@PhDThesis{Dainese:2005:ImLAMa,
author = "Dainese, Renata Cilene",
title = "Imagens LANDSAT para mapeamento de produtividade de soja e milho
em agricultura de precis{\~a}o",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2005",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2005-12-02",
keywords = "x.",
abstract = "O conhecimento da variabilidade espacial da produtividade de um
talh{\~a}o agr{\'{\i}}cola {\'e} uma das
informa{\c{c}}{\~o}es mais importantes nos sistemas de
gerenciamento da produ{\c{c}}{\~a}o. Por{\'e}m, as
t{\'e}cnicas convencionais para mensurar essa variabilidade,
dentro dos princ{\'{\i}}pios de Agricultura de Precis{\~a}o
(AP), n{\~a}o t{\^e}m demonstrado serem satisfat{\'o}rias,
principalmente para grandes propriedades agr{\'{\i}}colas. Entre
as diferentes alternativas para se conhecer a variabilidade
espacial, o Sensoriamento Remoto (SR) tem se mostrado como uma das
t{\'e}cnicas mais promissoras, por{\'e}m ainda carente de
desenvolvimento. Desta forma, o objetivo principal deste trabalho
foi o de explorar o potencial de imagens multiespectrais orbitais
de m{\'e}dia resolu{\c{c}}{\~a}o espacial, aqui representadas
pelos sensores TM e ETNA' a bordo dos sat{\'e}lites Landsat 5 e
7, respectivamente, para obter mapas de variabilidade de
produtividade das culturas de milho e soja. Para tanto, foi
realizada a an{\'a}lise de regress{\~a}o m{\'u}ltipla entre os
dados e estabelecida uma metodologia para gerar zonas de
variabilidade de produtividade, chamada Mapa de
Varia{\c{c}}{\~o}es. Nas an{\'a}lises de regress{\~a}o entre
os mapas de produtividade, obtidos em campo por meio de colhedoras
equipadas com monitores, e os valores de reflect{\^a}ncia, nas
imagens de cada canal do sensor e de {\'{\i}}ndices de
vegeta{\c{c}}{\~a}o, os valores de correla{\c{c}}{\~a}o
encontrados foram baixos. Os maiores valores obtidos foram para a
cultura do milho e observou-se uma tend{\^e}ncia de melhores
resultados encontrados com a aplica{\c{c}}{\~a}o do GNDVI. Por
outro lado, foi poss{\'{\i}}vel observar nos Mapas de
Varia{\c{c}}{\~o}es uma tend{\^e}ncia de concord{\^a}ncia das
zonas de reflect{\^a}ncia com as zonas de anormalidade de
produtividade, demonstrando o potencial dessa metodologia para a
defini{\c{c}}{\~a}o de zonas de manejo. Desta forma, pode-se
verificar que o SR {\'e} potencialmente uma importante fonte de
dados para a AP, que pode suprir algumas das necessidades deste
sistema, desde que com t{\'e}cnicas adequadas e um detalhado
trabalho de campo, principalmente para grandes {\'a}reas, ou onde
dados de monitoramento de colheita n{\~a}o est{\~a}o
dispon{\'{\i}}veis. ABSTRACT: The knowledge of space variability
of yield is one of the most important in the management
information production systems. However, conventional techniques
for measuring such variability, with the principies of Precision
Agriculture, have not demonstrated to be satisfactory, mainly for
large farms. Among different alternatives, Remote Sensing tias
shown to be one of the most promising techniques, however still
under development. Considering it, the main objective of this work
was to explore the potential of orbital multispectral images of
average space resolution, obtained with lhe sensors TM and ETM .
on board lhe satellites Landsat 5 and 7, respectively, aiming at
the attainment of maps of com and soybean yield variability. A
multiple regression was carried out and established a methodology
of generation of yield variability zones, call Variations Map.
Regression analyses were established between yield maps generated
by yield monitors on lhe combines, and the values of reflectance
of each canal of the sensor and vegetation index. The correlation
values were low, with highest values com n and with lhe
application of the GNDVI. On the other hand, it was possible to
observe a trend where reflectance zones followed the zones of
yield abnormality using the methodology of Variations Maps,
demonstrating the potential of this methodology for the definition
of management zones. It can be observed that Remote Sensing is
potentially an important source of data for Precision Agriculture,
being able to supply with adequate techniques and detailed field
work, some of the necessities of the system, mainly for large
areas, or where yield maps are not available.",
committee = "Epiphanio, Jos{\'e} Carlos Neves (presidente) and Molin,
Jos{\'e} Paulo (orientador) and Moreira, Maur{\'{\i}}cio Alves
(orientador) and Rudorff, Bernardo Friedrich Theodor and Queiroz,
Daniel Mar{\c{c}}al de and Vettorazzi, Carlos Alberto",
copyholder = "SID/SCD",
englishtitle = "LANDSAT images for mapping soybean and corn yield in precision
agriculture",
language = "pt",
pages = "141",
ibi = "6qtX3pFwXQZGivnJSY/KaFEm",
url = "http://urlib.net/ibi/6qtX3pFwXQZGivnJSY/KaFEm",
targetfile = "publicacao.pdf",
urlaccessdate = "10 maio 2024"
}