotecnologias como o sensoriamento remoto, o Sistema de Posicionamento Global e Aeronaves Remotamente Pilotadas (RPA), estão entre as inovações mais promissoras do mundo, em especial na agricultura. O uso dessas geotecnologias pode ser aplicado em diversas situações: organizações ambientais, empresas de entrega, construtoras, resgate de animais, espionagem, inteligência policial, monitoramento de obras, preservação ambiental e inúmeras outras aplicações. O RPA, em particular, vem sendo utilizado por vários profissionais para lazer ou para trabalho, como no monitoramento da cultura do milho com uso de câmeras multiespectrais. Todavia, ainda são poucos os estudos envolvendo o monitoramento dessa cultura com RPA e
sensores que atuam na faixa do visível como é o caso das câmeras RGB, que possibilitam a geração de índices de vegetação.
Os índices de vegetação são formulações matemáticas que apresentam uma relação entre as radiações emitidas pelo Sol e os tecidos fotossinteticamente ativos das culturas vegetais, geralmente compreendendo as bandas entre o visível (RGB) e infravermelho próximo (NIR), servindo como indicativos de estimativa de cobertura vegetal do solo, fitomassa, atividade fotossintética, bioquímicas, fisiológicas e biofísicas da vegetação.
Vários são os índices de vegetação usados para o monitoramento das culturas. Um dos mais conhecidos é o Índice por Diferença Normalizada (NDVI) que utiliza as bandas do vermelho e infravermelho próximo e demanda uma câmera multiespectral.
Pode ser utilizado para detecção de déficit hídrico, danos de pragas, estimativa de produtividade e outros. Na faixa do visível, índices como o Índice de Folha Verde (GLI) faz uma comparação entre o solo exposto e a cobertura vegetal, sendo possível mensurar áreas com bom desenvolvimento (presença de plantas) e áreas com solos expostos. Existe também o índice Resistente à Atmosfera na Região Visível (VARI) que aponta a variabilidade de vigor e estresse da planta.
Assim esse trabalho é justificado por estimular o uso de técnicas de Agricultura de Precisão com fotos capturadas por sensores embarcados em RPA, e softwares livres, no monitoramento da cultura do milho, manejada nos sistemas SPC e SPD, utilizando os índices GLI e VARI.
2 OBJETIVOS
2.1 GERAL
Avaliar o potencial dos índices de vegetação GLI e VARI no monitoramento da cultura do milho, submetida a diferentes sistemas de manejo (Sistema Plantio Convencional e Sistema Plantio Direto), com auxílio de técnicas de Agricultura de Precisão.
2.2 ESPECÍFICOS
1 – Verificar a dinâmica temporal dos índices de vegetação, GLI e VARI, nas diferentes fases fenológicas na cultura do milho, submetida a diferentes sistemas de manejo (Sistema Plantio Convencional e Sistema Plantio Direto).
2 – Correlacionar valores de índices de vegetação GLI e VARI com as características agronômicas do milho cultivado no Sistema Plantio Convencional e Sistema Plantio Direto.
3 REVISÃO DE LITERATURA 3.1 CULTURA DO MILHO
O milho (Zea mays L.) pertencente à família Gramineae/Poaceae, tem sua origem no teosinto, Zea mays, subespécie mexicana cultivada em muitas partes do mundo como Estados Unidos, China, Índia, Brasil, França, Indonésia e África do Sul. (BARROS;
CALADO, 2014). Estima-se que o milho seja uma cultura de 11 milhões de anos, resultado de um evento de poliploidização que ocorre após a divergência entre sorgo e milho (GAUT et al., 2000).
O milho é considerado a segunda cultura de maior importância econômica no país, sendo superado apenas pela soja que lidera a produção de grãos. De acordo com o 7° levantamento da safra 2020/21, a produção nacional de milho (em grãos) é estimada em 108.965,6 mil toneladas, com uma produtividade média de 5.526 kg ha-1, representando um crescimento de 6,2% sobre a produção de 2019/20. Foram produzidas 24,5 milhões na primeira safra 82,6 milhões na segunda safra e 1,8 milhão na terceira safra (IBGE, 2020; CONAB, 2021).
O milho, junto com o trigo e o arroz, constitui um dos cereais mais importantes do mundo tanto para seres humanos quanto para animais, sendo matéria-prima básica da indústria de transformação para a produção de óleo, proteínas, amido, bebidas alcoólicas, adoçantes alimentares e combustíveis. Sua densidade de plantio é fator chave na produtividade do grão (GARCÍA-MARTÍNEZ et al., 2020).
Segundo Cruz et al. (2006), o milho é uma cultura que apresenta grande flexibilidade de uso e se adaptou muito bem ao SPD, podendo este ser utilizado para produção de
grãos e silagem. Seu uso no arraçoamento animal está associado ao seu alto valor energético e proteico. Porém, a alta produção de biomassa do milho torna a cultura exigente em irrigação e fertilidade do solo, o que representa aumento nos custos de produção com a aplicação de maiores doses de adubos (RIVERA, 2006; BELLON et al., 2009; UENO et al., 2011).
O milho possui desenvolvimento padrão com variações de tempo entre os estádios e o número total de folhas nos diferentes híbridos. Os estádios fenológicos de desenvolvimento são divididos em vegetativo (V) e reprodutivo (R).
3.2 ESTÁDIOS FENOLÓGICOS
Para a cultura do milho, convencionou-se a análise dos estádios fenológicos embasada na escala proposta por Ritchie, Hanway e Benson (1993), onde cada nova folha totalmente expandida corresponde um estádio. Os estádios vegetativos são designados como V1, V2, V3, Vn, onde n representa a última folha emitida antes do pendoamento, sendo o primeiro estádio denominado VE = emergência, e o último, VT
= pendoamento. Já os estádios reprodutivos, são denominados R1, R2, R3, R4, R5 até R6 onde o grão atinge a maturidade fisiológica (MAGALHAES; DURAES, 2006;
CIAMPITTI; ELMORE; LAUER, 2016).
A Figura 1 traz as principais características de cada estádio fenológico nas fases vegetativas e reprodutivas da planta de milho.
Figura 1 – Estádios vegetativos e reprodutivos da planta de milho.
Fonte: Adaptado de Magalhães e Durães (2006).
A emergência e germinação ou estádio VE, é atingido pela rápida elongação do mesocótilo, o qual empurra o coleóptilo em crescimento para a superfície do solo.
Fase Característica Fase Característica
VE emergência R1 embonecamento
V1 1ª folha desenvolvida R2 bolha d'água V2 2ª folha desenvolvida R3 leitoso V3 3ª folha desenvolvida R4 pastoso
V4 4ª folha desenvolvida R5 formação do dente VN nª folha desenvolvida R6 maturidade fisiológica VT pendoamento
Vegetativo Reprodutivo
Geralmente ocorre dentro de 4 a 5 dias, porém, em condições de baixa temperatura e pouca umidade, a germinação pode demorar até duas semanas ou mais (MAGALHÃES; DURÃES; GOMIDE, 1996).
