Autoria: ANDRADE, R. G.; HOTT, M. C.; MAGALHAES JUNIOR, W. C. P. de; OLIVEIRA, P. S. d'; OLIVEIRA, J. S. e

Resumo: Resumo O crescimento da produtividade agrícola, sem grande impacto ao meio ambiente, é uma verdadeira revolução no campo, utilizando dados, tecnologia e inteligência territorial como ativos de alto valor. Por meio de plataformas de levantamento, mensuração e aplicação aéreas, denominadas VANT (sigla para Veículo Aéreo Não Tripulado) ou drone, é possível a execução de atividades de monitoramento, avaliação e de apoio à tomada de decisão quanto ao aperfeiçoamento do manejo de lavouras e de rebanhos em propriedades rurais de qualquer escala de produção. Tradicionalmente, os índices de vegetação são utilizados no mapeamento da condição vegetativa, principalmente, em larga escala com o uso de imagens de satélites. No entanto, com o advento das plataformas VANT com sensores embarcados que captam dados nas faixas ou bandas do espectro visível e infravermelho próximo, vários índices são aplicados em estudos envolvendo a identificação de estresses da vegetação em escalas espaciais mais precisas. Em ensaios realizados em lavouras de milho, verificou-se que em média, os índices de vegetação VARI e GLI indicaram perdas de produtividade de 5,58 e 7,36%, respectivamente. Na região de borda ao norte da área, o índice não foi satisfatório na discriminação de perdas devido à alta infestação por plantas invasoras. Assim, estimou-se uma menor porcentagem de perdas pela média dos índices de vegetação, em torno de 6,47% ou 0,35 ha. Observou-se que os índices VARI e GLI foram semelhantes na discriminação das classes em intervalos que indicam desde a exposição do solo até o nível de vigor da vegetação. Os resultados dos índices de vegetação, na faixa do espectro visível, comprovam a aplicabilidade do método na extração de dados e informações relacionadas aos aspectos de desenvolvimento e crescimento das lavouras.

Ano de publicação: 2019

Tipo de publicação: Folhetos

Unidade: Embrapa Gado de Leite

Palavras-chave: Geotecnologias, Milho, Sensoriamento Remoto, VANT