II ENCONTRO NACIONAL DE PRODUTORES E ÚSUARIOS DE INFORMAÇÕES SOCIAIS, ECNÔMICAS E TERRITORIAIS.

Transcrição

1 RELATÓRIO DA ATIVIDADE 332 II ENCONTRO NACIONAL DE PRODUTORES E ÚSUARIOS DE INFORMAÇÕES SOCIAIS, ECNÔMICAS E TERRITORIAIS. Código da Atividade: 332 Tipo de Atividade: M14 Mesa Redonda Título da Atividade: Uso do Sensoriamento Remoto em Estatísticas Agrícolas Relator da Mesa: Weuber da Silva Carvalho Lotação do Relator: COAGRO/DPE/IBGE do relator: weuber@ibge.gov.br Telefone do Relator: 0xx Data: 25/08/2006 Horário de início: 13:30 horas Horário de término: 15:30 horas Existência de tradução simultânea/língua: Não houve Público presente estimado: 50 pessoas COORDENAÇÃO A sessão foi aberta no horário previsto. Foram apresentados os quatro expositores: Bernardo Friedrich Theodor Ruddorff (DSR/INPE), Flavio Deppe (Instituto Tecnológico SIMEPAR), Jurandir Zullo Júnior (CEPAGRI/UNICAMP), Elizeu José Weber (LGCE/UFRGS). O objetivo desta mesa era apresentar as aplicações atuais e perspectivas futuras do uso do sensoriamento remoto como auxílio nas estatísticas agrícolas. As aplicações presentes ainda são muito restritas. Apesar disto, o sensoriamento remoto pode auxiliar as estatísticas agrícolas de várias formas: No levantamento de área plantada, situações climáticas, época de plantio, rendimento da produção, uso do solo entre outros. Nome do orador e seu papel na atividade: Bernardo Friedrich Theodor Ruddorff - Expositor Título da apresentação: Imagens de satélites de sensoriamento remoto na estimativa de área e produtividade de culturas agrícolas Recurso usado: apresentação com uso de slides em PowerPoint Duração em minutos: 30 minutos Se há documento de referência da apresentação: não Descrição dos assuntos tratados: O Dr. Bernardo Friedrich Theodor Ruddorff iniciou sua apresentação expondo que o seu objetivo era mostrar as ferramentas do Sensoriamento Remoto (SR) para estimativa de área e de rendimento. Comentou que houve uma grande avanço tecnológico no sensoriamento remoto nas últimas décadas. As três principais características dos produtos de sensoriamento são as resoluções espacial, temporal e espectral. A resolução temporal refere-se ao número de dias que se passa entre uma passagem e outra do satélite na mesma área, variando de um dia a mês. A resolução espacial dos satélites é vinculada a temporal, variando 1 m a 1km, nos satélites aplicados na agricultura. A resolução espectral é o número de faixas, bandas de comprimento de onda, que o satélite pode captar. O apresentador ressaltou que para agricultura, as resoluções temporal e espacial são muito

2 importantes, e são inversamente correlacionados, isto é, quando se melhora um tipo de resolução, conseqüentemente se piora o outro. Este fator é um limitante do uso no sensoriamento na agricultura. Dando seqüência a sua exposição, apresentou alguns dos principais programas de satélites de SR no mundo, o primeiro satélite a ser lançado foi o TIROS-1, em Destacou o uso do satélite da série LANDSAT, um programa americano, iniciado em 1972, este programa foi que mais gerou imagens até hoje. O programa SPOT (França), iniciado em 1986, tem três satélites operando no momento. O Programa Indiano (IRS), também foi ressaltado como tendo imagens de bastante qualidade, o primeiro satélite foi lançado em A qualidade das imagens do IRS é comparável ao do programa SPOT e melhor do que a do programa LANDSAT. O programa CBERS, cooperação Brasil China, também foi mencionado como similar ao LANDSAT. Em seguida, mostrou vários satélites de outros programas, com características parecidas com LANDSAT. Apresentou uma tabela com detalhes das características de vários satélites, onde foram ressaltados aqueles com alta resolução espacial como o Ikonos (1m), o Quickbird (61 cm) e o ALOS, satélite japonês mais recente no momento e com características muito interessantes e de alta resolução temporal com possibilidade 3D. O expositor apresentou uma tabela onde se verifica que quando resolução espacial melhora, aumenta-se o tempo de recobrimento da mesma área. Exemplo de imagens do ALOS com resolução espacial de 2,5m foram mostradas. Alguns programas de satélite foram ilustrados em maior detalhe. No programa LANDSAT foram lançados 7 satélites, onde o último, LANDSAT-7, deixou de operar em maio de O LANDSAT-6 foi perdido no lançamento. O único em operação é o LANDSAT-5, que já apresenta falhas, com resolução espacial de 30m e resolução temporal de 18 dias. O programa SPOT, mantém em operação os satélites SPOT 2, 4 e 5. Foi montada uma antena de recepção do SPOT na Guiana Francesa que pega o estado de Mato Grosso, boa parte do Nordeste, entretanto não pega a região Sul, onde teria que se usar imagens gravadas a bordo do satélite. O Brasil tem condições de receber imagens do SPOT 4, mais no momento não está disponível, devido ao alto custo dos royalties. Mostrou imagens do SPOT com resolução espacial de 2,5m. Os Satélites indianos têm características muito interessantes, o mais recente é o IRS-P6, lançado em outubro de 2003, com uma câmera muito interessante, a AWIFS, de resolução espacial de 56m e temporal de 5 dias, que é o mais moderno em termos de resolução espaço-temporal, e