O estádio de duas folhas completamente desenvolvidas ou V2 ocorre de uma a duas semanas após o plantio. O ponto de crescimento ainda se encontra abaixo da superfície do solo e a planta possui pouco caule formado. Esta fase é muito importante pois todas as folhas e espigas que a planta eventualmente irá produzir estão sendo formadas. Considera-se, portanto, que o número máximo de grãos, ou a definição da produção potencial, estão sendo definidos nesse estádio (MAGALHÃES; DURÃES;
GOMIDE, 1996).
No estádio V5, folhas e espigas estarão completas e a iniciação do pendão já pode ser vista microscopicamente, na extremidade de formação do caule, logo abaixo da superfície do solo (MAGALHAES; DURAES, 2006).
No estádio V8, inicia-se a queda das primeiras folhas e o número de fileiras de grãos é definido. Estresse hídrico nessa fase pode afetar o comprimento de internódios, provavelmente pela inibição da alongação das células em desenvolvimento, resultando em colmos mais finos, plantas de menor porte e menor área foliar (MAGALHAES; DURAES, 2006).
O estádio VT ou pendoamento inicia-se quando o último ramo do pendão está completamente visível e os “estigmas” não tenham ainda emergido. O tempo decorrente entre VT e R1 pode variar consideravelmente, dependendo do híbrido e das condições ambientais. Nos estádios de VT a R1, a planta de milho é mais vulnerável às intempéries da natureza, devido ao pendão e todas as folhas estarem completamente expostas, podendo resultar em perdas na colheita (MAGALHAES;
DURAES, 2006).
O estádio R1, embonecamento e polinização, é iniciado quando os estilos-estigmas estão visíveis, para fora das espigas. A polinização ocorre quando o grão de pólen liberado é capturado por um dos estilos-estigmas que levam de dois a três dias para serem polinizados. Estresse ambiental nessa fase, especialmente o hídrico, causa baixa polinização e baixa granação da espiga, uma vez que, sob seca, tanto os
estigmas como os grãos de pólen tendem à dissecação (MAGALHÃES; DURÃES;
GOMIDE, 1996).
O estádio R3 inicia-se geralmente de 12 a 15 dias após a polinização. O grão se apresenta com uma aparência amarela e, no seu interior, um fluido de cor leitosa, o qual representa o início da transformação dos açúcares em amido, contribuindo, assim, para o incremento de matéria seca. É uma fase importante para a produção e extremamente dependente de água. A produção de sementes representa, uma fase importante, pois tem início o desencadeamento dos processos de diferenciação do coleóptilo, da radícula e das folhas (MAGALHAES; DURAES, 2006).
O estádio R5, ou formação de dente, é caracterizado pelo aparecimento de uma concavidade na parte superior do grão e coincide normalmente com o 36º dia após o princípio da polinização. Os grãos encontram-se em fase de transição do estado pastoso para o farináceo. A divisão desses estádios é feita pela chamada linha divisória do amido ou linha do leite. É uma fase onde o estresse ambiental pode antecipar o aparecimento da formação da camada preta, indicadora da maturidade fisiológica (MAGALHAES; DURAES, 2006).
O milho colhido nessa fase apresenta vantagens como aumento na produção de matéria seca por área; decréscimo nas perdas de armazenamento, e aumento significativo no consumo voluntário da silagem produzida (MAGALHAES; DURAES, 2006).
3.3 MANEJO DA CULTURA DO MILHO
O milho pode ser cultivado, no Brasil, em diferentes sistemas de manejo do solo, convencional, cultivo mínimo ou direto. O Sistema Plantio Convencional (SPC) é aquele em que se utilizam máquinas na limpeza e gradeamento do solo, causando degradação de suas propriedades, principalmente em sua estrutura, favorecendo o assoreamento de rios, lagos e a erosão. Dentre as principais causas de degradação que ocorrem no SPC, está a compactação do solo causada pelo tráfego intenso das máquinas e o pisoteio de animais que reduz a aeração e a infiltração de água e aumenta a resistência do solo à penetração das raízes (CARTER, 1990; RICHART et al., 2005).
O SPC tem sido severamente questionado por estar associado a uma série de problemas ecológicos e socioambientais. Entre os mais relevantes, situam-se a dependência crescente de combustíveis fósseis e a baixa eficiência energética; a degradação dos recursos naturais, contaminação de alimentos e meio ambiente; o uso crescente de agrotóxicos (inseticidas, herbicidas, fungicidas) e fertilizantes químicos; o impacto negativo sobre a saúde dos agricultores e dos consumidores; a erosão genética (perda de variedades crioulas); diminuição da biodiversidade com a simplificação dos agroecossistemas; a perda de técnicas, da cultura e de saberes tradicionais dos agricultores; e, finalmente, o aumento do êxodo e da pobreza rural (SARANDON, 2009).
No Sistema Plantio Direto (SPD) é preciso adotar uma série de princípios que promovam a sustentabilidade do solo, tais como: manter a vida e a fertilidade do solo, por meio de cobertura vegetal viva ou morta; promover a biodiversidade funcional, por meio da biota do solo e; adaptar atividades agrícolas aos ciclos naturais da região.
Entre outras vantagens, essas práticas minimizam as perdas por erosão, evitam mudanças bruscas de temperatura e melhoram as propriedades do solo, além de manter a funcionalidade dos organismos que ali vivem (FEIDEN, 2002).
O SPD fundamenta-se no não revolvimento do solo, na adubação verde, na cobertura permanente do solo e na rotação de culturas. É de vital importância para a agricultura, pois diminui as perdas causadas pela erosão que, além do solo, carrega para os cursos d’água, adubos e outros produtos químicos, constituindo-se em fonte de poluição e de degradação dos rios e outros mananciais. No Brasil, o SPD surgiu na década de 1970, em trabalhos de pesquisa realizados no Rio Grande do Sul e no Paraná (SALTON, HERNANI, FONTES, 1998).
A adubação verde é a prática de cultivar plantas que, posteriormente, serão incorporadas ao solo. As principais vantagens desse tipo de adubação estão associadas ao aumento na quantidade de fitomassa no solo, que eleva o teor da matéria orgânica e a capacidade de troca de cátions – CTC. Isso resulta na maior disponibilidade de nutrientes para as plantas e na redução das perdas de nutrientes por lixiviação; além de diminuir os teores de alumínio trocáveis, pela produção de ácidos orgânicos capazes de complexar íons Al+3 presentes na solução do solo (LIU e HUE, 1996; SAGRINO et al. 2009).
Em sistemas de cultivo que adotam a adubação verde, há significativa redução no revolvimento do solo, o que aumenta sua qualidade, antes deteriorada pelo SPC. Na recuperação de uma área degradada, por exemplo, a adição e balanço de resíduos orgânicos são fundamentais para melhorar os atributos físicos, químicos e biológicos do solo (CALEGARI, 2006).
Entre as espécies que comumente são empregadas como adubos verdes, destacam- se plantas da família Fabaceae (leguminosas), Poaceae (gramíneas) e Brassicaceae, que desenvolvem uma relação simbiótica com as bactérias dos gêneros Rhizobium e Bradyrhizobium alojadas em suas raízes e estimulam a população de fungos micorrízicos. Tais bactérias captam e metabolizam o nitrogênio do solo, enquanto os fungos aumentam a absorção de água e outros nutrientes pelas raízes das plantas (SAGRILO et al., 2009).
