Uso de drones no monitoramento agrícola
geração de índice de vegetação com câmera RGB em cultivos de sorgo
DOI:
https://doi.org/10.11606/eISSN.2236-2878.rdg.2025.224356Palavras-chave:
Aeronaves remotamente pilotadas, Índices de Vegetação, Agricultura de precisão, Sustentabilidade agrícolaResumo
Esta pesquisa traz resultados de projeto com financiamento CNPq que objetiva adaptar um drone de uso civil e asas rotativas da linha DJI/Phantom 4 para o monitoramento de plantios comerciais de sorgo na Universidade Federal de Jataí por meio dos índices de vegetação VARI (Índice Resistente à Atmosfera na região do visível) e NDVI (Índice de Vegetação por Diferença Normalizada). Como metodologia, foram realizados 06 sobrevoos entre abril e julho de 2021 e 07 sobrevoos entre março e julho de 2022, em duas parcelas de 3ha em áreas cultivadas com sorgo, com geração de índice VARI a partir das ortofotos da câmera RGB e comparação com índices gerados a partir de imagem Sentinel-2. As fotografias aéreas foram georreferenciadas com pontos coletados por GNSS Trimble R4 e mosaicadas no software Metashape®. Os demais processamentos foram realizados no ArcGIS PRO®, com definição 32 amostras de 20mx20m (04 pixels da imagem Sentinel-2) para validação estatística. Entre os resultados, obteve-se coeficiente de determinação de 0,94 e índice de desempenho D de 0,90 ao comparar valores de VARI mensurados pela câmera RGB e os obtidos a partir de imagem Sentinel-2, e coeficiente de determinação de 0,87 e índice D de 0,98 entre VARI/drone e NDVI/Sentinel-2, indicando ótimo desempenho para monitoramento de índices de vegetação sem suporte de câmera infravermelha. O Erro Médio entre os valores de VARI/drone e VARI/Sentinel-2 foi de 0,0037, indicando alta concordância entre as variáveis com leve superestimativa dos valores pela câmera RGB do DJI/Phantom 4.
Downloads
Referências
ABRANTES, T. C. Análise da deriva simulada de herbicidas auxínicos em soja através de índices de vegetação RGB obtidos por VANT. 2019. 76f. Dissertação (Mestrado em Sensoriamento Remoto) – Universidade Federal do Rio Grande do Sul. Porto Alegre - RS, 2019.
AGISOFT. Discover intelligent photogrammetry with Metashape. Process digital images and generate 3D spatial data. Fast and highly accurate, 2022. Available at: https://www.agisoft.com/. Access on: Jul. 23 2022.
ALZAHRANI, B.; OUBBATI, O. S.; BARNAWI, A.; ATIQUZZAMAN, M.; ALGHAZZAWI, D. UAV assistance paradigm: State-of-the-art in applications and challenges. Journal of Network and Computer Applications, v. 166, 2020. https://doi.org/10.1016/j.jnca.2020.102706
ANDRADE JÚNIOR, A. S. et al. Predição da produtividade de grãos de soja utilizando imagens aéreas de drone. Revista Brasileira de Engenharia Agrícola e Ambiental, v.26, n.06, p.466-472, 2022. DOI: https://doi.org/10.1590/1807-1929/agriambi.v26n6p466-476
CAMARGO, A. P.; SENTELHAS, P.C. Avaliação do desempenho de diferentes métodos de estimativa de evapotranspiração potencial no Estado de São Paulo, Brasil. Revista Brasileira de Agrometeorologia, v.5, n.01, p.89-97, 1997.
DAMASCENO, C. E. Estudo de viabilidade de uso de drones de asa rotativa no monitoramento e mapeamento de cultivos de ciclo curto. 2024. 105f. Dissertação (Mestrado em Geografia) – Universidade Federal de Jataí. Jataí-GO, 2024.
DAPONTE, P. et al. A review on the use of drones for precision agriculture. IOP conference series: earth and environmental science. Ancona - Italy, v.275, p. 01-10, 2019.
DOI: https://iopscience.iop.org/article/10.1088/1755-1315/275/1/012022
DEERING, D.W. et al. Measuring "forage production" of grazing units from Landsat MSS data. In: International Symposium on Remoting Sensing of Environment, 10, Ann Arbor, Proceedings. Ann Arbor, Ml: ERIM, 1975. v.2, p. 1169-1178.
DRONEDEPLOY. (free app available on the App Store). Available at: https://blog.dronedeploy.com/identifying-crop-variability-whats-the-difference-between-ndvi-false-ndvi-and-vari-plant-health-98c380381a33. Access on: Mar. 28 2020.
EARTH OBSERVING SYSTEM. Índices de vegetação para impulsionar soluções digitais. 2022. Available at: https://eos.com/pt/blog/indices-de-vegetacao/. Access on: Jul. 23 2022.
