Departamento de Agronomia UNIVERSIDADE DE TRÁS-OS-MONTES E ALTO DOURO

Transcrição

1 AGRICULTURA DE PRECISÃO (caraterização do meio - as plantas)

2 Caraterização das plantas - A planta é o melhor sensor sobre o ambiente na qual está inserida; - Os sensores podem medir o que a cultura está sentindo fornecendo informações sobre as aplicação, a taxas variáveis, dos fatores de produção; - Uma das formas de analisar o desenvolvimento das culturas é por meio das caraterísticas de refletância espetral; - O mapeamento da variabilidade espacial do stress da cultura pode tornar possível o tratamento de doenças, deficiências de nutrientes ou deficiência de água no solo - A dificuldade de interpretação da variabilidade espacial do stress da cultura prende-se com a dificuldade em identificar qual o fator que conduz ao stress, pois todos eles induzem a cloroses foliares que se distinguem por pequenas variações das assinaturas espetrais. - O mapeamento pode identificar as áreas com stress e o pessoal de campo pode identificar a causa do stress.

3 Interação da vegetação com a radiação eletromagnética 1- Sensores de clorofila - Quase todo o azoto foliar está contido nas moléculas de clorofila, pelo que existe uma alta correlação entre o azoto foliar e o teor de clorofila; - O teor de clorofila quantificado pelo SPAD (Soil Plant Analysis Development) é apresentado na forma de um valor relativo sem dimensão; - A clorofila utiliza (absorve) a luz vermelha, e o medidor de clorofila é baseado na quantidade de luz vermelha absorvida e na quantidade transmitida através da folha; - Quanto mais clorofila a folha tem, mais radiação na faixa do vermelho é absorvida; - O medidor de clorofila é mais sensível na faixa entre o estado de nutrição azotado deficiente e o adequado; - O sensor de clorofila não indica o excesso de N - O sensor mede a diferença relativa do stress de N

4 Absorção da energia visível pela clorofila

5 Sensor de clorofila - Scouting (1) - Os sensores de clorofila podem auxiliar na recomendação de N para o milho e sorgo porque pequenos excessos de N não causam redução de produtividade ou qualidade; - Excesso de N em culturas como algodão, beterraba, trigo e cevada pode afetar negativamente a saúde, a produtividade e o valor do produto final; - A estratégia de amostragem para medir o teor de clorofila deve ser definida para cada cultura e para cada tipo de folha; - As leituras devem ser feitas tendo-se em consideração o estágio de crescimento, a idade relativa das folhas amostradas e a posição na folha onde a medida é feita; - A maior necessidade de N para o milho verifica-se entre os dias após a emergência; - As folhas devem ser amostradas quando a planta atinge o estágio V6 (planta com cerca de 30 cm - 6 folhas). Local de medição:

6 Sensor de clorofila (Scouting) - Para se definir a quantidade de N a partir do valor de SPAD o ideal é ter uma área de referência sem stress de N; - A leituras de SPAD devem ser efectuadas na mesma variedade/cultivar, mesmo estágio de crescimento e em áreas com histórico similar; - Calcula-se um Índice de Suficiência de Azoto (ISN) ISN valor médio SPAD da área valor SPAD na área sem stress de N 100 Produtividade (massa de frutos de café por planta) SPAD Outubro de 2003

7

8

9 2- Comportamento espetral dos alvos Fatores que interferem nas medidas 1- Forma de aquisição de dados - plataformas terrestres (laboratório ou campo) - plataformas elevadas (aeronaves ou satélites) 2-Geometria de aquisição de dados - posições espaciais da fonte, do alvo e do sensor 3-Parâmetros atmosféricos - humidade atmosférica (absorção da REM: fonte-alvo-sensor) - presença e quantidade de aerossóis (espalhamento da REM) 4- Objetos adjacentes ao alvo - objetos ao redor do alvo interferem na medida de refletância

10 Interação da vegetação com a radiação eletromagnética solar (REM) 28% da REM absorvida pelas folhas são para realizar fotossíntese As propriedades óticas da folha depende: - Qualidade e intensidade da REM - Espécie - Espessura e estrutura foliar - Teor de clorofila e caroteno - Teor de matéria seca por unidade de área A REM que atinge a folha é refletida, transmitida ou absorvida, e isto depende de: - Comprimento de onda - Ângulo de incidência - Textura, propriedades óticas e bioquímicas das folhas

11 Interação Folha-REM (cont) Para DR (deteção remota), três bandas da REM são importantes: - Visível - IV próximo - IV médio Visível

12 IV Próximo A estrutura interna da folha é o fator predominante para controlar a reposta espetral ao IV próximo - Distribuição e arranjo dos espaços com ar - Tamanho e forma das células Alta refletância e transmitância % absorvida é mínima Interação Folha-REM (cont) Resposta do dossel é diferente de uma folha isolada IV Médio Baixa refletância Alta absorção pela H 2 O (2.660, e nm) Média absorção pela H 2 O (1.200, 1.450, e nm)

13

14 (1)

15 Comportamento espetral da Vegetação 6CO 2 + 6H 2 O C 6 H 2 O 6 + 6O 2 - Radiação visível (0.4 a 0.7 m) : PAR - A nível de epiderme, somente 2 a 3% de refletância - Interações microscópicas (Clorofila a, b e nos carotenóides) - Na região do visível, o sinal é dominado pela refletância superficial; a refletância interna é muito baixa - Três regiões controlam a assinatura de uma folha: - Visível: muito baixa refletância (absorções dominadas por pigmentos) - NIR: alta refletância (refletância relacionada à estrutura da folha) - MIR: refletância baixa (absorções controladas pela presença de água)

16 Sete Regiões Principais Comportamento espetral da Vegetação - Azul (0.4 a 0.5 m): absorções controladas por carotenos e clorofila - Verde (0.5 a 0.6 m): refletância ligeiramente mais alta (absorções devido a clorofila ) - Vermelho (0.6 a 0.7 m): sensibilidade à presença de clorofila - Zona de transição (visível infravermelho): red edge - Sensível ao stress (1ª derivada) - Faixa do NIR (0.7 a 1.3 m): ausência de absorções - Radiação refletida e transmitida - Zona de transição (NIR MIR): - NIR edge - MIR (1.3 a 2.5 m): - Absorções OH- (H 2 O) predominam

17 (1)

18 Interação Folha-REM

19

20 Refletância das folhas (1)

21 Refletância espetral de uma cultura

22 Refletância Refletância típica de uma copa de uma cultura Comprimento de onda (nm)

23 Exemplos de curvas de refletância (2) (1) Ver notas

24 A refletância da vegetação (fatores que afetam a refletância) Fatores Morfológicos - Densidade da cobertura vegetal - Densidade da plantação - Largura da folha - Distância entre folhas - Inserção foliar Fatores Fisiológicos - Idade da planta - Deficit hídrico - Tipo e espessura das folhas - Nutrientes - Conteúdo de água na folha

25 Fatores que afetam a refletância da vegetação (cont) Outros fatores - Refletância efetiva de fundo (background, solo, rocha, folhas mortas, sombra) - Ângulo de iluminação solar - Azimute do sol - Ângulo de visada

26 A refletância da vegetação - os índices de vegetação Os índices de vegetação são indicadores que se baseiam nas grandes diferenças de refletância que a vegetação verde apresenta nas regiões do visível e do infravermelho refletido, ao contrário da vegetação morta ou seca e dos outros tipos de ocupação do solo (água, solo nu, etc.). São uma combinação de operações aritméticas entre bandas espetrais, testadas primeiramente com o sensor MMS e depois com os sensores TM e AVHRR.

27 Como a AP pode desempenhar o seu papel Os índices de refletância são determinados por fórmulas baseadas em somas, diferenças ou frações de dois ou mais comprimentos de onda do espetro indicativo de importantes funções da cultura; Os índices mais comuns da vegetação (VI) são simples fracções (SR = R NIR / R R )(1) e índices normalizados de diferenças vegetativas (NDVI= R NIR -R R / R NIR +R R ); A biomassa verde (LAI), o índice de área verde (GAI), o índice de área verde das folhas (GLAI), a fração fotossinteticamente ativa da radiação (PAR) estão correlacionados positivamente com os VI s. Medindo-se periodicamente os índices da vegetação durante o ciclo vegetativo é possível estimar a área foliar (LAD). Os indicadores de tolerância ao stress e a PAR total absorvida pela copa são os fatores mais fiáveis para estimar a produção. Os índices de refletância fotoquímicos (PRI)(3) podem determinar o PRUE(2) e este PRUE é induzido pelo estado nutricional da planta e stress hídrico. A utilidade dos pigmentos na deteção remota inclui o acesso aos estados fenológicos da cultura e à ocorrência de vários fatores do stress.

28 Como a AP pode desempenhar o seu papel PRI tem sido apresentado com um bom índice para descriminar as culturas relativamente às diferenças entre os regimes de água e podem ser indicados como um bom índice do stress hídrico das plantas Vários índices como RARSa, RARSb, RARSc estão relacionados com as alterações da composição dos pigmentos e podem ser usados para deteção de deficiências de nutrientes, stress ambientais e ataques de pragas; O acesso ao stress nas plantas é uma ferramenta fisiológica importante que tem sido demonstrada como associada a alguns índices espetrais; O índice de água (WI) tem demonstrado estar associado à quantidade de água, ao potencial hídrico das folhas, à condutância dos estomas e à temperatura das folhas; A previsão das produções utilizando índices de vegetação é uma das utilizações mais importantes das propriedades espetrais. Uma relação significativa pode ser estabelecida entre altas e baixas produções de genótipos de soja pela utilização do NDVI como índice de refletância espetral (Ma et al., 2001) DR pode fornecer informação fiável para monitorização da produção em trigos de inverno sob diferentes situações de stress de azoto (Serrano et al., 2000)

29 Como a AP pode desempenhar o seu papel O NDVI calculado a partir do estado do afilhamento (tillering) até ao início da floração é útil para a predição da matéria seca total dos trigos de inverno (Aase and Siddoway,1981) NDVI, DR e PRI podem explicar 52, 59 e 39 % da variabilidade da produção em trigo duro (Aparicio et al., 2000) O NDVI verde (GNDVI) calculado quando o milho grão está meio formado, permitiu encontrar correlações significativas (r = 0.72 to 0.92) com a variação da produção (Shanahan et al., 2001) Experiências com trigos de inverno, em nove localizações e em dois anos consecutivos (Raun et al., 2001), permitiram, utilizando o NDVI como um índice vegetativo, explicar 50% da variabilidade da produção.

30 - Utilizado na descrição da vegetação Normalized Difference Vegetation Index (NDVI) - Calculado a partir da radiação do infravermelho (R900 nm) e do vermelho (visível - R680 nm): NDVI = (IV - ver) (IV + ver) - Estes valores dão informações muito importantes acerca da produtividade ou teores de clorofila ("greenness ) e da densidade da vegetação. Aplicações dos NDVI à AP - Criação de mapas - Obtenção de dados de grandes áreas - Deteção de problemas nas plantas - Deteção do desenvolvimento vegetativo / maturação

31 (1) (2)

32 Comportamento Espetral da Vegetação (1) (2) Ver notas

33 (1)

34 Relação entre o SPAD e o GNDVI

35

36 LAI > ~ 2.0 (1) Ver notas

37 ( Índice de biomassa ) Ver notas

38

39 (1)

40 Índices normalizados das diferenças na vegetação (Normalized Difference Vegetation Index) As plantas com stress devido à deficiência de nutrientes, seca ou ataques de pragas são facilmente identificadas pois têm cor azul e verde claro (têm valores de NDVI + baixos). Qto + verde > é o teor de clorofila + vigorosas são as plantas.