Outras espécies que demostram grande potencial de utilização como adubo verde, são: gramíneas como o milho (Zea mays), centeio (Cecalecereale), aveia preta (Avena strigosa), azevém (Loliummultiflorum), milheto (Pennisetumglaucum), sorgo (Sorghum bicolor) e capim Sudão (Sorghumsudanense) possuem uma grande quantidade de raízes, que além de enriquecer, agregam partículas e aumentam a porosidade do solo (MOREIRA, 2017a).
A rotação de culturas aumenta o teor de carbono orgânico no solo e reduz as perdas de nutrientes por lixiviação, por haver uma grande decomposição de biomassa na área de plantio. Entre outras vantagens, essa prática aumenta a ciclagem de nutrientes e faz a manutenção de matéria orgânica no solo (GONÇALVES et al., 2007).
Espécies leguminosas e gramíneas são as que mais se destacam no SPD. Na rotação ou sucessão de culturas, as leguminosas podem ajudar na fixação de nitrogênio no solo, enquanto que as gramíneas, devido sua alta relação C/N, contribuem para a decomposição gradativa dos resíduos orgânicos e agregação das partículas do solo, além de reciclar nutrientes, por meio da fitomassa presente na cobertura do solo (ESPÍNDOLA et al., 1997; FIORIN, 2007).
Geralmente, o plantio direto é aplicado no cultivo de sucessões simples (tais como soja/milheto, soja/milho – safrinha (milho semeado de dezembro até o final de fevereiro), soja/trigo, soja/aveia-preta, etc.) por vários anos seguidos, não se
utilizando, portanto, um sistema organizado de rotação de culturas (SALTON, HERNANI, FONTES, 1998).
3.4 MONITORAMENTO DO MILHO E AGRICULTURA DE PRECISÃO
Nos últimos anos, o uso da tecnologia ganhou força na agricultura, onde Sistema de Informação Geográfica (SIG), satélites artificiais, veículos aéreos, robôs autônomos, Sistema Global de Navegação por Satélite (GNSS) e várias outras tecnologias de comunicação trouxeram novos termos como “Agricultura de Precisão - AP”,
“Abordagem de Precisão” ou “Agricultura Digital” (AHMAD et al., 2021).
Várias aplicações referentes à utilização de Sistema Global de Navegação por Satélite, equipamentos, dispositivos e programas computacionais direcionados à obtenção e processamento de dados georreferenciados vem sendo relacionadas à prática da AP em lavouras de grãos no Brasil (RESENDE et al., 2014).
A AP é definida como “um sistema de gerenciamento agrícola baseado na variação espacial e temporal da unidade produtiva e visa ao aumento de retorno econômico, à sustentabilidade e à minimização do efeito ao ambiente” (BRASIL, 2012, p. 6).
A AP ainda pode ser definida como um conjunto de tecnologias capaz de ajudar o produtor rural a identificar as estratégias a serem adotadas para aumentar a eficiência no gerenciamento agrícola, maximizar a rentabilidade das colheitas, possibilitar a otimização do uso dos recursos edafoclimáticos, minimizando, assim, os insumos utilizados no sistema de produção de um local (FERRAZ, 2022).
A AP pode ser considerada uma sequência de conhecimentos, na qual máquinas, dispositivos, equipamentos e softwares são instrumentos para a coleta de dados, os quais precisam ser organizados e interpretados, suscitando informações para apoiar a gestão (JORGE & INAMASU, 2014). Tem início na “coleta de dados, análises e interpretação dessas informações, bem como geração das recomendações, aplicação no campo e avaliação dos resultados” (GEBBERS & ADAMCHUK, 2010).
Portanto a AP é um processo gerencial que faz uso de várias ferramentas, como:
eletrônica embarcada, geoestatística, sensores, etc, sendo que a tecnologia de informação é usada no manejo da propriedade e leva em consideração a variabilidade
espacial e temporal que podem interferir na produtividade e rentabilidade (BORGES;
DOS REIS NASCIMENTO; MORGADO, 2022). A AP visa também o “gerenciamento detalhado do sistema de produção agrícola como um todo, não somente nas aplicações de insumos ou de mapeamentos diversos, mas de todo os processos envolvidos na produção” (CASSMAN, 1999; MIRANDA, 2006).
Fundamenta-se em tecnologias que proporcionam o manejo especializado dos fatores de produção, como a germinação de sementes, contagem e altura de plantas, detecção de falhas de plantio, índice de clorofila, estresse hídrico, detecção de pragas e doenças e deficiências de nutrientes. Em linhas gerais, envolve a obtenção e processamento de informações georreferenciadas e detalhadas do espaço físico, durante todo o ciclo vegetativo e reprodutivo da planta, visando definir melhores estratégias de manejo, em especial, no uso racional de insumos (MENEGATTI, 2002).
Com pouco mais de três décadas, a AP foi inserida no Brasil, por meio das empresas multinacionais, e a tecnologia utilizada era totalmente importada. Esse início se deu através do levantamento da produtividade de grãos e com o georreferenciamento na agricultura. Trata-se de uma ferramenta essencial no cenário agrícola brasileiro e o seu crescimento trará retornos positivos para a agricultura nacional, por meio da potencialização dos investimentos de recursos na produção, promovendo segurança alimentar e sustentabilidade (MOLIN; DO AMARAL; COLAÇO, 2015).
A AP é uma ferramenta que auxilia o produtor na tomada de decisões, além de proporcionar economia, devido à redução da utilização de insumos e menor impacto no meio ambiente, se tornando, dessa forma, essencial para que informações sejam obtidas com o intuito de melhor entender e gerenciar os sistemas de produção agrícola (BORGES; DOS REIS NASCIMENTO; MORGADO, 2022). Técnicas associadas à AP despertam crescente interesse no meio científico, entre produtores rurais, fabricantes de equipamentos, prestadores de serviços e consultores agrícolas (DE RESENDE et al., 2010).
Na AP a interpretação e a integração de informações de diferentes fontes de dados permitem aprimorar o manejo agrícola devido à sua capacidade de prever atributos da cultura e do solo por meio de ferramentas avançadas que reúnem, processam e analisam dados temporais, espaciais e individuais combinando com outras
informações para apoiar as decisões de gestão de acordo com a variabilidade estimada para melhorar a eficiência do uso dos recursos, rentabilidade, produtividade, qualidade, e sustentabilidade da produção agrícola (ISPA, 2019; MOLIN et al., 2021).
No entanto, para enfrentar o desafio de produzir alimentos de forma sustentável atendendo às demandas crescentes da população, a agricultura carece aumentar sua produtividade, extraindo o máximo de valor de cada etapa do ciclo de produção. Esse processo de produção deve integrar conhecimentos agronômicos, grandes bases de dados agrícolas, tecnologias inovadoras de sensores, satélites, veículos aéreos não tripulados, máquinas e robôs autônomos, internet das coisas, softwares e plataformas em nuvens (BASSOI et al., 2019). A utilização da AP pode reduzir as agressões causadas ao Meio Ambiente e levar a uma produção com responsabilidade ambiental (FONSECA, 2009).
