Orientador: Glauco de Souza Rolim / Banca: Maria do Socorro Padilha de Oliveira / Banca: Lucieta Guerreiro Martorano / Resumo: Modelos agrometeorológicos para a previsão da produtividade permitem a avaliação quantitativa de elementos meteorológicos com as variáveis fenológicas e produtividade, auxiliando no planejamento de safras agrícolas para otimizar estratégias e tomada de decisão. Na região amazônica, mais precisamente no estado do Pará, concentram-se as maiores produções de açaí no Brasil, entretanto a sazonalidade na produção, influenciada principalmente pelo clima que altera fortemente o preço do produto, tornando-se preocupante para toda cadeia produtiva. Portanto analisar o desempenho de modelos de circulação geral (GSM), que possam representar as condições de tempo e clima na região é de grande importância para a sustentabilidade da produção. Objetivou-se avaliar os dados de temperatura do ar (T) e precipitação (P) provenientes do modelo do European Center for Medium-Range Weather Forecast (ECMWF) e desenvolver modelos agrometeorológicos para a previsão da produtividade em cultivos de açaizeiro em Tomé Açu, Pará. Dados de T e P de estações meteorológicas de superfícies foram estimados por regressão linear usando dados em grid do (ECMWF), correspondendo ao período de 1990 a 2014, separando-se em escala decendial e mensal. Com base nos dados estimados foram testados e ajustados modelos de regressão linear múltipla para prognosticar a produtividade em dois tipos de cultivo de açaizeiro. Buscou-se maximizar a data para antecipação da previsão. A variável dependente foi à produtividade da cultu... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Agrometeorological models for yield prediction allow the quantitative evaluation of the meteorological elements with the phenological variables and yield, aiding in the planning of agricultural crops and in the optimization of decision making. In the Amazon region, more precisely in the Pará State, the largest açai production is found in Brazil. However, seasonality in production, influenced mainly by the climate, is strongly affecting the price of the product, causing concern for the entire production chain. Therefore, evaluating the performance of general circulation models (GSM), which may represent the weather and climate conditions in the region, is of great importance for the sustainability of production. The objective of this study was to evaluate the air temperature (T) and precipitation (P) data from the European Center for Medium-Range Weather Forecast (ECMWF) model and to develop agrometeorological models for yield prediction in açai crop in Tomé Açu, Pará. T and P of meteorological stations of surfaces were estimated by linear regression using grid data of the ECMWF, from the period 1990 to 2014, separating in 10-day period and monthly scale. Based on the estimated data, multiple linear regression models were tested and adjusted to predict yield in two types of açai culture. We seek to maximize the date for anticipation of the forecast. The dependent variable was crop yield, while the independent variables were meteorological elements for irrigated system (IRRS) and rainfed system or unirrigated (RAINF). The ECMWF tends to overestimate rainfall in the dry season and to underestimate it in the rainy season. The northwest region of Amazonia is characterized as the area of highest rainfall supply (P), but with lower performances of the model with R2 less than 0.18. The ECMWF model presented a high performance (R2> 0.60) wh... (Complete abstract click electronic access below) / Mestre

Made available in DSpace on 2015-06-17T19:34:37Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-12-19. Added 1 bitstream(s) on 2015-06-18T12:48:31Z : No. of bitstreams: 1 000826622_20150715.pdf: 111388 bytes, checksum: 0df76931737a2d8db48b8a83cacaecb8 (MD5) Bitstreams deleted on 2015-08-03T12:21:15Z: 000826622_20150715.pdf,. Added 1 bitstream(s) on 2015-08-03T12:22:27Z : No. of bitstreams: 1 000826622.pdf: 1096376 bytes, checksum: 1829dd81ad2058076c40b56830d0b9b9 (MD5) / O Brasil é o maior produtor de laranjas do mundo, visto que o estado de São Paulo é o grande responsável pela produção. A variedade Valência encontra-se como uma das mais produzidas no estado. O clima é o fator de maior influência na variabilidade da produtividade e qualidade dos cultivos, sendo que a variação anual pode trazer efeitos positivos e/ou negativos a esta variabilidade. A previsão é o ato de estimar com uso de dados atuais um fenômeno futuro, ou seja, que ainda vai ocorrer. Enquanto estimação usa de dados atuais para estimar um fenômeno também atual. Este estudo tem como objetivo entender a influência das variáveis meteorológicas mensais ao longo do ciclo de laranjas Valência enxertadas em limoeiro Cravo (VACR) de pomares com mais de seis anos, em quatro locais de destaque na produção do Estado de São Paulo (Bauru, Bebedouro, Limeira e Matão), e desenvolver modelos agrometeorológicos de previsão e estimação de atributo de qualidade mensal de VACR. As deficiências hídricas (DEF) são fatores limitantes na produtividade e qualidade dos frutos. Por esta razão sua influência no cultivo foi analisada de forma isolada, desenvolvendo modelos de estimação apenas em função das DEF mensais, a fim de determinar quais fases fenológicas da VACR são mais sensíveis a DEF e com isso estimar de forma acurada os atributos qualitativos da VACR, nos quatro locais do estado de São Paulo. Os modelos foram construídos em regressão linear múltipla e classificados pelos índices estatísticos de erro percentual absoluto médio (MAPE) e coeficiente de determinação ajustado (R² ajustado). Foi possível elaborar modelos acurados tanto para estimações como também para previsões. Em relação aos modelos de estimação houve maior atuação da DEF no numero de frutos por caixa no primeiro ano do ciclo e nos outros atributos no segundo ano. Para os modelos de previsão, as temperaturas ... / The main producer country of oranges at the world is Brazil, been the State of São Paulo responsible for almost all of this production. The 'Valência' orange is one of the most important cultivars of the State. The major influent factors on yield and quality variability of crops are climatic factors, where this annually variation can bring positive or negative effects. Forecasting is the use of actual data to estimate an event that will happen, while estimation uses actual data to esteem a current event. This study aims to understand the influence of monthly meteorological variables during the 'Valência' orange grafted on rangpur lime of orchards with more than six years old (VACR), for four main producers regions of the State of São Paulo (Bauru, Bebedouro, Limeira and Matão) and develop agrometeorological models for predict the qualitative attributes of every month of VACR during the production year. . Water deficits (DEF) are limiting factors at yield and quality of fruits. Therefore its influence on crop development was analyzed isolated; developing estimation models in function only of monthly DEF, in order to determine which phenological phases of VACR are more sensitive to DEF and with that, make accurate estimation of the qualitative attributes of VACR, at four regions of the State of São Paulo. The models were constructed in multiple linear regressions and classified according to the mean absolute perceptual error (MAPE) and the adjusted coefficient of determination (R² adjusted). All the developed models were accurate. Relative to the estimation models, for number of fruits per box, DEF were more important at the phases of the first year of the cycle and for the others attributes at the second year. For the forecasting models the main influent variables were: minimum, mean and maximum temperatures and relative evapotranspiration

Orientador: Glauco de Souza Rolim / Banca: Regina Célia de Matos Pires / Banca: Arthur Bernardes Cecílio Filho / Resumo: O Brasil é o maior produtor de laranjas do mundo, visto que o estado de São Paulo é o grande responsável pela produção. A variedade "Valência" encontra-se como uma das mais produzidas no estado. O clima é o fator de maior influência na variabilidade da produtividade e qualidade dos cultivos, sendo que a variação anual pode trazer efeitos positivos e/ou negativos a esta variabilidade. A previsão é o ato de estimar com uso de dados atuais um fenômeno futuro, ou seja, que ainda vai ocorrer. Enquanto estimação usa de dados atuais para estimar um fenômeno também atual. Este estudo tem como objetivo entender a influência das variáveis meteorológicas mensais ao longo do ciclo de laranjas "Valência" enxertadas em limoeiro "Cravo" (VACR) de pomares com mais de seis anos, em quatro locais de destaque na produção do Estado de São Paulo (Bauru, Bebedouro, Limeira e Matão), e desenvolver modelos agrometeorológicos de previsão e estimação de atributo de qualidade mensal de VACR. As deficiências hídricas (DEF) são fatores limitantes na produtividade e qualidade dos frutos. Por esta razão sua influência no cultivo foi analisada de forma isolada, desenvolvendo modelos de estimação apenas em função das DEF mensais, a fim de determinar quais fases fenológicas da VACR são mais sensíveis a DEF e com isso estimar de forma acurada os atributos qualitativos da VACR, nos quatro locais do estado de São Paulo. Os modelos foram construídos em regressão linear múltipla e classificados pelos índices estatísticos de erro percentual absoluto médio (MAPE) e coeficiente de determinação ajustado (R² ajustado). Foi possível elaborar modelos acurados tanto para estimações como também para previsões. Em relação aos modelos de estimação houve maior atuação da DEF no numero de frutos por caixa no primeiro ano do ciclo e nos outros atributos no segundo ano. Para os modelos de previsão, as temperaturas ... / Abstract: The main producer country of oranges at the world is Brazil, been the State of São Paulo responsible for almost all of this production. The 'Valência' orange is one of the most important cultivars of the State. The major influent factors on yield and quality variability of crops are climatic factors, where this annually variation can bring positive or negative effects. Forecasting is the use of actual data to estimate an event that will happen, while estimation uses actual data to esteem a current event. This study aims to understand the influence of monthly meteorological variables during the 'Valência' orange grafted on rangpur lime of orchards with more than six years old (VACR), for four main producers regions of the State of São Paulo (Bauru, Bebedouro, Limeira and Matão) and develop agrometeorological models for predict the qualitative attributes of every month of VACR during the production year. . Water deficits (DEF) are limiting factors at yield and quality of fruits. Therefore its influence on crop development was analyzed isolated; developing estimation models in function only of monthly DEF, in order to determine which phenological phases of VACR are more sensitive to DEF and with that, make accurate estimation of the qualitative attributes of VACR, at four regions of the State of São Paulo. The models were constructed in multiple linear regressions and classified according to the mean absolute perceptual error (MAPE) and the adjusted coefficient of determination (R² adjusted). All the developed models were accurate. Relative to the estimation models, for number of fruits per box, DEF were more important at the phases of the first year of the cycle and for the others attributes at the second year. For the forecasting models the main influent variables were: minimum, mean and maximum temperatures and relative evapotranspiration / Mestre

