Determinação do "status" nutricional de nitrogênio no feijoeiro utilizando imagens digitais coloridas

Este trabalho teve como objetivo avaliar o uso de índices espectrais, retirados de imagens digitais, para discriminar diferentes doses de N no feijoeiro. O trabalho, conduzido em vasos de 8 dm³, teve cinco tratamentos (0; 50; 100; 150 e 200 kg de N ha-1), com dez repetições. As imagens foram adquiridas aos 30; 40 e 50 dias após a emergência. Foram desenvolvidas funções discriminantes quadráticas, tendo como vetores de entrada as médias dos "pixels" de diferentes combinações dos quatro índices espectrais testados. Três diferentes tamanhos de blocos de imagem foram testados 9 x 9; 20 x 20 e 40 x 40 "pixels". Os melhores resultados foram alcançados pelos blocos de 9 x 9 e 20 x 20 "pixels", apresentando classificação 94; 96 e 96% superior à classificação ao acaso para os blocos 9 x 9 "pixels" e 92; 94 e 94% para os blocos 20x20 "pixels" aos 30; 40 e 50 dias após a emergência, respectivamente.

Fusão de imagens por IHS para melhorar a identificação de uso do solo em elementos amostrais

Fotografias aéreas métricas atuais sobre áreas específicas nem sempre estão disponíveis. Esse é um dos principais problemas no Brasil para aplicação de técnicas de amostragem de área para a estimativa de safras. Este trabalho avaliou a técnica de fusão IHS aplicada em imagens Landsat7-ETM+ para a substituição das fotografias aéreas de arquivo, em trabalhos de coleta de dados de campo e delimitação de elementos amostrais para os sistemas de estimativas de área de culturas agrícolas. As bandas 3; 4; 5 e 7 do sensor de ETM+ foram usadas nas diferentes combinações de RGB e fundidas por IHS com a faixa pancromática para produzir imagens com melhor definição espacial. As imagens resultantes foram impressas na escala de 1:25.000 e usadas no trabalho de campo, em 85 elementos amostrais. As imagens fundidas permitiram identificar o uso e a cobertura do solo nos elementos amostrais. Conseqüentemente, as imagens fundidas de ETM+ apresentaram grande potencial para o levantamento de dados de campo, para o mapeamento das características de uso e cobertura do solo e para as estimativas da área cultivada, baseadas em técnicas de amostragem da área.

Identificação e mapeamento de áreas de milho na região sul do Brasil utilizando imagens MODIS

O presente trabalho teve como proposta avaliar a identificação e o mapeamento das áreas de milho da região noroeste do Estado do Rio Grande do Sul a partir de dados multitemporais do sensor MODIS (Moderate Resolution Imaging Spectroradiometer) a bordo do satélite Earth Observing System - EOS-AM (Terra). O algoritmo de classificação supervisionada Spectral Angle Mapper (SAM) foi aplicado com sucesso em uma série multitemporal de imagens EVI pré-processadas. Verificou-se que as áreas classificadas como milho na imagem coincidiam plenamente com áreas mais extensas ou contínuas (> 90 ha) de milho. Áreas de menor extensão ou localizadas em encostas de morros, ao lado de vegetação arbórea, não foram detectadas pelo classificador devido à baixa resolução espacial das imagens. A maior utilidade prática da identificação e da classificação digital das áreas de milho obtidas das imagens MODIS está na sua aplicação para isolar ou complementar o mapeamento das áreas agrícolas visando ao seu monitoramento a partir de diferentes índices de vegetação, derivados de imagens de alta resolução temporal e baixa resolução espacial.

Comparação de classificadores de imagens digitais na determinação da cobertura do solo