contém outras câmeras com menor resolução espacial. Infelizmente o Brasil não utiliza essas imagens devido ao seu alto custo. O programa CBERS, tem três câmeras a bordo com características semelhantes e complementares a WFI (Imageador de Amplo Campo de Visada) é a câmera de melhor resolução espacial, 5 dias. No momento nenhum satélite CBERS está em funcionamento. O satélite CBERS-2 deixou de funcionar recentemente devido a problemas com as baterias, mas há um acervo muito grande de imagens desse satélite. Os satélites TERRA e AQUA, onde a maioria dos seus sensores são voltados para a meteorologia, tem um sensor muito interessante para agricultura, o MODIS, de 36 bandas, muitas para correção radiométrica e duas bandas de 250m de resolução temporal quase diária. O sensor MODIS tem uma boa resolução radiométrica e grande qualidade das imagens, permitindo identificar a mesma área, numa seqüência temporal longa. Esse sensor pode permitir uma evolução muito grande na área agrícola, de modo o que foi conseguido com o MODIS nos últimos 6 anos, foi mais o que se conseguiu com o LANDSAT nos últimos 30 anos. Apresentou duas imagens do MODIS em épocas diferentes, uma no período seco e outro no período chuvoso. Essas imagens são composições de um período de 16 dias, para se obter uma imagem livre de nuvens. Verificamos que a imagem para o período chuvoso apresenta pedaços com nuvens, ou seja, todas as imagens participantes da composição tinham nuvens, no período seco é relativamente fácil se obter uma composição de imagens livres de nuvem. O RADARSAT, programa canadense, iniciado a dez anos com lançamento do RADARSAT 1, e com lançamento RADARSAT 2 espera-se que tenha um avanço através de uma característica adicional de multipolarização, que pode trazer algumas vantagens na identificação e separação de culturas agrícolas, usando o sensor de microondas. A grande vantagem do RADARSAT é a invisibilidade em relação a nuvens e a grande desvantagem é a difícil detecção do objeto alvo. O DMC, Disaster Monitoring Constellation, é um programa de

3 uma universidade da Inglaterra cujo objetivo é montar um sistema de baixo custo, tanto de construção quanto de lançamento. O DMC é um consórcio de lançamento de satélites, onde cada satélite pertence a um país. Basta comprar um satélite para participar do consórcio, isto é, ter acesso aos dados de todos satélites. O apresentador ressaltou a importância do Brasil fazer parte deste consórcio devido ao seu baixo custo em relação a construção de um satélite próprio. Apresentou uma imagem do consórcio no território brasileiro, esta imagem é comparada com a do LANDSAT apresentando a pequena diferença de não ter o infravermelho médio. O RAPID EYE é uma empresa que está construindo vários satélites para aplicações na agricultura, espera vender produtos para agricultura, e promete uma revisita diária com resolução de 6,5m. O apresentador mencionou que o recobrimento diário, só pode ser feito através de encomenda, uma vez que levaria uma semana para montar esse recobrimento diário com cinco satélites da constelação, que também não tem a banda do infravermelho médio. O expositor apresentou um exemplo prático de um projeto com aplicação do sensoriamento remoto na agricultura, iniciado no INPE, e posteriormente teve a junção de outros órgãos, o CEPEA da USP de Piracicaba, Centro de Tecnologia Canavieira e a União das Industrias Canavieiras de São Paulo (UNICA). O projeto começou a quatro anos atrás, utilizando as imagens LANDSAT, e tem duração de cinco anos. O objetivo é testar a viabilidade de se estimar área plantada de cana de forma operacional no estado de São Paulo. O resultado pode ver visto no endereço, que têm informações por município, por tipo de variedade de cana e estimativa de área de cana. O programa tem obtido resultados bastante satisfatórios. O projeto é desenvolvido via imagens do LANDSAT, aproximadamente 90%, e o restante de imagens do CBERS. Com o objetivo de provocar a discussão na mesa, o palestrante levantou uma questão aos presentes: O que tem sido feito de forma operacional na estimativa de área de agricultura, um dos maiores consumidores de imagens? Muito pouco. O que pode ser feito? Mais, mas não muito. Existem vários limitantes tecnológicos onde um dos principais é cobertura de nuvens, que impede a estimativa da área. O palestrante observou que o sucesso da estimativa de cana deve-se ao fato de que a cultura está disponível fora do período de cobertura de nuvens. Se o mesmo fosse feito para soja, as dificuldades seriam bem maiores. Por que não se faz mais? Por que é importante usar as imagens de satélite para estimar área, se existe métodos mais baratos, que são eficientes? Um dos problemas que impede o desenvolvimento, do uso do SR, é a falta de imagens, quando se precisa da imagem naquela data, esta não está disponível, o custo da imagem é muito alto. Para se fazer um produto operacional precisaria de uma constelação de satélites, necessitando assim de um grande investimento. Um outro problema é a captação de imagens que não é um processo simples. O processo de identificação do pixel também é um processo complicado, muito vezes tendo que ser feito de forma visual, um processo muito trabalhoso. Perspectivas futuras são boas, mas com restrições. Com as constelações de satélites se aumentará a disponibilidade de imagens. O apresentador afirmou que a área pode ser extraída diretamente da imagem, mas o rendimento é um processo que está em desenvolvimento, isto é, na área de pesquisa, sendo que da imagem de satélite não pode ser tirado o rendimento de forma direta, assim as imagens de satélite só poderão ser usadas como uma ferramenta auxiliar da estimativa de rendimento. Nome do orador e seu papel na atividade: Flavio Deppe Expositor Título da apresentação: Caracterização da Evolução de Plantios no Estado do Paraná- Safra de Verão (2005/2006) Recurso usado: apresentação com uso de slides em PowerPoint Duração em minutos: 30 minutos Se há documento de referência da apresentação: não Descrição dos assuntos tratados:

4 O Dr. Flávio Deppe iniciou sua apresentação expondo que o seu objetivo era apresentar o estudo da identificação e evolução do cultivo via sensoriamento remoto. Ressaltou que o projeto de estudo da evolução de cultivo no SIMEPAR foi estimulado pela CONAB através do projeto GEOSAFRAS, um consórcio de várias instituições, para estudos de estimativas de área e rendimento na agricultura, via sensoriamento remoto. Mencionou que a estimativa de área do GEOSAFRAS é feita através de pontos amostrais, e a metodologia foi desenvolvida pelo INPE. A estimativa de rendimento de produtos agrícola é feita através de modelagem, desenvolvida por pesquisadores do IAPAR e da UFRGS. O apresentador resumiu como está o andamento do projeto GEOSAFRAS. Na apresentação foi mostrado como é a geração de máscaras de plantio e o acompanhamento do desenvolvimento das culturas de soja e milho, no estado do Paraná usando imagens de satélites. O palestrante frisou que o direcionamento do trabalho não é de estimativa de área, apesar de aparecer em algumas transparências este tipo de estimativa. O palestrante endossou as limitações do sensoriamento remoto em aplicações agrícolas apresentadas na exposição anterior, mas sugeriu que a solução para os problemas seria juntar as melhores características de vários sensores em um único sensor, uma verdadeira utopia. Para monitoramento de culturas a situação ideal seria, uma resolução temporal de sete dias, resolução espacial de 10 m e resolução espectral de 0,3µ a 3µ,mas essa situação não pode ser atingida no momento, pelo menos num prazo de 20 anos, segundo o palestrante. Se as imagens fossem geradas de sensores com essas características utópicas, poderia se ter vários subprodutos desenvolvidos automaticamente, necessitando apenas de pequenas correções. Mas na realidade, a situação é bem distinta. Existem vários problemas como correção geométrica e radiométrica que são mais aparentes no satélite NOAA. A disponibilidade de imagens em tempo real seria o ideal, mas o que se observa na prática é que o pré-processamento e o processamento das imagens demoram, em muitos casos, vários dias. No caso do trabalho de elaboração da máscara de plantio se necessita 16 dias de imagens MODIS, que não são recebidas diariamente. O processo de composição de uma imagem, que representa a máscara de plantio, é bastante defasado em relação ao ideal. A composição é necessária, devido, principalmente, ao problema de cobertura de nuvens. Uma solução apresentada seria reduzir o número de dias necessários para composição ou então, se fazer máscaras diárias que poderiam atender regiões específicas. Este processo não é possível até a presente data. O objetivo do projeto, como já foi mencionado, é a geração de máscara de solo/plantio; geração de máscara de cultivos de soja e milho; caracterização da evolução de cultivos de soja e milho para safra 2005 e Foram apresentados exemplos de máscaras de solo/plantio e máscaras de evolução do cultivo de soja e milho no período de outubro de 2005 a março de Existem problemas na formação do índice de vegetação (IVDN) a partir de imagens do sensor MODIS, utilizado para se observar a evolução de plantio. Os canais 1 e 2 tem resolução espacial de 250 m, ao passo que, o canal 7 tem resolução espacial de 500 m, afetando a qualidade final do produto. Foi realizado um trabalho de campo nos dias 12 e 13 de janeiro em algumas regionais. A classificação foi feita utilizando as bandas 7, 2 e 1 e de forma supervisionada com classificação digital. O valor final foi alocado em classes, variando de 1 a 1. A secretária de agricultura e abastecimento do estado do Paraná (SEAB) possui núcleos regionais, os quais possuem escritórios que fornecem algumas estimativas de safra. A imagem de 3 de outubro de 2005, do sensor MODIS do satélite TERRA, foi utilizada para gerar a máscara de solo. Apesar de apresentar nuvens, a parte chamada de diagonal da soja não apresenta nuvens, a data foi escolhida a fim de se encontrar solo exposto, indicando regiões que seriam cultivadas. Foi mostrado o resultado final da classificação, e enfatizando mais uma vez, que o objetivo é a determinação de solo exposto (um tipo de classe), mas o classificador pode detectar outras classes, como por exemplo, florestas. Quanto maior o número de classes melhor a qualidade de identificação. Foi ressaltado também, que a classificação foi feita por regional, a fim de se levar em consideração os diferentes tipos de solo. O apresentador mostrou resultados para estimativas de área de milho e soja nas regionais, ressaltando mais uma vez que este não é o objetivo do trabalho. Observou que a questão de estimativa da área tem que ser bem