Made available in DSpace on 2014-06-11T19:32:43Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-11-21Bitstream added on 2014-06-13T19:03:15Z : No. of bitstreams: 1 gomes_awa_dr_botfca.pdf: 900192 bytes, checksum: 46a0e1596e08175ebd9908ad00b840b9 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Universidade Estadual Paulista (UNESP) / Os modelos de previsão de produtividade são de grande importância no planejamento regional, dando subsídios para a avaliação econômica da implantação da cultura em um novo ambiente. O objetivo deste trabalho foi simular a produtividade potencial de colmo e de açúcar da cultura da cana-de-açúcar, nas regiões Sudeste (Bauru-SP e Jaú-SP) e Nordeste (Petrolina-PE e Teresina-PI), analisando quatro variedades em diferentes épocas de plantio, em dois ambientes: sequeiro e irrigado. O modelo de simulação adotado foi o DSSAT/CANEGRO (Decision Support System for Agrotechnology Transfer) e as quatro variedades de cana-de-açúcar avaliadas foram: RB86 7515, CTC 4, CTC 7 e CTC 20 (todas em ciclo de 1,5 ano). Os resultados obtidos foram submetidos à análise de variância e as médias, comparadas pelo teste de Tukey, a 5% de probabilidade. Em ambiente de sequeiro, recomenda-se o plantio da cana-de-açúcar de ano e meio em setembro e novembro para Bauru, SP, em setembro para Jaú, SP e em março para Teresina, PI. Em Petrolina, PE, o plantio em sequeiro não é indicado devido ao déficit hídrico prolongado por todo o ano. Em ambiente irrigado, não houve diferença da produtividade de colmo em função da época de plantio, para todas as variedades e em todas as regiões avaliadas. As produtividades de colmos e de açúcar foram sempre maiores no ambiente irrigado quando comparado com o de sequeiro, em todas as localidades e em todas as variedades avaliadas. O modelo de simulação gerou boa estimativa da produtividade de colmos e de açúcar quando comparado aos dados experimentais de Teresina, PI e de Jaú, SP / The yield prediction models are of great importance in regional planning, providing subsidies for the crop implementation economic evaluation in a new environment. The aim of this study was to simulate the potential productivity of stem and sugar of sugarcane cultivated in the Southeast (Bauru-SP and Jau-SP) and Northeast (Petrolina-PE and Teresina-PI) regions, analyzing four varieties in different planting dates, in two environments: rainfed and irrigated. The simulation model was the CANEGRO / DSSAT (Decision Support System for Agrotechnology Transfer) and the four varieties of sugarcane evaluated were RB86 7515, CTC 4, 7 and CTC CTC 20 (all in a cycle of 1.5 year). The results were submitted to variance analysis and the means were compared by Tukey test, at 5% probability. In rainfed conditions, the results showed that sugarcane planting should be in September and November for Bauru, SP, in September for Jau, SP and in March for Teresina, PI. In Petrolina, PE, the planting was not indicated for rainfed conditions due to water deficit throughout the year. In irrigated environment, there was no difference in the stem productivity according to the planting date, for all varieties and in all regions evaluated. The productivities of stem and sugar were always higher in irrigated environment when compared to the rainfed, in all locations and in all varieties. The simulation model generated good estimate of stem and sugar yields compared to experimental data from Teresina, PI and Jau, SP

Orientador: João Carlos Cury Saad / Banca: José Antonio Frizzone / Banca: Raimundo Leite Cruz / Banca: Adalberto Luiz de Paula / Banca: Tarlei Arriel Botrel / Resumo: Os modelos de previsão de produtividade são de grande importância no planejamento regional, dando subsídios para a avaliação econômica da implantação da cultura em um novo ambiente. O objetivo deste trabalho foi simular a produtividade potencial de colmo e de açúcar da cultura da cana-de-açúcar, nas regiões Sudeste (Bauru-SP e Jaú-SP) e Nordeste (Petrolina-PE e Teresina-PI), analisando quatro variedades em diferentes épocas de plantio, em dois ambientes: sequeiro e irrigado. O modelo de simulação adotado foi o DSSAT/CANEGRO (Decision Support System for Agrotechnology Transfer) e as quatro variedades de cana-de-açúcar avaliadas foram: RB86 7515, CTC 4, CTC 7 e CTC 20 (todas em ciclo de 1,5 ano). Os resultados obtidos foram submetidos à análise de variância e as médias, comparadas pelo teste de Tukey, a 5% de probabilidade. Em ambiente de sequeiro, recomenda-se o plantio da cana-de-açúcar de ano e meio em setembro e novembro para Bauru, SP, em setembro para Jaú, SP e em março para Teresina, PI. Em Petrolina, PE, o plantio em sequeiro não é indicado devido ao déficit hídrico prolongado por todo o ano. Em ambiente irrigado, não houve diferença da produtividade de colmo em função da época de plantio, para todas as variedades e em todas as regiões avaliadas. As produtividades de colmos e de açúcar foram sempre maiores no ambiente irrigado quando comparado com o de sequeiro, em todas as localidades e em todas as variedades avaliadas. O modelo de simulação gerou boa estimativa da produtividade de colmos e de açúcar quando comparado aos dados experimentais de Teresina, PI e de Jaú, SP / Abstract: The yield prediction models are of great importance in regional planning, providing subsidies