Return to search

Delimitação de zonas de manejo utilizando imagens orbitais e sua relação com mapas de produtividade / Delineation of management zones using orbital images and its relation with yield maps

Submitted by MARCOS LEANDRO TEIXEIRA DE OLIVEIRA (marcosteixeira@ufv.br) on 2018-10-08T14:20:42Z
No. of bitstreams: 1
texto completo.pdf: 3346362 bytes, checksum: 10fdb7815275e41c1f976e4a1c46fc7b (MD5) / Made available in DSpace on 2018-10-08T14:20:42Z (GMT). No. of bitstreams: 1
texto completo.pdf: 3346362 bytes, checksum: 10fdb7815275e41c1f976e4a1c46fc7b (MD5)
Previous issue date: 2018-03-12 / A agricultura brasileira enfrenta o grande desafio de disseminação de tecnologias e seus usos apropriados para continuar aumentando a produtividade e conservar recursos. Para melhorar a eficiência dos sistemas de produção agrícola, a agricultura de precisão pressupõe que os campos e as culturas não são uniformes. Assim é necessário avaliar as variabilidades espaciais e temporais dos fatores de produção para otimizar a dosagem de insumos visando o retorno financeiro. Sendo assim, o objetivo deste trabalho foi explorar a utilização de imagens orbitais de média resolução para estimar a variabilidade espacial da produtividade de soja, delimitando zonas de manejo utilizando índices de vegetação provenientes de imagens orbitais e mapas de produtividade. A área de estudo possui área de 95 hectares e está localizada em uma fazenda situada no município de Iepê no estado de São Paulo. Foram utilizados dados de produtividade adquiridos de monitores instalados em duas máquinas colhedoras. Os dados são referentes as safras de 2015/2016 e 2016/2017 do cultivo de soja. Foi estabelecido um procedimento para filtragem dos dados de produtividade que consiste em três etapas: a primeira é a remoção de dados com valores fora da realidade utilizando limiares de produtividade de soja. A segunda etapa é a remoção de dados discrepantes globais, que foram identificados utilizando os limiares de 2,5 desvio padrão ± média. Os pontos localizados fora destes limiares foram submetidos a um filtro local e removidos quando diferiram em 25% da média dos vizinhos. Na terceira etapa foi implementado o índice de Moran para remoção dos discrepantes locais. O processamento dos dados permitiu a remoção de discrepantes elevando a qualidade dos mapas de produtividade, removendo um percentual de pontos 5,9% e 6,8% do conjunto de dados de cada safra. Os dados de produtividade filtrados foram interpolados pelo método de krigagem por blocos utilizando variogramas locais. Os mapas de produtividade obtidos da interpolação foram utilizados nas análises de correlação entre seis índices de vegetação e também foram utilizados para delinear zonas de manejo. As imagens orbitais foram adquiridas em duas datas para cada safra, e assim foram gerados índices de vegetação. A correlação espacial dos índices de vegetação foi obtida com o índice de Moran bivariado. Para isso, foram retiradas 30 amostras de 50 pontos aleatórios, com o objetivo de evitar interpretação errônea do p- valor. Foram utilizados os índices de vegetação com correlação espacial significativa com a produtividade, assim permitindo agregar informações para delineamento de zonas de manejo. As zonas de manejo delineadas foram comparadas com as zonas de manejo obtidas de mapas de produtividade utilizando o índice Kappa. Os índices de vegetação estudados foram capazes de inferir as diferenças na variabilidade da soja, e assim podem ser utilizados para delinear zonas de manejo. Classes de manejo delineadas com o NDVI (Índice de Vegetação da Diferença Normalizada) apresentaram valores similares de Kappa aos obtidos pela combinação de índices. No entanto, é provável que a saturação do NDVI afete os resultados obtidos pelo índice no meio do ciclo do cultivo. Imagens orbitais de média resolução espacial podem ser utilizadas para detectar a variabilidade do cultivo de soja. A utilização de índices de ambas as datas, tende a apresentar valores do índice Kappa similares aos maiores valores observados em datas individualmente. Sendo uma fonte de informações de boa qualidade e baixo custo. Este estudo demonstrou que o grau de concordância com a variabilidade captada pelos mapas de produtividade varia de 5% a 67% dependendo do número de zonas delineadas. Os índices de vegetação MSR e GCVI obtidos no meio do ciclo da cultura foram significativos apenas em uma safra. Já os índices obtidos próximos a colheita, apenas o SIWSI apresentou correlação significativa para as duas safras analisadas. Este estudo demonstrou que o grau de concordância com a variabilidade captada pelos mapas de produtividade variou de 5% a 67% dependendo do número de zonas delineadas. Os maiores valores de Kappa foram observados quando a área foi delineada em até três zonas. / Brazilian agriculture faces the great challenge of disseminating technologies and their appropriate uses to continue to increase productivity and conserve resources. To improve the efficiency of agricultural production systems, precision agriculture assumes that fields and crops are not uniform. Thus, it is necessary to evaluate the spatial and temporal variability of the factors of production to optimize the input dosage aiming financial returns. The objective of this work was to develop a low cost system for the delimitation of management zones using yield maps and vegetation indices from orbital images. The study area covers an area of 95 hectares and is located at a farm situated in the municipality of Iepê in the state of São Paulo. Yield data acquired from monitor installed on a combine harvester were used. Data refer to the 2015/2016 and 2016/2017 soybean crop seasons. A filtering procedure has been established that consists of three steps: the first step is the removal of data with values out of reality using soybean yield thresholds. The second step is the removal of global discrepant data, which were identified using the mean ± 2.5 standard deviation thresholds. The points located from these thresholds were submitted to a local filter and removed when they differed by 25% from the median of the neighbors. In the third step Moran index was implemented to remove the local discrepancies. The processing allowed the removal of discrepant data improving the quality of the yield maps, the percentage of removed points were 5.9% and 6.8% of the data set of each crop season. The filtered yield data were interpolated by the block kriging method using local variograms. The yield maps obtained from the interpolation were used in the spatial correlation analysis between vegetation indexes and were also used to delineate management zones. The orbital images were acquired in two dates for each crop season, and thus vegetation indices were generated. Spatial correlation of vegetation indices was obtained with the bivariate Moran index. For this, 30 samples of 50 random points were taken, in order to avoid erroneous interpretation of the p-value. Vegetation indexes were used with significant spatial correlation with yield, thus allowing the addition of information for delineating of management areas. The delineated management zones were compared to the management zones obtained from yield maps using the Kappa index. The vegetation indices studied were able to infer the differences in soybean variability, and thus can be used to delineate management areas. Management classes delineated with the NDVI (Normalized Difference Vegetation Index) showed similar values of Kappa to those obtained by the index combination. However, saturation of NDVI is likely to affect the results obtained by the index in the middle of the crop cycle. Orbital images of medium spatial resolution can be used to detect the variability of the soybean crop. The use of indices from both dates tends to present Kappa index values similar to the higher values observed on individual dates. Orbital images are a source of quality and low cost information. The vegetation indexes MSR and GCVI obtained in the middle of the crop cycle were significant only in one crop. The indexes obtained near the harvest date, only the SIWSI showed a significant correlation for the two crop seasons analyzed. This study demonstrated that the degree of agreement with the variability captured by the productivity maps ranged from 5% to 67% depending on the number of delineated areas. The highest kappa values were observed when the area was delineated in up to three zones.

Identiferoai:union.ndltd.org:IBICT/oai:localhost:123456789/22196
Date12 March 2018
CreatorsZanella, Marco Antonio
ContributorsValente, Domingos Sárvio Magalhães, Pinto, Francisco de Assis de Carvalho, Santos, Nerilson Terra, Queiroz, Daniel Marçal de
PublisherUniversidade Federal de Viçosa
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.003 seconds