Relação espectro-temporal de índices de vegetação com atributos do solo e produtividade da soja

Revista de Ciências Agrárias

Adélia Aziz Alexandre Pozza¹  Igor Carvalho de Andrade²  Marcelo de Carvalho Alves²  Filipe Silveira Trindade²  Rafael Noetzold³ 

[1] Adélia Aziz Alexandre Pozza;Universidade Federal de Lavras (UFLA/DEA), Aquenta Sol, 37200-000, Lavras, MG, Brasil;Universidade do Estado de Mato Grosso (UNEMAT/DA), Avenida das Arapongas, 1384N, 78450-000, Nova Mutum, MT, Brasil;

关键词: Glycine max L. Merr.;    Ciclo fenológico;    Sensoriamento remoto;    NDVI;    EVI;   

DOI  :  http://dx.doi.org/10.22491/rca.2019.2928

来源: DOAJ

【 摘 要 】

Recentespesquisas,comauxíliodatecnologia,têmencontradoresultadossatisfatórios visando o manejo adequado das culturas agrícolas. Assim sendo, este estudo procurou avaliar relações espectrais e temporais dos índices normalized difference vegetation index (NDVI) e enhanced vegetation index (EVI) do sensor MODIS com a produtividade de grãos, relevo, textura e matéria orgânica do solo (MOS), durante o ciclo fenológico da soja em Campo Verde, no Mato Grosso (MT), na safra 2012/2013. Utilizaram-se o EVI/NDVI dos produtos do sensor orbital MODIS (MOD13Q1 e MYD13Q1) e a filtragem Savitzky-Golay (SG) para correção dos ruídos (valores anômalos) presentes em séries temporais desses IVs. Foi utilizada a correlação de Pearson (r) (p ≤ 0,05), entre as variáveis supracitadas com a aplicação da filtragem SG na série temporal dos índices durante o ciclo fenológico da cultura. Foram identificados os melhores estádios fenológicos para se gerar modelos preditivos sobre a variabilidade dos atributos do solo e a previsão da produtividade. Os coeficientes de determinação (R²) do EVI no estádio R1 com MOS, argila, silte e areia foram R² = 0,77; 0,75; 0,74; 0,75, respectivamente. Com NDVI no estádio fenológico R2 obteveR² = 0,44 com a produtividade. O EVI nos estádios R1, R2 e R3 (início do ciclo reprodutivo) gerou os melhores modelos de predição dos atributos do solo e o NDVI no estádio R2 para previsão da produtividade. A filtragem SG foi ferramenta necessária ao estudo, pois a correção dos ruídos nas séries temporais, de forma geral, gerou melhores modelos preditivos.

【 授权许可】

Unknown