Sensoriamento remoto na avaliação de pasto de Brachiaria decumbens

• Ano de defesa: 2020
• Autor(a) principal: Lisboa, Aureana Matos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Palavras-chave em Português: Pastagens; Vegetação - Mapeamento; Sensoriamento remoto; Planejamento; Pastagem e Forragicultura
• Link de acesso: https://locus.ufv.br//handle/123456789/28261

A Zootecnia de Precisão tem sido amplamente utilizada para gerar informações no campo, assim como auxiliar na tomada de decisão em diversas áreas, inclusive no manejo das pastagens. Neste contexto, um dos maiores entraves do pecuarista para gestão adequada da produção animal baseada em pastagens é determinar a quantidade e o valor nutritivo da forragem ofertada aos animais. Geralmente, essas informações são geradas por meio de amostragem e secagem da forragem, seguida de análises laboratoriais, sendo trabalhoso e oneroso para o produtor. Assim, foi proposto este experimento com os objetivos de determinar e testar possíveis correlações entre os Índices de Vegetação (IVs) gerados a partir de imagens aéreas multiespectrais e de Sensores Proximais, com as variáveis massa de forragem (MF), altura (ALT) e proteína bruta (PB) do capim-braquiária. Para gerar variação estrutural e química no capim-braquiária foram aplicadas 5 doses de nitrogênio (0; 50; 100; 150 e 200 kg ha -1 ) após cada colheita de forragens nas parcelas. O delineamento utilizado foi em blocos ao acaso com 5 repetições, totalizando 25 parcelas de 12 m2 cada. Foram realizados quatro voos com o VANT Matrice 100 DJI, com a câmera multiespectral MicaSense RedEdge a bordo, a cada 21 dias, no período de setembro a dezembro de 2019. Antecedendo cada voo, foram realizadas em cada parcela, aferições da ALT do capim-braquiária, bem como quantificação da clorofila via SPAD e NDVI (Normalized Difference Vegetation Index) com o sensor GreenSeeker. Após cada voo, amostras foram colhidas em cada parcela para quantificar a MF e o teor de PB da planta. As imagens obtidas foram calibradas utilizando o software Agisoft Photoscan e processadas para determinação dos IVs no software QGIS 3.2. Foram calculados os seguintes índices: NDVI, NDRE (Red Edge Normalized Difference Vegetation Index), GNDVI (Green Normalized Difference Vegetation Index), SR Red Edge (Red Edge Simple Ratio), SR (Simple Ratio), CI Green (Green Chlorophyll Index), CI Red Edge (Red Edge Chlorophyll Index) e MTCI (MERIS Terrestrial Chlorophyll Index). Todos os IVs gerados foram correlacionados com as variáveis: MF, PB (% MS), e ALT pelo Teste t-student, a 5% de significância. Em geral, foram observadas fortescorrelações entre IVs e variáveis determinadas no capim-braquiária. Os resultados sugerem potencial de utilização do Sensoriamento Remoto utilizando câmeras multiespectrais, bem como do sensor GreenSeeker em modelos de predição da massa de forragem, altura e teor de PB de pastos de B. decumbens (syn. U. decumbens). Índices que utilizam a banda espectral Red Edge em substituição a banda do vermelho visível possuem melhor correlação com MF e teor de PB e podem melhorar o desempenho preditivo das variáveis de interesse, embora mais pesquisas sejam necessárias para escolha do melhor índice a ser utilizado, bem como desenvolvimento de modelos de predição acurados para pastagens tropicais. Palavras-chave: Índices de Vegetação. Sensoriamento remoto. Biomassa. VANT. Nitrogênio.