Produtividade da soja no Rio Grande do Sul estimada por meio de dados obtidos por satélites
Abstract
A grande expansão da soja no estado do Rio Grande do Sul (RS) demanda
informações atualizadas sobre a produtividade da cultura e a extensão dos danos
meteorológicos ocorridos ao longo da safra. Os modelos matemáticos de estimativa
da produtividade baseados na resposta das culturas aos fatores meteorológicos são
uma importante ferramenta na obtenção dessas informações. Entretanto, sua
utilização sobre grandes regiões é dificultada pela pouca disponibilidade de dados
meteorológicos, função da distribuição esparsa das estações de medição para boa
parte do território nacional. Assim, este trabalho objetivou testar um modelo de
monitoramento e estimativa da produtividade agrícola da soja para o RS em um
Sistema de Informações Geográficas (SIG), a partir de dados meteorológicos e
espectrais obtidos majoritariamente através de sensores orbitais. Utilizou-se o
modelo de Doorenbos e Kassam (1979) com dados de precipitação estimados pelo
sistema Global Precipitation Measurement (GPM), de umidade relativa do ar
estimados pelo sensor AIRS e de temperatura do ar estimados a partir dos dados de
temperatura de superfície oriundos do sensor MODIS, além de dados de velocidade
do vento e insolação obtidos por estações meteorológicas, para as safras de 2016 a
2018. Os dados meteorológicos estimados foram primeiramente comparados aos
observados por estações meteorológicas convencionais. Então, devido as diferentes
características edafoclimáticas, subdividiu-se o RS nas porções norte e sul,
ajustando-se o modelo distintamente em cada região. Para todo o RS, aplicou-se o
modelo com valores de Índice de Área Foliar (IAF) obtidos em literatura (Modelo
Agrometeorológico - MA). Já para a porção norte, utilizaram-se ainda valores de IAF
estimados pelo Normalized Difference Vegetation Index (NDVI) do sensor MODIS
(Modelo Agrometeorológico Espectral - ME), além de um mapa contendo as áreas
de soja produzido via imagens do sensor MODIS para ambos os modelos. Os
valores de produtividade modelados foram comparados aos dados oficiais
disponibilizados pelo Instituto Brasileiro de Geografia e Estatística (IBGE), em nível
de microrregião, pelo teste de Kolmogorov-Smirnov (KS), para =5%. Para o
monitoramento espaço-temporal da produtividade, utilizou-se o Índice de
Penalização (IP). O viés observado para os dados de precipitação do GPM (5,33
mm), de umidade relativa do ar oriundos do sensor AIRS (de -3,30 a 4,43%) e de
temperatura do ar estimados a partir do sensor MODIS (-0,3°C) foram considerados
satisfatórios para sua utilização no modelo. Quando aplicado para todo o RS, não se
observaram diferenças significativas entre os valores de produtividade oriundos do
MA frente aos do IBGE, para todas as safras. Para a porção norte, observaram-se
diferenças significativas entre os dados estimados pelos MA e ME frente aos do
IBGE apenas para a safra 2016. Com relação ao IP, a porção norte foi pouco
penalizada, à exceção de IPs de 0,7 a 0,8 observados na região Oeste, na safra
2018. Já a porção sul foi bastante penalizada, sendo as fronteiras sul e sudoeste as
regiões mais prejudicadas, com IPs de 0,1 e 0,2, na safra 2018. Em suma, o modelo
proposto mostrou ser uma eficiente ferramenta de auxílio para monitorar e estimar a
produtividade da soja no RS.
Collections
The following license files are associated with this item: