Autores: SANTOS, A. M., VALE, W. G., PACHECO, E. P., MENESES, M. D., ENES, A. M., VALE, P. A. C. B.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: imagens aéreas, sensor GreenSeeker, sensoriamento remoto

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

O nitrogênio (N) é um macronutriente empregado em grandes quantidades na agricultura moderna, por ser exigido em maior quantidade pelas plantas. Na cultura do milho, atua principalmente no enchimento dos grãos e afeta o teor de proteína. Uma das causas da ineficiência do uso de fertilizantes nitrogenados na cultura do milho é a dificuldade em estimar em tempo hábil a necessidade da adubação nitrogenada por meio de análises do solo e/ou planta. Na procura de viabilizar o processo de recomendação de adubação nitrogenada em tempo real, trabalhos de pesquisa têm sido realizados para detectar a deficiência de nitrogênio utilizando sensoriamento remoto. O objetivo desse trabalho foi avaliar a viabilidade do uso do Normalized Difference Vegetation Index (NDVI) calculado por meio do processamento de imagens multiespectrais obtidas com a câmera GOPRO e com a câmera Sequoia da Micasense embarcadas em VANTs, para recomendação da aplicação de fertilizantes nitrogenados para a cultura do milho. Conforme resultados obtidos com este trabalho, foi possível concluir que a determinação do NDVI por meio de imagens aéreas, é compatível com a determinação do índice utilizando sensor ótico ativo (GreenSeeker).

Autores: LANGER, M. P., BAZZI, C. L., SILVA, F. V. S., SCHENATTO, K.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: internet das coisas; agricultura inteligente; rede de sensores sem fio

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

A agricultura é um importante setor da economia, e assim como outros setores, é demandante do uso das tecnologias. Porém, o que se percebe são barreiras tecnológicas, principalmente no que se refere à infraestrutura de rede, para que as automações agrícolas sejam ainda mais intensas. Com base nestes desafios, o presente trabalho objetivou avaliar a tecnologia e protocolo de comunicação LoRa/LoRaWAN em cenários agrícolas. Para isso foram determinados cenários de testes considerando estudos bibliográficos, com abrangência a Mesorregião Oeste do Paraná. Os resultados apontam que se não houver exigência de alta assertividade no envio dos pacotes, a tecnologia atende aos cenários agrícolas.

Autores: VERÇOSA, J. P. S., SILVA, F. H. S., TAVARES, A. C. F.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: RPA; Deep Learning; Planta Invasora

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

Sensores remotos que analisam o comportamento espectral permitem monitorar o cultivo da cana-de-açúcar e suas condições de crescimento. O objetivo do trabalho foi detectar e delimitar áreas de plantio de cana de açúcar com alta infestação por ervas daninhas em área localizada no município de Rio Largo, Alagoas. Foi aplicado o algoritmo desenvolvido a partir de uma Rede Neural Convolucional (CNN) em imagens de sensoriamento remoto (Planetscope), além da fotointerpretação de imageamento por RPA (Aeronave Remotamente Pilotada), para comprovação das áreas classificadas pelo algoritmo como erva daninha. O algoritmo apresentou um valor muito alto acurácia (96,6%) para identificação das classes erva daninha e cana-de-açúcar. Para quantificação de áreas foram identificados 266,154ha para classe Cana e 128,492ha para Erva Daninha. Dentro da área total analisada, observou-se uma infestação por erva daninha de 32,65% das áreas onde deveriam estar presentes a cana-de-açúcar. O algoritmo obtido a partir do treinamento da CNN, apresentou uma ótima acurácia com imagens de satélite de média resolução (Planetscope), no que se refere a identificação de espécies de ervas daninhas como a Momordica charantia L. (melão de são caetano), bastante recorrente na área de estudo.