Para tal são utilizados aplicativos e equipamentos como sistema de posicionamento global, sistema de informações geográficas, sensoriamento remoto, monitores de colheita, amostradores de solo, tecnologia de aplicação em taxa variável, monitoramento das áreas ("Crop Scouting"), balizadores de aplicação (aérea e tratorizada), sensores de matéria orgânica, plantas daninhas, umidade de solo, de pH, compactação (penetrômetros), condutividade elétrica do solo, doenças, umidade e de proteína de grãos, clorofilômetros, sensores de dinâmica da fertilidade (SCHOENAU;
GREER, 1996; INAMASU; BERNARDI, 2014), pulverizadores de precisão e fotografias aéreas.
Entre as múltiplas possibilidades de uso da AP, destacam-se: mapeamento de solos e de culturas, aplicação de insumos em taxas variáveis, orientação na aplicação aérea e terrestre de insumos e uso em sistemas de suporte a tomadas de decisões de manejo. A AP também tem sido empregada para mapear e monitorar áreas de infestação de plantas daninhas, pragas e doenças, facilitando as medidas de controle adequadas. Em alguns estudos baseados na reflexão diferencial da radiação incidente sobre a vegetação, sensores distinguem o que é solo e o que é planta daninha, fazendo a aplicação de tratamentos em áreas onde especificamente estas se localizam. Isso possibilita redução da quantidade de herbicida aplicado, diminuição do custo de produção e aumento do rendimento de grãos (PIRES et al., 2004).
Na cultura do milho, a AP tem sido utilizada para gerar mapas de variabilidade de colheita e produtividade (BALASTREIRE et.al, 1997; VARELLA et.al., 2005).
A AP foi utilizada na cultura do milho com auxílio de software da Farm Works registrando diversas operações realizadas na área de estudo, como análises de solos, elaboração de mapas, desde o preparo do solo até à colheita, contribuindo em muito para aumentar o rendimento das explorações e garantir maior sustentabilidade (AFONSO, 2019).
3.5 GEOTECNOLOGIAS
Geotecnologias são conjuntos de técnicas e métodos científicos aplicados à coleta, processamento, análise, exploração, ao estudo e à conservação dos recursos naturais, considerando diferentes escalas e a informação espacial. Esse conjunto de técnicas é composto por hardware (satélites, câmeras, GPS, computadores), softwares, capazes de armazenar, manipular informações geográficas, processar imagens digitais e peopleware que juntas constituem poderosas ferramentas para tomada de decisão (ROSA, 2005; EMBRAPA, 2014).
Dentre as geotecnologias podemos destacar: sistemas de informação geográfica (SIG), cartografia digital, sensoriamento remoto (SR), sistema de posicionamento global (GNSS), topografia georreferenciada e sistemas de processamento de imagens (SPI). As geotecnologias podem ser aplicadas no meio rural, no estudo e monitoramento de animais, em políticas públicas, na pecuária, em zoneamentos agroecológicos determinando as limitações e potencialidades do meio físico para diferentes atividades, apontando as necessidades de preservação e conservação ambiental, identificando e delimitando áreas de conflitos entre uso atual, legislação, potencial de uso e necessidades de preservação e conservação ambiental (ROSA, 2005).
Com o desenvolvimento da tecnologia, novas plataformas aéreas tornaram-se disponíveis para aquisição de imagens por meio de sensores embarcados com alta resolução espacial e temporal para detectar e quantificar variações de cultivo (GARCÍA-MARTÍNEZ et al., 2020).
De acordo com Fontana et al. (1998), durante o desenvolvimento das plantas ocorrem mudanças estruturais que resultam em uma diferenciação da sua reflectância, que permite distinguir diferentes tipos de vegetação e detectar possíveis problemas de crescimento por meio do (SR).
O SR é uma ferramenta multidisciplinar capaz de facilitar a obtenção de dados em várias áreas do conhecimento incluindo as ciências agrárias, sendo dados adquirido à distância, sem o contato físico, e com custos baixos quando se comparados aos estudos de levantamento a campo (JENSEN, 2009).
Atrelado ao Geoprocessamento e ao SIG, ferramentas computacionais de entrada, processamento e saída de informações são capazes de auxiliar na tomada de decisões relativas aos estudos feitos (CICCONET, 2017), através da detecção de diferenças na refletância, em relação à densidade da cobertura vegetal (TIZZO, 2020).
Dynamic Remotely Operated Navigation Equipment (DRONE), Remotely Piloted Aircraft (RPA), Unmanned Aerial Vehicle (UAV – conhecido como VANT), Remotely Piloted Aircraft Systems (RPAS), Remotely Piloted Vehicles (RPV), Remotely Operated Aircraft (ROA), ou ainda Unmanned Aircraft Systems (UAS), podem ser encontrados na literatura e são apenas designações distintas para a mesma categoria de aeronave (ORRA, 2020; AHMAD et al., 2021). No decorrer do estudo será utilizada a sigla RPA.
Aliado às geotecnologias, os RPA são capazes de mapear áreas específicas e obter imagens de áreas de interesse com maior rapidez e menor custo em relação a outras tecnologias. Mundialmente, os RPA são usados em operações de defesa militar e no mapeamento de áreas onde se exigem decisões rápidas (TOSTO et al., 2014).
Os primeiros RPA surgiram em meados do século passado produzidos pela indústria bélica funcionando como aeronaves de inspeção (SHIRATSUCHI, 2014) e na última década, tem se engajado como ferramenta para os agricultores de diversos países, baseado no uso de instrumentos e recursos da tecnologia da informação para implementar melhorias na produção agrícola (ANDRADE, 2016).
Normalmente, acoplados às aeronaves, utilizam-se sensores que se baseiam nas medidas da reflexão da radiação eletromagnética após interagir com as diversas
superfícies. Sensores que captam diferentes faixas do espectro são utilizados a depender do elemento a ser analisado (JORGE & INAMASU, 2014).
As câmeras RGB possibilitam detecção de falhas de plantio, acompanhamento do desenvolvimento e construção de modelo de elevação; os sensores termais são usados na detecção de estresse hídrico; as câmeras multiespectrais são capazes de detectar estresse nutricional, após cálculo de índices indicadores; enquanto as hiperespectrais podem ser usadas para calcular índices espectrais combinados e para calibrar bandas (JORGE & INAMASU, 2014).
Várias são as tecnologias aplicadas na Agricultura de Precisão tais como o Radio Detection and Ranging (RADAR), o Light Detection and Ranging (LIDAR) e a interferometria diferencial. A interferometria diferencial, como o Differential Synthetic Aperture Radar Interferometry (DInSAR) - Radar de abertura sintética interferométrica diferencial que opera em três bandas P, L e C e cinco canais, foi utilizado embarcado em RPA, para estimar crescimento da cultura do milho, considerando diferentes estádios da fenologia da cultura fornecendo informações sobre o deslocamento da altura do terreno no decorrer do tempo obtendo resultados razoáveis (ORÉ et al., 2020).