5 contextualizada devido ao Departamento de Economia Rural (DERAL) da Secretária da Agricultura e abastecimento produzir a cada semana do início de cada safra, as intenções de plantio. Os técnicos das vinte regionais vão a campo e fazem reuniões com agricultores, cooperativas, Banco do Brasil entre outros, para se chegar a estimativa do quanto será plantado. O apresentador lembrou que para se estimar a área via sensoriamento remoto é necessário uma referência, também ressaltou que tem muita dificuldade de se estimar área em nível de estado. A melhor referência é o trabalho de campo, mas no início da safra várias informações podem não ser obtidas, como, por exemplo, a área a ser plantada, tipo de produto e etc.., dificultando assim a estimativa via sensoriamento remoto. Os resultados de estimativa de área para núcleos regional mostram boas concordâncias e resultados absurdos no estado do Paraná. Assim não é possível se traçar muitas conclusões a partir desses dados. O apresentador indicou que com uma equipe adequada, as expectativas de se estimar a área com qualidade é boa. A seguir foi apresentado um exemplo prático de caracterização de plantio, na qual foram utilizadas 15 imagens, que são composições de 16 dias, no período de outubro de 2005 a março de 2006, para algumas regionais. O primeiro exemplo apresentado, foi o núcleo regional de Francisco Beltrão, onde a evolução da caracterização do índice de vegetação, isto é, a resposta espectral, foi registrada em gráficos e imagens. O esperado é que haja uma evolução temporal na amplitude da curva de caracterização da planta, o que não aconteceu nessa regional, devido a problemas de estiagem, observado nos dados de precipitação das estações do estado do Paraná. A evolução espectral da planta ficou prejudicada, conseqüentemente a região de soja não ficou bem caracterizada. O mesmo estudo foi feito com os dados da regional de Londrina. Observa-se nas imagens e nos gráficos, uma evolução no índice de vegetação característico da soja, isto é, a resposta espectral acompanha o desenvolvimento vegetativo da planta. O dado de estimativa de área foi comparado com o do DERAL apresentando uma diferença de 10 %. O apresentador frisou que obtenção de uma boa estimativa está relacionada com o desenvolvimento da planta. Quanto mais próximo do ideal é o desenvolvimento da planta, melhor o resultado. O apresentador conclui a sua apresentação dizendo que os resultados indicam que a utilização de imagens TERRA, MODIS possibilita a geração de máscaras de plantios. Afirmou que o monitoramento do desenvolvimento fenológico, em tempo quase real, é possível ao longo das safras, possibilitando a obtenção de avaliações qualitativas e quantitativas dos plantios. Finalizou, observando que a geração de estimativas de área necessita de maiores estudos. Nome do orador e seu papel na atividade: Jurandir Zullo Júnior Expositor Título da apresentação: Uso de Sensoriamento Remoto em Estatísticas Agropecuárias Recurso usado: apresentação com uso de slides em PowerPoint Duração em minutos: 30 minutos Se há documento de referência da apresentação: não Descrição dos assuntos tratados: O Dr. Jurandir Zullo iniciou sua apresentação expondo que o seu objetivo era apresentar alguns trabalhos realizados no CEPAGRI/Unicamp e Embrapa Informática na área de sensoriamento remoto. Os resultados que serão apresentados são resultados de teses e trabalhos específicos. O CEPAGRI é um centro de pesquisa multidisciplinar da Unicamp, e faz parte de um sistema integrado de instituições do estado de São Paulo, criado pela Secretária de Ciência e Tecnologia na década de 90, os quais trabalham com meteorologia. Como membro do sistema, instalaram uma

6 antena de recepção de imagens do NOAA no CEPAGRI, conseqüentemente ficou responsável pela geração e disseminação das imagens. O sistema começou a funcionar no final de 94. O NOAA é um satélite meteorológico com uma boa resolução temporal, mas a sua resolução espacial é de 1km, bem inferior a dos satélites apresentados na primeira exposição do Dr. Bernardo. A Unicamp tem tentado minimizar os efeitos dessa resolução espacial não desejável para aproveitar as qualidades do NOAA da melhor forma possível. Todas as imagens recebidas desde o início da geração são gravadas, formando um bando de imagens de 3 terabytes, com a finalidade de se usar para estudos espectro-temporal. O NOAA tem a grande vantagem de ter em cada passagem, 5.000km de comprimento e 3.000km de largura, e por ser um sistema antigo tem-se bastante conhecimento acumulado. O primeiro trabalho na área agrícola a ser apresentado, uma tese de doutorado, é um modelo de estimativa de massa de colmos em função do NDVI e dos dias após o corte. O resultado da estimativa foi acima do esperado, apesar do resultado ter sido pontual, estimulando futuras