Potencial de utilização de técnicas de sensoriamento remoto de alta resolução para cafeicultura de precisão em montanha

Abstract

Com o desenvolvimento tecnológico nas áreas de eletrônica, computação e sistemas inteligentes, o setor agrícola antevê a possibilidade da otimização do uso de insumos, com uso adequado ao potencial produtivo de parcelas ou de talhões. Este é objetivo da Agricultura de Precisão (AP) onde, muitas vezes, a tomada de decisão a respeito das práticas ocorre com base na análise espacial e temporal de mapas de produtividade, de fertilidade do solo, de distribuição de pragas, doenças ou plantas daninhas entre outros. A elaboração dos mapas de produtividade com base em sensores a bordo de colhedoras de grãos já está comercialmente disponível. Para a cultura do café trabalhos vêm sendo desenvolvidos, entretanto a variabilidade da umidade dos frutos no momento da colheita dificulta o desenvolvimento destes sistemas. Na cafeicultura de montanha, devido à dificuldade de mecanização, o desafio para elaboração dos mapas de produtividade é ainda maior. Para algumas culturas anuais, trabalhos já demonstraram a possibilidade da previsão da produção e sua variabilidade, além da identificação de outros fatores tais como pragas, doenças, status nutricional e plantas daninhas, utilizando-se imagens obtidas durante o ciclo da cultura. Este trabalho está inserido no projeto denominado "Desenvolvimento de Técnicas de Agricultura de Precisão para Cafeicultura de Montanha" financiado pela FAPEMIG e que, entre outras técnicas, pretende explorar o uso do sensoriamento remoto para AP nestas condições. O objetivo deste trabalho é apresentar resultados preliminares que demonstram o potencial do uso de imagens digitais de alta resolução obtidas a bordo de aeronave, para identificar diferentes padrões nas imagens da cultura cafeeira. Neste trabalho foram utilizadas imagens infravermelho falsa cor de talhões de café de uma propriedade no município de Viçosa, MG com relevo montanhoso quais foram obtidas a bordo de uma aeronave a 1000 m de altura, utilizando uma câmera digital Duncantech MS 3100 equipada com uma lente de 17mm de comprimento focal. As imagens apresentavam dimensão de 1039 (V) por 1392 (H) pixels, o que representava uma resolução de, aproximadamente, 25cm por pixel. Utilizou-se o programa computacional MATLAB para o processamento de imagens. Foram selecionados blocos de 50x50 pixels (aproximadamente 31m 2 ) de 4 classes: cafezal em formação (3 anos); cafezal em formação com plantas daninhas nas entrelinhas; cafezal em produção (6 anos) e cafezal em produção com plantas daninhas nas entrelinhas. Os blocos foram processados utilizando-se o índice de vegetação da diferença normalizada (NDVI), que utiliza as bandas do infravermelho e vermelho da imagem. Dos blocos processados foram extraídas as 13 características utilizadas para classificação: média e desvio padrão dos valores numéricos dos pixels; quatro parâmetros das matrizes de co-ocorrência dos valores dos pixels (entropia, momento angular, valor médio e momento da diferença inversa); e os percentis 2, 10, 30, 50, 70, 90 e 98 dos histogramas dos blocos processados. Foi realizada a análise multivariada com os vetores de características representando cada classe. A análise dos escores das três primeiras canônicas (Ã 2 = 1) pelo teste T 2 de Hotelling mostrou que os vetores de médias das classes diferiram entre si ao nível de 1% de probabilidade. Este resultado indica que as características selecionadas têm potencial para discriminar as classes utilizadas neste trabalho. Tratam-se de resultados preliminares, onde foram utilizados poucos blocos de apenas quatro classes, mas que demonstram o potencial do uso do sensoriamento remoto de alta resolução para identificar padrões da lavoura cafeeira. Acredita-se que os padrões utilizados neste trabalho (idade e a presença de plantas daninhas) associados a outros (stand, espaçamento e vigor vegetativo, por exemplo) podem ser identificados nas imagens e utilizados na cafeicultura de precisão. Estes padrões podem permitir a identificação da variabilidade dentre ou entre talhões, estimar a produtividade e ajudar a explicar a sua variabilidade, além de auxiliar a tomada de decisão quanto às práticas agrícolas e a estratificação das amostragens de solo e tecido vegetal em zonas homogêneas.