Uso da espectroscopia de reflectância do infravermelho próximo (NIRS) para previsão da composição bromatológica de vagens de algaroba e palma forrageira.

Espécies forrageiras adaptadas às condições semiáridas são uma alternativa para reduzir os impactos negativos na cadeia produtiva de ruminantes da região Nordeste brasileira devido à sazonalidade na oferta de forragem, além de reduzir custo com o fornecimento de alimentos concentrados. Dentre as espécies, a vagem de algaroba (Prosopis juliflora SW D.C.) e palma forrageira (Opuntia e Nopalea) ganham destaque por tolerarem o déficit hídrico e produzirem em períodos onde a oferta de forragem está reduzida, além de apresentam bom valor nutricional e serem bem aceitas pelos animais. Porém, devido à variação na sua composição, seu uso na alimentação animal exige o conhecimento profundo da sua composição para a elaboração de dietas balanceadas. No entanto, devido ao custo e tempo para análise, os produtores não fazem uso da prática de análise da composição químico-bromatológica dos alimentos. Por isto, a espectroscopia de reflectância no infravermelho próximo (NIRS) representa uma importante alternativa aos métodos tradicionais. Objetivou-se com este estudo desenvolver e validar modelos de predição da composição bromatológica de vagem de algaroba e palma forrageira baseados em espectroscopia NIRS, escaneadas em dois modelos de equipamentos e com diferentes processamentos da amostra. Foram coletadas amostras de vagem de algaroba nos estados do Ceará, Bahia, Paraíba e Pernambuco, e amostras de palma forrageira nos estados do Ceará, Paraíba e Pernambuco, frescas (in natura) ou pré-secas e moídas. Para obtenção dos espectros utilizaram-se dois equipamentos NIR, Perten DA 7250 e FOSS 5000. Inicialmente os alimentos foram escaneados in natura em aparelho do modelo Perten, e, com o auxílio do software The Unscrambler 10.2 foi selecionado um grupo de amostras para o banco de calibração. As amostras selecionadas foram secas e moídas, e escaneadas novamente em equipamentos Perten e FOSS. Os valores dos parâmetros de referência foram obtidos por meio de metodologias tradicionalmente aplicadas em laboratório de nutrição animal para matéria seca (MS), matéria mineral (MM), matéria orgânica (MO), proteína bruta (PB), estrato etéreo (EE), fibra solúvel em detergente neutro (FDN), fibra solúvel em detergente ácido (FDA), hemicelulose (HEM) e digestibilidade in vitro da matéria seca (DIVMS). O desempenho dos modelos foi avaliado de acordo com os erros médios de calibração (RMSEC) e validação (RMSECV), coeficiente de determinação (R2 ) e da relação de desempenho de desvio dos modelos (RPD). A análise exploratória dos dados, por meio de tratamentos espectrais e análise de componentes principais (PCA), demonstraram que os bancos de dados eram similares entre si, dando segurança de desenvolver os modelos com todas as amostras selecionadas em um único modelo para cada alimento, algaroba e palma. Na avaliação dos resultados de referência, observou-se que a variação dos resultados para cada parâmetro corroboraram com os descritos na literatura. No desempenho dos modelos, aqueles desenvolvidos com pré-processamento da amostra (pré-secagem e moagem) se mostraram mais robustos do que aqueles construídos com amostras in natura. O aparelho NIRS Perten apresentou desempenho semelhante ao equipamento FOSS, apesar desse último cobrir uma faixa espectral maior e com intervalos de leituras menores. A técnica NIR, associada ao método de calibração multivariada de regressão por meio de quadrados mínimos (PLS), mostrou-se confiável para prever a composição químico-bromatológica de vagem de algaroba e da palma forrageira. Abstract: Forage species adapted to semi-arid conditions are an alternative to reduce the negative impacts in the feed supply for ruminants in the Brazilian Northeast region, due to seasonality in forage availability, as well as in the reducing of cost by providing concentrated feedstuffs. Among the species, mesquite pods (Prosopis juliflora SW DC) and spineless cactus (Opuntia and Nopalea) are highlighted for tolerating the drought and producion in periods where the forage is scarce, and have high nutritional value and also are well accepted by the animals. However, its use in animal diets requires a knowledge about its composition to prepare balanced diets. However, farmers usually do not use feed composition analysis, because their high cost and time-consuming. Thus, the Near Infrared Reflectance Spectroscopy in the (NIRS) is an important alternative to traditional methods. The objective of this study to develop and validate predictive models of the chemical composition of mesquite pods and spineless cactus-based NIRS spectroscopy, scanned in two different spectrometers and sample processing. Mesquite pods samples were collected in the states of Ceará, Bahia, Paraiba and Pernambuco, and samples of forage cactus in the states of Ceará, Paraíba and Pernambuco. In order to obtain the spectra, it was used two NIR equipment: Perten DA 7250 and FOSS 5000. sSpectra of samples were initially obtained fresh (as received) using Perten instrument, and with The Unscrambler software 10.2, a group of subsamples was selected to model development, keeping out redundant ones. The selected samples were dried and ground, and scanned again in both Perten and FOSS instruments. The values of the reference analysis were obtained by methods traditionally applied in animal nutrition laboratory to dry matter (DM), mineral matter (MM), organic matter (OM), crude protein (CP), ether extract (EE), soluble neutral detergent fiber (NDF), soluble acid detergent fiber (ADF), hemicellulose ( HEM) and in vitro digestibility of dry matter (DIVDM). The performance of the models was evaluated according to the Root Mean Square Error of Calibration (RMSEC) and cross-validation (RMSECV), coefficient of determination (R2 ) and the deviation of Ratio of performance Deviation of the models (RPD). Exploratory data analysis through spectral treatments and principal component analysis (PCA), showed that the databases were similar to each other, and may be treated asa single model for each feed - mesquite pods and cactus. Evaluating the reference results, it was observed that the variation were similar to those reported in the literature. Comparing the preprocessing of samples, the performance ofthose developed with preprocessing (dried and ground) of the sample were more robust than those built with fresh samples. The NIRS Perten device performance similar to FOSS equipment, although the latter cover a larger spectral range and with lower readings intervals. NIR technology associate do multivariate techniques is reliable to predict the bromatological composition of mesquite pods and cactus.

