Sensoriamento remoto como ferramenta para determinação de parâmetros biofísicos da cultura do milho semente irrigado
DOI:
https://doi.org/10.5433/1679-0359.2020v41n2p435Palavras-chave:
Biomassa, Evapotranspiração, Manejo Agrícola, Produtividade da água, SAFER.Resumo
Nos últimos anos, tem sido realizado muitos estudos que associam dados de sensoriamento remoto orbital e modelos de crescimento de cultura para fins de monitoramento da vegetação, estimativa de evapotranspiração e quantificação de parâmetros biofísicos, por exemplo o NDVI, temperatura da superfície, albedo, biomassa. O objetivo do presente estudo foi estimar a evapotranspiração (ETr), a biomassa (BIO) e a produtividade de água (PA) para a cultura do milho semente irrigado utilizando-se o algoritmo SAFER e imagens do satélite Landsat 8. Para tal, foram adquiridas oito imagens, em diferentes fases fenológica, livre de nuvem sobre a área de interesse no site United States Geological Survey e dados meteorológicos. A ETr foi estimada por meio do algoritmo SAFER, a BIO pelo modelo de Monteith e a PA pela razão BIO/ETr. A ETr apresentou valores variando entre 0 e 6 mm d-1, sendo os maiores valores coincidentes com o período de maior vigor vegetativo da cultura e os menores com a época de semeadura. Os maiores valores de biomassa são notados nas imagens aos 46 e 62 dias após a semeadura (DAS), correspondendo a 286 e 289 kg ha-1 d-1, respectivamente. A maior média da produtividade da água é observado aos 62 DAS, com 6,9 kg m-3 de água, correspondente ao período de máximo vigor vegetativo da cultura. A aplicação do modelo SAFER juntamente com imagens do Satélite Landsat 8 mostrou-se uma alternativa na identificação da variação espacial e temporal dos parâmetros biofísicos da cultura do milho, podendo auxiliar no manejo da água na agricultura irrigada e na tomada de decisão em propriedades agrícolas de grande porte.Referências
Allen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration - Guidelines for computing crop water requirements - FAO Irrigation and drainage paper 56 (9nd ed.). Rome: Food and Agriculture Organization of the United Nations.
Alvares, C. A., Stape, J. L., Sentelhas, P. C., Moraes Gonçalves, J. L. de, & Sparovek, G. (2013). Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, 22(6), 711-728. doi: 10.1127/0941-2948/2013/0507
Asrar, G., Myneni, R. B., & Choudhury, B. J. (1992). Spatial heterogeneity in vegetation canopies and remote sensing of absorbed photosynthetically active radiation: a modeling study. Remote Sensing of Environment, 41(2-3), 85-103. doi: 10.1016/0034-4257(92)90070-Z
Bastiaanssen, W. G. M., & Ali, S. (2003). A new crop yield forecasting model based on satellite measurements applied across the Indus Basin, Pakistan. Agriculture, Ecosystems and Environment, 94(3), 321-340. doi: 10.1016/S0167-8809(02)00034-8
Carroll, D. A., Hansen, N. C., Hopkins, B. G., & DeJonge, K. C. (2017). Leaf temperature of maize and Crop Water Stress Index with variable irrigation and nitrogen supply. Irrigation Science, 35(6), 549-560. doi: 10.1007/s00271-017-0558-4
Coaguila, D. N., Hernandez, F. B. T., Teixeira, A. H. de C., Franco, R. A. M., & Leivas, J. F. (2017). Water productivity using SAFER - Simple Algorithm for Evapotranspiration Retrieving in watershed. Revista Brasileira de Engenharia Agrícola e Ambiental, 21(8), 524-529. doi: 10.1590/1807-1929/agriambi. v21n8p524-529
Companhia Nacional de Abastecimento (2019). Milho. Recuperado de https://www.conab.gov.br/info-agro/safras/serie-historica-das-safras?start=20
Gomes, B. da, Silva, B. B, Cavalcanti, E. P., & Rocha, H. R. (2009). Balanço de radiação em diferentes biomas no estado de São Paulo mediante imagens landsat 5. Geociencias, 28(2), 153-164.
Hall, A. J., & Richards, R. A. (2013). Prognosis for genetic improvement of yield potential and water-limited yield of major grain crops. Field Crops Research, 143(3), 18-33. doi: 10.1016/j.fcr.2012.05.014
Hatfield, J. L., Asrar, G., & Kanemasu, E. T. (1984). Intercepted photosynthetically active radiation estimated by spectral reflectance. Remote Sensing of Environment, 14(1-3), 65-75. doi: 10.1016/0034-4257(84)90008-7
Instituto Nacional de Meteorologia (2018). Normais climatológicas (1961-2018). Recuperado de http://www.inmet.gov.br/portal/index.php?r=clima/normaisClimatologicas
Kamali, M. I., & Nazari, R. (2018). Determination of maize water requirement using remote sensing data and SEBAL algorithm. Agricultural Water Management, 209(10), 197-205. doi: 10.1016/j.agwat.2018.07.035
Lizaso, J. I., Ruiz-Ramos, M., Rodríguez, L., Gabaldon-Leal, C., Oliveira, J. A., Lorite, I. J.,… Otegui, M. E. (2017). Modeling the response of maize phenology, kernel set, and yield components to heat stress and heat shock with CSM-IXIM. Field Crops Research, 214(12), 239-254. doi: 10.1016/j.fcr.2017.09.019
Mdemu, M. V., Rodgers, C., Vlek, P. L. G., & Borgadi, J. J. (2009). Water productivity (WP) in reservoir irrigated schemes in the upper east region (UER) of Ghana. Physics and Chemistry of the Earth, 34(4-5), 324-328. doi: 10.1016/j.pce.2008.08.006
Monteith, J. L. (1972). Solar radiation and productivity in tropical ecosystems. Journal of Applied Ecology, 9(3), 747-766. doi: 10.2307/2401901
Moran, M. S., Maas, S. J., & Pinter, P. J. (1995). Combining remote sensing and modeling for estimating surface evaporation and biomass production. Remote Sensing Reviews, 12(3-4), 335-353. doi: 10.1080/02757259509532290
Parent, B., & Tardieu, F. (2012). Temperature responses of developmental processes have not been affected by breeding in different ecological areas for 17 crop species. New Phytologist, 194(3), 760-774. doi: 10.1111/j.1469-8137.2012.04086.x
Peng, J., Fan, W., Xu, X., Wang, L., Liu, Q., Li, J., & Zhao, P. (2015). Estimating crop Albedo in the application of a physical model based on the law of energy conservation and spectral invariants. Remote Sensing, 7(11), 15536-15560. doi: 10.3390/rs71115536
Silva, B. B. da, Braga, A. C., Braga, C. C., Oliveira, L. M. M. de, Montenegro, S. M. G. L., & Barbosa, B., Jr. (2016). Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental, 20(1), 3-8. doi: 10.1590/1807-1929/agriambi.v20n1p3-8
Taiz, L., Zeiger, E., Moller, I. M., & Murphy, A. (2017). Fisiologia e desenvolvimento vegetal (6a ed.). Porto Alegre, RS: Artmed.
Teixeira, A. H. de C. (2010). Determining regional actual evapotranspiration of irrigated crops and natural vegetation in the São Francisco River Basin (Brazil) Using remote sensing and penman-monteith equation. Remote Sensing, 2(5), 1287-1319. doi: 10.3390/rs0251287
Teixeira, A. H. de C., Bastiaanssen, W. G. M., Ahmad, M. D., & Bos, M. G. (2009). Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the Low-Middle São Francisco River basin, Brazil. Part B: Application to the regional scale. Agricultural and Forest Meteorology, 149(3-4), 477-490. doi: 10.1016/j.agrformet.2008.09.014
Teixeira, A. H. de C., & Leivas, J. F. (2017). Determinação da produtividade da água com imagens Landsat 8 na região semiárida do Brasil. Conexões - Ciência e Tecnologia, 11(1), 22-34. doi: 10.21439/conexoes.v11i1.1064
Teixeira, A. H. de C., Leivas, J. F., Andrade, R. G., & Hernandez, F. B. T. (2015). Water productivity assessments with landsat 8 images in the Nilo Coelho irrigation scheme. IRRIGA, 1(2), 1-10. doi: 10.15809/irriga.2015v1n2p01
Toureiro, C., Serralheiro, R., Shahidian, S., & Sousa, A. (2017). Irrigation management with remote sensing: evaluating irrigation requirement for maize under Mediterranean climate condition. Agricultural Water Management, 184(4), 211–220. doi: 10.1016/j.agwat.2016.02.010
Wang, N., Wang, E., Wang, J., Zhang, J., Zheng, B., Huang, Y., & Tan, M. (2018). Modelling maize phenology, biomass growth and yield under contrasting temperature conditions. Agricultural and Forest Meteorology, 250-251(2017), 319-329. doi: 10.1016/j.agrformet.2018.01.005
Wu, X., Wen, J., Xiao, Q., Yu, Y., You, D., & Hueni, A. (2017). Assessment of NPP VIIRS Albedo over heterogeneous crop land in Northern China. Journal of Geophysical Research: Atmospheres, 122(24), 13,138-154. doi: 10.1002/2017JD027262
Yan, W., & Hunt, L. A. (1999). An equation for modelling the temperature response of plants using only the cardinal temperatures. Annals of Botany, 84(5), 607-614. doi: 10.1006/anbo.1999.0955