41

42 (1)

43

44

45 Mapa da quantidade de biomassa gerado pelo sistema N-Sensor, a partir da leitura da refletância da luz pela planta Fonte: Emilio Gil. 2004

46

47 λ λ λ

48

49

50 (1)

51 AGRICULTURA DE PRECISÃO (caraterização do solo - comportamento espetral)

52 Comportamento espetral dos solos Comportamento espetral dos solos - Os solos são compostos de substâncias em três fases:. - Sólida (minerais e matéria orgânica): - Solos com minerais opacos e óxido de ferro: baixa refletância - Solos arenosos tem maior refletância do que os argilosos (matéria orgânica) Quanto maior a quantidade de matéria orgânica menor é a refletância (2) (1) - Líquida (água): - Alta humidade: baixa refletância - Gasosa (ar)

53 Comportamento espetral (1) Comportamento espetral das rochas e minerais: - composição físico-química influência a resposta dos vários sensores (região do infravermelho térmico) mesmo das zonas cobertas por vegetação e solo. - rochas ricas em sílica (quartzo-feldspáticas) apresentam alta refletância (tonalidades claras) - rochas ricas em magnésio e ferro caraterizam-se por baixa refletância (tonalidades escuras) - rochas sedimentares arenosas apresentam maior refletância (tonalidades claras) - argilas apredentam baixa refletância (tonalidades escuras) - rochas sedimentares têm baixa refletância (ferro, carbono orgânico e argilas) (tonalidades escuras) Utilização deste tipo de informação pelas empresas do ramo de prospecção mineral. Rocha é um aglomerado natural de minerais.

54 Fatores que afetam a refletância dos solos 1. Humidade (maior humidade causará uma menor refletância); 2. Conteúdo de matéria orgânica ( um aumento em matéria orgânica causará uma diminuição da refletância); 3. Quantidade de óxido de ferro (um aumento em óxido de ferro causará uma diminuição de refletância); 4. Percentagem relativa de argila, silte (limo) e areia (uma diminuição do tamanho das partículas aumentará a refletância); 5. caraterísticas de aspereza da superfície dos solos (uma diminuição na aspereza da superfície causará um aumento do nível de refletância).

55 Comportamento espetral do solo - o λ contribui significativamente para o sinal eletromagnético refletido pela maioria dos alvos naturais terrestres; - elementos do solo que definem o comportamento espetral: - constituição mineral; - proporção de matéria orgânica; - granulometria (textura e estrutura); - humidade. (1)

56 Fatores que afetam a refletância dos solos Óxidos de ferro Em geral, os óxidos de ferro absorvem bastante a energia eletromagnética (EEM) da região do infravermelho próximo (com máximo de absorção em torno de 900 nm); a quantidade de energia absorvida depende da quantidade do óxido de ferro. Os solos contendo maiores teores de óxidos de ferro, como os Latossolos Ferríferos e os Latossolos Roxos, têm espetros de energia refletida, principalmente na região do infravermelho próximo, bastante atenuados em razão da presença do óxido de ferro, que se sobrepõe às influências dos demais parâmetros do solo (1).

57 Matéria orgânica A composição e o conteúdo de matéria orgânica no solo são reconhecidamente fatores de forte influência sobre a refletância dos solos. À medida que o teor de matéria orgânica aumenta, a refletância do solo decresce no intervalo de comprimento de onda de 400 a 2500 nm. Quando o teor de matéria orgânica no solo excede os 2,0 %, ela desempenha um papel importante na determinação das propriedades espetrais do solo. Quando o teor é menor que 2,0 % outros constituintes do solo passam a ser mais influentes no comportamento espetral do solo do que a matéria orgânica. Fatores que afetam a refletância dos solos Na figura são mostradas três curvas espetrais, obtidas de solos com materiais orgânicos em diferentes estádios de decomposição; ou seja, materiais sápricos (altamente decompostos), materiais hêmicos (moderadamente decompostos) e materiais fíbricos (fracamente decompostos).

