Efeito da chuva de granizo em variedades do café arábica por meio de índices de vegetação
DOI:
https://doi.org/10.30612/agrarian.v14i54.13940Palavras-chave:
Sensoriamento Remoto., Agricultura de Precisão., NDVI.Resumo
Dados obtidos por Sensoriamento Remoto podem auxiliar no monitoramento, identificação e mapeamento de características relacionadas às culturas, principalmente por meio de índices de vegetação (IV). Nesse sentido, objetivou-se avaliar índices de vegetação nas variedades de café arábica Mundo Novo e Catuaí, antes e após a chuva de granizo. As avaliações ocorreram em janeiro de 2019 nas datas antes e após a ocorrência do fenômeno por meios dos índices de vegetação NDVI e NDRE. Os dados dos IVs foram submetidos à análise estatística descritiva e a análise espacial por meio dos mapas temáticos nas datas avaliadas. Verificou que os índices de vegetação foram maiores após a precipitação de granizo, demonstrando que não foram capazes de detectar a desfolha, provavelmente em virtude de tratamento fitossanitário aplicado em sequência à chuva de granizo. O índice NDRE é mais sensível que o NDVI para captar as variações nos IVs nas variedades do café arábica.
Downloads
Referências
Amaral, L.R., Molin, J.P., Portz, G., Finazzi, F.B., & Cortinove, L. (2015). Comparison of crop canopy reflectance sensors used to identify sugarcane biomass and nitrogen status. Precision Agriculture, 16(1), 15-28. https://doi.org/10.1007/s11119-014-9377-2
Carter, G.A., & Knapp, A.K. (2001). Leaf optical properties in higher plants: linking spectral characteristics to stress and chlorophyll concentration. American Journal Of Botany, 88(4), 677-684. https://doi.org/10.2307/2657068
Crusiol, L.G.T., Carvalho, J.D.F.C., Sibaldelli, R.N.R., Neiverth, W., Rio, A., Ferreira, L.C., Procópio, S.O., Mertz-Henning, L.M., Nepomuceno, A.L., Neumaier, N., & Farias, J.R.B. (2017). NDVI variation according to the time of measurement, sampling size, positioning of sensor and water regime in different soybean cultivars. Precision Agriculture, 8(4), 470-490. https://doi.org/10.1007/s11119-016-9465-6
Fitzgerald, G.J., Lesch, S.M., Barnes, E.M., & Luckett, W.E. (2006). Directed sampling using remote sensing with a response surface sampling design for site-specific agriculture. Computers and Electronics in Agriculture, 53(2), 98-112. https://doi.org/10.1016/j.compag.2006.04.003
Kanke, Y., Tubaña, B., Dalen, M., & Harrell, D. (2016). Evaluation of red and red-edge reflectance-based vegetation indices for rice biomass and grain yield prediction models in paddy fields. Precision Agriculture, 17(5), 507-530. https://doi.org/10.1007/s11119-016-9433-1
Lowe, A., Harrison, N., & French, A.P. (2017). Hyperspectral image analysis techniques for the detection and classification of the early onset of plant disease and stress. Plant Methods, 13(1), 80. https://doi.org/10.1186/s13007-017-0233-z
Molin, J.P., Amaral, L.R., & Colaço, A.F. (2015). Agricultura de precisão. São Paulo: Oficina de Textos.
Pinto Neto, J.N., Alvarenga, M.I.N., Corrêa, M.D.P., & Oliveira, C.C.D. (2014). Efeito das variáveis ambientais na produção de café em um sistema agroflorestal. Coffee Science, 9(2),187-195. https://doi.org/10.25186/cs.v9i2.597
Pimentel-Gomes, F. (1985). Curso de Estatística Experimental. 12. ed. Piracicaba: Livraria Nobel. 467p.
Putra, B.T.W., & Soni, P. (2017). Evaluating NIR-Red and NIR-Red edge external filters with digital cameras for assessing vegetation indices under different illumination. Infrared Physics & Technology, 81(2), 148-156. https://doi.org/10.1016/j.infrared.2017.01.007
Vian, A.L., Bredemeier, C., Silva, P.R.F., Santi, A.L., & Giordano, C.P.D.S. (2018). Limites críticos de NDVI para estimativa do potencial produtivo do milho. Revista Brasileira de Milho e Sorgo, 17(1), 91-100. https://doi.org/10.18512/1980-6477/RBMS.V17N1P91-100
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Sonia Armbrust Rodrigues, Jorge Wilson Cortez, Hermano Jose Ribeiro Henriques
Este trabalho é licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License.
Autores que publicam nesta revista concordam com os seguintes termos:
Autores autorizam a publicação do texto na da revista;
É reservado aos editores o direito de realizar ajustes textuais e de adequação às normas da publicação;
A Agrarian não se responsabiliza pelas opiniões, ideias e conceitos emitidos nos textos, por serem de inteira responsabilidade de seus autores;
Autores garantem que a contribuição é original e inédita e que não está em processo de avaliação em outro periódico;
Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Atribuição-NãoComercial-CompartilhaIgual 3.0 Brasil (CC BY-NC-SA 3.0 BR) que permite: Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato e Adaptar — remixar, transformar, e criar a partir do material. A CC BY-NC-SA 3.0 BR considera os termos seguintes:
- Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
- NãoComercial — Você não pode usar o material para fins comerciais.
- CompartilhaIgual — Se você remixar, transformar, ou criar a partir do material, tem de distribuir as suas contribuições sob a mesma licença que o original.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
- Após a publicação, os autores têm permissão e são estimulados a publicar e distribuir seu trabalho online – em repositórios institucionais, página pessoal, rede social ou demais sites de divulgação científica, desde que a publicação não tenha fins comerciais.