Sensoriamento Remoto RGB Via Drone na Estimativa de Produção de Soja
DOI:
https://doi.org/10.17921/1415-6938.2025v29n4p937-951Resumo
A soja (Glycine max L. Merrill) é a principal commodity agrícola brasileira, desempenhando papel socioeconômico relevante. A previsão antecipada da produtividade antes da colheita é fundamental para o manejo da lavoura, logística e comercialização. O sensoriamento remoto com veículos aéreos não tripulados (VANTs) equipados com sensores RGB apresenta-se como alternativa de baixo custo e alta resolução para essa finalidade. Este estudo avaliou a relação entre índices de vegetação RGB e bandas espectrais individuais, obtidos no estádio R2 da soja, e a produtividade de grãos. O experimento foi conduzido em Balsas (MA), com duas cultivares (BRASMAX Bônus IPRO e BRASMAX Olimpo IPRO) e três doses de fósforo (0, 50 e 100 kg de P₂O₅ ha⁻¹), em delineamento em blocos casualizados, esquema fatorial, com três repetições. Imagens aéreas foram processadas para extração de dez índices de vegetação e das bandas azul (B), verde (G) e vermelha (R). As variáveis foram submetidas à ANOVA, correlação de Pearson e correlação parcial. Os índices ExGR, ExG, ExR, VEG e as bandas B e R apresentaram correlações parciais superiores a 0,5 e significativas (p<0,05) com a produtividade. Conclui-se que essas variáveis possuem elevado potencial para compor modelos preditivos de rendimento, contribuindo para decisões mais assertivas no manejo da cultura.
Palavras-chave: Sensoriamento Remoto. UAV. Índices de Vegetação. Rendimento Agrícola.
Downloads
Referências
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
Publicado
Como Citar
Edição
Seção
Licença
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
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
