Machine learning e sensoriamento remoto aéreo como ferramentas para o manejo de pastagens cultivadas
Resumo: As pastagens ocupam grande parte das áreas agricultáveis do mundo, sendo uma das culturas agrícolas mais importantes em diversas regiões. Grande parte das áreas cultivadas no Brasil apresentam algum nível de degradação, ocasionados, principalmente, por ausências de práticas agronômicas de manejo. Com essa pesquisa se objetiva estudar o desenvolvimento e a produtividade de capim-tanzânia (Panicum maximum cv. Tanzânia) em diferentes sistemas de manejo e estabelecer, a partir de índices de vegetação e machine learning, critérios e doses para aplicações de fertilizantes nitrogenados, bem como o monitoramento da incidência e a flutuação populacional de cigarrinhas de pastagens. O experimento será conduzido em duas áreas planas cultivadas com capim-tanzânia. Em uma das áreas serão realizadas adubações de cobertura, enquanto na outra não será adotado qualquer tipo de manejo da fertilidade do solo. Ao longo do período de execução do projeto, em ambas as áreas, será utilizada uma pressão de pastejo de 1,5 unidades animais por hectare, intercalado com períodos pré-definidos de pousio. O desenvolvimento das plantas será avaliado, nas duas áreas, mensalmente. A produtividade será mensurada, nas duas áreas, quando a gramínea cultivada na área manejada atingir altura de aproximadamente 0,50 m. Para as amostragens in loco serão montadas, em cada área, grades amostrais regulares contendo 80 pontos. Os pontos amostrais serão georreferenciados e materializados utilizando estacas de madeira. Para avaliação da incidência de cigarrinhas das pastagens, serão contabilizadas, quinzenalmente, em cada um dos 80 pontos, o número de espumas provenientes do ataque dos insetos. O comportamento espectral das plantas será avaliado, mensalmente, utilizando sensores ópticos ativos e imagens multiespectrais obtidas com sensor embarcado em um VANT. As imagens de sensoriamento remoto aéreo serão submetidas a calibrações geométricas e radiométricas e na sequência processadas para a obtenção dos mosaicos de ortofotos. A partir dos ortomosaicos serão calculados diferentes índices de vegetação, visando avaliar o vigor vegetativo das plantas. Os valores obtidos através dos diferentes índices de vegetação serão correlacionados com as variáveis mensuradas in loco. Para o estabelecimento de critérios para a recomendação nitrogenada serão determinados o índice de suficiência de nitrogênio (ISN) e o fator parcial de produtividade (FPP). A partir dos resultados do comportamento espectral das plantas, do ISN e do FPP serão implementados modelos de inteligência computacional para predição de doses de nitrogênio a serem aplicadas à cultura do capim-tanzânia. A teledetecção da praga será realizada a partir da resposta espectral do dossel, obtida com o sensoriamento remoto aéreo. Para tal serão utilizados modelos baseados em machine learning, aplicados tanto para a reflectância nas bandas individualizadas bem como a partir dos diferentes índices de vegetação calculados. Espera-se com essa pesquisa oferecer alternativas viáveis para a adoção de manejos em áreas de cultivos forrageiros, contribuindo para redução dos níveis de degradação das pastagens. Espera-se também desenvolver tecnologias que visam acelerar a tomada de decisões precisas estabelecendo modelos automatizados e com resposta rápida e baixo custo para o manejo das pastagens.
Data de início: 18/05/2021
Prazo (meses): 36
Participantes:
Papel |
Nome |
|---|---|
| Aluno Doutorado | PAULA ALBERTI BONADIMAN |
| Coordenador | SAMUEL DE ASSIS SILVA |
| Pesquisador | JULIÃO SOARES DE SOUZA LIMA |
| Pesquisador | HUGO BOLSONI ZAGO |
| Pesquisador | ALEXANDRE CÂNDIDO XAVIER |