Com o objetivo de comparar dois classificadores de imagens para a estimativa da cobertura vegetal do solo, foram avaliadas as coberturas proporcionadas pela semeadura de leguminosas e de gramíneas, sob diferentes espaçamentos, preparo do solo e condições de céu com e sem nuvens. O experimento foi conduzido em quatro parcelas experimentais de perda de solo, com 22 m x 3,5 m, instaladas em um Argissolo Vermelho-Amarelo. Os tratamentos consistiram: a) mucuna-cinza (Mucuna pruriens) em nível; b) crotalária (Crotalaria juncea) em sulcos dispostos em nível; c) milho (Zea mays L.) em sulcos dispostos em nível, e d) milho semeado no sentido do declive. Foram tomadas fotografias das parcelas dos 15 aos 85 dias após a semeadura para posterior análise, utilizando o Sistema Integrado para Análise de Raízes e Cobertura do Solo (SIARCS) e um algoritmo baseado na emissividade das bandas do verde e do vermelho (SEROBIN). A maior cobertura do solo foi obtida na parcela cultivada com crotálaria (85,8%), a qual também foi alcançada em menor tempo (56 dias após semeadura). Por outro lado, as menores coberturas foram proporcionadas pelos tratamentos milho em nível e milho morro abaixo (38,6 e 35,2%, respectivamente). As exatidões globais foram de 0,96 e 0,92, para as classificações realizadas com os programas SIARCS e SEROBIN, respectivamente, não havendo, no entanto, diferença estatística entre os dois classificadores utilizados, de acordo com o teste Z aplicado, a 5% de probabilidade.

Reconhecimento de variedades de soja por meio do processamento de imagens digitais usando redes neurais artificiais

Neste trabalho, foi aplicado o processamento de imagens digitais auxiliado pelas Redes Neurais Artificiais (RNA) com a finalidade de identificar algumas variedades de soja por meio da forma e do tamanho das sementes. Foram analisadas as seguintes variedades: EMBRAPA 133, EMBRAPA 184, COODETEC 205, COODETEC 206, EMBRAPA 48, SYNGENTA 8350, FEPAGRO 10 e MONSOY 8000 RR, safra 2005/2006. O processamento das imagens foi constituído pelas seguintes etapas: 1) Aquisição da imagem: as amostras de cada variedade foram fotografadas por máquina fotográfica Coolpix995, Nikon, com resolução de 3.34 megapixels; 2) Pré-processamento: um filtro de anti-aliasing foi aplicado para obter tons acinzentados da imagem; 3) Segmentação: foi realizada a detecção das bordas das sementes (Método de Prewitt), dilatação dessas bordas e remoção de segmentos não-necessários para a análise. 4) Representação: cada semente foi representada na forma de matriz binária 130x130, e 5) Reconhecimento e interpretação: foi utilizada uma rede neural feedforward multicamadas, com três camadas ocultas. O treinamento da rede foi realizado pelo método backpropagation. A validação da RNA treinada mostrou que o processamento aplicado pode ser usado para a identificação das variedades consideradas.

Características espectrais da soja ao longo do ciclo vegetativo com imagens landsat 5/TM em área agrícola no oeste do Paraná

O objetivo deste trabalho foi estudar as mudanças no comportamento espectral da cultura da soja, por meio dos perfis espectrais temporais dos índices de vegetação NDVI e GVI, expressos em diferentes valores físicos: fator de reflectância bidirecional (FRB) aparente, de superfície e normalizado derivados de imagens Landsat 5/TM. Foi monitorada área de cultura de soja localizada próxima ao município de Cascavel - PR, utilizando cinco imagens da safra de 2004/2005, sendo realizados nessas imagens os procedimentos de transformação radiométrica, correção atmosférica e normalização, determinando valores físicos dos fatores de reflectância bidirecional aparente, de superfície e normalizado, respectivamente. Com o intuito de caracterizar a resposta espectral da biomassa da soja, geraram-se imagens referentes aos índices de vegetação NDVI e GVI. Como resultado, a cultura mostrou-se diferente para os tratamentos dos fatores de reflectância bidirecional aparente, de superfície e de normalização. Por meio dos perfis médios espectrais do NDVI e GVI, foi possível acompanhar todo o ciclo da cultura da soja, caracterizando o seu desenvolvimento. Observou-se, ainda, que os dados provenientes do fator de reflectância bidirecional normalizado descaracterizaram a curva espectral da cultura da soja, principalmente em meio à fase de crescimento vegetativo, na data de 9-12-2004.

Imagens de sensoriamento remoto no monitoramento da colheita da cana-de-açúcar

A prática agrícola da queima da palha da cana-de-açúcar tem por finalidade facilitar a colheita manual. No Estado de São Paulo, essa prática está submetida a uma rigorosa legislação ambiental devido ao impacto negativo para o meio ambiente. Está previsto que a queima da cana deve ser gradativamente eliminada até 2017. O presente trabalho tem por objetivo avaliar a área de cana colhida com e sem queima em todo o Estado de São Paulo. Para tal, foram utilizadas as imagens disponíveis do sensor TM a bordo do satélite Landsat-5. As imagens foram adquiridas de abril a dezembro de 2006, que corresponde ao período de colheita da cana. Essas imagens foram analisadas por meio de técnicas de processamento digital e interpretação visual. A área de cana colhida sem queima foi avaliada em 1.085.730 ha e corresponde a 34,7% do total da área mecanizável colhida. Isso atende à legislação ambiental que, para o ano de 2006, previa que 30% da área de cana fosse colhida sem queima. A sequência temporal de imagens adquiridas entre abril e dezembro permite identificar as áreas de cana colhidas sem queima e, portanto, distingui-las das áreas de cana colhidas com queima.

