SENSORIAMENTO REMOTO E INTELIGÊNCIA ARTIFICIAL NO MONITORAMENTO DE CAPIM-TANZÂNIA
Nome: PAULA ALBERTI BONADIMAN
Data de publicação: 24/09/2025
Banca:
Nome |
Papel |
|---|---|
| CLEBER MACEDO DE OLIVEIRA | Examinador Externo |
| EDNALDO MIRANDA DE OLIVEIRA | Examinador Externo |
| HUGO BOLSONI ZAGO | Presidente |
| LORENA CONTARINI MACHADO | Examinador Externo |
| SAMUEL DE ASSIS SILVA | Coorientador |
Páginas
Resumo: O sensoriamento remoto (SR), ferramenta da agricultura digital, permite obter dados de um determinado objeto, sem que se entre em contato direto e de forma não destrutiva, gerando informações que auxiliam no manejo. Assim, objetivou-se avaliar o SR como ferramenta para monitorar o desenvolvimento, a eficiência do uso de nitrogênio (N) e a predição da produtividade de Megathyrsus maximus (syn. Panicum maximum) cv. Tanzânia. Para isso, o estudo foi conduzido na área experimental da UFES, Alegre, ES, em duas áreas, uma manejada com adubações (50 Kg ha-1 de N) em cada ciclo da cultura, enquanto na outra, sem adubação. Foram realizadas oito avaliações, conduzidas em pontos georreferenciados, obtendo-se variáveis agronômicas e variáveis espectrais. O comportamento espectral das plantas foi analisado por sensor remoto aéreo e proximal. O Índice de Vegetação por Diferença Normalizada (NDVI) e o Índice da Borda do Vermelho de Diferença Normalizada (NDRE), as bandas espectrais e o índice de suficiência de nitrogênio (ISN) foram analisados em associação à produtividade e às condições climáticas, além de serem empregados em modelos de regressão linear múltipla e Random Forest para a predição da produtividade da forragem. Os resultados evidenciaram que a área manejada com fertilizante nitrogenado apresentou maiores médias de produtividade, índices foliares aparentes de clorofila e índices de vegetação em comparação com a área sem o manejo nutricional e as correlações mais fortes foram obtidas entre produtividade e os índices de vegetação. Os maiores valores de produtividade foram observados nos locais onde a reflectância foi maior no infravermelho próximo e menor nas bandas do visível. O ISN demonstrou potencial como ferramenta de recomendação de adubação, com limiares <0,95 para ISN-NDVI e ISN-NDVI Proximal, e <0,90 para ISN-NDRE, especialmente nos meses de setembro a março, período em que a eficiência agronômica e o fator parcial de produtividade também foram superiores. Na predição da produtividade por meio de Regressão Linear Múltipla e Random Forest foi possível gerar modelos a partir de dados de entrada somente obtidos por sensoriamento remoto aéreo, destacando o NDRE, NDVI e o NIR como variáveis mais importantes na predição, além de mapas preditivos que representaram o padrão espacial da produtividade real. Assim, este trabalho contribuiu para a consolidação do SR como ferramenta para o manejo e tomada de decisões, uma vez que aliado à análise de dados e machine learning possibilitou monitorar, identificar padrões de resposta espectral e predizer produtividade de capim-tanzânia de forma não destrutiva e precisa, contribuindo para sistemas de pastejo eficientes e sustentáveis.
