Análise da pastagem por meio de imagens RGB obtidas com VANT
Palavras-chave:
agricultura de preicisão, índice de vegetaçãoSinopse
É evidente que as novas tecnologias têm contribuído para o avanço na agricultura. Tanto o uso de imagens de satélites, como de imagens obtidas com veículos não tripulados, seja com câmeras multiespectrais ou apenas o RGB (Red-Green-Blue/Vermelho-Verde-Azul)), auxiliam o produtor na tomada de decisão, principalmente associado aos índices de vegetação que foram desenvolvidos ao longo dos anos (Freire-Silva et al., 2019).
Há um uso crescente de veículos aéreos não tripulados (VANT) na agricultura, também conhecidos como plataformas aéreas remotamente pilotadas -RPAS (Remotely Piloted Aircraft System), popularmente os “drones” (Furquim et al., 2023). Dentre as aplicações na agricultura o monitoramento de pastagens é umas das possibilidades de uso, podendo ser utilizado para visualizar e entender os diferentes estágios de conservação que uma pastagem se encontra (Santos et al., 2018).
Assim, o uso de índices de vegetação para análise, monitoramento e interpretação da conservação da pastagem, obtidos de veículos não tripulados ou satélites orbitais, são uma ferramenta importante na agricultura. Para as imagens da faixa do visível, tem se utilizado o índice de vegetação, o GLI (Green Leaf Index), que se mostra sensível a coloração das plantas, falhas de plantio e identificação de áreas de vegetação saudável (Silva et al., 2022).
Referências
Batista, P. H. D., Almeida, G. L. P. De, Silva, J. L. B., Lins, F. A. C., Silva, M. V. Da, & Cordeiro Junior, J. J. F. (2020). Hydro-physical properties of soil and pasture vegetation coverage under animal trampling. Revista Brasileira de Engenharia Agrícola e Ambiental, 24(12), 854–860.
Campana, M., Valle, T.A.D., Fernandes, L.S., Pereira, F.R. Da S., Garcia, T.M., Osorio, J.A.C., Facco, F.B., & Morais, J.P.G. (2023). Aplicações Canopeo e GreenSeeker como ferramentas de apoio ao manejo de pastagens tropicais. Ciência Rural, 53(6,) e20220167.
Chedid, V., Cortez, J. W., & Arcoverde, S. N. S. (2024). Monitoring the vegetative state of coffee using vegetation indices. Engenharia Agrícola, 44, e20220212.
Ferreira, G. C. V., & Ferreira Neto, J. A. (2018). Usos de geoprocessamento na avaliação de degradação de pastagens no assentamento Ilha Do Coco, Nova Xavantina – Mato Grosso, Brasil. Revista Engenharia na Agricultura - REVENG, 26(2), 140–148.
Freire-Silva, J., Paz, Y. M., Lima-Silva, P. P., Pereira, J. A. S., & Candeias, A. L. B. (2019). Índices de vegetação do sensoriamento remoto para processamento de imagens na faixa do visível (RGB). Journal of Hyperespectral Remote Sensing, 9(4), 228-239.
Furquim, M. G. D., Nascimento, A. R., Costa, J. V. S., Ferreira, M. E., Corcioli, G., & Borges, L. C.. (2023). Plataformas aéreas remotamente pilotadas com câmera rgb para o mapeamento de viveiros comerciais de tomate de mesa. Mercator (Fortaleza), 22, e22001.
Gao, Q., Li, Y., Wan, Y., Lin, E. Xiong, W., Jiangcun, W., Wang, B., & Li, W. (2006). Grassland degradation in Northern Tibet based on remote sensing data. Journal of Geographical Sciences, 16(2), 165-173.
Gomes, F. P. (2000). Curso de estatística experimental. 13 ed. São Paulo: Nobel. 451p.
Hunt, E.R., Daughtry, C.S.T., Eitel, J.U.H., & Long, D.S. (2011). Remote sensing leaf chlorophyll content using a visible band index. Agronomy Journal, 103, 1090–1099.
Lourenço, V. R., Montenegro, A. A. De A., Carvalho, A. A. De., Sousa, L. De B. De., Almeida, T. A. B., Almeida, T. F. S. De., & Vilar, B. P. (2023). Spatial variability of biophysical multispectral indexes under heterogeneity and anisotropy for precision monitoring. Revista Brasileira de Engenharia Agrícola e Ambiental, 27(11), 848–857.
Qgis. (2023). QGIS Geographic Information System. QGIS Association. Acesso em: 11 de dezembro de 2023. Disponível em: http://www.qgis.org .
Rossi, M. Mapa pedológico do Estado de São Paulo: revisado e ampliado. São Paulo: Instituto Florestal. 2017. 188p.
Rouse, J.W. (1974). Monitoring the vernal advancementand etrogradation (green wave effect) of natural vegetation. TexaS A&M University Remote Sensing Center College Station Texas 77843. Type I Progress Report-Number 7.
Santos, E. P., Jesus, T. B., Carneiro, A. S. R., Santos, R. L., & Santos, R. A. (2018). Imagens Sentinel-2A e Espectrorradiometria Aplicada a Estudo de Pastagens Degradadas. Anuário do Instituto de Geociências, 41, 141-151.
Sentinel Hub. (2022). EO Browser. Disponível em: https://apps.sentinel-hub.com/eo-browser/ . Acesso em 27 de janeiro de 2022.
Simas, G. H. N., Fiedler, S., & Cortez, J. W. (2023). Uso de imagens aéreas com drones para identificação de falhas no estabelecimento da soja. In: Inovações em pesquisas agrárias e ambientais - Volume I / Organizadores: Alan Mario Zuffo, Jorge González Aguilera. – Nova Xavantina, MT: Pantanal Editora. 06-15p.
Silva, M. H. Da, Elias, A. R., & Rosário, L. L. do. (2022). Análise da cultura da soja a partir de índices de vegetação (ExG – GLI – TGI – VEG) advindos de imagens RGB obtidas com ARP. R. bras. Geom., 10(2), 140-154.
Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8, 127-150.
Downloads
Próximo
31 May 2024
Copyright (c) 2024 Pantanal Editora
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Detalhes sobre essa publicação
ISBN-13 (15)
978-65-85756-31-0
Como Citar
Análise da pastagem por meio de imagens RGB obtidas com VANT: Vol. Capítulo 1, Inovações em pesquisas agrárias e ambientais: Volume 3. (2024). Pantanal Editora. https://doi.org/10.46420/9786585756310cap1
