Different water availability in the economic water productivity in soybean cultivars

Rodrigues, Silvana Antunes; Peiter, Márcia Xavier; Robaina, Adroaldo Dias; Bruning, Jhosefe; Ferreira, Laura Dias; Neto, Miguel Chaiben

doi:10.1590/0034-737x202370010001

Cited by 1 publication

(1 citation statement)

References 28 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A cultura é importante na cadeia produtiva pelas formas de uso, incluindo ração animal, óleo, farelo e biodiesel (RODRIGUES et al, 2023) e fonte de renda para setores agroindustriais, como insumos e máquinas (COSTA; SANTANA, 2013).…”

Section: Introductionunclassified

Comportamento espectral da soja e predição de produtividade com uso do NDVI

Possebon,

Gonçalves,

Gomes

et al. 2023

Tecnologia E Inovação Em Ciências Agrárias E Biológicas Avanços Para a Sociedade Atual

View full text Add to dashboard Cite

O uso de imagens de sensoriamento remoto possibilita a estimativa da produtividade da cultura da soja através de índices de vegetação, sendo um dos mais utilizados o NDVI. O objetivo foi determinar o comportamento do NDVI durante o ciclo de desenvolvimento da soja, sua correlação com a produtividade e estimar através de regressões lineares a produtividade de grãos. Os dados foram obtidos em Dom Pedrito-RSda safra agrícola 2021/2022, em área de18.44 ha. Foram selecionadas dezesseis imagens durante o ciclo de cultivo da soja de satélites da constelação Planet com cálculos de NDVI para cada imagem, além da extração de dados de produtividade de grãos de monitor Gen4 Command Center 4600 da John Deere. Uma malha amostral de 262 polígonos com área de 900 m2 cada foi utilizada para extração da produtividade e NDVI utilizando o software QGIS Białowieża, versão 3.22.14 e exportados em formato .XLS para análise em planilhas. Os dados de produtividade foram agrupados em 5 (cinco) classes de acordo com a porcentagem em relação a produtividade média: < 85% da média; 85 a 95% da média; 95 a 105% da média, 105 a 115% da média e > 115% da média. Metade dos dados amostrais (131 polígonos) foram utilizados para análise de correlação e regressões lineares simples quando as correlações fossem fortes e significativas e a outra metade para validação dos modelos gerados. A validação dos modelos foi realizada pela raiz quadrada do erro quadrado médio (RMSE) e a raiz quadrada do erro quadrado médio normalizado (nRMSE) e o coeficiente de determinação (R2). Os resultados demonstraram que o NDVI possui comportamento exponencial da semeadura a colheita da soja com maior valores encontrados próximos aos 92 DAS (dias após semeadura). NDVI dos 68 aos 80 DAS e dos 120 a 126 DAS produziram correlação na média de 0.96 com a produtividade da soja. Os modelos gerados aos 80, 120 e 126 DAS permitiram estimar a produtividade de soja via NDVI com erro médio de ± 167.51 kg ha-1 sendo que o NDVI pode prever com antecedência de 70 dias da colheita e precisão de ± 246,17 kg ha-1 a produtividade em soja para o talhão estudado. Conclui-se que o NDVI pode ser utilizado para estimar a produtividade da soja.

show abstract

Section: Introductionunclassified