Yuan, M., Zhang, L., Gou, F., Su, Z., Spiertz, J. H. J., & Van Der Werf, W. (2013). Assessment of crop growth and water productivity for five C3 species in semi-arid Inner Mongolia. Agricultural Water Management, 122(5), 28-38. doi: 10.1016/j.agwat.2013.02.006
Alvares, C. A., Stape, J. L., Sentelhas, P. C., Moraes Gonçalves, J. L. de, & Sparovek, G. (2013). Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, 22(6), 711-728. doi: 10.1127/0941-2948/2013/0507
Asrar, G., Myneni, R. B., & Choudhury, B. J. (1992). Spatial heterogeneity in vegetation canopies and remote sensing of absorbed photosynthetically active radiation: a modeling study. Remote Sensing of Environment, 41(2-3), 85-103. doi: 10.1016/0034-4257(92)90070-Z
Bastiaanssen, W. G. M., & Ali, S. (2003). A new crop yield forecasting model based on satellite measurements applied across the Indus Basin, Pakistan. Agriculture, Ecosystems and Environment, 94(3), 321-340. doi: 10.1016/S0167-8809(02)00034-8
Carroll, D. A., Hansen, N. C., Hopkins, B. G., & DeJonge, K. C. (2017). Leaf temperature of maize and Crop Water Stress Index with variable irrigation and nitrogen supply. Irrigation Science, 35(6), 549-560. doi: 10.1007/s00271-017-0558-4
Coaguila, D. N., Hernandez, F. B. T., Teixeira, A. H. de C., Franco, R. A. M., & Leivas, J. F. (2017). Water productivity using SAFER - Simple Algorithm for Evapotranspiration Retrieving in watershed. Revista Brasileira de Engenharia Agrícola e Ambiental, 21(8), 524-529. doi: 10.1590/1807-1929/agriambi. v21n8p524-529
Companhia Nacional de Abastecimento (2019). Milho. Recuperado de https://www.conab.gov.br/info-agro/safras/serie-historica-das-safras?start=20
Gomes, B. da, Silva, B. B, Cavalcanti, E. P., & Rocha, H. R. (2009). Balanço de radiação em diferentes biomas no estado de São Paulo mediante imagens landsat 5. Geociencias, 28(2), 153-164.
Hall, A. J., & Richards, R. A. (2013). Prognosis for genetic improvement of yield potential and water-limited yield of major grain crops. Field Crops Research, 143(3), 18-33. doi: 10.1016/j.fcr.2012.05.014
Hatfield, J. L., Asrar, G., & Kanemasu, E. T. (1984). Intercepted photosynthetically active radiation estimated by spectral reflectance. Remote Sensing of Environment, 14(1-3), 65-75. doi: 10.1016/0034-4257(84)90008-7
Instituto Nacional de Meteorologia (2018). Normais climatológicas (1961-2018). Recuperado de http://www.inmet.gov.br/portal/index.php?r=clima/normaisClimatologicas
Kamali, M. I., & Nazari, R. (2018). Determination of maize water requirement using remote sensing data and SEBAL algorithm. Agricultural Water Management, 209(10), 197-205. doi: 10.1016/j.agwat.2018.07.035
Lizaso, J. I., Ruiz-Ramos, M., Rodríguez, L., Gabaldon-Leal, C., Oliveira, J. A., Lorite, I. J.,… Otegui, M. E. (2017). Modeling the response of maize phenology, kernel set, and yield components to heat stress and heat shock with CSM-IXIM. Field Crops Research, 214(12), 239-254. doi: 10.1016/j.fcr.2017.09.019
Mdemu, M. V., Rodgers, C., Vlek, P. L. G., & Borgadi, J. J. (2009). Water productivity (WP) in reservoir irrigated schemes in the upper east region (UER) of Ghana. Physics and Chemistry of the Earth, 34(4-5), 324-328. doi: 10.1016/j.pce.2008.08.006
Monteith, J. L. (1972). Solar radiation and productivity in tropical ecosystems. Journal of Applied Ecology, 9(3), 747-766. doi: 10.2307/2401901
Moran, M. S., Maas, S. J., & Pinter, P. J. (1995). Combining remote sensing and modeling for estimating surface evaporation and biomass production. Remote Sensing Reviews, 12(3-4), 335-353. doi: 10.1080/02757259509532290
Parent, B., & Tardieu, F. (2012). Temperature responses of developmental processes have not been affected by breeding in different ecological areas for 17 crop species. New Phytologist, 194(3), 760-774. doi: 10.1111/j.1469-8137.2012.04086.x
Peng, J., Fan, W., Xu, X., Wang, L., Liu, Q., Li, J., & Zhao, P. (2015). Estimating crop Albedo in the application of a physical model based on the law of energy conservation and spectral invariants. Remote Sensing, 7(11), 15536-15560. doi: 10.3390/rs71115536
Silva, B. B. da, Braga, A. C., Braga, C. C., Oliveira, L. M. M. de, Montenegro, S. M. G. L., & Barbosa, B., Jr. (2016). Procedures for calculation of the albedo with OLI-Landsat 8 images: Application to the Brazilian semi-arid. Revista Brasileira de Engenharia Agrícola e Ambiental, 20(1), 3-8. doi: 10.1590/1807-1929/agriambi.v20n1p3-8
Taiz, L., Zeiger, E., Moller, I. M., & Murphy, A. (2017). Fisiologia e desenvolvimento vegetal (6a ed.). Porto Alegre, RS: Artmed.