aplicações para áreas maiores. Uma outra aplicação do satélite NOAA é o cálculo da temperatura da superfície, importante para agrometeorologia. Este trabalho foi desenvolvido numa tese de doutorado e obteve boa correlação com os dados de campo. Uma das aplicações deste método é no inverno. O expositor mencionou o sistema de monitoramento de geadas no estado do Paraná baseado em dados de superfície, no qual um pesquisador de pós-doutorado está tentando incorporar as imagens no sistema de alerta de geadas do Paraná. O objetivo da incorporação é tanto para previsão como para mapear e identificar as regiões, e conseqüentemente, se calcular a possível perda onde ocorreu a geada. O apresentador relatou uma experiência em 2000, onde ocorreu a última geada importante no estado de São Paulo, ocorrida no período de 13 a 23 de julho. As temperaturas da superfície chegaram próximas a zero. Lembrou que a tensão causada pela previsão de geada é muito grande, e depois do ocorrido existe a necessidade do órgão oficial (Secretária de Agricultura) saber o quanto foi perdido. Então, foi utilizado um modelo para calcular o percentual de perda, a partir de uma temperatura mínima em um dado período, números de pés novos e de pés adultos. Para pés novos estimou-se uma perda de 37 % e para pés adultos uma perda de 36 %. Nesse mesmo período a Coordenadoria de Assistência Técnica (CATI) fez um levantamento de campo, em aproximadamente dois meses de trabalho, onde o resultado encontrado ficou muito próximo do estimado. O objetivo desde então, é desenvolver um trabalho semelhante, mas com a incorporação de imagens NOAA. O apresentador frisou que um dos grandes problemas da imagem NOAA é a correção geométrica. Quando se precisa fazer um trabalho de precisão, o posicionamento do pixel dificilmente está correto. Este problema é devido a navegação, posicionamento em relação aos três eixos de vôo. A correção pode ser feita na mão, mas para um processo operacional fica inviável. Foi desenvolvido um trabalho para corrigir este problema, baseado no reconhecimento de feições. O processo já está em forma operacional e fornece uma diferença máxima de um pixel por imagem. Um outro problema é o efeito da atmosfera, variável de uma região para outra e de um período para outro. Para resolver este problema usa-se a correção atmosférica, que altera os tons de cinza na imagem, porque se aumenta a distribuição de níveis. Essa correção pode alterar o índice de vegetação de 0,1 a 0,2, cuja faixa de variação é de 1 a 1, valores significativos para modelos de biomassa, que são exponenciais. Uma outra estratégia é a composição, junção de várias imagens, onde é necessário se sobrepor várias imagens sempre na mesma posição. A partir da execução dos processos operacionais, anteriormente apresentados, foram desenvolvidos trabalhos, onde se procura explorar o uso de imagens de forma espacial. Foi apresentado um trabalho no estado do Paraná, no qual foram escolhidos oito polígonos, que na verdade são municípios, cujo objetivo é estimar a área da soja usando a lógica nebulosa fuzzy. Diferentemente da lógica tradicional que identifica o pixel como sendo soja ou não, a lógica nebulosa indica uma probabilidade de ser soja. Os resultados da estimativa de soja, usando a lógica fuzzy, na safra 2003/2004 são apresentados, e são comparados com os dados do SEAB, do IBGE e também com uma matriz de erros, e de expansão de erros. Foi realizado também, um estudo de avaliação de perfis espectrais da soja em vários municípios. Neste trabalho, o pesquisador observou perfis de tipo variado. Estimulando um estudo se há relação dos diferentes perfis com a produtividade. A relação deve ser feita através de um parâmetro que pode ser a área integrada, média, valor máximo ou somatório. Este trabalho ainda

7 está em execução. Na safra estudada se chegou a um coeficiente de 0,81 para a relação entre produtividade e área integrada, em 31 municípios, ainda faltam duas safras a serem estudadas. O expositor observou que outros trabalhos podem ser feitos com NOAA, pensando em operação e monitoramento. Um deles foi realizado no Rio Grande do Sul na seca de 2005, cujo objetivo era observar a relação de cobertura de nuvens no final da tarde com chuva no dia seguinte. Foram observadas 51 imagens em 47 datas diferentes entre 01/01/05 e 28/02/05 e 30 estações pluviométricas do Agritempo. O apresentador lembrou que no período estudado predomina as chuvas de verão. No final de tarde onde não havia nuvens, dificilmente tinha chuva no dia seguinte. O objetivo deste tipo de trabalho via sensoriamento é ajudar os dados de superfície, que são escassos devido a falta de estações. Este tipo de trabalho é feito a nível nacional através do Agritempo (sistema de monitoramento agrometeorológico) realizado pelo CEPAGRI. Com o objetivo de ilustração da importância de se incorporar informações de satélite em dados de chuvas e temperatura, usamos a rede do agritempo, que tem aproximadamente 1000 estações fornecidas gratuitamente por várias instituições. Quando se utiliza um produto do CPTEC, o hidroestimador, com o objetivo de se estimar um dado por município, esse número cresce para em torno de 5000 estações. A