Aumentando a precisão e a produtividade nas lavouras usando sensoriamento remoto
Para os agricultores, o aumento do rendimento das culturas e a redução dos custos, minimizando impactos ambientais, é um desafio constante. Para alcançar esses objetivos, muitos gestores de fazenda estão procurando novas tecnologias para ajudá-los a decidir quando e onde irrigar, fertilizar, semear culturas e usar herbicidas. Usando dados coletados por satélites combinados com ambientes de SIG, fatores agrícolas importantes, como fitossanidade, cobertura vegetal e umidade do solo podem ser monitorados a partir do espaço e fornecer uma visão mais ampla da superfície terrestre que pode ser combinada com outras tecnologias como máquinas guiadas remotamente, para ajudar a reduzir custos e aumentar o rendimento das culturas.
O armazenamento a longo prazo de imagens da série Landsat, dados auxiliares locais (por exemplo, MDE / MDT, medições meteorológicas de estações meteorológicas terrestres, medições de fertilidade do solo, etc.) e dados de produção recolhidos no campo por agricultores e agrônomos apresentam uma nova oportunidade para os empresários e as partes interessadas da agricultura. Usando as técnicas apropriadas de fusão de dados e machine learning, esses conjuntos de dados podem permitir previsões de rendimento com maior precisão, resolução espacial e temporal. Por exemplo, ao utilizar diferentes tipos de representações de dados visuais (composições RGB, índices NDVI multi-temporais), um operador agrícola pode determinar as questões que afetam as suas culturas e aplicar soluções adequadas às áreas afetadas.
Especificamente, o monitoramento do rendimento de culturas depende principalmente de índices de vegetação, como o Índice de Vegetação da Diferença Normalizado (NDVI), Índice de Vegetação Avançado (AVI), Índice de Água da Diferença Normalizada (NDWI) para monitorar a fenologia das culturas. Ao examinar e analisar os dados multi-temporais dos índices NDVI, é possível monitorar o crescimento da vegetação, o status de fruto / semente e a maturidade de cada cultura.
De acordo com o gráfico abaixo, foi realizada uma análise multi-temporal do NDVI utilizando os produtos Landsat 8, para identificar as diferentes espécies de plantas e estudar suas características fenológicas em relação ao seu crescimento na região de Illinois, EUA. Podemos ver que a soja durante o período de verão está em seu maior crescimento, enquanto a terra em pousio está em seu menor crescimento. Pode também ser observado que é viável discriminar com precisão todos os tipos diferentes de culturas em pelo menos 3 períodos de tempo diferentes entre os intervalos de tempo de 05/2015 a 12/2015.
Fonte: SpaceAnalyzer
Um outro exemplo da utilização do sensoriamento remoto para o desenvolvimento da agricultura é o uso de dados Sentinel e índices NDVI para monitorar as mudanças anuais da produção agrícola e desenvolvimento e saúde da vegetação ilustrado abaixo. Especificamente, as zonas de cor verde têm maior robustes e volume de vegetação enquanto as zonas amarelas e vermelhas representam menos vegetação. Esta informação pode ser usada para tomar decisões de gestão sobre a aplicação de insumos como fertilizantes e fungicidas.
Fonte: Sentinel-hub
. Concluindo, o grande arquivo do programa Landsat (iniciado em 1984) nos permite realizar uma análise robusta de séries temporais e examinar a fenologia das culturas para diferenciar tipos de culturas específicas. Além disso, dados recentes de satélite como o Landsat 8 e o Sentinel 2, bem como de satélites de alta resolução nos dão a capacidade de fornecer estimativa em tempo real da saúde das colheitas, identificar sinais de estresse, monitorar o crescimento da vegetação e determinar as taxas reais de evaporação.