for the crop implementation economic evaluation in a new environment. The aim of this study was to simulate the potential productivity of stem and sugar of sugarcane cultivated in the Southeast (Bauru-SP and Jau-SP) and Northeast (Petrolina-PE and Teresina-PI) regions, analyzing four varieties in different planting dates, in two environments: rainfed and irrigated. The simulation model was the CANEGRO / DSSAT (Decision Support System for Agrotechnology Transfer) and the four varieties of sugarcane evaluated were RB86 7515, CTC 4, 7 and CTC CTC 20 (all in a cycle of 1.5 year). The results were submitted to variance analysis and the means were compared by Tukey test, at 5% probability. In rainfed conditions, the results showed that sugarcane planting should be in September and November for Bauru, SP, in September for Jau, SP and in March for Teresina, PI. In Petrolina, PE, the planting was not indicated for rainfed conditions due to water deficit throughout the year. In irrigated environment, there was no difference in the stem productivity according to the planting date, for all varieties and in all regions evaluated. The productivities of stem and sugar were always higher in irrigated environment when compared to the rainfed, in all locations and in all varieties. The simulation model generated good estimate of stem and sugar yields compared to experimental data from Teresina, PI and Jau, SP / Doutor

Orientadores: Jansle Vieira Rocha, Rubens Augusto Camargo Lamparelli / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-25T02:24:32Z (GMT). No. of bitstreams: 1 Figueiredo_GleyceKellyDantasAraujo_D.pdf: 15565532 bytes, checksum: e16561814c496d76444d5e593f47a240 (MD5) Previous issue date: 2014 / Resumo: A soja é uma das principais commodities do mercado agrícola brasileiro, e está em constante especulação no mercado interno e externo. A estimativa da produtividade com precisão e antecedência utilizando o sensoriamento remoto representa um importante avanço na procura de formas objetivas para previsão de safras no Brasil, uma vez que pode auxiliar a avaliação de rendimento da cultura, servir de apoio à segurança alimentar, ao planejamento econômico e a gestão dos recursos naturais. No entanto, ainda não há no país um sistema operacional para estimar produtividade. O principal objetivo desse estudo foi propor uma metodologia para estimar, por município, a produtividade da soja, baseado em dados espectrais (EVI/MODIS) e dados históricos de rendimento durante os anos safra 2000/2001 a 2010/2011 no estado do Paraná. Esses dados foram utilizados para estabelecer a correlação entre EVI e produtividade da soja por pixel utilizando duas abordagens: por mês (outubro a abril) e por estágios fenológicos (emergência a maturação, emergência a floração, floração a maturação, floração ao enchimento dos grãos), criando-se então dois tipos de mapas de correlação. Com isso foi possível detectar pixels que tinham as melhores correlações ao longo do tempo e ainda encontrar o período mais adequado para estimar a produtividade. Os resultados mostraram que a maior correlação foi encontrada no período de pico vegetativo da cultura para ambas as abordagens. Em seguida comparou-se o desempenho dos mapas de correlação com máscaras de culturas especificas para estimar a produtividade. Os mapas de correlação apresentaram resultados mais significativos, com RMSE de 0.173 ton/ha, enquanto a máscara de cultura específica apresentou RMSE de 0.294 ton/ha. Em seguida selecionamos os pixels temporalmente estáveis dentro dos mapas de correlação por meio da técnica de estabilidade temporal, a fim de incluir somente pixels que apresentassem o mesmo padrão temporal de desenvolvimento durante a safra. A técnica apresentou-se eficiente, selecionando desde pixels puros a pixels com alguma porcentagem da cultura dentro dele, assim, estes pixels foram utilizados para estimar a produtividade da soja durante os onze anos de estudo, também utilizando as abordagens por mês e por fase fenológica. Para a primeira abordagem o período de pico vegetativo apresentou melhor resultado, sendo o mês de fevereiro o que apresentou valores mais próximos aos dados oficiais com RMSE de 0.187 ton/ha, na segunda abordagem o melhor desempenho foi para o período de floração a maturação com RMSE de 0.193 ton/ha e o índice de concordância de Willmott foi de 96% para fevereiro e 95.8% durante a floração e maturação. Esta metodologia mostrou ser eficiente para estimar a produtividade por mês, assim é possível utilizá-la como ferramenta auxiliar na previsão de produtividade / Abstract: Soybean is one of the main commodities of the Brazilian agricultural market, and is subject to constant speculation in internal and external markets. Timely and accurate yield estimation using remote sensing represents an important advance in the search for objective crop forecasting in Brazil, since it may help government to plan storage and/or acquisition of food, serving as support to food security, decision making and management of natural resources. However, an operating crop yield estimating system is not currently available in the country. The main goal of this study was to propose a methodology to estimate soybean yield at county level, based on spectral data (EVI/MODIS) and historical yield data during 2000/2001 to 2010/2011 cropping season, in Parana state. These data were used to establish the correlation between EVI and soybean yield at pixel level using two approaches: by month (October to April) and by phenological stages (emergence to maturity, emergence to flowering, flowering to maturity, flowering to grain filling), generating two types of correlation maps. It was