partir dos dados dessas estações virtuais podem ser usados modelos agrometereológicos para se estimar rendimento, este tópico foi apresentado em outra mesa na CONFEST no dia 22/08/2006 as 16:00 h. Abordando outros tipos de imagens, que são caras, foi proposto um desafio de se fazer densidade de plantio, efeito de iluminação, tamanho de copa, resolução espacial, resposta espectral de pés de laranja através de imagem. Para tentar se solucionar esse problema foi utilizado um modelo de contagem de gotas, desenvolvido por um pesquisador da Unicamp na sua tese de doutorado. O modelo de contagem de gotas tem a seguinte Metodologia: Filtragem, Lógica Fuzzy, Pontos de Máximo, Operação Morfológica, essa metodologia não é conhecida pelo apresentador, apenas foi exposta a título de ilustração. A Primeira etapa a ser realizada é a identificação do pomar de laranja. Em seguida, tem que se selecionar a região de interesse. Por fim identificação e contagem de pés de laranja. O apresentador mencionou que quando as linhas estão bem definidas e pomar está bem cuidado, isto é, não tem falhas nas linhas, o método é de fácil aplicação. Quando essas condições ideais não são atingidas, a aplicação do método fica mais complicada. O apresentador adicionou outra dificuldade, o plantio de pés de laranja de forma adensada. Para solucionar o problema das plantações em condições não ideais, uma metodologia que utiliza algoritmo genético foi utilizada. O expositor mais uma vez não apresentou essa metodologia em detalhes, já que não é de sua autoria. O objetivo do método é identificar primeiro as linhas de plantio e depois as gerações, através da medida de diâmetro das copas. O expositor mencionou que a determinação do diâmetro das copas é importante, porque tem um pesquisador que promete determinar um número de laranjas através do diâmetro da copa. O resultado da geração final é obtido do processo de iterações partindo de uma geração inicial, tentando minimizar ao máximo os problemas de identificação. O apresentador finalizou lembrando como a meteorologia evoluiu nos últimos anos. Enfatizou que a evolução se deve ao fato de que a previsão é feita através de uma conjugação de modelos em vez de um só. A idéia é observar se os modelos convergem ou não para um ponto. Quando há uma convergência para um ponto, isto é, os modelos apresentam o mesmo comportamento, a chance de acerto é grande, do contrário pode ser que um modelo acerte, mas há uma grande incerteza do que vai ocorrer. Esse mesmo processo, segundo opinião do apresentador, pode ser usado no futuro na estimativa de dados na agricultura via sensoriamento remoto. Nome do orador e seu papel na atividade: Elizeu José Weber Expositor Título da apresentação: Cooperação CONAB - UFRGS no Rio Grande do Sul Recurso usado: apresentação com uso de slides em PowerPoint

8 Duração em minutos: 25 minutos Se há documento de referência da apresentação: não Descrição dos assuntos tratados: O Dr. Elizeu Weber iniciou sua apresentação expondo que o seu objetivo era mostrar o que tem sido feito na Universidade Federal do Rio Grande do Sul (UFRGS) na área de agricultura via sensoriamento remoto. O estudo começou em 1989, onde a UFGRS inicialmente era um laboratório associado do INPE. A primeira demanda de levantamento de dados surgiu em 1990, quando a FAO solicitou um levantamento de área de arroz. O levantamento foi realizado durante 4 anos e devido a limitantes computacionais, da época, realizado em um único município. O método que foi mais eficiente foi a de interpretação visual. Nas quatro safras estudadas os resultados obtidos via sensoriamento remoto superestimaram sistematicamente a área plantada, se comparados aos dados do IBGE e do Instituto Riograndense de Arroz (IRGA). Essa superestimativa fez com que fosse realizado um trabalho de recuperação de informações para avaliar a acurácia e a correlação de áreas identificadas e medidas com as imagens de satélite, comparadas com as medidas através de levantamento topográfico de campo. Em ambas avaliações se obteve 95% de ajuste com relação aos dados de levantamento do campo. O apresentador indagou o que leva a superestimação da área? A experiência foi repetida no ano seguinte em outro município e o problema se repetiu. De 1993 a 1998 foi feito vários trabalhos para culturas variadas cujo objetivo era sempre a medição de área. Na safra 1998/1999 foi recebida uma demanda da CONAB. Este foi o primeiro projeto em larga escala da UFGRS, uma tentativa de estimativa experimental de área cultivada com soja, numa área equivalente a uma cena de imagem LANDSAT. Essa área cobriu cerca de 75 municípios na maior região produtora de soja. Nessa tentativa foi usada a classificação digital, com um total de 104 áreas de acompanhamento no campo. Os resultados de estimativa de área novamente apresentaram grandes diferenças em relação aos dados municipais oficiais. Entretanto o somatório das áreas em muitos casos não apresentava grandes diferenças. Em 1998/1999 também se iniciou um trabalho, que já tinha sido aplicado com sucesso em pequenas lavouras, de estimativa de rendimento através de modelo agrometeorológico, que se baseava no consumo relativo de água