Análise agrometeorológica-espectral de lavouras de soja conduzidas com Agricultura de Precisão, em Cruz Alta - RS

• Ano de defesa: 2021
• Autor(a) principal: Carvalho, Luiza Ferreira de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Glycine max L.; Agricultura de Precisão; Balanço hídrico; Modelagem; Modeling; NDVI; Precision Agriculture; Water balance
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-24052021-165426/

A soja é um importante commodity mundial e representa grande parte das exportações brasileiras. As variações climáticas causam variabilidade de produtividade e o acompanhamento da safra é fundamental para a diminuição do impacto climático e para a garantia de preços aos produtores. Os modelos agrometeorológicos são ferramentas eficazes na identificação da influência meteorológica sobre a produtividade e estimam a produtividade potencial de dada região, de acordo com suas características climáticas e de solo, indicando a quebra de produtividade devido ao manejo inadequado. Essas estimativas, em geral, são feitas de forma pontual, considerando a área estudada como homogênea. No entanto, deve-se considerar que as áreas agrícolas, no nível de talhão, apresentam lacunas de rendimento decorrentes da variabilidade espaço-temporal de características de solo e clima. Dessa forma, a possibilidade de simular a produtividade em maior resolução espacial permite analisar a variabilidade dentro da área. As imagens de satélite, por meio dos índices de vegetação, auxiliam na identificação da variabilidade espacial de atributos de solo e da cultura e, indiretamente, fornecem informações da ação dos elementos meteorológicos de forma espacializada. O objetivo do estudo foi avaliar o potencial do NDVI (Índice de Vegetação por Diferença Normalizada) em conjunto com variáveis climáticas para acompanhar o crescimento e desenvolvimento da soja, bem como estimar sua produtividade por meio de um modelo gerado por regressão linear múltipla. O estudo foi realizado na Cooperativa Central Gaúcha LTDA (CCGL), no município de Cruz Alta-RS, nas safras de 2017 a 2019. Para isso, foram utilizados dados climáticos de temperatura e precipitação, dados de produtividade de sensores acoplados às colhedoras em áreas de agricultura de precisão, dados do NDVI e dados de produtividade potencial e atingível, estimados pelo modelo de Doreenbos & Kassam (1979). Os resultados mostraram que o NDVI foi capaz de descrever o comportamento da soja, mostrando sua relação com o IAF (Índice de Área Foliar). O NDVI apresentou correlação positiva com a precipitação acumulada. O modelo gerado foi capaz de explicar de 47 a 67% das estimativas de produtividade de soja para a safra 2017/18, sem melhoria significativa das estimativas quando adicionados os dados do modelo agrometeorológico. Os resultados foram promissores, indicando a necessidade de novas análises, em diferentes safras, para que maior variabilidade de clima seja computada no modelo.