O espectro eletromagnético se estende desde comprimentos de onda muito curtos até as ondas de rádio de baixa frequência e grandes comprimentos de onda. À medida que se avança para a direita do espectro eletromagnético as ondas apresentam maiores comprimentos de onda e menores frequências (DE MORAES, 2002). A Figura 2 mostra o espectro eletromagnético com suas principais faixas com intervalos em frequência e comprimento de ondas. A Tabela 1 traz algumas faixas do espectro e suas aplicações.
Figura 2 – Espectro eletromagnético com suas principais faixas com intervalos em frequência e comprimento de ondas.
Fonte: DORNELLES, 2008.
Tabela 1 -Algumas faixas do espectro e suas aplicações.
FAIXAS APLICAÇÃO
Raios Gama radioterapia e radiografia industrial Raios X raio X e técnicas de controle industrial
Ultra-violeta nociva aos seres vivos, porém é praticamente toda absorvida pela camada de ozônio.
Visível detectadas pelo sistema visual humano
Infravermelho
próximo
é encontrada no fluxo solar ou mesmo em fontes convencionais de iluminação (lâmpadas
incandescentes)
médio também denominadas de radiação termal - são provenientes da emissão eletromagnética de
objetos terrestres.
distante
Microondas são emitidos e detectados pelos sistemas de radar (radio detection and ranging).
Ondas de
Rádio telecomunicação e radiodifusão
Fonte: Adaptado DE MORAES, 2002.
O tipo de sensor mais acessível para qualquer propriedade rural ou empresa de consultoria é aquele que atua nas faixas visíveis do espectro eletromagnético (R:
0,62–0,70 μm, G: 0,49–0,58 μm e B: 0,45–0,49 μm); pelo fato de ser de baixo custo e de demandar mão-de-obra menos especializada para seu uso permitindo identificar e
separar a vegetação nas imagens de cultivo usando índices de vegetação (SILVA;
LEMOS, 2017; AHMAD et al., 2021).
3.6 ÍNDICES DE VEGETAÇÃO
Os índices de vegetação são formulações matemáticas que apresentam uma relação entre as radiações emitidas pelo Sol e os tecidos fotossinteticamente ativos das culturas vegetais, geralmente compreendendo as bandas entre o visível (RGB) e infravermelho próximo (NIR), servindo como indicativos de estimativa de cobertura vegetal do solo, fitomassa, atividade fotossintética, bioquímicas, fisiológicas e biofísicas das vegetações. (FORMAGGIO; SANCHES, 2017; CAMBRAIA FILHO;
BRITES; BIAS, 2020).
Existem dezenas de índices de vegetação que operam na faixa espectral do visível e não visível. Dentre os que atuam na faixa do visível podemos citar o RGB Vegetation Index (RGBVI), o Greean Leaf Index (GLI), o Visible Atmospherically Resistant Index (VARI), o Normalized Green Red Difference Index (NGRDI) e o Triangular Greenness Index (TGI). Já os que atuam na faixa do não visível, destacam-se o Normalized Difference Vegetation Index (NDVI), o Soil Adjusted Vegetation Index (SAVI), o Normalized Difference Red Edge Index (NDREI), o Ratio Vegetation Index (RVI) e o Chlorophyll Vegetation Index (CVI). (HUNT et. al., 2011; LUSSEM et. al., 2018;
CAMBRAIA FILHO et. al., 2020).
Os índices de vegetação podem ser utilizados para avaliar aspectos fotoquímicos relacionados com a atividade fotossintética das plantas, possibilitando estimar a clorofila presente nas células. Quando a luz solar incide sobre as folhas, parte dessa radiação é absorvida e outra parte refletida, onde através de uma análise das bandas correspondentes ao visível e infravermelho próximo, que consegue penetrar mais no dossel da planta, permite quantificar sua matéria verde (IBARRA, 2020).
Os índices de vegetação contribuem para detecção de parâmetros e atributos agronômicos que possuem relação com a presença de doenças (MARTINS et al., 2017), porém é necessário ressaltar que a alta resolução espacial de bandas que atuam nos intervalos do visível contribuem no monitoramento das variáveis agronômicas de culturas com folhas grandes como as do milho (RAEVA et al., 2019).
As pesquisas que utilizam os índices de vegetação baseados nos comprimentos de onda visível (RGB) estão ganhando cada vez mais relevância e importância no cenário atual. Os produtos advindos de RPA convencional se constituem em uma fonte de dados significativa com potencialidades diversas para aplicações em estudos ambientais e agroecológicos (CAMBRAIA FILHO; BRITES; BIAS, 2020).
O índice Visible Atmospherically Resistant Index (VARI) – índice resistente à atmosfera na região visível, é utilizado para estudos de Agricultura de Precisão e permite detectar as características nutricionais de uma planta, realizar um monitoramento agrícola e a previsibilidade do rendimento de forragem (HUNT et al., 2013), bem como a distinção da vegetação verde (ROMEO et al., 2013; KAZMIN et al., 2015).
Este índice foi proposto Gitelson et al. (2002), e resulta da combinação entre as bandas do vermelho, verde e azul, com operações que envolvem a soma, diferença e a subtração. Equação 1 descreve as operações entre bandas para a obtenção do VARI:
𝑉𝐴𝑅𝐼 = B𝑔𝑟𝑒𝑒𝑛−B𝑟𝑒𝑑
B𝑔𝑟𝑒𝑒𝑛+B𝑟𝑒𝑑−B𝑏𝑙𝑢𝑒 . Eq. 1 Onde:
VARI = Visible Atmospherically Resistant Index ou Índice Resistente à Atmosfera na Região Visível;
Bgreen = Banda verde; Bred = Banda vermelha e Bblue = Banda azul.
Com esse índice é possível monitorar a área foliar das culturas que se encontram em estágios avançados de desenvolvimento (LOUHAICHI et al., 2001; GITELSON et al., 2002); analisar o desenvolvimento e a diferença da coloração dos cultivos, a partir dos déficits de nutrientes e sua respectiva relação a problemas no balanço nutricional do solo e consequente indicativo da saúde vegetal (SILVA, 2018). Este Índice de Vegetação atua reduzindo os efeitos da atmosfera que está comumente associado na fase de captação da imagem e reduz a sensibilidade quanto às variações dos efeitos atmosféricos (GITELSON, 2008).
O índice Green Leaf Index (GLI) – Índice Foliar Verde, avalia a cobertura do dossel e permite determinar a intensidade de degradação da vegetação por fotografia aérea.
Esse índice apresenta potencial promissor de aplicação para análises vegetais com resultados robustos. Foi desenvolvido por Louhaichi et al. (2001) com o objetivo de avaliar o impacto do pastoreio em cultivos de trigo de inverno. Para identificar esse impacto na cultura, o GLI se baseou na relação entre as bandas vermelho, verde e azul, de forma a melhor descrever, especificamente, a variação da área foliar da vegetação monitorada. Equação 2 descreve as operações entre bandas para a obtenção do GLI:
𝐺𝐿𝐼 = 2 𝑥 B𝑔𝑟𝑒𝑒𝑛−B𝑟𝑒𝑑−B𝑏𝑙𝑢𝑒
2 𝑥 B𝑔𝑟𝑒𝑒𝑛+B𝑟𝑒𝑑+B𝑏𝑙𝑢𝑒 . Eq. 2 Onde:
GLI = Green Leaf Index ou Índice Foliar Verde;
Bgreen = Banda verde; Bred = Banda vermelha e Bblue = Banda azul.