obtido de dados de superfície de estações meteorológicas, na principal região produtora de soja. Na mesma região foi realizada um monitoramento com imagens NOAA, para cálculo de índice de vegetação (NDVI). Nessa tentativa de estimativa de rendimento, usando modelo agrometeorológico, os resultados foram comparados com dados medidos de 84 lavouras de soja e milho, com rendimento conhecido, e também com os dados levantados pelo IBGE. O dado de rendimento medido no campo foi sempre superior aos demais. No ano seguinte, em função dos dados obtidos, se teve uma nova demanda da CONAB solicitando a expansão da área de soja. A área foi ampliada de uma para 26 cenas LANDSAT, havia a intenção de se usar mais cenas, mas determinadas regiões no verão estavam sempre cobertas por nuvens. Novamente foi tentada uma estimativa de área de soja em 1187 municípios, espalhados em 8 estados, onde se conseguiu poucas áreas para acompanhamento em campo e somente nos estados do Mato Grosso, Paraná e Rio Grande do Sul. Novamente os resultados apresentaram grandes diferenças em relação aos dados oficiais. Só foi feita a avaliação do grau de acerto de identificação de área, como soja ou não soja, no Rio Grande do Sul, onde se encontrou uma acurácia de 96%. Foi realizado na mesma região o cálculo do índice de vegetação usando o satélite NOAA, o índice resultante era de uma composição seqüencial de 10 dias de imagens. Também se extraiu os perfis espectrais de 15 regiões nas quais as imagens LANDSAT indicavam predominância de soja. Um resultado interessante foi encontrado quando se realizou um estudo de comparação de proporção de área plantada de soja, identificada com as imagens LANDSAT, com a resposta espectral. Os pixels da imagem NOAA com cobertura de soja acima de 25%, tinham um aumento relativo na resposta espectral. Neste mesmo período foi feito estimativa

9 de rendimento de soja usando dados meteorológicos conjugados com dados NOAA, chamados de modelo agrometeorológico espectral, a região de abrangência era composta pelos estados do Rio Grande do Sul e do Paraná. Foram realizadas estimativas parciais em dezembro, janeiro e fevereiro. Esses testes parciais são realizados para se acompanhar o desenvolvimento, e o fechamento é realizado em março. As estimativas foram feitas para todos os municípios com informações disponíveis e se acomodou bem com a produção (área x rendimento) levantada pelos órgãos oficiais. Em 2003, a UFRGS passou a fazer parte do projeto GEOSAFRAS, já apresentado na segunda exposição apresentado pelo Dr. Flavio Deppe. O expositor ressaltou a importância do projeto GEOSAFRAS, que permite aplicar os conhecimentos adquiridos na região de forma prática. No primeiro ano foram realizadas estimativas, baseado na metodologia do projeto GEOSAFRAS, no qual a área é estimada a partir de pontos amostrais nos municípios selecionados por uma amostragem estratificada de áreas de cultivo. Na safra 2003/2004 e 2004/2005 a área do estado foi estimada usando 20 municípios na amostra. Na safra 2005/2006 área foi estimada usando 30 municípios na amostra. As imagens foram utilizadas apenas para auxílio na localização de campo e na operação de identificação dos pontos selecionados na amostra. Atividades executadas pela UFRGS no GEOSAFRAS na área de amostragem: treinamento, acompanhamento e orientação no levantamento dos pontos de amostragem em campo, na parte de amostragem de área. O auxílio da UFRGS em outras pesquisas do projeto é: O desenvolvimento e teste de metodologias para estimativas de área cultivada através de imagens orbitais (mapeamento); O desenvolvimento e o teste de metodologias para estimativa de rendimento das culturas através de dados meteorológicos e imagens orbitais; O Monitoramento da evolução dos cultivos; E avaliação do resultado das estimativas de área e de rendimento com base em dados de campo e comparação com dados oficiais. Os Principais sensores/satélites utilizados são: TM/LANDASAT, CCD/CBERS, AVHRR/NOAA e MODIS/TERRA. O expositor mencionou que a estimativa usando os dados do CBERS apresentava bons resultados. Na primeira safra 2003/2004 foi feito um estudo em uma área reduzida, dois municípios, de como LANDSAT e NOAA poderiam se complementar ou eventualmente substituir a estimativa de área. Para investigação de grau de acerto e erro na identificação de soja (acurácia), foram usados 200 pontos nos dois municípios. Os resultados das estimativas via imagens de satélites e amostragem foram comparados com os dados do IBGE, e novamente apresentaram diferenças significativas. Outro trabalho realizado é o uso de imagens MODIS para se calcular o índice de vegetação ao longo do tempo para áreas de soja. Foi obtida uma caracterização bem definida ao longo do ciclo para áreas produtoras, e a partir desse resultado, tentou-se criar uma metodologia para identificação de pixel de soja. Dois métodos foram estudados, a primeira trabalha com Imagem diferença com aplicação de Limiar, onde se subtraiu o NDVI de fevereiro com o NDVI de novembro, o resultado da estimativa foi bom. O outro método que trabalha com fatiamento do NDVI com imagem de novembro e depois com a imagem de fevereiro, que apresentou resultados similares