Aplicação de modelo agrometeorológico espectral no perímetro irrigado da bacia do São Francisco, utilizando imagens RAPIDEYE.

O objetivo do trabalho foi aplicar o modelo SAFER (Simple Algorithm For Evapotranspiration Retrieving) com a finalidade de analisar os parâmetros biofísicos na área do Perímetro Irrigado de Jaíba, na Bacia do São Francisco. Foram obtidos dados meteorológicos e imagens do satélite RapidEye (resolução de 5m), referente aos dias 26 de junho de 2013 e 29 de abril de 2014. Os valores médios diários do Índice de Vegetação por Diferença Normalizada (NDVI) foram 0,29±0,16 e 0,43±0,18, para 2013 e 2014, respectivamente. Na imagem de 2013 foram observados valores superiores de temperatura da superfície (Ts) (303,08±2,26 K) aos observados em 2014 (296,14±2,32 K). A evapotranspiração (ET) média diária de toda a cena de 2013 foi 0,43±0,96 mm e valor máximo de 6,11. Em 2014, os valores de ET médios diários foram de 2,19±2,01mm. Conforme estudos anteriores, a caatinga converte a maior parte da energia disponível em calor sensível (H), enquanto as culturas irrigadas apresentam altos valores de ET. Com imagens de alta resolução espacial, sem a banda termal, foi possível obter os parâmetros biofísicos da superfície possibilitando o monitoramento em nível de pivô central e talhões de culturas irrigadas, auxiliando o uso racional da água em tempos de deficiência hídrica.

Separabilidade espectral das coberturas de cana-de-açúcar e de pastagem na Mesorregião do Leste Alagoano.