Análise de mapas de represas publicados na web usando imagens orbitais CCD/CBERS no estado de Minas Gerais

Neste trabalho, bancos de dados públicos e gratuitos disponíveis na World Wide Web (WEB) foram utilizados para avaliar as áreas das superfícies dos espelhos d'água das represas de Furnas e do Funil, no Estado de Minas Gerais. O objetivo foi comparar as informações obtidas nos bancos da WEB com os valores das áreas calculadas a partir de imagens do sensor CCD a bordo dos satélites CBERS2 e CBERS2B. A área da represa de Furnas obtida a partir das imagens CCD/CBERS2B, ano 2008, foi de 1.138 km², mas nos bancos de dados consultados esta área estava entre 1.182 e 1.503 km². A represa do Funil, construída em 2003, com superfície de espelho d'água de 29,37 km² e uma ilha com área de 1,93 km² não aparecem nos bancos Atlas, Geominas, IGAM e IBGE. Os resultados mostraram algumas discrepâncias nos bancos de dados publicados na WEB, tais como diferenças em áreas e supressão ou extrapolação de limites do espelho d'água. Concluiu-se que, até o momento, os responsáveis por algumas publicações de bancos de dados no Estado de Minas Gerais não tiveram rigor suficiente com as atualizações. As imagens CCD/CBERS, que também são dados públicos disponíveis na WEB, mostraram ser produtos adequados para verificar, atualizar e melhorar as informações publicadas.

Estimativa de parâmetros biofísicos de plantios de café a partir de imagens orbitais de alta resolução espacial

O uso de recursos de sensoriamento remoto orbital constitui um grande avanço no levantamento de dados sobre a cafeicultura, sobretudo por seu caráter temporal e baixo custo. Sendo assim, o objetivo do trabalho foi avaliar a utilização da imagem do satélite QUICKBIRD na determinação de parâmetros biofísicos importantes para a cultura cafeeira. Foram utilizados 25 talhões com plantios de café localizados entre os municípios de Ribeirão Corrente, Franca e Cristais Paulista (SP). Os parâmetros biofísicos utilizados foram os espaçamentos entre linhas e plantas, altura, IAF, diâmetro da copa, porcentagem de cobertura vegetal, rugosidade, variedade e biomassa. Foram utilizados valores de refletância real das bandas espectrais do satélite QUICKBIRD e os índices de vegetação NDVI, GVI, SAVI e RVI. A partir desses dados, foram feitas análises de regressão linear e não linear para a geração dos modelos de estimativa. A utilização de modelos de regressão baseados em equações não lineares mostrou-se mais adequado para determinar os parâmetros IAF e a porcentagem de biomassa, importantes como indicativos da produtividade da cultura cafeeira.

Uso da geotecnologia para caracterizar os cafezais no município de Londrina-PR, em relação à altimetria, declividade e tipo de solo

O sensoriamento remoto e o geoprocessamento são ferramentas importantes no apoio aos levantamentos de dados da agricultura. O estudo teve por objetivo relacionar as variáveis físicas, como altimetria, declividade e tipo de solo com o agrossistema cafeeiro, no município de Londrina-PR, por meio de imagem do sensor Thematic Mapper (TM) do satélite Landsat-5, aliado às técnicas de geoprocessamento. Foi criado um banco de dados com informações de altimetria, declividade e classes de solos, e através de álgebra de mapa, realizado o cruzamento destas informações com a localização das lavouras cafeeiras, a qual foi obtida por meio do classificador digital Bhattacharya aplicado na imagem. A imagem do TM possibilitou o mapeamento de 79% das lavouras cafeeiras e verificou-se que 86% destas lavouras estão em altitudes superiores a 540 m, e 50% estão localizadas sobre áreas de 8 a 20% de declividade. Em relação aos solos, observou-se que 53% dos cafeeiros estão localizados em Nitossolo Vermelho eutroférrico. Todas estas tarefas foram executadas por meio do programa SPRING 4.3.3, o qual foi uma adequada ferramenta para obter dados da agricultura a partir de imagens de satélites.