ao método anterior. Os resultados dois métodos foram comparados aos resultados do LANDSAT, mostrando boa concordância na espacialização da soja. Devido ao sucesso, tentou-se estimar a espacialização da soja em regiões em que a soja não predomina. O método começou a identificar, além da soja, as áreas de arroz. Em função desses resultados tentou-se outra vez fazer estimativas de área de soja e de arroz com imagens, tentando cobrir o máximo do estado. Os dados apresentados na exposição são os de arroz, cujo processo foi concluído. Na estimativa de área cultivada com arroz irrigado, foram usadas 7 cenas LANDSAT em 72 municípios (~73% da área de arroz no RS) e o método utilizado para identificação foi o de interpretação visual. Os Resultados da estimativa de área de arroz repetem a tendência de estudos anteriores, isto é, diferenças consideráveis em relação às estimativas oficiais. O expositor relatou, que em todos os estudos apresentados, há um padrão nas estimativas de área usando imagens; as maiores diferenças em relação aos dados oficiais são sempre para mais, e em municípios com grande área cultivada. Finalizando que esta tendência de superestimação na estimativa de área é um desafio a ser vencido. Perguntas e Debates:

10 Cristiano Ferraz do Departamento de Estatística da Universidade Federal de Pernambuco: Fez alguns comentários. O primeiro a respeito da acurácia da estimativa usando tecnologia de sensoriamento remoto. Mencionou que é possível se tentar gerar produtos numéricos dentro do arcabouço estatístico. Realçou também que os métodos estão sujeitos a muitos erros de mensuração, e exemplificou lembrando do caso da apresentação do Dr. Elizeu Weber, em que o pixel com cobertura de soja acima de 25 % teria uma resposta espectral considerável, a utilização desse limite pode gerar erros, já que alguns pixels podem não ser detectados. Sugeriu que através de um bom plano amostral, pode-se reduzir a necessidade de boa qualidade na imagem numa grande região. Cristiano Ferraz destacou a importância da realização de trabalho de campo para medida de acurácia e detecção possíveis fontes de erro. Rosemary da Coordenadoria de Métodos e Qualidade do IBGE: Mencionando que o IBGE fez uma avaliação do plano amostral do projeto GEOSAFRAS. O primeiro problema encontrado foi que a amostragem utilizada, não era probabilística e conseqüentemente impossibilitava o cálculo de precisão da estimativa. O desenho do processo de amostragem utilizado era de dois estágios, primeiro uma amostragem de municípios e depois uma amostragem de pontos, e não uma amostragem estratificada de pontos como estava sendo divulgada. Mencionou também a existência de três métodos utilizados pelo IBGE, aplicados para se minimizar variância nas estimativas total, que no caso é área. Esse trabalho de dimensionamento de amostra na linha do projeto GEOSAFRAS foi apresentado no segundo simpósio de estatística. Lembrou que a metodologia do GEOSAFRAS seria apresentada na CONFEST, mas o palestrante não pode comparecer. Lembrou que na maioria das vezes, há uma preocupação demasiada em se ter dados pontuais, esquecendo que na amostragem se trabalha com intervalo de confiança. Mencionou também que o projeto GEOSAFRAS precisa de uma reformulação, a fim de incluir esses intervalos de confiança. Resposta do Ayrton da CONAB a respeito da indagação da Rosemary: Informou que a CONAB a partir do relatório de avaliação metodológica realizada pelo IBGE, reformulou a amostragem do projeto GEOSAFRAS e aplicou no levantamento dos dados de soja do Rio Grande do Sul. Os resultados dessa reformulação estão sendo apurados pelo INPE. Pergunta do Bernardo do INPE: Levantou dúvidas a respeito de amostragem e mapeamento. Mencionou que quando se realiza o estudo de avaliação de área de cana, existe uma série de erros, como no traçado de área de cana, na resolução de 30 metros por 30 metros, identificação do pixel e uma série de outros erros. Se num ano se obtiver uma área de hectares, que pode conter alguns dos erros, mencionados anteriormente, e no ano seguinte medir hectares. Se o objetivo é observar variação, importante para as estatísticas agrícolas, e supondo que os erros sejam de mesma origem, o apresentador exemplificou esses erros de mesma origem da seguinte forma: se a medida é feita com trena milimétrica ou com contagens de passo, o quanto isso afeta a diferença entre as medida de

11 dois anos consecutivos? Lembrou que o grande interesse é a identificação correta da área, como sendo de cana ou não. Resposta do Cristiano Ferraz ao questionamento do Bernardo: O problema maior é a direção do eixo, se todos os erros estiverem na mesma direção esse tipo de problema não é significativo. O problema surge quando os erros de não detecção da cana, não estão todos na mesma direção. Exemplificando, se a estimativa do primeiro ano foi subestimada, ao passo que a estimativa do segundo foi superestimada, a diferença de uma não para o outro será superestimada. Bernardo: O que leva a superestimação ou subestimação do dado? Resposta de Cristiano Ferraz: Depende do pesquisador. Se houver garantia de que os erros estão todos na mesma direção, a influência do erro é minimizada.