58 Fatores que afetam a refletância dos solos Rugosidade e formação da crosta superficial Logo nas primeiras pesquisas sobre deteção remota em solos, foi possível reconhecer a presença de formação de crostas superficiais em áreas desnudas, pela diferença no comportamento espetral dessas áreas em relação às adjacentes do mesmo tipo de solo. A formação de crosta faz com que solos húmidos apresentem um comportamento espetral de solo seco. Solos com presença de crosta apresentam maiores valores de refletância na região espetral de 430 a 730 nm, em relação àqueles cujas crostas foram desfeitas (1). Este facto foi mais tarde evidenciado em estudos sobre identificação e mapeamento de solo preparado para plantio, na região de Ribeirão Preto. Nestes estudos foram utilizados dados do MSS (Multispectral Scanner Sensor) do Landsat, bandas 6 e 7 (visível e infravermelho próximo) e fotografias aéreas com falsa cor, escala aproximada 1: Durante as fases de interpretação dos dados de satélite e de fotografias aéreas, os autores notaram que certas áreas preparadas para plantio apresentaram, nos dados do Landsat (banda 4) dois tons de cinza bastante distintos: um bem escuro, proveniente da maior absorção da radiação nesta faixa, pela presença de óxido de ferro e outro mais claro, embora fosse o mesmo solo.

59 Rugosidade e formação da crosta superficial Após a verificação de campo, constataram a presença de crostas no solo exactamente onde a tonalidade de cinza era mais clara. Neste caso, a formação de crostas estava associada à diferença de tempo entre o preparo do solo, nestas áreas, e o período de recolha dos dados do satélite Por outro lado, durante a preparação do solo, principalmente no período das lavouras, é comum a formação de torrões. Este facto, gera sobre o solo uma certa rugosidade do terreno, o que se pressupõe interferir na refletância do mesmo. Essa rugosidade pode causar efeitos tanto de espalhamento como de sombreamento.

60 refletância (%) Humidade do solo Fatores que afetam a refletância dos solos Solos húmidos apresentam, em geral, uma refletância menor que os secos, na faixa de comprimento de onda de 400 a 2600 nm. Para ilustrar, na figura são mostradas várias curvas espetrais de solos contendo diferentes percentagens de água. Todas as curvas apresentam bandas de maior absorção em 1400, 1900 e 2200 nm. Comprimentos de onda ( um)

61 Fatores que afetam a refletância dos solos Distribuição do tamanho das partículas Os solos são formados por partículas de diferentes tamanhos, sendo a caraterização da textura feita em função das fracções areia, limo e argila (1). Observando os valores de areia (2 a 0,05 mm), limo (0,05 a 0,002 mm) e argila (< 0,002 mm), nota-se que cada uma dessas fracções pode estar no solo em diferentes proporções pelo que um solo pode apresentar refletância espetral diferente de outro solo da mesma classe por dois motivos, ou seja, pela concentração e tamanho das partículas que compõem os solos. Por outro lado, o arranjo físico e a agregação dessas partículas proporcionam ao solo uma estrutura. A textura e a estrutura são responsáveis pela quantidade e tamanho dos espaços porosos no solo, que são ocupados pela água e o ar. No caso de um solo ideal para cultivo, sem problema com excesso de humidade, o ar ocupa os poros maiores que 5 mm e a água poros menores que 5 mm.

62 Distribuição do tamanho das partículas (cont) A fracção argila é a mais activa quimicamente e pode ser constituída por minerais secundários, como a caulinite, montmorilonite e por sesquióxidos de alumínio e ferro. Cada constituinte do solo interage com a radiação eletromagnética de forma diferente mas como esses minerais não ocorrem isoladamente mas formando o complexo do solo, a energia refletida é a soma integrada de todas as energias refletidas pelos diferentes componentes do solo.

63 Sensor para determinação da MO do solo (1)

64 Utilização da refletância para caraterização dos solos (1)

65 Comportamento espetral dos Alvos Comportamento espetral de Áreas Construídas - impossível obter informações precisas devido aos diferentes tipos de materiais que se analisam - áreas residenciais, formadas com materiais variados (concreto, asfalto, vidro, ferro e vegetação). - Exemplo: Concreto/Asfalto - curva a - asfalto- baixa refletância ( 0,4 μm a 0,9 μm). - curva b - concreto - complexo (entre 0,4 e 0,6 μm) (1) aumento da refletância - mantém variações mínimas - 0,6 a 0,9 μm. - apresenta absorção - 0,38μm, 0,9μm e 1,1μm.