De acordo com Louhaichi et al. (2001), o GLI apresentou bons resultados no mapeamento de uma área agrícola experimental utilizada como pastagem, identificando com precisão regiões com baixo, médio e alto impacto causado pelos animais na vegetação. Apesar de não ter sido proposto para avaliar parâmetros de culturas agrícolas, além da cobertura do dossel, esse índice de vegetação se torna promissor para a aplicação no milho por sua capacidade de identificar alterações na cobertura do solo causada pelo dossel das plantas.
Andrade et al. (2019), constataram a capacidade de discriminação do uso dos índices de vegetação GLI e VARI nas fases fenológicas na cultura do milho indicando o potencial dessas ferramentas para extração de informações relacionadas ao desenvolvimento da cultura.
Na cultura do milho, o Índice de Vegetação GLI foi correlacionado entre aspectos morfológicos e teores de clorofila com objetivo de avaliar a eficiência da adubação foliar à base de xisto, (HERMANN, 2020).
Os índices de vegetação GLI e VARI também foram utilizados no monitoramento do milho na identificação da evolução e variabilidade espaço-temporal da cultura (ALTHOFF et al., 2018).
4 METODOLOGIA
4.1 CARACTERIZAÇÃO DA ÁREA DE ESTUDO
O experimento a campo foi conduzido no ano de 2020 no Campus de Alegre do Instituto Federal do Espírito Santo (Ifes), localizado no distrito de Rive, extremo sul do estado do Espírito Santo, tendo como coordenada central ou centroide o ponto 244.085 m Este, 7.702.054 m Norte ou 41° 27’ 29” O de longitude e 20° 45’ 49” S de latitude (Figura 3).
Figura 3 - Localização da área de estudo
Fonte: o autor.
O clima da região, segundo a classificação de Köeppen, é do tipo “Cwa”, ou seja, tropical quente úmido com inverno frio e seco, temperatura média anual de 23,1º C e precipitação média anual de 1.341 mm (LIMA et al., 2008).
Durante o período de condução do experimento a precipitação acumulada e a temperatura média mensal ocorreram conforme a Tabela 2.
Tabela 2 – Precipitação acumulada e temperatura mensal da área de estudo durante o período de condução do experimento.
Fonte: Dados fornecidos por Rebyson Guidinelle.
O experimento foi implantado no esquema em faixas, constituído de dois sistemas de manejo do solo (Sistema Plantio Convencional – SPC e Sistema Plantio Direto – SPD) com três repetições. Os sistemas de manejo, os tratos culturais, as lâminas de irrigação com água residuária foram estabelecidos de acordo com o trabalho de Guidinelle (2019).
O milho foi semeado de forma manual no dia 12 de agosto de 2020. A variedade semeada foi o híbrido Biomatrix BM 207 para silagem. A germinação ocorreu no dia 19 de agosto e se estendeu até 27 de novembro quando as plantas estavam com aproximadamente 98 dias. O objetivo do cultivo foi a silagem.
4.2 HISTÓRICO DO EXPERIMENTO DE CAMPO
Foram conduzidos três ciclos sucessivos de cultivo do milho, considerados como experimentos independentes. O 1º ciclo foi conduzido de 02/01/18 a 07/04/18. O 2º ciclo compreendeu o período entre 13/04/18 a 21/07/18. O 3° ciclo de cultivo, foi conduzido no período de 04/04/19 a 07/07/19, totalizando 96 dias de cultivo para cada um dos ciclos. (GUIDINELLE, 2019; POLIDO; 2021).
Ressalta-se que o presente trabalho refere ao 4° ciclo de cultivo do milho.
4.3 PROCEDIMENTOS METODOLÓGICOS
Durante o experimento, foram realizados voos com um quadricóptero Phantom 4 Pro, com sensor RGB que opera na faixa do visível do espectro eletromagnético; coleta de pontos de apoio com receptores geodésicos com dupla frequência, L1/L2, de alta precisão no método de posicionamento RTK. Foram gerados os ortomosaicos georreferenciados com correção de pontos de apoio e extraídos os índices de vegetação GLI e VARI da cultura do milho nas fases fenológicas vegetativas: V2, V5,
VARIÁVEIS\MESES AGO SET OUT NOV MÉDIA TOTAL
Precipitação (mm) 52,00 120,20 167,60 75,60 103,85 415,40 Temp. Média (°C) 21,54 23,60 23,82 24,55 23,38 ---
V8 e VT; e reprodutivas: R1, R3 e R5. Foram também realizadas medições das alturas das plantas (AP, em cm), em cada estádio fenológico, com o uso de trena; o índice SPAD, com leituras no início, meio e fim das folhas (SPAD, em unidades SPAD), com um medidor SPAD, e feita a coleta das folhas das plantas para análise de nitrogênio total (NT, em g/kg) a partir do estádio V3, de acordo com a metodologia descrita por Galvani e Gaertner (2006). As mensurações foram realizadas num espaço amostral aleatório de 10 plantas na região central de cada repetição (DE PAULA LIMA;
LAPERA; VILARINHO, 2018). No final do experimento, estimou-se a produtividade do milho para silagem, peso (em kg); altura de inserção da espiga (em cm) e o diâmetro do colmo (em mm). O potencial do uso dos índices de vegetação para o monitoramento da cultura do milho foi avaliado pela análise de correlação de Pearson estabelecidas entre os índices de vegetação e as características agronômicas: altura das plantas, índice SPAD, teor de nitrogênio das folhas e produtividade de espigas por planta. A Figura 4 traz um fluxograma das etapas realizadas em campo e escritório.
Figura 4 – Fluxograma das etapas realizadas em campo e escritório.
Fonte: o autor.
Na Tabela 3 são apresentados os dias nos quais foram realizados os voos, os estádios fenológicos, a situação e características das plantas e as medições agronômicas realizadas em campo.
Tabela 3 – Datas de realização dos voos, estádios, situação e características das plantas e medições realizadas.
VOO
DATA ESTÁDIO SITUAÇÃO E CARACTERÍSTICAS
MEDIÇÕES REALIZADAS 24/Ago
2020 V2 2 folhas completamente
expandidas SPAD, AP, GLI, VARI 11/Set
2020 V5 5 folhas completamente
expandidas. SPAD, AP, NT, GLI, VARI 29/Set
2020 V8 8 folhas completamente
expandidas SPAD, AP, NT, GLI, VARI 10/Out
2020 VT Plantas atingem o
pendoamento SPAD, AP, NT, GLI, VARI 19/Out
2020 R1 Plantas chegam no
embonecamento SPAD, AP, NT, GLI, VARI 03/Nov
2020 R3 Plantas apresentavam grãos
leitosos SPAD, AP, NT, GLI, VARI 24/Nov
2020 R5 Formação dos dentes SPAD, AP, NT, GLI, VARI, AE, DC, PROD, PES 25 a
27/Nov 2020
Corte As plantas estavam com aproximadamente 98 dias
Nota: altura da planta (AP), medição de clorofila (SPAD), nitrogênio total nas folhas (NT), GLI, VARI, altura de espigas (AE), diâmetro do colmo (DC), produtividade de espigas (PROD) e peso das espigas (PES) nos estádios fenológicos vegetativo e reprodutivo.
