Navegando por Autor "Bispo, Rafael Carlos"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Uso da estabilidade temporal para estimativa de produtividade de café
    (2018) Bispo, Rafael Carlos; Lamparelli, Rubens Augusto Camargo
    O Brasil é o maior produtor e exportador mundial de café e, portanto, a obtenção de dados confiáveis sobre a produtividade cafeeira é essencial tanto para o planejamento dos produtores quanto para ações governamentais de financiamento. A estimativa de produtividade de diversas culturas tem sido aprimorada com o desenvolvimento de modelos agrometeorológicoespectrais. Ao se utilizar dados de sensoriamento remoto na entrada do modelo, o alcance de bons resultados depende de uma seleção criteriosa de pixels correspondentes à cultura. No caso do café, o seu monitoramento via sensoriamento remoto constitui um desafio diante da complexidade de combinar as especificações ideais de sensores orbitais com as características fenológicas do cafeeiro. Nesse contexto, o objetivo desta tese foi aprimorar as estimativas de produtividade de café por meio de um modelo agrometeorológico-espectral, com base na técnica de estabilidade temporal para a seleção dos pixels de entrada. O trabalho foi desenvolvido em municípios produtores de café das regiões Cerrado e Sul de Minas, no estado de Minas Gerais. Foram utilizados dados de EVI do sensor MODIS/Aqua, produto MYD13Q1, compreendendo uma série temporal de 2004 a 2015. Dados decendiais de precipitação e de temperatura do ar máxima e mínima foram coletados das estações meteorológicas automáticas e utilizados para gerar o balanço hídrico. Os resultados mostraram que a média histórica de EVI foi altamente correlacionada às médias históricas das variáveis agrometeorológicas em cada fase do ciclo fenológico do cafeeiro para os municípios da área de estudo. O modelo agrometeorológico-espectral retornou estimativas de produtividade de café muito próximas às observadas, para cada seleção de pixels estáveis utilizada como entrada (EVI do pixel mais estável de café, EVI médio dos pixels estáveis de café, EVI do pixel mais estável de não-café, EVI médio dos pixels estáveis de não-café e EVI médio dos pixels puros de café). A acurácia (RMSE) do modelo agrometeorológico-espectral variou de 3,8 a 7,9 sc ha-1, para os municípios de Coromandel e Monte Santo de Minas, respectivamente.
  • Imagem de Miniatura
    Item
    Utilização de dados do sensor MODIS no monitoramento e mapeamento da cultura de café
    (2013) Bispo, Rafael Carlos; Lamparelli, Rubens Augusto Camargo
    A produção de café esteve intimamente ligada ao desenvolvimento econômico do Brasil e ainda hoje o café é um importante produto da agricultura nacional. O Estado de Minas Gerais responde atualmente por 52% de toda a área de café do Brasil. Dessa forma, dada a importância da cafeicultura para a economia brasileira, é necessário desenvolver e melhorar as metodologias para seu monitoramento. Dados de sensoriamento remoto podem fornecer informações para o monitoramento e o mapeamento de café de maneira mais rápida e menos onerosa do que os métodos convencionais. Nesse contexto, os objetivos desta pesquisa foram identificar a bienalidade da cultura de café por meio de dados do sensor MODIS, juntamente com dados de estações meteorológicas, entre os anos de 2004 a 2012, e avaliar a eficácia das imagens-fração derivadas do sensor MODIS no mapeamento automático das áreas de café do município de Monte Santo de Minas/MG. Foi utilizada uma série temporal com 163 imagens da banda NIR do MODIS, produto MOD13Q1, para se extrair os valores de refletância dos pixels com pelo menos 80% de café. Dados diários de temperatura e precipitação foram agrupados de acordo com a resolução temporal das imagens (16 dias) para o cálculo do balanço hídrico. Para o mapeamento das áreas de café, foram utilizadas imagens do MODIS, bandas MIR, NIR e RED, dos períodos seco e chuvoso. Através do Modelo Linear de Mistura Espectral foram derivadas imagens-fração de solo, café e água/sombra. Estas imagens-fração serviram como dados de entrada para a classificação automática supervisionada com o método SVM – Support Vector Machine. Os resultados mostraram que para o monitoramento do café os dados de refletância dos períodos de colheita apresentaram maior correlação com a alternância da quantidade da produção. A partir da matriz de erro montada entre as classificações e as máscaras de referência, observou-se que os melhores resultados de Exatidão Global e Índice Kappa foram obtidos na classificação do período seco, sendo 67% e 0,41, respectivamente. Análises estatísticas de correlação e coeficiente de variação aplicadas sobre as imagens-fração de café permitiram melhor compreensão da complexidade do mapeamento do café.