Drones e os índices vegetativos para agricultura de precisão

Ad Blocker Detectado

O nosso site está online graça à exibição de anúncios para os nossos visitantes. Apoie esta nova indústria desativando o seu bloqueador de anúncios Ad Blocker.

Modernos sensores embarcados em drones possibilitam rapidez e eficiência na gestão de lavouras agrícolas

Pesquisa recente realizada pela BIS Research, prevê que o mercado global de agricultura de precisão para hardware (dispositivos GNSS/GPS, sensores, câmeras e displays) e  sistemas e serviços de gestão associados chegue a US $ 7,6 bilhões até 2022, crescendo a uma taxa anual de 12,7% entre 2016 e 2022.

A agricultura de precisão é um conceito de gestão agrícola, baseado na observação, medição e resposta à variabilidade espacial e temporal assim como da produção e dos fatores nela envolvidos.

Técnicas que utilizam a reflexão vegetal como indicativo do estado fisiológico da cultura baseiam-se nas características ópticas das plantas, ou seja, a luz incidente na superfície vegetal é refletida principalmente conforme a composição química dos tecidos dessa planta, que pode ser alterada por diversos fatores, como nutrição, idade e doenças.

A luz solar, que é, ao mesmo tempo, uma forma de onda e uma forma de energia, denominada radiação eletromagnética (REM), é composta por diferentes comprimentos de onda (que podem ou não serem percebidos pelo olho humano) e cada comprimento de onda possui um comportamento particular em relação à superfície dos diferentes materiais. Esse comportamento pode ser medido quantitativamente com base na razão entre energia incidente (E – irradiância) e energia refletida (L – radiância).

Embora inicialmente essas medidas fossem obtidas a partir  de dados de satélites, os drones, atualmente vem dominando esta aplicação. Considerados como relativamente de baixo custo, tendo em  vista o todo  do agronegócio, esses equipamentos podem levar a bordo modernos sensores, capazes de ler diferentes comprimentos de onda.

De maneira geral, plantas saudáveis refletem fortemente nos comprimentos de onda do infravermelho próximo (NIR) e do verde e absorvem muita luz vermelha, mas quando a vegetação apresenta algum desequilíbrio ou quando há muito solo exposto, a luz visível é a mais refletida, enquanto o infravermelho próximo é o mais absorvido. Essa característica levou ao desenvolvimento de vários índices de vegetação, sendo o índice de vegetação por diferença normalizada (NDVI), baseado no RGB (Blue, Green, Red) e NIR; o mais antigo e também o mais utilizado. Esses índices são aplicados na geração de mapas diagnósticos.

Entretanto, os mapas devem atender a necessidade do produtor, ou seja, devem ser capazes de mostrar o que realmente é relevante para o cenário em estudo e por isso é tão importante a escolha do tipo de sensor a ser embarcado no drone. Existem hoje no mercado sensores que captam dados em bandas distintas do espectro eletromagnético vísivel (RGB/câmeras comuns) e do invisível (Red Edge, Near-Infrared, Thermal infrared), de forma precisa, para serem usados em diferentes aplicações de sensoriamento remoto.

Em agricultura, dados com diferentes comprimentos de onda podem ser empregados no monitoramento da lavoura por apresentarem características de reposta diferenciada. Mapas gerados com RGB são utilizados principalmente para inspeção visual, modelos de elevação e contagem de plantas. Enquanto que sensores que captam no comprimento de onda NIR, são os mais apropriados para avaliar as propriedades do solo, análises de umidade, saúde da cultura/análise de estresse, manejo de água, monitoramento de erosão e também para contagem de plantas.

A vantagem de se ter mapas em NIR, em relação a mapas em RGB, é que estes são capazes de mostrar de forma mais detalhada  a performance e o vigor da cultura. Plantas frequentemente apresentam resposta a danos ou doenças em imagem NIR antes da mesma resposta estar visível com uma imagem colorida. Nas imagens abaixo, a mesma área é mostrada em RGB  e em NIR, respectivamente.

Imagem em RGB, mostrando em detalhes áreas alagadas , falhas de plantio e/ou elevações de terra. (Fonte: https://www.extension.iastate.edu/)

 

Imagem em NIR, destacando plantas sob estresse hídrico. (Fonte: https://www.extension.iastate.edu/)

A análise de dados com comprimentos de onda fora do espectro visível, especialmente NIR e red-edge, ou a aplicação de índices que resultam da interação de mais de um comprimento de onda, permitem uma rápida detecção de problemas na lavoura, antes mesmo que estes possam ser visíveis a olho nu, promovendo assim a possibilidade de um intervenção mais rápida e muitas vezes localizada, o que poderá se refletir em redução de custo e de perdas de produção.

A tecnologia dos drones e o sensoriamento remoto caminham juntos para uma agricultura cada vez mais precisa e sustentável.

Se você encontrou um erro de ortografia, notifique-nos por favor, selecionando o texto e pressionando Ctrl + Enter.

Fabíola Gonçalves

Fabíola Gonçalves

Fabíola é Engenheira Agrônoma (CREA/RJ 2017105731) com doutorado em ciências pela Universidade Federal Rural do Rio de Janeiro. Foi premiada pelo Conselho Regional de Engenharia e Agronomia do Rio de Janeiro (CREA-RJ) pelas pesquisas realizadas ao longo do seu mestrado. Possui especialização em Gestão Ambiental pelo Instituto Federal do Rio de Janeiro. Devido aos seus conhecimentos em fundamentos e aplicações do sensoriamento remoto e de processamento digital de imagens via satélite adquiridos durante o mestrado, ela tem se dedicado cada vez mais em buscar soluções utilizando dados oriundos dos Drones/RPAs/VANTs.
Fabíola Gonçalves

Receba nossas atualizações

Assine a nossa newsletter e receba conteúdos interessantes e atualizações direto no seu e-mail

Comentários

Relatório de erros de ortografia

O texto a seguir será enviado para nossos editores: