Agricultura de precisão

Aliado aéreo

Uso de imagens aéreas obtidas por drone auxilia produtores no monitoramento do desenvolvimento das culturas

Acultura do milho se destaca no Brasil pela grande importância no setor de commodities, fazendo-se necessária a adoção de novas tecnologias presentes na agricultura de precisão. O objetivo deste trabalho de pesquisa foi construir mapas de produtividade e outros elementos de desenvolvimento da cultura do milho obtidos por meio de monitoramento da área e compará-los com imagens obtidas por drone, em diferentes fases do ciclo da cultura, para observar correspondência visual entre pontos da imagem e os pontos da grade amostral, buscando-se avaliar se as respectivas informações podem ser usadas no apoio a tomadas de decisão.

O experimento foi conduzido na fazenda do Instituto Federal Catarinense (IFC), localizado no município de Rio do Sul (SC). A área escolhida representa condições típicas da região do Alto Vale do Itajaí, onde foi cultivada a cultura do milho (Zea mays).

O milho semeado foi de variedade híbrida, com a tecnologia Roundup Ready Milho 2, correspondendo à safra 2018/2019, analisado em 28/9/2018, com germinação de 95%, viabilidade de 95%, pureza 100%, categoria S2. A semeadura foi realiza-

Arquivo

Foto Alan Ricardo Xavier

Detalhes da área monitorada, do plano de voo e de pontos de coleta e pontos com falhas

da em outubro de 2018, realizando dessecação com herbicida antes do plantio. A área foi subdividida em grade amostral, formando 24 pontos. Utilizaram-se estacas para demarcar os pontos amostrais, e dimensionados 5m a partir da bordadura, 20m equidistantes para demais estacas, e em seguida aplicou-se o esquadrejamento devido à declividade e às curvas de plantio.

O drone utilizado, modelo DJI Phantom 4 Pro, realizou 19 voos sobre a área selecionada para obtenção de imagens. Inicialmente foi criado um plano de voo através do software Dronedeplay, este plano consistia no sobrevoo a uma altura de 70m, com período de 10 a 15 minutos, autorizado pela Anac.

Os dias de monitoramento com o drone foram selecionados de acordo com as previsões do tempo, a fim de evitar intempéries. As imagens foram obtidas em diversos estágios da cultura. Em cada ponto de referência foram fixadas placas especiais de cor prata com dimensão de 0,04m2 .

Simultaneamente com as imagens obtidas por drone, era realizado o monitoramento a campo. As primeiras avaliações se basearam em germinação e espaçamento, a área amostral se constituiu a partir da medição com uma estaca de 2m de comprimento no sentido da linha e 1m de largura, estabelecendo assim uma área de 2m2, que compreendiam duas linhas de plantio, sendo que a cultura apresentava um espaçamento de 0,8m.

Em cada data foram avaliados em cada ponto a incidência de daninhas, a presença de pragas, as doenças fitopatológicas, as deficiências nutricionais, o número de plantas e a altura média. Os pontos foram georreferenciados com o auxílio de um GPS Topomap modelo T10, de elevada acurácia.

Com a maturação completa da cultura foi realizada a colheita, seguindo os mesmos parâmetros de área conforme o monitoramento a campo. O material foi debulhado e em seguida pesado, feita a leitura de umidade e impureza. Com dados obtidos, utilizou-se o Software GS+, gerando mapas 2D de elevação da área, produtividade, altura de plantas, daninhas, mancha foliar e número de plantas.

Para criar o mapa de produtividade foi adicionado o peso referente a cada ponto (24 pontos amostrais), processando no software para gerar o mapa de produtividade. Para o mapa de número de plantas foram contabilizadas as plantas presentes na grade amostral já na parte final do ciclo. Enquanto para gerar o mapa de altura de plantas foi utilizada uma régua topográfica também em seu estágio final. Para daninhas foi realizada análise visual e classificado em escalas de 1 a 3, caracterizando baixa, média e alta presença de plantas daninhas.

Foi utilizado o software QGIS para uma análise mais prática, disponibilizando uma proximidade do ponto a ser avaliado e fazer comparações entre pontos distintos. O programa fornece a grade amostral sobre as imagens obtidas por drone, permitindo a aproximação, com isso é possível realizar uma avaliação visual e prática de cada ponto ou de um conjunto de pontos.

Outro software utilizado foi o Spring para classificação de imagens supervisionada MaxVer, para classificação dos pixels de vegetações. Assim classificando cada pixel com o índice de vegetação conhecido, no caso foi classificado em milho e não milho.

OS RESULTADOS EM CAMPO

Com os resultados de produtividade obtidos, foi desenvolvida a tabela, através do software GS+ para comparação das imagens obtidas com o uso do drone.

É possível verificar pela imagem aé-

Figura 1 - Mapa de produtividade do milho. Fonte: Autores, 2019

Figura 2 - Mapa de plantas daninhas. Fonte: Autores, 2019

Figura 3 - Mapa de altura das plantas. Fonte: Autores, 2019

rea do drone os pontos mencionados que houve falha e disparidade de plantas. Comparando os pontos 5 e 8, cujas produtividades foram 2.156kg/ha e 8.594kg/ ha, respectivamente, é nítido que a diferença de número de plantas e incidência de daninhas, afetou diretamente a produtividade.

Para respostas mais precisas, ou uma explicação detalhada destas manchas ou falhas no desenvolvimento da cultura, seria necessário realizar uma análise de solo, caracterizando nutrientes e minerais.

Com a observação geral da área podemos evidenciar os piores pontos de desenvolvimento da cultura do milho, permitindo ao agricultor ter uma tomada de decisão em relação a estes pontos com possíveis adubações ou pulverização. Para se ter uma resposta mais completa do que poderia ter ocorrido nestes pontos se faz necessária a análise química e física destes locais.

O primeiro mapa a ser produzido foi o de produtividade (Figura 1), após ser realizada a colheita do milho em uma área amostral de 0,80m de largura e 2m de comprimento, para devidos cálculos utilizamos o dobro da largura do espaçamento do qual constitui o meio da linha de plantio, com isso a área de produtividade se tornou 2m na linha linear por 1,60m de largura, com área total de 3,20m².

Com o peso obtido em cada parcela, foi realizada a proporção, para estimar a produtividade em kg/ha. Houve grande variação na produtividade com o menor valor de 494kg/ha e o maior até 10.106kg/ha. A média de produtividade do experimento foi de 4.862,5kg ou 97 sc/ha (sacos de 50kg), o que está abaixo de um padrão de milho híbrido com alta tecnologia, cultivado em sua época, com um bom perfil de solo.

O mapa de produtividade é representado por cores, onde a cor roxa representa a maior produtividade obtida consequentemente e a cor azul se refere às menores produtividades. Em relação aos números, as menores produções foram nos pontos 1 e 5, estimadas em 494kg/ha e 2.156kg/ha, respectivamente. As maiores produções se destacaram nos pontos 16 e 21, cuja produção, respectivamente, foi de 9.206kg/ha e 10.113kg/ha. Outros pontos ficaram próximos à produtividade do ponto 16, tais como o 7, o 8 e o ponto 22.

A produtividade pode estar relacionada com a incidência de plantas daninhas onde os pontos representados palas cores roxa e vermelha correspondem à maior incidência de plantas daninhas, conforme a Figura 2.

Na avaliação do dia 18/12, também foram observadas as folhas retorcidas, características pela falta de precipitação nos meses de novembro e dezembro; desde a semeadura (30/10) até o dia desta avaliação o total precipitado foi de 108mm, apresentando 2,6mm/dia em média. Porém, nos últimos 30 dias foram em torno de 61,8mm (2,06mm/dia), o que apresenta abaixo de 2,5mm por dia sinalizado como o mínimo para a cultura (Embrapa, 2006).

A Figura 3 traz um mapa de altura de plantas e respectivamente as maiores e menores alturas coincidiram com os mes-

Figura 4 - Classificação supervisionada Maxver. Fonte: Autores, 2019 Figura 5 - Classificação supervisionada Maxver. Fonte: Autores, 2019

mos pontos analisados da produtividade. Para altura de plantas, os pontos 1 e 5 tiveram uma altura média de 1,8m, o ponto 11, que também teve uma baixa produtividade de 2.538kg/ha, apresentou a menor altura, média de 1,15m, assim como o ponto 12. As maiores alturas também ocorreram nos pontos com maior produtividade, os pontos 17 e 22 obtiveram a mesma média de altura, cerca de 2,70m, outros pontos tiveram alturas próximas, porém com uma redução de produtividade.

Foi realizada também uma classificação supervisionada MaxVer (Figura 4), através do software Spring. Esta classificação consiste em caracterizar os pixels conhecidos e destinar uma cor a eles. No caso da imagem que constitui a área do experimento se caracteriza com a cor verde todo o material classificado como Milho. Enquanto as outras cores podemos classificar como não Milho, do qual estão incluídos solo, daninhas e mata.

Neste caso, podem-se observar as mesmas falhas nos pontos de baixa produtividade, o que serviu também para confirmar os outros dados obtidos pela foto e classificado visualmente.

Na Figura 5 é outra classificação MaxVer, está com uma classificação a mais caracterizando milho em sua maioria, daninhas em azul e solo em marrom, desta forma é possível entender melhor as falhas e a associação entre as imagens de classificação supervisionada MaxVer anterior, com as imagens analisadas visualmente através do QGIS.

Podemos notar que o drone é uma ferramenta que vem ganhando espaço, devido às suas inúmeras utilidades, que proporcionam melhor eficiência nas propriedades. Em termos de custos, há uma variação de modelos de acordo com cada propriedade, facilitando o acesso tanto de pequenos como de grandes produtores. No entanto, a falta de regulamentação para o livre comércio do produto dificulta o acesso, principalmente dos produtores, que para utilizar tal tecnologia ficam à mercê de empresas terceirizadas e pesquisadores.

CONCLUSÃO

O monitoramento com o uso de drone apresenta-se adequado para múltiplas funções, como medição de áreas específicas dentro da lavoura, monitoramento do desenvolvimento da cultura e indicação de variabilidade espacial.

Este trabalho comprova que existem falhas na área analisada que necessita de correção e também possibilita a tomada de decisão e o planejamento do agricultor para controlar e monitorar a produção. .M

Alan Ricardo Xavier, Emerson Gabriel Cardoso dos Passos, João Célio de Araújo, Leonardo de Oliveira Neves e Fabrício Campos Masiero, IFC Gabriel Ganancini Zimmermann, UFPR