RGB Remote Sensing Via Drone in Soybean Production Estimation
DOI:
https://doi.org/10.17921/1415-6938.2025v29n4p937-951Abstract
Soybean (Glycine max L. Merrill) is the main agricultural commodity in Brazil, playing a significant socioeconomic role. Pre-harvest yield prediction is essential for crop management, logistics, and marketing. Remote sensing with unmanned aerial vehicles (UAVs) equipped with RGB sensors offers a low-cost, high-resolution alternative for this purpose. This study evaluated the relationship between RGB vegetation indices and individual spectral bands, obtained at the R2 stage of soybean, and grain yield. The experiment was conducted in Balsas, Maranhão, with two cultivars (BRASMAX Bônus IPRO and BRASMAX Olimpo IPRO) and three phosphorus rates (0, 50, and 100 kg of P₂O₅ ha⁻¹), in a randomized block design, factorial arrangement, with three replicates. Aerial images were processed to extract ten vegetation indices and the blue (B), green (G), and red (R) bands. The variables were subjected to ANOVA, Pearson's correlation, and partial correlation. The ExGR, ExG, ExR, VEG, and bands B and R showed partial correlations greater than 0.5 and significant (p<0.05) correlations with yield. It can be concluded that these variables have high potential for building predictive yield models, contributing to more assertive crop management decisions.
Keywords: Remote Sensing. UAV. Vegetation Indices. Agricultural Yield.
Downloads
References
ANAC - Agência Nacional de Aviação Civil. Disponível em: https://www.gov.br/anac/pt-br/assuntos/drones/classes-de-drones. Acesso em 25 ago. 2025.
ALBERTO, M.H. Índices de vegetação obtidos por RPA e redes neurais artificiais na determinação de áreas de produção de sementes de soja (Glycine max (L.) Merrill). Santa Maria: Universidade Federal de Santa Maria, 2024.
CANDIDO, A.F. Estimativa de safra do algodoeiro com produtos de sensoriamento remoto. João Pessoa: Universidade Federal da Paraíba, 2022.
CONAB - Companhia Nacional de Abastecimento. Acompanhamento da safra brasileira de grãos – Decimo primeiro levantamento, safra 2022/23. Brasília: CONAB, 2023.
DA SILVA, M.H.; ELIAS, A.R.; DO ROSÁRIO, L.L. Análise da cultura da soja a partir de índices de vegetação (ExG–GLI–TGI–VEG) advindos de imagens RGB obtidas com ARP. Rev Bras. Geomát., v.10, n.2, p.140-154, 2022.
DE FRANÇA, J. et al. Previsão da produção de soja utilizando imagens de satélite e Lógica Fuzzy. Ens. Ciênc., v.25, n.2, p.232-238, 2021. doi: https://doi.org/10.17921/1415-6938.2021v25n2p232-238.
DUFT, D.G. Uso de sensoriamento remoto para aplicações de agricultura digital em cana-de-açúcar. São Paulo: USP, 2022.
DJI. Mavic Air 2 - Especificações. 2020. Disponível em: https://www.dji.com/br/mavic-air-2/specs. Acesso em: 20 jun. 2025.
FELDMANN, N.A. et al. Índice de vegetação baseado no espectro visível para monitoramento de cultivares de trigo submetidas a diferentes doses de nitrogênio. Rev Inov. Gestão Tecnol. Agron., v.2, p.227-254, 2023.
FIGUEIREDO, D.B.; SILVA, J.A. Desvendando os Mistérios do Coeficiente de Correlação de Pearson(r). Rev. Pol. Hoje, v.18, n.1, p.115-146, 2009.
FORMAGGIO, A.R.; SANCHES, L.D. Sensoriamento remoto em agricultura. Oficina de Textos, 2017.
FORTUNATO, I.V. Análise da fisiológica e índices de vegetação para diferentes cultivares de soja no Espírito Santo. Colatina: Instituto Federal do Espíritos Santos, campus Itapina, 2023.
GAO, L. et al. Remote sensing algorithms for estimation of fractional vegetation cover using pure vegetation index values. A review. ISPRS, v.159, p.364-377, 2020. doi: https://doi.org/10.1016/j.isprsjprs.2019.11.018.
HEREHER, M.E. The status of Egypt’s agricultural lands using MODIS Aqua data. Egy. J. Remote Sens. Space Sci., v.16, n.1, p.83-89, 2013.doi: https://doi.org/10.1016/j.ejrs.2013.03.001.
JENSEN, J.R.; EPIPHANIO, J.N. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres, 2009.
LACERDA, V.S. Estimativa do índice de severidade de Ferrugem Asiática na cultura da soja por meio de imagens obtidas com aeronave remotamente pilotada. Ponta Grossa: Universidade Estadual de Ponta Grossa, 2017.
MARANHÃO - Governo do Estado do Maranhão. Gerência de Planejamento e Desenvolvimento Econômico - GEPLAN. Atlas do Maranhão. São Luís: Universidade Estadual do Maranhão, 2002.
MLADENOVA, I. et al. Intercomparison of soil moisture, evaporative stress, and vegetation indices for estimating corn and soybean yields over the US. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, v.10, n.4, p.1328-1343, 2017. doi: 10.1109/JSTARS.2016.2639338.
QGIS Development Team. Geographic Information System (QGIS) software, version 3.28.11. Open-source geospatial foundation project,2019.
SAMPAIO, H. et al. Comparação entre índices de vegetação obtidos por imagens aéreas com veículo aéreo não tripulado (VANT) e satélite. Rev. Bras. Eng. Biossist., v.14, n.2, p.111-124, 2020. doi: https://doi.org/10.18011/bioeng2020v14n2p111-124.
SANTOS, H. et al. Aplicação de plataforma de sensoriamento remoto de baixa altitude (LARS) para monitoramento do crescimento de culturas e infestação de plantas daninhas em uma plantação de soja. Agricul. Prec., v.13, p.611-627, 2012.
SECEX - Secretaria de Comércio e Exterior. Disponível em: https://www.gov.br/produtividade-e-comercio-exterior/pt-br/assuntos/comercio-exterior. Acesso em. agosto de 2023.
TRIVISIOL, V. et al. Correlações parciais entre caracteres produtivos e proteína em grãos de trigo. Rev. Caatinga, v.37, p.e12312-e12312, 2024. doi: https://doi.org/10.1590/1983-21252024v3712312rc.
TSOUROS, D.C.; BIBI, S.; SARIGIANNIDIS, P.G. A review on UAV-based applications for precision agriculture. Information, v.10, n.11, p.349, 2019. doi: https://doi.org/10.3390/info10110349.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Agnaldo Da Conceição Brito, Francisco Charles Dos Santos Silva, Leticia Carrazana Martinez, Hítallo Martins Hartmann, Alan Mario Zuffo, José Francisco Da Cruz Neto, Fabíola Dos Santos Dias
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
