Resumo

O estudo teve como objetivo avaliar a eficiência dos índices biofísicos de vegetação (Área Foliar - IAF e fração da Radiação Fotossinteticamente Ativa Absorvida – fAPAR) derivados de Open Data Sentinel-2 como bioindicadores do potencial produtivo de cultivares de cana-de-açúcar (RB867515, RB980882, RB966928, RB92579, RB928064, RB845210, CTC09 e BlocoMix). A pesquisa foi desenvolvida na Energética Serranópolis-Goiás nas safras agrícolas 2018, 2019 e 2020 sobre 28 talhões comerciais. Os índices biofísicos foram processados no software Open Source Sentinel Application Plataform. utilizando o modelo de transferência de radiação RTM PROSAIL. Os dados de rendimento agroindustrial usados para validação das análises de variância através de modelos de regressão linear múltipla foram obtidos mediante relatório anual de colheita. As curvas de resposta morfofisiológica normalizadas pelos valores IAF e fAPAR gerou um banco de dados com assinatura espectral dos cultivares, permitindo discriminá-los com 100% de acurácia. Baseado no modelo de regressão linear múltipla conjugando os parâmetros IAF, fAPAR e Dias Após Plantio, obteve-se o ranqueamento da produtividade dos cultivares em três grupos (RB988082, RB867515/2016 e BlocoMIX e RB92579), (CTC9 e RB845210) e (RB966928, RB867515/2013 e RB928064). Os índices fAPAR e IAF, sob a ótica da cartografia temática foram utilizados pelos stakeholders para identificar zonas com necessidade de intervenção agronômica sob manejo diferenciado na Fazenda 018.