possible to detect pixels that had the best correlation over the crop cycle and still find the most suitable period to estimate yield. The results showed that the highest correlation was found in the vegetative peak period of the crop for both approaches. Then I compared the performance of correlation maps against crop specific mask to estimate soybean yield. The correlation maps showed meaningful results with RMSE of 0.173 ton/ha while the crop specific mask showed RMSE of 0.294 ton/ha. Then I selected the temporally stable pixels within the correlation maps using the temporal stability technique in order to include only pixels that presented the same temporal development pattern during the crop cycle. The technique was efficient, once selected pure pixels or pixels with some percentage of the crop, so these pixels were used to estimate soybean yield during the eleven years of study; also using the approaches by month and by phenological stages. For the first approach the vegetative peak showed better results and February showed values closest to official data with RMSE of 0.187 ton/ ha, the best performance of the second approach was the period from flowering to maturity, with RMSE of 0.193 ton/ ha and Willmott agreement index of 96% for February and 95.8% for the flowering to maturity period. This methodology showed to be efficient to estimate yield monthly, thereby it is possible to use it as an auxiliary tool in yield forecast / Doutorado / Planejamento e Desenvolvimento Rural Sustentável / Doutora em Engenharia Agrícola

Orientador: Marco Tulio Ospina Patino / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-23T00:18:17Z (GMT). No. of bitstreams: 1 Machado_MarinaFalascina_M.pdf: 3931311 bytes, checksum: 7f74f4e7f9b6d8ac5b30284bd0fc0311 (MD5) Previous issue date: 2013 / Resumo: A agricultura brasileira apresentou, nos últimos anos, altas taxas de crescimento, sobretudo no setor de grãos. Para o acondicionamento de toda a produção de forma adequada, as redes de armazenamento são indispensáveis, e os armazéns, por sua vez, devem estar localizados em áreas de maior concentração de produção de grãos evitando a perda desnecessária do produto e garantindo a sua qualidade. O presente trabalho buscou diagnosticar a capacidade de armazenamento existente e, comprovar, calculando a previsão futura da produção, da produtividade e da área a necessidade de infraestrutura de armazenamento de grãos, assim como simular o tamanho, o número, o custo e a localização de novas unidades de armazenamento nas principais microrregiões produtoras. O trabalho foi dividido em três etapas: a primeira consistiu no diagnóstico da quantidade existente de unidades estáticas de armazenamento de grãos no país e na previsão da produção da produtividade e área das culturas da soja, do milho e do arroz. Na segunda etapa foram identificadas as 100 principais microrregiões produtoras de grãos do Brasil, e a localização de novas unidades de armazenamento. A terceira etapa consistiu na definição do número e tamanho das unidades de armazenamento que devem ser instaladas para suprir a futura necessidade de armazenamento de grãos, no custo e na viabilidade econômica total necessária para adequada implementação dessas unidades de armazenamento de grãos em cada microrregião. Os resultados da previsão mostram que a produção continuará crescendo nos próximos dez anos. Os casos mais críticos de déficit de armazenamento de grãos estão nas microrregiões de Alto Teles Pires - MT, Barreiras - BA, Dourados - MS, Sudoeste de Goiás - GO e Toledo - PR. Para armazenar toda a produção de grãos nessas cinco microrregiões são necessárias 544 unidades de vinte mil toneladas e o custo dessa instalação é de R$2,1 bilhões. A viabilidade econômica mostrou que o investimento em unidades de armazenamento de grãos apresenta uma rentabilidade mínima, mas as condições de financiamento do Plano Nacional de Armazenagem (PNA) do governo brasileiro com juros negativos, dois anos de carência e nove para pagar tornam atrativo esse tipo de investimentos / Abstract: Brazilian agriculture in the last years showed high growth rates, particularly in the grain sector. For the packaging of all production in an appropriate way, storage networks are indispensable, and the warehouses, in turn, should be located in areas of high concentration of grain production avoiding the unnecessary loss of product and ensuring their quality. This study aimed to diagnose existing storage capacity, and prove, calculating the prediction of future production, productivity and area, the need for grain storage infrastructure, as well as simulate the size, number, cost and location of new storage units in major producing micro regions. The study was divided into three stages: the first consisted in the diagnosis of the amount of existing static units of grain storage in the country and in forecasting the production, the productivity and area of soybean, corn and rice. In the second stage were defined 100 main micro regions producing grain in Brazil, identifying each of these micro regions and final location of the storage units. The third step consisted to determine the number and size of storage units that should be installed to supply the future need for grain storage, the cost and the economic viability total required for proper implementation of these storage units in each micro grains. The forecast results show that production will continue growing over the next ten years. The most critical micro regions with deficit of grain storage are in Alto TelesPires-MT, Barreiras -BA, Dourados -MS, Sudoeste de Goiás -GO e Toledo -PR. To store all the grain production of these five micro regions, 544unitsof twenty thousand tons each are needed at a cost of R$2.1 billion. The economic feasibility showed that investment in new storage units provide a minimum return but the conditions of the National Storage Plan (PNA) of the Brazilian Government with negative rates and two year grace period and nine years for payment make attractive this type of investment / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestra em Engenharia Agrícola

Orientadores: Jansle Vieira Rocha, Rubens Augusto Camargo Lamparelli / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-19T17:37:26Z (GMT). No. of bitstreams: 1 Johann_JerryAdriani_D.pdf: 49162183 bytes, checksum: 407391759a8e7315491a3e601e3a1530 (MD5) Previous issue date: 2012 / Resumo: O caráter subjetivo dos levantamentos oficiais de produção não permite uma análise quantitativa dos erros envolvidos nem o conhecimento da sua distribuição espacial. Soluções visando à definição de metodologias mais eficazes, com menor custo, e que permitam um estudo em escala regional das estimativas agrícolas (área cultivada e produtividade) têm sido estudadas com o uso de geotecnologias. Neste trabalho, foram utilizadas imagens multitemporais do índice de vegetação EVI/MODIS, entre os anos-safra 2004/05 e 2007/08 no estado do Paraná, com o objetivo de mapear/estimar as áreas (máscaras) com as culturas de verão mais importantes (soja e milho) e estimar a produtividade da soja com modelos espectrais e mistos regionais. Também foram utilizados dados decendiais da radiação solar global, evapotranspiração de referência, temperatura média do ar e precipitação pluvial do ECMWF e de Superfície (SIMEPAR, INMET, SUDERSHA) para calibração entre as duas fontes, a fim de utilizá-los nos modelos mistos de estimativa de produtividade. Para geração dos modelos de produtividade espectrais e mistos foram selecionados 40 municípios. Para os modelos espectrais, as variáveis foram geradas ao longo do ciclo produtivo, a partir dos perfis temporais de EVI médios municipais. Para os modelos mistos, foram geradas variáveis dos dados calibrados do ECMWF por fase fenológica da soja. A seleção das variáveis deu-se pelo método estatístico stepwise para posteriormente, serem modeladas por regressão. Como resultados, foram geradas máscaras anuais destas culturas de verão, que comparadas por município, com os dados oficiais do IBGE, mostraram bons ajustes (R²>0,84; d >0,95; c>0,85) e ótima exatidão espacial (EG>92,8% e IK>0,86) utilizando com referência terrestre, imagens LANDSAT 5/TM e AWiFS/IRS. O procedimento de calibração dos 303 pixels do ECMWF sobre o estado foi realizado por meio de modelos de regressão linear simples de 10 anos de dados (2000 a 2009). Todas as variáveis agrometeorológicas estudadas, com exceção de precipitação pluvial, apresentaram elevada acurácia (d, MAE, RMSE) e precisão (R2, r) e pequena tendência (ou viés) (Es). A variável com melhor ajuste foi a temperatura média do ar, seguida pela evapotranspiração de referência e radiação solar global, com valores de c iguais a 0,83; 0,81 e 0,76, respectivamente. A calibração dos dados do ECMWF em relação à precipitação pluvial não foi significativa provavelmente devido à alta variabilidade espacial mensurados na superfície. As estimativas de produtividade de soja, obtidas por meio dos modelos espectrais, apresentaram menor acurácia (MAE, RMSE, MAPE) e precisão (r, R²) quando comparados aos obtidos pelos modelos mistos, corroborando com os resultados da literatura que indicam melhora no desempenho dos modelos de produtividade com a inserção de dados agrometeorológicos. Comparado aos dados oficiais, as estimativas realizadas pelos modelos espectrais e mistos não apresentaram tendência de subestimação e superestimação de produtividade. Como conclusões, verificou-se que a metodologia proposta para geração das máscaras foi eficiente e pode ser utilizada para um mapeamento em escala estadual, dentro das limitações da resolução espacial que caracteriza as imagens EVI/MODIS (250m). Foi possível e necessária a calibração dos dados estimados pelo ECMWF para as variáveis radiação solar global, evapotranspiração de referência e temperatura média do ar no Paraná. Não foi possível a calibração dos dados de precipitação pluvial devido à elevada variabilidade espacial mensurada pelas estações de superfície / Abstract: The subjective approach of official crop production surveys doesn't allow the quantification of errors and spatial distribution of crop areas. Studies have been carried out to find solutions for new, more efficient and lower cost methodologies for regional scale crop forecast (area and yield) using geotechnologies. In this study multitemporal EVI/MODIS images were used for the 2004/2005 and 2007/2008 cropping seasons in the Paraná State, Brazil, aiming at mapping/estimating area (masks) of summer crops (soybean and corn) and estimate soybean yield with spectral and regional agrometeorological/spectral (combined) models. Dekadal data of global solar radiation, reference evapotranspiration, mean air temperature and rainfall from the ECMWF model and surface (ground stations) were intercalibrated in order to use in the combined models of yield estimation. The models were applied to 40 municipalities. For the spectral models the variables were generated throughout the crop cycle from the mean EVI temporal profile by municipality. For the combined models the ECMWF calibrated variables were generated for each phenological phase of soybean. The variables selection were carried out using Stepwise method followed by regression. As results summer crop masks were generated by municipality and, comparing to official IBGE figures, reached good fitting (R² > 0,84; d > 0,95; c > 0,85) and very good spatial accuracy (Global Accuracy > 92,8% e Kappa index > 0,86) using as reference Landsat5/TM and AWiFS/IRS images. The calibration procedure of the 303 pixels of the ECMWF data over the state was done by simple linear regression models of 10 year period of data (2000-2009). All agrometeorological variables studied, except rainfall, showed high accuracy (d, MAE, RMSE) and precision (R2, r) and low trend (bias) (Es). The best fit variable was mean air temperature, followed by reference evapotranspiration and global solar radiation, with c values of 0.83; 0.81 and 0.76, respectively. The ECMWF calibration of rainfall were not significant probably due to high spatial variability of surface measurements. The soybean yields estimation obtained using the spectral models showed the worst accuracy (MAE, RMSE, MAPE) and precision (r, R²) compared to combined (spectral and agrometeorological) model approach, in agreement with the literature results that indicate better performance in yield models with the inclusion of agrometeorological data. Estimates by spectral and combined models showed no systematic error compared to official data, once Willmott agreement [d] values were, for all models, near 1, almost on the line 1:1. As conclusions, the proposed methodology for mask generation was efficient and can be used at state level scale, within the limitation of the EVI/MODIS images spatial resolution (250m). It was possible and necessary the calibration of data estimated by ECMWF model for the variables global solar radiation, reference evapotranspiration, and mean air temperature. It was not possible to calibrate rainfall data due to high spatial variability of surface data measured by meteo ground stations / Doutorado / Planejamento e Desenvolvimento Rural Sustentável / Doutor em Engenharia Agrícola

D.Litt. et Phil. (Geography) / The aim of this study is to integrate LANDSAT multispectral digital data with agricultural statistics, to analyse, explain and forecast the spatial variation of crop production in the Vermaas development area (south of Lichtenburg, Western Transvaal). This aim answers the urgent need for a reliable agricultural data base that can be quickly and cheaply obtained and used for the timely planning of an environment's limited agricultural resources. With such a data base available, early decisions about imports and exports can be taken in connection with the expected agricultural commodities of an area: the year-to-year fluctuation in crop yields is still the main problem in relation to the overall planning of agricultural food production. The study has been conducted according to two main analytical phases, i.e. (i) the interpretation of the data, which in turn was subdivided into: - the cartographic-analytical evaluation of the agricultural information, and - the recognition of rural land-use patterns from LANDSAT digital data. (i i) the integration process. The LANDSAT land-use information was integrated with the observed agricultural statistics with the aid of two integration models: an empirical and an operational model. The data for the research consisted of the multispectral digital data of LANDSAT-l and available agricultural statistics. The LANDSAT data was acquired from the Satellite Remote Sensing Centre at Hartbeeshoek, while the agricultural data was obtained from the Department of Agriculture (Highveld Region) and other official soures. These analytical phases were conducted at the computer centres of the CSIR and RAU. Existing computer programme packages were used - the VICAR system for pattern recognition, and the BMD and SYMAP systems for the analytical evaluation of the agricultural information and for the implementation of the integration models. The following results were obtained: 3.1 The integration of the LANDSAT information with the agricultural statistics was reasonably successful. The success of any study of this nature can be ascertained from the accuracy with which the necessary information is derived from the LANDSAT multispectral digital data. 3.2 This analysis highl ighted the cultivated area as a major factor for consideration. The type of crop and the area covered by it are the two most important sets of information that can be obtained from the LANDSAT data and used in an integration model. 3.3 The results (predicted crop yields) that were obtained from the integration process could probably be improved, if the detrimental influence of collinearity, which existed between some of the agricultural variables, was el iminated. 3.4 The identification of different crops from the LANDSAT digital data was not possible - a fact which can be attributed to the lack of a crop calendar for this farming area. Besides the above-mentioned results, the following can also be listed: 4.1 The spatial variation In maize production was well analysed in terms of the integration results, In spite of the fact that the accuracy of the agricultural statistics was, in certain cases, questionable. 4.2 The important influence of time upon the spatial variation in crop production could not be implicated, because of the one point in time consideration of this study. 4.3 Only the agricultural variables that were directly related to farm area could be used as input data for this study. 4.4 The potential usefulness of the LANDSAT digital data as geographical information is mainly determined by its quality (cloudcover, resolution, etc.). 4.5 The application of multispectral digital data depends on certain specific techniques, with which the researcher must acquaint himself for a successful and useful interpretation of the digital data.