66 caraterização do solo pela utilização de radares

67 caraterização do solo pela utilização de radares

68 caraterização do solo pela utilização de radares

69 AGRICULTURA DE PRECISÃO (caraterização do solo - sua amostragem)

70 A amostragem dos solos Os diferentes tipos de solos apresentam atributos intrínsecos (ex. morfologia, composição química, etc.) e extrínsecos (cor, teor de água, etc.) caraterísticos que determinam o potencial de suporte à produção das culturas, pelo que a amostragem dos mesmos fornece informação de suporte à aplicação localizada dos recursos para produção. Deve ser possível monitorizar o aumento da biomassa das produções através de índices vegetativos, devendo aquela estar relacionada com o potencial dos solos. Recolha das amostras do solo: - por grelha (A) - o campo é divido numa grelha com células de um dado tamanho; - por zona (B) - o campo é dividido em zonas definidas em função de uma dada caraterística (condutividade elétrica, cor, textura, etc.) A B

71 1- Amostragem por grelha 1- Criar um mapa (layer) com os limites das parcelas - utilizando um GPS marcar os limites das parcelas; - carregar o mapa com os limites num programa GIS. 2- No GIS definir a grelha com células de tamanho adequado. 3- Com um GPS utilize o sistema de navegação para se deslocar para os pontos de recolha das amostras (centro das células) - recolha as amostras; - marque as amostras com as coordenadas do local 4- Envie as amostras de solo para um laboratório para análise. 5- Carregue o mapa da parcela no GIS e os dados georeferenciados provenientes do laboratório. 6- Criar um mapa de predição 7- Utilizar o mapa de predição para controlo da aplicação dos fatores.

72 Recolha de amostras de solo georeferenciadas

73 Amostragem por grelha do solo Mapa de grelha e de contornos com os dados da amostragem das análises do solo. Fonte:

74 Amostragem e análise de solos A amostragem de solo para agricultura de precisão pode ser realizada em grade regular ou dirigida Grade Regular Grade Dirigida Baixa variabilidade Alta variabilidade Os dados devem ser amostrados em grade dirigida e depois interpolados para grade regular

75 Amostragem por grelha do solo (Grid soil sampling)

76 Amostragem por grelha do solo Depois das análises serem efetuadas os SIG constroem mapas de variabilidade para cada um dos indicadores. Estes programas fazem as interpolações necessárias (smothing) para se obterem manchas de variabilidade.

77 Amostragem por grelha - Determinação da dimensão das células Geoestatística Os variogramas descrevem em modelos matemáticos a distribuição espacial das variáveis com interesse. Analisa quais e em que grau de complexidade, as variáveis determinantes do rendimento das culturas podem ser ajustadas a modelos teóricos que melhor possam explicar o seu comportamento espacial. Identifica e sistematiza os procedimentos que facilitam a obtenção de modelos teóricos para a reconstrução de superfícies por Krigeagem.

78 O que é um semivariograma: A semivariância é: (h) 1 2N(h) ( N h) [z(s h) z(s)]2 onde: (h) é a semivariância; Z (s+h) e z(s) são os valores separados pelo vector h; N (h) é o nº de pares de valores [z(s+h)-z(s)] separados pelo vector h; z é a variável em estudo.

79 Utilização de semivariogramas para determinação da dimensão das células da grelha Distance (m)

80 Utilização de semivariogramas para determinação da dimensão das células da grelha

81 2- Amostragem do solo por zonas Objectivos: - Obtenção de dados quantitativos sobre a humidade, rugosidade, densidade, etc. - Cartografia dos solos das parcelas - Modulação das operações culturais - Monitorização da evolução do solo (indicador ambiental) - Gestão espacial dos agrosistemas

82 Caraterização do solo à escala da parcela (amostragem por zona) 1- método eletromagnético 2- método mecânico 1- Método eletromagnético Princípio - por radar (hiperfrequência embarcada) - antena de emissão - retrodifusão (retroespalhamento) no solo - captação com uma antena de recepção. Parâmetros medidos - parâmetros geométricos, forma e estado da superfície. Aumento da componente difusa da onda refletida pelo aumento da rugosidade do solo. - parâmetros dielétricos ligados à humidade e condutividade do solo. Aumenta a humidade aumenta a permissividade aumenta o coeficiente de retrodifusão.