Teixeira, A. H. de C. (2010). Determining regional actual evapotranspiration of irrigated crops and natural vegetation in the São Francisco River Basin (Brazil) Using remote sensing and penman-monteith equation. Remote Sensing, 2(5), 1287-1319. doi: 10.3390/rs0251287
Teixeira, A. H. de C., Bastiaanssen, W. G. M., Ahmad, M. D., & Bos, M. G. (2009). Reviewing SEBAL input parameters for assessing evapotranspiration and water productivity for the Low-Middle São Francisco River basin, Brazil. Part B: Application to the regional scale. Agricultural and Forest Meteorology, 149(3-4), 477-490. doi: 10.1016/j.agrformet.2008.09.014
Teixeira, A. H. de C., & Leivas, J. F. (2017). Determinação da produtividade da água com imagens Landsat 8 na região semiárida do Brasil. Conexões - Ciência e Tecnologia, 11(1), 22-34. doi: 10.21439/conexoes.v11i1.1064
Teixeira, A. H. de C., Leivas, J. F., Andrade, R. G., & Hernandez, F. B. T. (2015). Water productivity assessments with landsat 8 images in the Nilo Coelho irrigation scheme. IRRIGA, 1(2), 1-10. doi: 10.15809/irriga.2015v1n2p01
Toureiro, C., Serralheiro, R., Shahidian, S., & Sousa, A. (2017). Irrigation management with remote sensing: evaluating irrigation requirement for maize under Mediterranean climate condition. Agricultural Water Management, 184(4), 211–220. doi: 10.1016/j.agwat.2016.02.010
Wang, N., Wang, E., Wang, J., Zhang, J., Zheng, B., Huang, Y., & Tan, M. (2018). Modelling maize phenology, biomass growth and yield under contrasting temperature conditions. Agricultural and Forest Meteorology, 250-251(2017), 319-329. doi: 10.1016/j.agrformet.2018.01.005
Wu, X., Wen, J., Xiao, Q., Yu, Y., You, D., & Hueni, A. (2017). Assessment of NPP VIIRS Albedo over heterogeneous crop land in Northern China. Journal of Geophysical Research: Atmospheres, 122(24), 13,138-154. doi: 10.1002/2017JD027262
Yan, W., & Hunt, L. A. (1999). An equation for modelling the temperature response of plants using only the cardinal temperatures. Annals of Botany, 84(5), 607-614. doi: 10.1006/anbo.1999.0955
Yuan, M., Zhang, L., Gou, F., Su, Z., Spiertz, J. H. J., & Van Der Werf, W. (2013). Assessment of crop growth and water productivity for five C3 species in semi-arid Inner Mongolia. Agricultural Water Management, 122(5), 28-38. doi: 10.1016/j.agwat.2013.02.006
Downloads
Publicado
2020-03-06
Como Citar
Santos, R. A. dos, Divincula, J. S. da, Oliveira, K. R. de, Venancio, L. P., Missio, M. F., Filgueiras, R., Cunha, F. F. da, & Aleman, C. C. (2020). Sensoriamento remoto como ferramenta para determinação de parâmetros biofísicos da cultura do milho semente irrigado. Semina: Ciências Agrárias, 41(2), 435–446. https://doi.org/10.5433/1679-0359.2020v41n2p435
Edição
Seção
Artigos
Licença
Copyright (c) 2020 Semina: Ciências Agrárias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Os Direitos Autorais para artigos publicados são de direito da revista. Em virtude da aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores.
Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário. Nesses casos, os artigos, depois de adequados, deverão ser submetidos a nova apreciação.
As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.