Orientadores: Hilton Silveira Pinto / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-06T12:47:03Z (GMT). No. of bitstreams: 1 Pellegrino_GiampaoloQueiroz_D.pdf: 2312266 bytes, checksum: 34a16f3f5f7f7b5e8411dd4e26a5f12b (MD5) Previous issue date: 2006 / Resumo: Este trabalho foi desenvolvido na região de Guariba-SP e teve como objetivo principal acompanhar o desenvolvimento fenológico da cana-de-açúcar (Saccharum spp), através de medidas de campo e do uso do satélite meteorológico NOAA14/AVHRR (National Oceanic and Atmospheric Administration/ Advanced Very High Resolution Radiometer), para a obtenção de dados para a utilização em modelos matemáticos de crescimento e de estimativa de Produção. Para atingir esse objetivo estabeleceram-se alguns passos intermediários: definir modelos de crescimento para os ciclos estudados e correlações entre parâmetros biofísicos da cultura, principalmente entre Índice de Área Foliar e Massa Seca; avaliar a correlação dos dados espectrais de campo com o Índice de Área Foliar e com a Produção de Massa Seca; e após a correção geométrica e atmosférica das imagens orbitais produzidas pelos satélites NOAA, em condições tropicais, avaliar a correlação dos dados espectrais orbitais com o Índice de Área Foliar e com a Produção de Massa Seca. As atividades de campo foram desenvolvidas na Usina São Martinho (21º 24¿ 7,0¿ S, 48º 08¿ 26,5¿ O), no município de Guariba, com o apoio do Centro de Tecnologia da Copersucar. Simultaneamente às passagens dos satélites, foram feitas medidas in situ de parâmetros meteorológicos e radiométricos da cultura. Visando a caracterização agronômica e o acompanhamento do desenvolvimento vegetal da cultura, foram medidas também as Massas Fresca e Seca dos Colmos e Folhas, além da estimativa da Área Foliar. Esses parâmetros foram utilizados em análises de regressão para a obtenção de modelos de crescimento e de estimativa da Produção de Massa Seca, ou Fitomassa da cultura, sendo relacionados aos dados espectrais de campo e do satélite NOAA14/AVHRR. A hipótese básica é que ciclos futuros da cultura podem ser acompanhados sem a necessidade de um grande número de visitas ao campo, concentrando-se, principalmente, no monitoramento por meio das imagens NOAA, através da determinação de Índices de Vegetação Orbitais. Foram realizados processamentos das imagens obtidas durante o período de coleta de dados no campo. Esses processamentos incluíram tanto a correção dos valores orbitais, devido aos efeitos atmosféricos, quanto a correção geométrica ou georreferenciamento das imagens. Os parâmetros Índice de Área Foliar e Produção de Massa Seca foram correlacionados entre si e com os Índices de Vegetação de Campo e Orbitais por meio de métodos estatísticos de regressão, para estabelecimento das associações possíveis entre eles. Todos os ajustes de curvas aos dados de crescimento da cultura, ou seja, Índice de Área Foliar e Massa Seca, estimativa da Produção Instantânea e da Produção Final, apresentaram Coeficientes de Determinação acima de 0,90. Regressões lineares múltiplas correlacionando Massa Seca dos Colmos a Índices de Vegetação e Dias Após o Corte apresentaram Coeficientes de Determinação em torno de 0,83 e de 0,95, respectivamente, para os dados de campo e orbitais / Abstract: This work was carried out at Guariba-SP region. The main objective was to monitor the phonology of sugar cane (Saccharum spp), using field measures and images from the meteorological satellite NOAA14/AVHRR (National Oceanic and Atmospheric Administration/ Advanced Very High Resolution Radiometer), to obtain data for utilization in crop growing models and yield estimation. To reach this objective some intermediate steps were established: to determine crop growing models and the correlation between culture biophysical parameters, mainly for Leaf Area Index and Dry Matter; to evaluate the correlation between crop spectral data and Leaf Area Index or Dry Matter Production; and to evaluate the correlation between orbital spectral data and Leaf Area Index or Dry Matter Production after making the geometric and atmospheric correction for NOAA14/AVHRR in tropical condition. These field experiments were carried out in "Usina São Martinho" (21º 24¿ 7,0¿ S, 48º 08¿ 26,5¿ W), Guariba, São Paulo State, Brazil, with the support of Copersucar Technological Center. Simultaneously with the satellite passes, meteorological and radiometric field measurements were taken, over the sugar cane plantation. To obtain the agronomic characterization and to monitor the plant growth, Fresh and Dry Matter from the Steam and the Leaves were also measured. These parameters were used for regression analyses to obtain growing and phytomass models that were related to spectral data from the field and from the satellite NOAA14/AVHRR. The basic hypotheses is that the growing season can be monitored without the necessity of a great number of field samplings and based on NOAA images mainly, through the determination of Orbital Vegetation Indices. Image processing was made during the field-sampling period. This procedure includes the correction of atmospheric and geometric effects. Leaf Area Index and Dry Matter Production were correlated one to another and to Field and Orbital Vegetation Index by means of regression statistical methods to determine the association between them. All curve models for the sugarcane growing data, i.e., Leaf Area Index and Dry Matter Production, instantaneous Yield estimation, and season Yield, presented R2 above 0.90. Multiple Linear Regression correlating Dry Matter values to Vegetation Indexes and Growing Days presented R2 around 0.83 and 0.90 for field and orbital data, respectively / Doutorado / Agua e Solo / Doutor em Engenharia Agrícola