83 Definição de zonas de amostragem Determinação de zonas uniformes de solo pela utilização da indução eletromagnética, sem contacto com o solo. Execução de medições em contínuo

84 Definição de zonas de amostragem. Utilização do EM38

85 Utilização do EM38 para determinação da condutividade do solo (1)

86

87 Mapa da condutividade elétrica de uma parcela

88

89 Captor de condutividade / resistividade elétrica do solo (1)

90 2- Método mecânico (medição da resistência específica do solo) Problemas de compactação (circulo vicioso: compactação, equipamento mais potente e mais pesado, maior compactação) Acompanhamento da estrutura do solo (função da textura, matéria orgânica, acção das máquinas) Cartografia da resistência do solo

91 Sensores para medição da resistência específica do solo Resistência mecânica Fx - força horizontal (tração) Fz - Força vertical My - Binário de transferência Medições efectuadas por um captor dinamométrico

92 Penetrometer cm Chisel Till vs. Zone Till Early Late Early Late Less Strength Root Limiting More Strength

93 AGRICULTURA DE PRECISÃO (caraterização da água)

94 Interação da radiação com a água A água não reflete radiação para λ (1) acima da região do visível A existência de sedimentos na água provoca um aumento da refletância. O aumento do teor de clorofila na água provoca uma diminuição de refletância na zona do azul e um aumento na zona da verde

95 Comportamento espetral dos Alvos Comportamento espetral da Água - Estado Líquido - absorve toda radiação < 0,38 m e > 0,70 m (visível) - entre 0,38 m e 0,70 m a refletância baixa Justificação: - a concentração de materiais em suspensão na água - profundidade da água.

96 Comportamento espetral da Água (cont) - Estado Gasoso (nuvens) - altíssima refletância - ondulações na curva espetral devido à absorção (1,3 a 2,0 m - Infravermelho próximo) - Estado Sólido (neve) - até 1,2 m (infravermelho próximo) a curva de refletância da água é maior que no gasoso - de 1,2 a 2,5 m verifica-se decréscimo acentuado - absorção nos seguintes λ - 1.5, 2.0 e 2.5 m

97 Fatores que afetam a refletância da água A refletância da água do rio Tietê é típica de água com elevada concentração de material inorgânico em suspensão, com acentuada refletância na faixa do vermelho, indicando baixa absorção da energia nesta região espetral. A água do rio Piracicaba apresenta uma refletância bastante baixa, com pico de máxima refletância na região do verde (± 23%). Este facto, é um indicador forte da presença de material orgânico em suspensão. A refletância da água, obtida no corpo central do reservatório de Barra Bonita, onde as águas dos dois rios já estão misturadas, mostra claramente a transição entre os dois espetros anteriores.

98 fatores que afetam a refletância da água

99 Refletância da água

100 Exemplos de respostas espetrais de alvos naturais

101 refletância (%) Azul Verde Vermelho Pigmentos da folha Comportamento espetral da Vegetação Estrutura celular interna da folha Conteúdo de água Fatores determinantes da refletância da folha Absorção por clorofila e xantofila, carotenos, Absorção por água Bandas de absorção Comprimento de onda (µm) Visível Infravermelho próximo Infravermelho Infravermelho médio Região espetral

102 80 Pigmento da Folha Resposta espetral da vegetação Estrutura da Célula Conteúdo de Água } Fator dominante controlando a reflectância da folha Absorção de Clorofila Absorção de Água Reflectância (%) } Bandas primárias de absorção Comprimento de Onda ( m) Visível } IV Refletido Região Espectral IV Próximo IV Médio