*Dados obtidos de GUIDINELLE, 2020.
Fonte: o autor.
O plano de voo foi realizado no DroneDeploy, um aplicativo gratuito para execução do planejamento e execução de voos que permite que desenvolvedores externos criem aplicativos diretamente na interface de usuário. (DRONEDEPLOY, 2015).
No Manual Tecnológico N° 12 - Planejamento de voo utilizando o DroneDeploy: Passo a passo (Apêndice B) é possível verificar as principais configurações que devem ser consideradas em um planejamento de voo para RPA.
Durante o plano de voo, foram priorizados critérios de altura, sobreposição, velocidade de voo e área coberta. Para a captura das fotos e processamento do ortomosaico, foi configurada uma altura de voo de 70 m, sobreposições laterais e longitudinais de 80%
e 80% respectivamente, velocidade de voo do RPA de 5 m s-1 e área coberta de mapeamento de 3 ha, conforme mostrado na Figura 5. Essa configuração resultou em 121 fotos para cobrir toda a área de estudo e uma resolução espacial (GSD) de 2,1 cm/pix.
Figura 5 – Configuração do plano de voo na área de estudo para monitoramento da cultura do milho: A. – Área coberta, número de fotos, resolução espacial (GSD) e altura de voo; B. – Sobreposições e velocidade do RPA.
Fonte: DroneDeploy, 2022.
A materialização dos pontos de apoio foi realizada no dia 27 de maio por meio de piquetes de madeira, com suas respectivas testemunhas e para o georreferenciamento dos pontos foi utilizado receptores geodésicos de dupla frequência modelo Hiper V da Topcon com rádio UHF (HIPER, 2012). Utilizou-se o método de posicionamento RTK convencional (INCRA, 2013) tendo como base as
coordenadas Universal Transversa de Mercator (UTM) da estação SAT GPS 93726 do IBGE no Sistema de Referência SIRGAS 2000 (IBGE, 2005). Os pontos de apoio foram distribuídos levando-se em consideração a topografia do terreno e distribuição geométrica de pontos de controle e checagem (PERIN et al. 2016; ZANETTI, 2017).
Foram utilizados cinco pontos de controle, para georreferenciar a área do experimento, e quatro pontos de checagem, para verificar a precisão geométrica do ortomosaico gerado.
As coordenadas foram obtidas no Sistema de Referência SIRGAS 2000, UTM – Zona 24 Sul. Na Tabela 4 são mostradas as coordenadas da base e dos pontos de apoio.
Tabela 4 - Coordenadas UTM da Base e dos pontos de apoio. Referenciados em SIRGAS 2000 UTM Zona 24 Sul.
PONTO UTM E (m) UTM N (m) ALTITUDE (m)
BASE 244.208,992 7.701.988,471 131,427 Cont 1 243.993,075 7.702.053,332 107,125 Cont 2 243.996,441 7.702.168,491 106,722 Cont 3 244.090,763 7.702.072,698 111,628 Cont 4 244.219,286 7.702.118,480 121,695 Cont 5 244.198,412 7.702.016,040 129,744 Check 1 244.141,205 7.702.114,641 118,778 Check 2 244.125,306 7.702.021,136 118,374 Check 3 244.045,262 7.702.033,686 109,477 Check 4 244.045,426 7.702.117,066 107,407
Nota: Cont 1, Cont 2, Cont 3, Cont 4 e Cont 5 são pontos de controle que garantem precisão posicional aos ortomosaicos. Check 1, Check 2, Check 3 e Check 4 são pontos de checagem que verificam as precisões dos pontos de controle. UTM E e UTM N são coordenadas planas referenciadas no Sistema de Referência Geocêntrico para as Américas (SIRGAS 2000).
Fonte: o autor.
A frequência dos voos ocorreu em função da fenologia do milho (MAGALHÃES, DURÃES, 2006). Foram consideradas cinco etapas. Algumas etapas tiveram mais de um voo. O primeiro voo ocorreu quando as plantas estavam com duas folhas totalmente expandidas, caracterizando o estádio V2. O segundo e terceiro voo, na etapa de crescimento vegetativo (V5 e V8). O quarto voo, na etapa de florescimento (VT – Pendoamento). O quinto voo ocorreu na etapa R1 – Embonecamento. O sexto e sétimo voo foram realizados na etapa de maturação (R3 – grão leitoso e R5 – formação do dente).
O RPA utilizado nos voos foi um quadricóptero da DJI denominado Phantom 4 Pro.
Esse equipamento pesa 1.388 g com a bateria incluída e vem equipado com sensor
CMOS de 1” que atua na faixa visível do espectro eletromagnético (RGB) com resolução de 20 Megapixels (DJI, 2021).
A geração dos ortomosaicos das fotos capturadas nas diversas etapas foi realizada no software Agisoft PhotoScan (AGISOFT, 2014), um produto comercial desenvolvido pela Agisoft LLC Company, em sua versão gratuita de 30 dias.
A extração das informações referentes aos índices de vegetação se deu em um Sistema de Informação Geográfica (SIG) de código aberto, denominado QGIS versão 3.16 - Hannover (QGIS Development Team, 2020).
Os índices de vegetação no espectro do visível (RGB), calculados e analisados, foram:
1 - Visible Atmospherically Resistant Index (VARI) - Índice Resistente à Atmosfera na Região Visível, dado pela Equação 1 e descrito por Gitelson et al. (2002).
𝑉𝐴𝑅𝐼 = B𝑔𝑟𝑒𝑒𝑛−B𝑟𝑒𝑑
B𝑔𝑟𝑒𝑒𝑛+B𝑟𝑒𝑑−B𝑏𝑙𝑢𝑒 Eq. 1
Em que:
VARI = Visible Atmospherically Resistant Index ou Índice Resistente à Atmosfera na Região Visível;
Bgreen = Banda verde; Bred = Banda vermelha e Bblue = Banda azul.
2 - Green Leaf Index (GLI) - Índice Foliar Verde, dado pela Equação 2 e proposto por Louhaichi; Borman; Johnson (2001).
𝐺𝐿𝐼 = 2 𝑥 B𝑔𝑟𝑒𝑒𝑛−B𝑟𝑒𝑑−B𝑏𝑙𝑢𝑒
2 𝑥 B𝑔𝑟𝑒𝑒𝑛+B𝑟𝑒𝑑+B𝑏𝑙𝑢𝑒 Eq. 2
Em que:
GLI = Green Leaf Index ou Índice Foliar Verde;
Bgreen = Banda verde; Bred = Banda vermelha e Bblue = Banda azul.
No Manual Tecnológico N° 14 - Obtenção do índice de vegetação de um Ortomosaico utilizando o Agisoft Metashape: Passo a passo (Apêndice B), temos um exemplo da extração do VARI.
