Devido às características geopolíticas do Brasil, a obtenção de estimativas agrícolas confiáveis é de fundamental importância para o país proporcionando a manutenção do equilíbrio entre oferta e demanda na cadeia produtiva de alimentos. Os Estados do Mato Grosso e Rio Grande do Sul são dois grandes produtores de soja no Brasil, ocupando a primeira e a terceira posição respectivamente, e apresentam características climáticas e ecoregionais bem diferenciadas. Tipicamente, dados de imagens dos satélites Terra do programa EOS-MODIS (Earth Observing System- Moderate Resolution Imaging Spectroradiometer), e dos satélites NOAA (National Oceanic and Atmospheric Administration) têm sido utilizadas em aplicações do monitoramento do ciclo de desenvolvimento das culturas e estimativa da produção agrícola. Em busca da estruturação de modelos de caráter prognóstico, inteiramente baseados em dados de sensoriamento remoto, este estudo visa explorar a combinação entre o EVI (Enhanced Vegetation Index - ou Índice de vegetação realçado), produto MOD13Q1-V005 e a LST (Land Surface Temperature – ou Temperatura da Superfície Terrestre), produto MYD11A2-V005 na estimativa da produtividade da soja. Nesse sentido, o objetivo nesta Tese foi aprofundar o conhecimento sobre os efeitos conjugados do estresse hídrico e da ocorrência de temperaturas elevadas no dossel da vegetação como contribuição ao avanço dos modelos espectrais de estimativa da produção. A abordagem inicial foi desenvolver um modelo espectral acoplado CM (Coupled Model) a partir do MCDA (MODIS Crop Detection Algorithm – ou Algoritmo de Detecção de Área Agrícola por MODIS) e do MPDM (MODIS Productivity Detection Model – ou Modelo de Detecção de Produtividade da Soja por MODIS), que utilizam apenas dados EVI como variáveis de entrada. Os resultados do modelo acoplado de estimativa da produção foram comparados com dados provenientes do IBGE (Instituto Brasileiro de Geografia e Estatística) e de precipitação ocorrida proveniente do INMET (Instituto Nacional de Meteorologia), entre 2001 e 2011 para os Estados do Mato Grosso e Rio Grande do Sul. Os dois Estados apresentaram tendências semelhantes com aderência aos dados oficiais em nível estadual e municipal. Para o Mato Grosso o modelo acoplado CM, obteve estimativas de R2=0,96 e RMSD=47.878 toneladas em nível municipal. Testes de validação adicionais foram realizados na safra 2006, utilizando dados de campo, em que se obteve R2=0,88 e RMSD=104 toneladas. Para o Rio Grande do Sul foi obtido R2=0,91 e RMSD=10.841 toneladas em nível municipal. Na análise da relação entre LST sobre o dossel da vegetação agrícola e produtividade, Mato Grosso e Rio Grande do Sul apresentaram respostas divergentes. O Mato Grosso apresentou uma relação matemática direta entre LST-dossel e produtividade, com R2=0,60 e RMSD=6,2%. No Rio Grande do Sul foi observado uma relação matemática inversa, com R2=0,73 e RMSD=17,8%. Os resultados mostram que a quantidade da precipitação acumulada, no período da safra de verão, desempenha papel fundamental na manutenção do equilíbrio da demanda evaporativa quando ocorrem temperaturas elevadas sobre o dossel da vegetação. / Reliable agricultural estimates are important for most countries, and crucial for Brazil, due to its geopolitical characteristics derived from a vast territory. Good estimates ensure a balance between offer and needs inside the food chain production. The States of Mato Grosso and Rio Grande do Sul are large soybean producers, ranking first and third respectively in Brazil, and present quite different climatic and ecological characteristics. As an alternative to conventional estimation methods, soybean crops have been monitored and grain production estimated using Remote Sensing data with sources as EOS-MODIS (Earth Observing System-Moderate Resolution Imaging Spectroradiometer) from Terra satellite and also from the NOAA (National Oceanic and Atmospheric Administration) satellites. This work aimed to the development of forecasting models completely based in Remote Sensing data, by integrating information on EVI (Enhanced Vegetation Index), product MOD13Q1-V005, and LST (Land Surface Temperature), produto MYD11A2-V005, to estimates of soybean yield. More precisely, the objective of this work was to advance the knowledge on the superposed effects of water stress and high temperatures on the vegetation canopy, as a contribution to the development of spectral models for production estimates. The starting approach was to