Análise de imagens digitais para a avaliação do comportamento de pintainhos de corte

Na busca por respostas quanto às condições de bem-estar animal, visou-se a avaliar neste trabalho o comportamento de pintainhos nas duas primeiras semanas de vida, por meio de processamento de imagens digitais. O experimento foi realizado em dois galpões comerciais, utilizados para criação de 15.200 aves de corte por galpão, durante um ciclo produtivo, dotados com fornalha a lenha de aquecimento indireto do ar. Foram instaladas duas câmeras de vídeo por galpão para aquisição de imagens digitais. Uma das câmeras possuía inclinação angular de 45º, e a outra, inclinação angular de 90º em relação ao solo. As imagens foram analisadas para cada condição climática diária e binarizadas, sendo depois processadas por meio de descritor de agrupamento/dispersão e correlacionadas com os valores de temperatura do ar. Observou-se correlação entre o descritor e os valores de temperatura do ar, sendo que as imagens obtidas pela câmera posicionada a 45º e divididas em 25 blocos, obtiveram maior correlação. Pelos dados obtidos, pode-se observar que o comportamento de agrupamento e dispersão dos pintainhos pode ser usado como indicador dos estados de conforto térmico e que o descritor se mostrou eficiente para esta quantificação.

Análise de imagens para a caracterização das atividades de vacas leiteiras dentro do galpão de confinamento

A produção atual de animais necessita do emprego de tecnologias de informação automatizadas, inerentes ao ambiente em que os animais estão inseridos, para que se possa analisar a interferência dos mesmos na produção e no bem-estar. O objetivo desta pesquisa foi comparar a eficiência de duas metodologias de análise de imagens, utilizadas para avaliar a presença de vacas leiteiras em locais específicos no galpão de confinamento. O experimento foi realizado em uma fazenda comercial, e as vacas foram monitoradas através de seis microcâmeras. Foram usadas duas formas de análise da presença das vacas nos locais pré-selecionados (camas, bebedouros e comedouros): imagens analisadas visualmente da tela do computador (T1) e automaticamente, pelo software desenvolvido para a captura de imagens das vacas no galpão de freestall (T2). Os dados de presença foram analisados utilizando a técnica de análise de componentes principais e, para as comparações dos dois métodos, aplicou-se o Teste t - Student, com 95% de confiabilidade, para as médias da contagem da presença das vacas em cada área estudada. Não foi encontrada diferença significativa entre os métodos, sendo ambos eficientes para o registro das vacas em cada atividade.

Técnicas de mineração de dados para identificação de áreas com cana-de-açúcar em imagens Landsat 5

Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM. Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara, no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos produziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação e contribuiu para melhorar a distinção de áreas cultivadas com cana-de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana, lagos e rios. Os índices de vegetação mostraram-se relevantes na distinção da fase e do estado fenológico das culturas. Os resultados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com cana-de-açúcar, em diferentes cidades produtoras, no Estado de São Paulo.

Uso de imagens do sensor orbital modis na estimação de datas do ciclo de desenvolvimento da cultura da soja para o estado do Paraná – Brasil

RESUMO O Estado do Paraná caracteriza-se por uma grande variabilidade de épocas de semeadura (DS) e, consequentemente, pelo desenvolvimento máximo vegetativo (DMDV), colheita (DC) e ciclo (CI) para a cultura da soja. O objetivo deste trabalho foi estimar essas datas para o período de primavera-verão do ano-safra de 2011/2012, por meio de séries temporais de imagens do Índice de Vegetação Realçado (do inglês Enhanced Vegetation Index - EVI) do sensor Modis (Moderate Resolution Imaging Spectroradiometer). Gerou-se um perfil espectrotemporal médio de EVI, considerando todos os pixels mapeados como soja dentro de cada município. Estes dados serviram de entrada no software Timesat para estimar os decêndios do ciclo da cultura (DS, DMDV, DC e CI) por municípios. Os resultados mostraram que existe grande variabilidade de datas de plantio em diferentes mesorregiões do Estado. Verificaram-se também divergências entre os resultados encontrados e os dados oficiais de DS e DC. A maior parte da semeadura (65,16%) esteve entre o terceiro decêndio de outubro e o primeiro decêndio de novembro. A maior parte da área de soja do Estado do Paraná (65,46%) teve seu DMDV em janeiro e colheita em março (53,92%).