No Manual Tecnológico N° 13 - Tutorial e planilha eletrônica para a otimização da quantificação de nitrogênio total e de proteína bruta pelo método Kjeldahl (Apêndice B) é apresentada a metodologia utilizada desse processo.
Ao final do estádio reprodutivo R5 foram mensuradas altura de inserção das espigas (AE), em cm; diâmetro do colmo (DC), em mm; número de espigas por planta (PROD), em unidades e peso das espigas (PES), em kg. Foi avaliada a massa verde de planta.
Essas variáveis foram tabeladas e correlacionadas com os valores de índices de vegetação.
As acurácias horizontais dos pontos de checagem nos ortofomosaicos foram estimadas de acordo com Congalton e Green (2009) (Tabela 5).
Tabela 5. Dimensões e equações utilizadas para a avaliação das acurácias dos pontos de checagem nos ortomosaicos gerados para os estádios V2, V5, V8, VT, R1, R3 e R5.
DIMENSÃO EQUAÇÃO
EN = erro na coordenada UTM Norte EN=Yi −Yr EE = erro na coordenada UTM Leste EE=Xi−Xr EP = erro de posicionamento EP= EN2+EE2
Nota: Yi = valore da coordenada UTM Norte do ponto de checagem extraído do ortomosaico, m; e Yr = valor da coordenada UTM Norte do ponto de checagem obtido pelo receptor GNSS RTK, m; Xi = valor da coordenada UTM Leste do ponto de checagem extraído do ortomosaico, m; e Xr = valor da coordenada UTM Leste obtido pelo receptor GNSS RTK; e EP = erro de posicionamento.
Fonte: Elaborado pelo autor de acordo com Congalton e Green (2009).
A dinâmica temporal dos índices GLI e VARI foi avaliada a partir da construção de gráficos considerando os valores em cada estádio fenológico para SPC e SPD.
Essas variáveis foram tabeladas e correlacionadas com os valores de índices de vegetação. Os dados foram submetidos ao teste de normalidade de Shapiro-Wilk ao nível de 5% de probabilidade. Atendidos os pressupostos, foi calculada a correlação linear de Pearson para cada par de variáveis, dentro de cada sistema de manejo e em cada estádio de desenvolvimento das plantas. A significância das correlações foi testada pelo Teste t de Student ao nível de 5% de probabilidade.
As análises e construção dos gráficos foram conduzidas com auxílio do programa R (R Core Team, 2021) a partir das funções disponíveis nos pacotes 'ggplot2' (WICKHAM, 2016) e 'corrplot' (WEI; SIMKO, 2021).
O objetivo de se correlacionar as variáveis agronômicas aos índices é descobrir se existe relação entre eles e apontar a direção de relacionamento, sendo positivo, negativo ou zero, bem como sua magnitude, onde 0 (zero) representa nenhuma relação e 1 (um), representa uma relação perfeita entre elas. Correlações entre 0,10 e 0,39 são consideradas fracas; entre 0,40 e 0,60 são consideradas moderadas; entre 0,61 e 0,90, são consideradas fortes e correlações acima de 0,90, são consideradas muito fortes (DANCEY; REIDY, 2018).
A magnitude do coeficiente é um assunto discutido e interpretado por vários pesquisadores. Cohen (1988), considera intervalos entre 0,10 e 0,29 pequenos; entre 0,30 e 0,49 médios; e valores entre 0,50 e 1, grandes. A Tabela 6 mostra um resumo da magnitude dos coeficientes de acordo com esses dois autores. Neste trabalho, considerou-se como correlação forte os valores propostos por Dancey e Reidy.
Tabela 6 - Magnitude dos coeficientes de Pearson.
Fonte: o autor.
A Figura 6 apresentada um registro fotográfico dos principais procedimentos utilizados para o monitoramento da cultura do milho.
AUTORES\MAGNITUDE fraco ou pequeno
médio ou moderado
forte ou
grande muito forte Dancey e Reidy, 2018 0,10 - 0,39 0,40 - 0,60 0,61 - 0,90 > 0,90
Cohen, 1988 0,10 - 0,29 0,30 - 0,49 0,50 - 1,00 SD
Figura 6 - Registro fotográfico do monitoramento da cultura do milho: A. – Vista da área de estudo; B. – Plantas de milho em desenvolvimento; C. – Montagem do RPA;
D. – Distribuição dos pontos de apoio; E. – Marcação dos pontos apoio; F. – Georreferenciamento dos pontos de apoio; G. – Medição da variáveis agronômicas e H. – Análises de laboratório.
Fonte: o autor.
5 RESULTADOS E DISCUSSÃO
5.1 PROCESSAMENTO AEROFOTOGRAMÉTRICO
O resumo estatístico do relatório do processamento de cada voo visando a apresentação da qualidade e acurácia dos levantamentos é apresentado de forma sintetizada na Tabela 7. É importante destacar que os resultados desse processamento referem-se ou se aplicam para a cultura do milho nos dois sistemas de manejo, ou seja, Sistema Plantio Convencional (SPC) e Sistema Plantio Direto (SPD).
Tabela 7 - Resumo estatístico dos relatórios dos processamentos aerofotogramétricos.
Estádio N° de Fotos
Altura de voo (m)
GSD (cm/pix)
Erro total (m) S/PC
Erro total (cm) Erro médio da pontaria controle check controle
(pix)
check (pix)
V2 141 76,10 1,93 35,44 5,33 5,29 0,59 0,64
V5 140 81,10 2,06 30,20 5,19 7,03 0,32 0,30
V8 139 93,70 2,37 25,20 7,33 3,26 0,32 0,37
VT 139 94,50 2,34 26,55 4,99 9,60 0,24 0,23
R1 138 90,70 2,30 45,02 6,71 5,33 0,18 0,16
R3 141 91,00 2,30 18,17 18,89 20,28 0,70 0,65
R5 138 79,60 2,03 49,24 6,03 7,13 0,14 0,15
médias 139 86,67 2,19 32,83 7,78 8,27 0,36 0,36
Nota: GSD = tamanho do pixel no terreno; S/ PC = sem ponto de controle; V2, V5, V8 e VT = estádios fenológicos vegetativos; R1, R3 e R5 = estádios fenológicos reprodutivos.
Fonte: o autor.
Verifica-se, de acordo com a Tabela 7, que apesar das alturas de voo serem configuradas para 70 m, as alturas dos voos variaram de 76,10 m a 94,50 m. Isto justifica-se devido ao fato do GPS embarcado no RPA possuir erros espaciais associados, variando em média, 9 m horizontal e 15 m vertical e, na pior situação, 17 m horizontal e até 37 m na vertical (MOLIN; DO AMARAL; COLAÇO, 2015).
Todavia, nota-se que essa variação de altura afetou pouco a resolução espacial obtida em campo (GSD), configurada em 2,1 cm/pix, não comprometendo a qualidade do estudo. Percebe-se que antes da pontaria dos pontos de apoio, o erro do GPS do RPA variou de 18,17 a 49,24 m. Esse erro não é permitido para quem trabalha com Agricultura de Precisão (MOLIN et al., 2021). O uso dos pontos de apoio, obtidos com receptores geodésicos, reduziram consideravelmente o erro de posicionamento do