develop a coupled spectral model (CM - Coupled Model), from the MCDA (MODIS Crop Detection Algorithm) and from the MPDM (MODIS Productivity Detection Model), which use only EVI data as input variables. The production estimates, as results of this Coupled Model, were compared with similar data from IBGE (Instituto Brasileiro de Geografia e Estatística) and matched with records on precipitation from INMET (Instituto Nacional de Meteorologia) between 2001 and 2011 for Mato Grosso and Rio Grande do Sul States. For both States the application of the coupled model produced results close to the official data at state and county levels. For Mato Grosso, correlations of CM with official data were R2=0.96 and RMSD=47,878 metric tons at county level. Additional validation tests were performed for the 2006 crop, using field data, producing R2=0.88 and RMSD=104 metric tons. For Rio Grande do Sul results were R2=0.91 and RMSD=10,841 metric tons at municipality level. In the analysis on the relationship between canopy LST and yield, Mato Grosso and Rio Grande do Sul presented opposite results. Mato Grosso showed a direct mathematical correlation between canopy LST and yield, with R2=0.60 and RMSD=6.2%. For Rio Grande do Sul an inverse mathematical expression was derived, with R2=0.73 and RMSD=17.8%. These results show that the accumulated precipitation during the summer crops is crucial to maintain a balance of the evaporative demand when the vegetation canopy is exposed to high temperatures.

Devido às características geopolíticas do Brasil, a obtenção de estimativas agrícolas confiáveis é de fundamental importância para o país proporcionando a manutenção do equilíbrio entre oferta e demanda na cadeia produtiva de alimentos. Os Estados do Mato Grosso e Rio Grande do Sul são dois grandes produtores de soja no Brasil, ocupando a primeira e a terceira posição respectivamente, e apresentam características climáticas e ecoregionais bem diferenciadas. Tipicamente, dados de imagens dos satélites Terra do programa EOS-MODIS (Earth Observing System- Moderate Resolution Imaging Spectroradiometer), e dos satélites NOAA (National Oceanic and Atmospheric Administration) têm sido utilizadas em aplicações do monitoramento do ciclo de desenvolvimento das culturas e estimativa da produção agrícola. Em busca da estruturação de modelos de caráter prognóstico, inteiramente baseados em dados de sensoriamento remoto, este estudo visa explorar a combinação entre o EVI (Enhanced Vegetation Index - ou Índice de vegetação realçado), produto MOD13Q1-V005 e a LST (Land Surface Temperature – ou Temperatura da Superfície Terrestre), produto MYD11A2-V005 na estimativa da produtividade da soja. Nesse sentido, o objetivo nesta Tese foi aprofundar o conhecimento sobre os efeitos conjugados do estresse hídrico e da ocorrência de temperaturas elevadas no dossel da vegetação como contribuição ao avanço dos modelos espectrais de estimativa da produção. A abordagem inicial foi desenvolver um modelo espectral acoplado CM (Coupled Model) a partir do MCDA (MODIS Crop Detection Algorithm – ou Algoritmo de Detecção de Área Agrícola por MODIS) e do MPDM (MODIS Productivity Detection Model – ou Modelo de Detecção de Produtividade da Soja por MODIS), que utilizam apenas dados EVI como variáveis de entrada. Os resultados do modelo acoplado de estimativa da produção foram comparados com dados provenientes do IBGE (Instituto Brasileiro de Geografia e Estatística) e de precipitação ocorrida proveniente do INMET (Instituto Nacional de Meteorologia), entre 2001 e 2011 para os Estados do Mato Grosso e Rio Grande do Sul. Os dois Estados apresentaram tendências semelhantes com aderência aos dados oficiais em nível estadual e municipal. Para o Mato Grosso o modelo acoplado CM, obteve estimativas de R2=0,96 e RMSD=47.878 toneladas em nível municipal. Testes de validação adicionais foram realizados na safra 2006, utilizando dados de campo, em que se obteve R2=0,88 e RMSD=104 toneladas. Para o Rio Grande do Sul foi obtido R2=0,91 e RMSD=10.841 toneladas em nível municipal. Na análise da relação entre LST sobre o dossel da vegetação agrícola e produtividade, Mato Grosso e Rio Grande do Sul apresentaram respostas divergentes. O Mato Grosso apresentou uma relação matemática direta entre LST-dossel e produtividade, com R2=0,60 e RMSD=6,2%. No Rio Grande do Sul foi observado uma relação matemática inversa, com R2=0,73 e RMSD=17,8%. Os resultados mostram que a quantidade da precipitação acumulada, no período