Autores: PITILIN, G. R., ROCHA JUNIOR, W. F., SAVARIS, G., URIBE-OPAZO, M. A., CIMA, E. G.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: agronegócio, desenvolvimento regional, mapas de área

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

A sociedade contemporânea necessita de políticas públicas eficientes para solucionar problemas de infraestrutura logística, como as estradas não pavimentadas, que estão intimamente ligadas ao desenvolvimento regional. O objetivo deste trabalho é analisar uma metodologia empregada para a avaliação de estradas não pavimentadas. Ao empregar esta metodologia, foram avaliados 320,2 km de estradas rurais do município de Toledo, Paraná, sendo que os trechos foram classificados como: Excelente (48,9%) e de Boa qualidade (41,1%) e em 186,9 km de trechos estradas rurais, referentes ao município de Ouro Verde do Oeste, no Paraná, foram classificadas como: Regular (40%) ou Bom (33%). O método de avaliação das estradas se apresentou eficiente, visto que foram avaliados aproximadamente 500 km em um curto espaço de tempo e com baixo custo. A visualização dos segmentos de pior qualidade foi apresentada por meio da espacialização dos dados obtidos. Isto se torna uma ferramenta de apoio a gestão pública e privada, e pode aprimorar o planejamento e melhorar os pontos que exigem manutenção das estradas rurais.

Autores: DALPOSSO, G. H., URIBE-OPAZO, M. A., OLIVEIRA, M. P.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: geoestatística, estimador de Genton, estimador de Dowd

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

Neste trabalho utiliza-se o método bootstrap espacial paramétrico para comparar os estimadores das funções de semivariância de Genton, Dowd, Matheron e Cressie-Hawkins. Utilizando um conjunto de dados de produtividade da soja (t ha^-1), ajustou-se aos semivariogramas experimentais o modelo Wave considerando o método dos mínimos quadrados. O método bootstrap espacial paramétrico foi utilizado para determinar o erro padrão das semivariâncias e obter as distribuições empíricas dos parâmetros dos modelos, possibilitando realizar inferências. Utilizou-se a krigagem ordinária para gerar os mapas temáticos e o índice Kappa para compará-los. O estimador da função semivariância de Genton se destacou em relação aos demais, mostrando ser uma alternativa ao tradicional estimador das semivariâncias experimentais proposto por Matheron.

Autores: OLIVEIRA JÚNIOR, J. G., THORPE, D. F., MELO, C. G. B., ROLIM, M. M., NASCIMENTO, C. R., LOPES, P. M. O.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: IAF, índices de vegetação, sensoriamento remoto

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

O Índice de Área Foliar (IAF) obtido a partir de dados de sensores orbitais surge como uma ferramenta muito importante para monitoramento remoto de culturas agrícolas no campo, pois é capaz de obter informações pertinentes em curto espaço de tempo como: área plantada, produtividade e existência de ervas daninhas, pragas ou doenças. Assim, este estudo tem como objetivo comparar os sensores OLI, MUX e MSI – satélites LANDSAT 8, CBERS 4 e Sentinel 2A, respectivamente –, na estimativa de produção de cana de açúcar em uma área localizada na Usina Cucaú, Rio Formoso-PE, entre os anos de 2016 a 2020. Com o auxílio dos softwares QGIS, SAGA e GRASS GIS, foram realizadas as etapas de geração dos índices espectrais de vegetação – “IV” (NDVI, EVI, SAVI e VARI); criação dos mapas de uso e cobertura da terra; e validação da acurácia dos resultados encontrados. Posteriormente, os IV’s que obtiveram melhor qualidade de mapeamento (de acordo com o sensor orbital) foram utilizados na geração do IAF para o mapeamento da produção para a área de estudo. Os melhores resultados foram encontrados pelos índices VARI (para o OLI), NDVI (para o MUX) e SAVI (para o MSI) com índices Kappa (0,43; 0,44 e 0,45), Exatidões globais (72,68%; 73,16% e 72,30%), Acurácias do Produtor (71,71%; 71,50% e 73,39%) e Acurácias do Usuário (72,88%; 75,96% e 73,33%), todos valores médios respectivamente.

Autores: WEN, T. C., FREIRE, C. F., MIRANDA, K. O. S., MOURA, G. B.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: aprendizado de máquina; zootecnia de precisão; vocalização

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

A carne suína é uma das mais consumidas do mundo, atender a demanda mundial com quantidade, não é mais único objetivo dos produtores, mas também garantir uma proteína de qualidade e priorizando as questões de bem-estar animal. Nesse cenário, torna-se cada vez mais imprescindível o uso de ferramentas que auxiliem no controle da produção e gerem respostas rápidas e seguras, para que tomadas de decisão no manejo sejam mais assertivas e com caráter preventivo. Este artigo realizou a identificação de vocalizações sociais e agonísticas emitidas por suínos machos e fêmeas, em fase de creche, mantidos em baias de produção. A identificação ocorreu por meio do aprendizado de máquina, fazendo uso do software Weka e tomando como base parâmetros acústicos: amplitude, pitch, intensidade, energia do sinal, formantes e harmônica. Foi possível realizar a definição das duas diferentes categorias vocálicas com acurácia de até 82,8%.

