Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Lemos, Gabriel da Silva |
| Orientador(a): |
Rizzi, Rodrigo |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pelotas
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Manejo e Conservação do Solo e da Água
|
| Departamento: |
Faculdade de Agronomia Eliseu Maciel
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://guaiaca.ufpel.edu.br/handle/prefix/9106
|
Resumo: |
A grande expansão da soja no estado do Rio Grande do Sul (RS) demanda informações atualizadas sobre a produtividade da cultura e a extensão dos danos meteorológicos ocorridos ao longo da safra. Os modelos matemáticos de estimativa da produtividade baseados na resposta das culturas aos fatores meteorológicos são uma importante ferramenta na obtenção dessas informações. Entretanto, sua utilização sobre grandes regiões é dificultada pela pouca disponibilidade de dados meteorológicos, função da distribuição esparsa das estações de medição para boa parte do território nacional. Assim, este trabalho objetivou testar um modelo de monitoramento e estimativa da produtividade agrícola da soja para o RS em um Sistema de Informações Geográficas (SIG), a partir de dados meteorológicos e espectrais obtidos majoritariamente através de sensores orbitais. Utilizou-se o modelo de Doorenbos e Kassam (1979) com dados de precipitação estimados pelo sistema Global Precipitation Measurement (GPM), de umidade relativa do ar estimados pelo sensor AIRS e de temperatura do ar estimados a partir dos dados de temperatura de superfície oriundos do sensor MODIS, além de dados de velocidade do vento e insolação obtidos por estações meteorológicas, para as safras de 2016 a 2018. Os dados meteorológicos estimados foram primeiramente comparados aos observados por estações meteorológicas convencionais. Então, devido as diferentes características edafoclimáticas, subdividiu-se o RS nas porções norte e sul, ajustando-se o modelo distintamente em cada região. Para todo o RS, aplicou-se o modelo com valores de Índice de Área Foliar (IAF) obtidos em literatura (Modelo Agrometeorológico - MA). Já para a porção norte, utilizaram-se ainda valores de IAF estimados pelo Normalized Difference Vegetation Index (NDVI) do sensor MODIS (Modelo Agrometeorológico Espectral - ME), além de um mapa contendo as áreas de soja produzido via imagens do sensor MODIS para ambos os modelos. Os valores de produtividade modelados foram comparados aos dados oficiais disponibilizados pelo Instituto Brasileiro de Geografia e Estatística (IBGE), em nível de microrregião, pelo teste de Kolmogorov-Smirnov (KS), para =5%. Para o monitoramento espaço-temporal da produtividade, utilizou-se o Índice de Penalização (IP). O viés observado para os dados de precipitação do GPM (5,33 mm), de umidade relativa do ar oriundos do sensor AIRS (de -3,30 a 4,43%) e de temperatura do ar estimados a partir do sensor MODIS (-0,3°C) foram considerados satisfatórios para sua utilização no modelo. Quando aplicado para todo o RS, não se observaram diferenças significativas entre os valores de produtividade oriundos do MA frente aos do IBGE, para todas as safras. Para a porção norte, observaram-se diferenças significativas entre os dados estimados pelos MA e ME frente aos do IBGE apenas para a safra 2016. Com relação ao IP, a porção norte foi pouco penalizada, à exceção de IPs de 0,7 a 0,8 observados na região Oeste, na safra 2018. Já a porção sul foi bastante penalizada, sendo as fronteiras sul e sudoeste as regiões mais prejudicadas, com IPs de 0,1 e 0,2, na safra 2018. Em suma, o modelo proposto mostrou ser uma eficiente ferramenta de auxílio para monitorar e estimar a produtividade da soja no RS. |
