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