Palavras-chave

• Indice de vegetação
• Modelagem
• Sensoriamento remoto

Referências

• Abreu, M. L. de., Silva, M. de A., Teodoro, I., Holanda, L. A. & Neto, G. D. S. (2013). Crescimento e produtividade de cana-de-açúcar em função da disponibilidade hídrica dos Tabuleiros Costeiros de Alagoas, Bragantia Campinas, v. 72, n. 3, p.262-270.
• Arnt, W. R. (2016). Desempenho de variedades de cana-de-açúcar em duas épocas de colheitas no Pontal de Paranapanema. Dissertação de Mestrado, Universidade Federal da Grande Dourados, Dourados - Mato Grosso do Sul.
• Baret, F., Pavageau, K., Béal, D., Weiss, M., Berthelot, B. & Regner, P. (2005). Algorithm Theoretical Basis Document for MERIS Top of Canopy Land Products (TOC_VEG). Contract ESA AO/1-4233/02/I-LG, INRA & Noveltis, Avignon.
• Beadle, C. L. & Long, S. P. (1985). Photosynthesis – is it limiting to biomass production? Biomass, v.8, p.119-128.
• Bégué, A., Arvor, D., Bellon, B., Betbeder, J., De Abelleyra, D.; P. D. Ferraz, R.; Lebourgeois, V., Lelong, C., Simões, M. & Veron, S.R. (2018). Remote Sensing and Cropping Practices: A Review. Remote Sens., 10, 99. https://doi.org/10.3390/rs10010099
• Câmara, G. & Medeiros, J. S. de. (1998). Mapas e suas representações computacionais (2ªed.) In: ASSAD, E. D.; SANO, E. E. (Ed.) Sistema de informações geográficas., Brasília: Embrapa – SPI / Embrapa– CPAC, 1998. p. 13 – 30.
• Cardoso, M.R.D., Marcuzzo, F.F.N. & Barros, J.R. (2014). Classificação climática de Köppen-Geiger para o estado de Goiás e o Distrito Federal. ACTA Geográfica, v.8, n.16, p.40-55.
• Diola, V. & Santos, F. (2010). Fisiologia. In: SANTOS, F.; BORÉM, A., & CALDAS, C. Cana-de-açúcar: bioenergia, açúcar e álcool: tecnologias e perspectivas. Viçosa: Editora UFV. p. 25-49.
• Danelichen, V. H. M., Biudes, M. S. & Seixas, G. B. (2014). Estimativas de índice de área foliar de uma pastagem por sensoriamento remoto no Pantanal Mato-grossense. Revista Ciências e Natura – Universidade Federal de Santa Maria, Santa Maria, Rio Grande do Sul, v. 36 n.3, p. 373 – 384.
• Duft, D. G., Luciano, A. C. S., Fiorio, P. R. (2019) Sentinel-2B and Random Forest algorithm potential for sugarcane varieties identification. Proceedings XX GEOINFO, November 11-13, São José dos Campos, São Paulo p.188-193.
• EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. (2013). Sistema Brasileiro de Classificação de Solos, 3 ed.; Brasília, Brazil, 353p.
• FAO. Food and Agriculture Organization of the United Nations (2020) FAO no Brasil. OECD-FAO AGRICULTURAL OUTLOOK 2020-2029 © OECD/FAO 2020 Available online at http://www.fao.org/documents/card/en/c/ca8861en. Accessed in: August 30th, 2021.
• Formaggio, A.R., Vieira, M.A., Rennó, C.D., Atzberger, C., Aguiar, D.A. & Mello, M.P. (2012). Object Based Image Analysis and Data Mining applied to a remotely sensed Landsat time-series to map sugarcane over large areas. Remote Sens. Environ., 123, 553–562.
• Fortes, C. (2004). Discriminação varietal e estimativa de produtividade agroindustrial de cana-de-açúcar pelo sensor orbital ETM+/LANDSAT7. Dissertação de Mestrado, Escola Superior Agrícola Luiz de Queiroz, Piracicaba – São Paulo, Brasil.
• Humbert, R. P. (1974). El cultivo de la caña de azúcar. Tradução de Alfonso Gonzalez Gallardo. México: Compañía Editorial Continental. 719p.
• INMET - Instituto Nacional de Meteorologia. (2021): Banco de dados meteorológicos. Disponível em: <https://portal.inmet.gov.br/dadoshistoricos>. Acesso em: 05 mai. 2021.
• Jacquemoud S., Verhoef W., Baret F., Bacour C., Zarco-Tejada P.J., Asner G.P., François C., & Ustin S.L. (2009), PROSPECT + SAIL models: a review of use for vegetation characterization. Remote Sensing of Environment, 113, S56-S66.
• JASP Team (2022). JASP (Version 0.16.4.0) [Computer software]. https://jasp-stats.org/
• Kumar, M. & Monteith, J. L. (1982). Remote Sensing of crop growth. In: H. Smith (ed.), Plants and the daylight spectrum. Academic Press, London, p. 133-144.
• Leme E. J. A, Maniero M. A, & Guidolin J.C. (1984). Estimativa da área foliar da cana-de-açúcar e sua relação com a produtividade. Cadernos Planalsucar, v.2, p.3-22.
• Maia, F. C. O., Bufon, V. B., & Leão, T. P. (2022). Vegetation índices as a tool for mapping sugarcane management zones. Precision Agriculture. https://doi.org/10.1007/s11119-022-09939-7
• Masoni. A., Ercoli. L., Mariott. M., & Barberi, P. (1994). Changes in spectral properties of ageing and senescing maize and sunflower leaves. Physiologia Plantarum. v. 91, p. 334-338. https://doi.org/10.1111/j.1399-3054.1994.tb00441.x
• Monteith, J. L. (1972). Solar Radiation and Productivity in Tropical Ecosystems. The Journal of Applied Ecology. v. 9, p. 747-766.
• Moore, P.H., Cosgrove, D.J. (1991). Developmental changes in cell and tissue water relations parameters in storage parenchyma of sugarcane. Plant Physiology, Rockville, v. 96, p. 794-801.
• Nyadanu. D. & Dikera, E. (2014), exploring variation, relationships and heritability of traits among selected acessions of sorghum (Shorghum bicolor L. Moench) in the Upper east region of Ghana. Journal of Plant Breeding and Genetics, v. 2, n. 3, p. 101-107.
• Pereira, A.R., Barbieri, V., & Villa Nova, N.A. (1983). Climatic conditioning of fl owering induction in sugarcane. Agricultural Meteorology. v. 29, n. 2, p. 103-110.
• Running, S.W., Nemani, R. R., Heinsch, F. A., Zhao, M., Reeves, M. & Hashimoto, H. (2004). A continuous satellite-derived measure of global terrestrial primary production. BioScience, v. 54 n. 6, p. 547–560.
• Salata, J.C. (1992). A utilização de Ethrel para melhoria da matéria-prima na Usina Quatá. In: ENCONTRO RHODIA CANA-DE-AÇÚCAR, São Paulo. Anais... São Paulo: s.ed., 1992. v.2, p. 49-51.
• Silva, A. I. C., Costa, & W. A. J. M. (2012). Growth and radiation use efficiency of sugarcane under irrigated and rainfed conditions in Sri Lanka. Sugar Tech. v.14, p.247-254.
• Singels, A., Smit, M.A., Redshaw, K.A. & Donaldson, R.A. (2005) The effect of crop start date, crop class and cultivar on sugarcane canopy development and radiation interception. Field Crop Research, Amsterdam, v. 92, p. 249-260, 2005
• Vetrita, Y., Chaoyang, W., Zheng, N. & Hirano, T. (2011). Evaluation of light use efficiency model using modis in tropical peat swamp forest, Indonesia. In: Second cresos International Symposium on south east Asia environmental problems and satellite remote sensing, Indonesia. Anais... p. 127-134.
• Vygodskaya, N.N., Gorshkova, I., Fadeyva, Y. V. (1989). Theoretical estimates of sensitivity in some vegetation indices to variation in the canopy condition. International Journal of Remote Sensing, v.10, n. 12, p.1857-1872.
• Weiss, M., Baret, F. (2016). S2ToolBox level 2 Products Algarithms: LAI, FAPAR, FCOVER Version 1.1.