Autores: BAZZI, C. L., SCHENATTO, K., SUZIN, V., TONIN, P. C., LANGER, M. P., SOUZA, E. G.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: NDVI, IFV, NDRE

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

A utilização de ferramentas e métodos de sensoriamento remoto são grandes aliados na área agrícola, principalmente no que se refere a análise de cenários de desenvolvimento das culturas. O objetivo desse trabalho foi aplicar índices espectrais NDVI, NDRE e IFV na análise de imagens obtidas por drone em área de cultivo de milho e avaliar a qualidade dessas imagens. O estudo foi realizado em uma área agrícola no Oeste do Paraná. Para obtenção das imagens espectrais, foi utilizada uma câmera Altum da Micasense acoplada no Drone Spectral da Nuvem UAV. As imagens obtidas apresentaram boa resolução espacial permitindo realizar o cálculo dos índices NDVI, IFV e NDRE. Os índices apresentaram bons resultados quanto a identificação de áreas descobertas, devido à má germinação ou falha de plantio, sendo que, apesar de todos os índices permitirem tal identificação, o IFV e NDRE apresentaram resultados não identificados pelo índice NDVI.

Autores: CARRIJO, W. R., BORGES, M. T., SOUZA, F. G.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: NDVI, índice vegetativo, café

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

O presente trabalho tem como principal objetivo comparar o NDVI (Normalized Difference Vegetation Index) em cada fase fenológica do café, a fim de identificar qual período apresenta melhor resultado no índice vegetativo. O café possui 6 fases fenológicas que compreendem um período de 2 anos. O intuito é identificar o comportamento espectral que cada fase fenológica tem nas bandas multiespectrais utilizadas para gerar o NDVI (banda NIR - infravermelho próximo e banda Red - Vermelho). Na análise feita no trabalho, foi utilizado os valores do histograma de cada raster gerado no índice, obtendo os valores máximos e mínimos de cada fase fenológica. Nos resultados conseguimos analisar os valores de NDVI em todas as fases fenológicas, e em qual fase apresentou melhor resultado do índice vegetativo e melhor reflectância nas imagens de satélite.

Autores: SILVA, N. V., SILVA, R. A. B., PANDORFI, H., ALMEIDA, G. L. P., SIMÕES, G. M. R.

Ano da publicação: 2021

ISBN: 978-65-87729-03-9

Palavras-chave: imagem térmica, mastite bovina, processamento de imagem

Área: Geomática, Instrumentação e Agricultura de Precisão (GIAP)

O Brasil atualmente destaca-se pelo aumento constante da produtividade leiteira. No entanto, existe um entrave a esse setor que é bastante conhecido pelos produtores que é a mastite. Ela é uma doença conhecida pois causa grandes perdas ao setor como custos com tratamento e perda de qualidade do leite. O objetivo deste estudo foi segmentar imagens térmicas de animais saudáveis e com mastite subclínica, tomando-se como base a temperatura de superfície do úbere e utilizando o algoritmo kmeans. A pesquisa foi realizada em uma unidade de produção de leite, Fazenda Roçadinho em Pernambuco e contou com 24 vacas Girolando em condições clínicas distintas (8 animais saudáveis, 8 animais com mastite subclínica e 8 animais com mastite clínica). A etapa de segmentação foi realizada utilizando linguagem python. Foi extraída a região de interesse utilizando o algoritmo Grabcut. A rotulação dos clusters se deu utilizando o algoritmo K-means e criados mapas de probabilidade para verificar em escala de cinza a quais classes pertencem os pixels. E foram plotados mapas de superfície das imagens com o Interactive 3D Surface Plot para análise da luminância. O total de pixels referente a região de interesse na imagem para os animais saudáveis variaram de 11.034 a 13.570 pixels. Para o quadro de mastite subclínica verificou-se variação de 12.582 a 15.678 pixels nos enquadramentos. Foi possível classificar imagens térmicas de animais saudáveis e com mastite nos enquadramentos anterolateral esquerdo, direito e posterior utilizando processamento de imagens através do algoritmo kmédias.