da safra de verão, desempenha papel fundamental na manutenção do equilíbrio da demanda evaporativa quando ocorrem temperaturas elevadas sobre o dossel da vegetação. / Reliable agricultural estimates are important for most countries, and crucial for Brazil, due to its geopolitical characteristics derived from a vast territory. Good estimates ensure a balance between offer and needs inside the food chain production. The States of Mato Grosso and Rio Grande do Sul are large soybean producers, ranking first and third respectively in Brazil, and present quite different climatic and ecological characteristics. As an alternative to conventional estimation methods, soybean crops have been monitored and grain production estimated using Remote Sensing data with sources as EOS-MODIS (Earth Observing System-Moderate Resolution Imaging Spectroradiometer) from Terra satellite and also from the NOAA (National Oceanic and Atmospheric Administration) satellites. This work aimed to the development of forecasting models completely based in Remote Sensing data, by integrating information on EVI (Enhanced Vegetation Index), product MOD13Q1-V005, and LST (Land Surface Temperature), produto MYD11A2-V005, to estimates of soybean yield. More precisely, the objective of this work was to advance the knowledge on the superposed effects of water stress and high temperatures on the vegetation canopy, as a contribution to the development of spectral models for production estimates. The starting approach was to develop a coupled spectral model (CM - Coupled Model), from the MCDA (MODIS Crop Detection Algorithm) and from the MPDM (MODIS Productivity Detection Model), which use only EVI data as input variables. The production estimates, as results of this Coupled Model, were compared with similar data from IBGE (Instituto Brasileiro de Geografia e Estatística) and matched with records on precipitation from INMET (Instituto Nacional de Meteorologia) between 2001 and 2011 for Mato Grosso and Rio Grande do Sul States. For both States the application of the coupled model produced results close to the official data at state and county levels. For Mato Grosso, correlations of CM with official data were R2=0.96 and RMSD=47,878 metric tons at county level. Additional validation tests were performed for the 2006 crop, using field data, producing R2=0.88 and RMSD=104 metric tons. For Rio Grande do Sul results were R2=0.91 and RMSD=10,841 metric tons at municipality level. In the analysis on the relationship between canopy LST and yield, Mato Grosso and Rio Grande do Sul presented opposite results. Mato Grosso showed a direct mathematical correlation between canopy LST and yield, with R2=0.60 and RMSD=6.2%. For Rio Grande do Sul an inverse mathematical expression was derived, with R2=0.73 and RMSD=17.8%. These results show that the accumulated precipitation during the summer crops is crucial to maintain a balance of the evaporative demand when the vegetation canopy is exposed to high temperatures.

Devido às características geopolíticas do Brasil, a obtenção de estimativas agrícolas confiáveis é de fundamental importância para o país proporcionando a manutenção do equilíbrio entre oferta e demanda na cadeia produtiva de alimentos. Os Estados do Mato Grosso e Rio Grande do Sul são dois grandes produtores de soja no Brasil, ocupando a primeira e a terceira posição respectivamente, e apresentam características climáticas e ecoregionais bem diferenciadas. Tipicamente, dados de imagens dos satélites Terra do programa EOS-MODIS (Earth Observing System- Moderate Resolution Imaging Spectroradiometer), e dos satélites NOAA (National Oceanic and Atmospheric Administration) têm sido utilizadas em aplicações do monitoramento do ciclo de desenvolvimento das culturas e estimativa da produção agrícola. Em busca da estruturação de modelos de caráter prognóstico, inteiramente baseados em dados de sensoriamento remoto, este estudo visa explorar a combinação entre o EVI (Enhanced Vegetation Index - ou Índice de vegetação realçado), produto MOD13Q1-V005 e a LST (Land Surface Temperature – ou Temperatura da Superfície Terrestre), produto MYD11A2-V005 na estimativa da produtividade da soja. Nesse sentido, o objetivo nesta Tese foi aprofundar o conhecimento sobre os efeitos conjugados do estresse hídrico e da ocorrência de temperaturas elevadas no dossel da vegetação como contribuição ao avanço dos modelos espectrais de estimativa da produção. A abordagem inicial foi desenvolver um modelo espectral