ESRI - ENVIRONMENTAL SYSTEMS RESEARCH INSTITUTE. ArcGIS PRO® ESRI, 2024. (licensed to the first author of this research – Universidade Federal de Jataí – UFJ).
FAVARIN, J. L. et al. Equações para a estimativa do índice de área foliar do cafeeiro. Pesquisa Agropecuária Brasileira, Brasília, v.37, n.6, p.769-773. jun. 2002. DOI: https://doi.org/10.1590/S0100-204X2002000600005
GITELSON, A.A. et al. Remote estimation of leaf area index and green leaf biomass in maize canopies. Geophysical Research Letters, v.30, n.5, p.52(1-4), 2003. DOI: https://doi.org/10.1029/2002GL016450
LINHARES, M. M. A. Uso de veículo aéreo não tripulado na determinação de índice de vegetação em área de pastagem em Nova Mutum-MT. 2016. 121 f. Dissertação (Mestrado em Geografia) - Universidade Federal de Goiás, Goiânia-GO, 2016.
MAIMAITIJIANG, M. et al. Soybean yield prediction from UAV using multimodal data fusion and deep learning. Remote Sensing of Environment, v.237, 111599, 2020. https://doi.org/10.1016/j.rse.2019.111599
MOREIRA, L. C. J. et al. Variabilidade local e regional da evapotranspiração estimada pelo algoritmo SEBAL. Engenharia Agrícola, Jaboticabal, v30, n.06, p.1148-1159. Nov/dez 2010. DOI: https://doi.org/10.1590/S0100-69162010000600015
NASCIMENTO, C. A. C. Avaliação de índices de vegetação como alternativa para estimativa de rendimento de óleo de soja para produção de biocombustível em várzea no estado do Tocantins. 2018. 119f. Dissertação (Mestrado em Agroenergia) – Universidade Federal do Tocantins, Programa de Pós-Graduação em Agroenergia, Palmas-TO, 2018.
OLIVEIRA, E. A. Métodos para análise de concordância: estudo de simulação e aplicação a dados de evapotranspiração. 2016, 177 f. Tese (Doutorado em Ciências) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo. Piracicaba - SP, 2016.
OLIVEIRA NETO, D. Índices de vegetação, rendimento de grãos e seus componentes em soja, em área com avaliação de agentes de controle biológico. 2020. 160f. Dissertação (Mestrado em Agricultura de Precisão) – Universidade Federal de Santa Maria. Santa Maria – RS, 2020.
RESENDE, D. B. et al. Uso de imagens tomadas por aeronaves remotamente pilotadas para detecção da cultura do milho infestada por Spodoptera frugiperda. Revista Brasileira de Geografia Física. v.13, n.01, p.156-166, 2020. DOI: https://doi.org/10.26848/rbgf.v13.1.p156-166
RODRIGUES, J. A. S. et al. Cultivo do sorgo. EMBRAPA milho e sorgo, Brasília, 2012. Available at: https://www.spo.cnptia.embrapa.br/conteudo?p_p_id=conteudoportlet_WAR_sistemasdeproducaolf6_1ga1ceportlet&p_p_lifecycle=0&p_p_state=normal&p_p_mode=view&p_p_col_id=column-1&p_p_col_count=1&p_r_p_-76293187_sistemaProducaoId=3809&p_r_p_-996514994_topicoId=3530. Access on: Mar. 28 2021.
SCHWALBERT, R. A. et al. Satellite-based soybean yield forecast: Integrating machine learning and weather data for improving crop yield prediction in southern Brazil. Agricultural and Forest Meteorology. v. 284, 2020. https://doi.org/10.1016/j.agrformet.2019.107886
SILVA JUNIOR, C. A.; NANNI, M. R.; SHAKIR, M.; TEODORO, P. E.; OLIVEIRA-JÚNIOR, J. F. de; CEZAR, E.; GOIS, G. de; LIMA, M.; WOJCIECHOWSKI, J. C.; SHIRATSUCHI, L. S. Soybean varieties discrimination using non-imaging hyperspectral sensor. Infrared Physics & Technology, v.89, p.338-350, 2018. https://doi.org/10.1016/j.infrared.2018.01.027
USGS - UNITED STATES GEOLOGICAL SURVEY. Earth Explorer - Downloads de imagens Sentinel 2A. Available at: https://earthexplorer.usgs.gov/. Access on: Jul. 23 2022.
WILLMOTT, C. J. et al. Statistics for the evaluation of model performance. Journal of Geophysical Research, v.90, n.C5, p.8998-9005, 1985.
ZHAO, Y. et al. Predicting wheat yield at the field scale by combining high-resolution Sentinel-2 satellite imagery and crop modelling. Remote Sensing, v.12, p.1-20, 2020. DOI: https://doi.org/10.3390/rs12061024
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Alécio Perini Martins, Nicoly Girotto Morais, Carlos Eduardo Damasceno, Áquila Luiza Oliveira da Silva
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution BY-NC-SA que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista. A licença adotada enquadra-se no padrão CC-BY-NC-SA.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