103 R E F L E C T Â N C I A Resposta espetral de alvos naturais Vegetação Água de Rio Turvo Solo Argiloso Solo Arenoso (%) Água de Rio Límpido 0 COMPRIMENTO DE ONDA (MICROMETROS) Visível IV Próximo IV Médio IV Médio IV Termal MSS (LANDSAT 1,2,3,4 e 5) TM (LANDSAT 4 e 5) (apenas LANDSAT 3) RBV (LANDSAT 1 e 2) RBV (LANDSAT 3) XS SPOT P

104 Exemplo da utilização de sensores remotos

105

106

107 Objetos que não podem ser distinguidos na região do visível podem ter caraterísticas espetrais distintas em outras regiões do espetro.

108 Assinatura espetral - Curva de refletância

109 Assinatura espetral - Curva de refletância

110 Assinaturas espetrais da casta Cabernet Sauvignon, grão de bico (chick-peas) e solo (red-brown soil).

111 Comparação entre a refletância actual da vegetação e a refletância na faixa do infravermelho utilizando (a) 4 bandas (multiespetrais) e (b) 13 bandas (hyperespetrais).

112 Resolução espetral Refere-se a largura da banda espetral na qual a imagem é adquirida

113 Folhas de milho com diferentes teores de humidade

114 Espetro da folha x água

115

116

117 Assinatura espetral das folhas e água Assinatura espetral da grama

118

119

120 081009AP-02

121 caraterização de outros objetos (atmosfera, construções, etc.)

122

123

124 Ficheiros relacionados: 02Vinha Precision viticulture 07AP-04 - Implementing site specific management map- versus sensor based variable rate application 08AP-02 - LBB 344 Introduction to Precision Agriculture 08AP-02 (2) - N sensor Technology 08AP-03 - Introduction to Remote Sensing 08AP-07 - Precision Farming: using remote sensing to manage the application of nitrogen 08AP-09 - Active Canopy Sensors for Precision Agriculture 09AP-01 - Agriculture de précision 09formaggio_aula2 - Sensoriamento remoto agrícola 09Intelli tech FLC eastern shore - Developing The Use of Unmanned Aerial Vehicles in Precision Agriculture 09Introd_SR_Comp_Espectral - Sensoriamento Remoto 09introducao_AgP - Introdução ao estudo da AP 10aghistory - History of American Agriculture 10AP - Applications of Precision Agriculture and Remote Sensing 10DR2 - Detecção remota: fundamentos. Interação da radiação electromagnética com a matéria

125 Ficheiros relacionados: 10GNSSforPrecisionAgriculture - GNSS for Precision Agriculture 10PriceKU_RemoteSensing - Using remote sensing to measure vegetation charactheristics in natural and agro-ecosystems 11Breeding01 - PRECISION AGRICULTURE IN PLANT BREEDING 11CottonNematodeManagement - PRECISION AG/NEMATODE MANAGEMENT IN S. C. 11crager_xmastree1 - Geospatial Technologies and Agriculture. How GPS and GIS are Helping to Improve the Ag Industry 11Intro_to_PA - Introduction to Precision Agriculture 11IPMPresentation - Concepts in Precision Agriculture and Integrated pest Management 13Sensoriamento_remoto - Sensoriamento remoto 13SensoriamentoRemotoMarisa - Sensoriamento remoto e geoprocessamento nos estudos da vegetação 13SIG_MMA_DR1 - Introdução à Detecção Remota 13Teledeteccao_Apresentacao - Utilisation d images aériennes: application à la caractérisation de vignobles 13These_DELENNE - Extraction et Caractérisation De Vignes à Partir de Données de Télédétection à Très Haute Résolution Spatiale?

126 Ficheiros relacionados: 14Aquisicao_atributos_plantas - Aquisição de atributos das culturas 14Aula 2 - SR - Definição de Sensoriamento Remoto 14Aula-1b - Introdução ao Sensoriamento Remoto Geológico 14Guísamo-final - Presente y futuro de la Agricultura de Precisión - Luis Marques