SOYBEAN YIELD PREDICTION USING REMOTE SENSING IN SOUTHWESTERN PIAUÍ STATE, BRAZIL

AUTOR(ES)
FONTE

Revista Caatinga

DATA DE PUBLICAÇÃO

2022

RESUMO

RESUMO Pesquisas recentes apontam resultados promissores da integração de dados orbitais utilizando o índice de vegetação NDVI, para monitorar e estimar a produtividade da soja. O objetivo do trabalho foi avaliar a proposição de modelos de regressão linear múltipla para estimativa da produtividade de grãos com uso do índice NDVI. A pesquisa foi realizada na Fazenda Celeiro, município de Monte Alegre do Piauí, PI, sendo a área de estudo de 200 ha. Foram utilizadas cinco imagens durante o ciclo de cultivo da soja, sendo uma do Landsat 8 e quatro do Sentinel 2. Efetuou-se análises de regressão entre dados de produtividade de grãos (variável predita), extraídos dos mapas de colheita, e dados espectrais de (variáveis preditoras) oriundos dos índices de vegetação (NDVI) de diferentes estádios de desenvolvimento da soja. A seleção dos modelos promissores foi efetuada pelo critério de informação de Akaike (AIC). Para validação dos modelos utilizou-se a raiz quadrada do erro quadrado médio (RMSE) e a raiz quadrada do erro quadrado médio normalizado (nRMSE) pela média da produtividade da soja no talhão. O modelo de regressão linear gerado com o índice de vegetação NDVI nos estádios de desenvolvimento V5-V6 e R2, mostrou-se promissor na predição da produtividade de grãos de soja, com erro médio de estimativa da ordem de 153,9 kg ha-1, o que representa 4,2% em relação aos dados medidos em campo.

Documentos Relacionados