| Summary: | Made available in DSpace on 2015-03-26T13:23:53Z (GMT). No. of bitstreams: 1
texto completo.pdf: 1233840 bytes, checksum: bfb0e036bb022d20b69eb31640805786 (MD5)
Previous issue date: 2013-07-26 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior === The estimated crop yield before harvest is very important for agriculture. Reliable and accurate assessments of the harvests bring a number of benefits, allowing farmers and agencies connected to the sector, the efficient planning of their activities. Today, Brazil is the largest producer of sugarcane (Saccharum officinarum L.), and the sugar and alcohol sector shows some dependence on accurate estimates of production, both for planning and for industrialization and commercialization of the harvest. Considering this necessity, the aim of this study was estimate yield of irrigated areas cultivated with sugarcane using a multispectral model, using images of sensor Tematic Maper (TM) onboard satellite Landsat 5, comparing estimates of multispectral model with real data fields. To accomplish this goal models were coupled, the principal one a model to estimate the biomass produced by the crop, this model is dependent on a conversion factor of light energy into biomass, this factor was determined by a model that is dependent on the fraction evaporative, which in turn was estimated by the SEBAL algorithm. The multispectral model proved to be efficient to estimate the production of sugarcane in irrigated areas, demonstrating sensitivity to predict crop yield, both temporally and spatially. The spatial resolution allowed the identification of a high range of details, providing a high level of accuracy to estimates. The model compared with production values observed in the field, showed high coefficients of determination, indicating a high degree of agreement between estimated and observed. It is observed that there are no statistical differences between the estimated and observed, confirmed the effectiveness of the model to estimate the productivity of sugarcane in irrigated areas. === A estimativa de produtividade das culturas, antes da colheita é de suma importância para a agricultura. Avaliações precisas e confiáveis das safras trazem uma série de benefícios, permitindo aos agricultores e a órgãos ligados ao setor o planejamento eficiente de suas atividades. Hoje, o Brasil é o maior produtor mundial de cana-de-açúcar (Saccharum officinarum L.), sendo que o setor sucroalcooleiro demonstra certa dependência de estimativas precisas de produção, tanto para planejamento, como para industrialização e comercialização da safra. Tendo em vista esta necessidade, objetivou- se com este trabalho estimar a produtividade de áreas irrigadas sob cultivo de cana-de- açúcar por meio de um modelo multiespectral, utilizando imagens do sensor Tematic Maper (TM) a bordo do satélite Landsat 5, comparando as estimativas do modelo multiespectral com os dados reais de campo. Para alcançar este objetivo modelos foram acoplados, sendo o principal deles um modelo para a estima da biomassa produzida pelas culturas. este modelo é dependente de um fator de conversão da energia luminosa em biomassa, este fator foi determinado por um modelo que é dependente da fração evaporativa, que por sua vez foi estimada por meio do algoritmo SEBAL (Surface Energy Balance Algorithm for Land). O modelo multiespectral se mostrou eficiente para a estimativa da produção da cana-de-açúcar em áreas irrigadas, demonstrando sensibilidade para predizer a produtividade da cultura, tanto de forma temporal como espacial. A resolução espacial permitiu identificar uma gama de detalhes, proporcionando precisão às estimativas. O modelo quando comparado com valores de produção observados a campo, apresentou elevado coeficientes de determinação, indicando concordância entre valores estimados e observados. Verificou-se que não existem diferenças significativas entre os valores estimados e observados, comprovando a eficácia do modelo para estimar a produtividade da cana-de-açúcar em áreas irrigadas.
|
|---|