acoplado CM (Coupled Model) a partir do MCDA (MODIS Crop Detection Algorithm – ou Algoritmo de Detecção de Área Agrícola por MODIS) e do MPDM (MODIS Productivity Detection Model – ou Modelo de Detecção de Produtividade da Soja por MODIS), que utilizam apenas dados EVI como variáveis de entrada. Os resultados do modelo acoplado de estimativa da produção foram comparados com dados provenientes do IBGE (Instituto Brasileiro de Geografia e Estatística) e de precipitação ocorrida proveniente do INMET (Instituto Nacional de Meteorologia), entre 2001 e 2011 para os Estados do Mato Grosso e Rio Grande do Sul. Os dois Estados apresentaram tendências semelhantes com aderência aos dados oficiais em nível estadual e municipal. Para o Mato Grosso o modelo acoplado CM, obteve estimativas de R2=0,96 e RMSD=47.878 toneladas em nível municipal. Testes de validação adicionais foram realizados na safra 2006, utilizando dados de campo, em que se obteve R2=0,88 e RMSD=104 toneladas. Para o Rio Grande do Sul foi obtido R2=0,91 e RMSD=10.841 toneladas em nível municipal. Na análise da relação entre LST sobre o dossel da vegetação agrícola e produtividade, Mato Grosso e Rio Grande do Sul apresentaram respostas divergentes. O Mato Grosso apresentou uma relação matemática direta entre LST-dossel e produtividade, com R2=0,60 e RMSD=6,2%. No Rio Grande do Sul foi observado uma relação matemática inversa, com R2=0,73 e RMSD=17,8%. Os resultados mostram que a quantidade da precipitação acumulada, no período da safra de verão, desempenha papel fundamental na manutenção do equilíbrio da demanda evaporativa quando ocorrem temperaturas elevadas sobre o dossel da vegetação. / Reliable agricultural estimates are important for most countries, and crucial for Brazil, due to its geopolitical characteristics derived from a vast territory. Good estimates ensure a balance between offer and needs inside the food chain production. The States of Mato Grosso and Rio Grande do Sul are large soybean producers, ranking first and third respectively in Brazil, and present quite different climatic and ecological characteristics. As an alternative to conventional estimation methods, soybean crops have been monitored and grain production estimated using Remote Sensing data with sources as EOS-MODIS (Earth Observing System-Moderate Resolution Imaging Spectroradiometer) from Terra satellite and also from the NOAA (National Oceanic and Atmospheric Administration) satellites. This work aimed to the development of forecasting models completely based in Remote Sensing data, by integrating information on EVI (Enhanced Vegetation Index), product MOD13Q1-V005, and LST (Land Surface Temperature), produto MYD11A2-V005, to estimates of soybean yield. More precisely, the objective of this work was to advance the knowledge on the superposed effects of water stress and high temperatures on the vegetation canopy, as a contribution to the development of spectral models for production estimates. The starting approach was to develop a coupled spectral model (CM - Coupled Model), from the MCDA (MODIS Crop Detection Algorithm) and from the MPDM (MODIS Productivity Detection Model), which use only EVI data as input variables. The production estimates, as results of this Coupled Model, were compared with similar data from IBGE (Instituto Brasileiro de Geografia e Estatística) and matched with records on precipitation from INMET (Instituto Nacional de Meteorologia) between 2001 and 2011 for Mato Grosso and Rio Grande do Sul States. For both States the application of the coupled model produced results close to the official data at state and county levels. For Mato Grosso, correlations of CM with official data were R2=0.96 and RMSD=47,878 metric tons at county level. Additional validation tests were performed for the 2006 crop, using field data, producing R2=0.88 and RMSD=104 metric tons. For Rio Grande do Sul results were R2=0.91 and RMSD=10,841 metric tons at municipality level. In the analysis on the relationship between canopy LST and yield, Mato Grosso and Rio Grande do Sul presented opposite results. Mato Grosso showed a direct mathematical correlation between canopy LST and yield, with R2=0.60 and RMSD=6.2%. For Rio Grande do Sul an inverse mathematical expression was derived, with R2=0.73 and RMSD=17.8%. These results show that the accumulated precipitation during the summer crops is crucial to maintain a balance of the evaporative demand when the vegetation canopy is exposed to high temperatures.