As imagens de satélite constituem o material básico mais utilizado para o mapeamento da cobertura vegetal. No entanto, a localização, o número de bandas e a época do imageamento influenciam na diferenciação de classes de cobertura. Tal fato se aplica à distinção entre classes de cobertura com características espectrais parecidas como é o caso das áreas com cobertura de cana-de-açúcar e de pastagem. O objetivo deste trabalho foi verificar a possibilidade de distinção dessas classes a partir de imagens dos sensores Landsat TM e ETM+ e do sensor CCD-CBERS obtidas nos períodos chuvoso e seco. O estudo foi realizado na região úmida do Estado de Alagoas. As coberturas de cana- de- açúcar e de pastagem foram obtidas no contexto do mapeamento do uso e da cobertura das terras de Alagoas, como parte do projeto de zoneamento agroecológico. Utilizou-se a classificação supervisionada pelo método da máxima verossimilhança. A separabilidade espectral das classes foi avaliada pelo método da divergência transformada. A presença de bandas sensíveis aos teores de umidade da planta na região do espectro do infravermelho médio nos sensores Landsat TM e ETM+ possibilitou a separação das duas classes em imagens da época seca. Nas imagens da época úmida a resposta espectral da cana-de-açúcar e da pastagem foi semelhante em todas as bandas desses sensores. A ausência de bandas nesta região do espectro para o sensor CBERS impede a diferenciação desses alvos.

Produto modis associado à condição hídrica no solo para diferenciar padrões na vegetação no município de Dom Eliseu, Pará.

Objetivou avaliar a dinâmica de padrões na vegetação usando NDVI (Normalized Difference Vegetation Index) associado à oferta hídrica no município de Dom Eliseu, no Pará com base na reflectância em áreas com cultivos anuais de grãos e plantios florestais, nos períodos de maior e menor deficiência de água no solo. Foram analisados dados meteorológicos para calcular balanços hídricos (CAD = 300 mm) e respostas em NDVI (Normalized Difference Vegetation Index) extraídos do sensor MODIS (Moderate Resolution Imaging Spectroradiometer). As imagens-índice (NDVI) referentes aos meses de janeiro a dezembro de 2012 foram processadas no aplicativo Envi 4.7 e reclassificadas no ArcGIS10.1. Os resultados apontaram variações temporais ao longo do ano, tanto relacionados aos sistemas de agrícolas de produção, quanto aos remanescentes florestais os quais indicavam associações à oferta hídrica na região e possíveis respostas fenológicas. Em Dom Eliseu, o mês de maior valor em NDVI foi em abril com mais 60% do município expressando manutenção das folhas e da capacidade fotossintética das plantas, pois os valores em NDVI foram superiores a 0,6. No período de agosto a setembro ocorrem as menores cotas pluviais, ocasionando déficits hídricos que atingem valores superiores a 70 mm. Observou-se que as respostas em NDVI foram mais expressivas no mês de outubro, totalizando 16% da área de estudo com valores entre 0,2 a 0,3, evidenciando reduzida expressão em resposta espectral na biomassa dos remanescentes de vegetação e plantios florestais. Conclui-se que existe sensibilidade do NDVI em resposta à condição hídrica no solo. Ao contabilizar-se as diferenças entre a reflectâncias no infravermelho próximo e no vermelho divididos pela soma dessas reflectância, os baixos valores de NDVI, reforçam que no período de maior deficiência hídrica há queda de folhas, pois a superfície imageada, responde com valores mais elevados no solo do que na vegetação.

Comparação entre imagens Aster e Landsat 7 na classificação de níveis de degradação de pastagens utilizando redes neurais artificiais.

O presente estudo teve como objetivo comparar a eficiência dos dados dos sensores Aster e ETM+/Landsat 7 na classificação do uso e cobertura da terra, com ênfase nos níveis de degradação das pastagens na Zona da Mata Mineira, através da utilização de redes neurais artificiais. Foram testadas três composições de uma imagem do sensor Aster e uma do ETM+/Landsat 7, para definição das melhores feições discriminantes para o classificador. As classes de uso e cobertura consideradas foram: floresta, café, área urbana/solo exposto e três níveis de degradação das pastagens (moderado, forte e muito forte). Utilizou-se o simulador de redes neurais Java Neural Network Simulator e o algoritmo empregado foi o back-propagation. Dentre as composições de imagens testadas o melhor resultado foi alcançado com a utilização das 9 bandas do Aster (30m) como variáveis discriminantes, que também permitiu uma melhor discriminação dos níveis de degradação das pastagens considerados. Este resultado é atribuído à melhor resolução espectral desta composição de imagem quando comparada às demais. Dentre as classes consideradas, a pastagem no nível de degradação muito forte foi a que apresentou o maior erro de classificação, em todas as composições, sendo bastante confundida com a pastagem no nível de degradação forte.