Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/29593| Título: | Análise da variabilidade agrometeorológica e espectral associada ao ciclo da soja e estimativa da produtividade com imagens de satélites |
| Título(s) alternativo(s): | Analysis of agrometeorological and spectral variability associated with the soybean cycle and productivity estimation with satellite images |
| Autor(es): | Gasparin, Priscila Pigatto |
| Orientador(es): | Guedes, Luciana Pagliosa Carvalho |
| Palavras-chave: | Análise multivariada Análise de componentes principais Análise por agrupamento Multivariate analysis Principal components analysis Cluster analysis |
| Data do documento: | 23-Jul-2021 |
| Editor: | Universidade Estadual do Oeste do Paraná |
| Câmpus: | Medianeira |
| Citação: | GASPARIN, Priscila Pigatto. Análise da variabilidade agrometeorológica e espectral associada ao ciclo da soja e estimativa da produtividade com imagens de satélites. 2021. Tese (Doutorado em Engenharia Agrícola) – Universidade Estadual do Oeste do Paraná, Cascavel, 2021. |
| Resumo: | A soja é um dos principais produtos agrícolas e de grande importância para a economia brasileira, pois a partir dela tem-se matéria-prima para a produção de alimentos, combustíveis e aplicações na indústria. Entretanto, a produção agrícola é altamente influenciada pela variabilidade climática que causa tanto impactos positivos quanto negativos na produtividade das culturas. Sendo assim, são relevantes os estudos sobre essas variáveis, bem como sobre a dinâmica da cultura, por meio de índices de vegetação, em contexto global e regional, para obter melhores resultados nas atividades agrícolas. Assim, o objetivo geral deste estudo foi analisar a variabilidade espacial e temporal da soja e estimar a produtividade desta cultura com imagens de satélite no estado do Paraná. Para isso, foram consideradas métricas decendiais associadas às variáveis agrometeorológicas (VAs) e ao índice de vegetação melhorado (EVI) durante o ciclo da soja, a partir de uma série temporal de imagens do European Centre for Medium-Range Weather Forecasts(ECMWF) e do sensor Moderate Resolution Imaging Spectroradiometer (MODIS), em diferentes cenários agrícolas, correspondendo aos anos-safra 2011/2012, 2013/2014 e 2015/2016, os quais foram identificados com baixo, médio e alto índices pluviométricos. Esses índices foram avaliados durante o período de 2000 a 2016. A tese está dividida em três artigos: no primeiro e no segundo artigos, foram utilizadas técnicas multivariadas com o objetivo de regionalizar o estado do Paraná. No primeiro artigo, utilizaram-se as análises fatorial e de agrupamento e, no segundo, foram utilizadas técnicas multivariadas que consideram a dependência espacial da localização das estações virtuais (EV) chamada MULTISPATI – PCA. No terceiro artigo, estimou-se a produtividade da soja no estado do Paraná, por meio dos modelos mínimos quadrados ordinários (OLS) e regressão geograficamente ponderada (GWR), comparando-se os resultados desses modelos, a fim de obter um modelo com melhor acurácia e precisão. De modo geral, os resultados apresentaram a formação de regiões agroclimáticas e espectrais semelhantes, obtendo-se o Grupo 1 (mesorregiões ao sul) com as menores temperaturas para os três cenários agrícolas e o Grupo 2 (mesorregião oeste) com baixos valores de precipitação e balanço hídrico para o ano-safra 2011/2012, ocorrendo o oposto para o ano-safra 2015/2016. Além disso, o método MULTISPATI-PCA apresentou combinações lineares mais contíguas que as obtidas pelo ACP clássico e agrupamentos bem definidos. Destacando a mesorregião oeste no cenário de baixa pluviosidade, que apresentou baixos valores de precipitação e balanço hídrico durante os estádios do florescimento pleno até o enchimento de grãos (R2 – R5),ocasionando uma baixa produtividade, ocorrendo o oposto para o cenário de alta pluviosidade. Por fim, o modelo GWR apresentou melhor acurácia e precisão na estimação da produtividade da soja, quando comparado com o modelo OLS, demonstrando a heterogeneidade espacial e temporal entre a produtividade e as métricas analisadas no modelo. Com esses resultados, é possível definir estratégias mais adequadas para o cultivo da soja no estado do Paraná, que permitam auxiliar tanto os agricultores quanto os órgãos responsáveis pelo planejamento de safras na tomada de decisão, proporcionando melhores resultados de produtividade. |
| Abstract: | Soy is one of the main agricultural products and of great importance for the Brazilian economy, as it is the raw material for the production of food, fuel and industrial applications. However, agricultural production is highly influenced by climate variability that causes both positive and negative impacts on crop productivity. Therefore, studies on these variables are relevant, as well as on the dynamics of the crop, through vegetation indices, in a global and regional context, in order to obtain better results in agricultural activities. On that account, the general objective of this research was to analyze the spatial and temporal variabilities of soy bean and estimate the yield of this crop by using satellite images in the state of Paraná. For this purpose, ten-year metrics associated with agrometeorological variables (VAs) andimproved vegetation index (EVI) during the soybean cycle were evaluated, based on a timeseries of ECMWF images (European Center for Medium Range Weather Forecasts) and the MODIS sensor (Moderate Resolution Imaging Spectroradiometer), in different agricultural scenarios, corresponding to the 2011/2012, 2013/2014 and 2015/2016 crop years, which were identified with low, medium and high rainfall rates. These indices were evaluated from 2000 to 2016. The dissertation is divided into three articles: in the first and second articles, multivariate techniques were used in order to regionalize the state of Paraná. In the first article, factorial and cluster analyses were used, whilst in the second one multivariate techniques that also consider the spatial dependence of the location of virtual stations (EV), called MULTISPATI-PCA, were applied. And finally, in the third article, soybean productivity in the state of Paraná was estimated by the methods of ordinary least squares (OLS) and geographically weighted regression (GWR), from which the results of these models were compared, in order to obtain a model with the best accuracy and precision possible. Ingeneral, the results displayed the formation of similar agroclimatic and spectral regions, obtaining Group 1 (southern meso regions) with the lowest preferences for the three agricultural scenarios and Group 2 (western meso region) with low precipitation and water balance values for the 2011/2012 crop year, the opposite occurring for the 2015/2016 crop year. In addition, the MULTISPATI-PCA method showed linear variations that were morecontiguous than the characteristics by classical ACP and well-defined groupings. The western mesoregion must be highlighted when it comes to the low precipitation scenario, because it presented low exclusion values and water balance during the stages of fullflowering to grain filling (R2 - R5), causing a low productivity, the opposite occurring for thehigh precipitation scenario. Finally, the GWR model showed better accuracy and precision inestimating soybean yield, when compared to the OLS model, demonstrating a spatial andtemporal heterogeneity between yield and the metrics analyzed in the model. With theseresults, it is possible to define the most suitable strategies for the cultivation of soy bean in the state of Paraná, as which allow to help both farmers and the agencies responsible for crop planning in decision making, providing the best results for productivity. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/29593 |
| Aparece nas coleções: | PCS - Teses |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| analisevariabilidadeagrometeorologicaespectral (8).pdf | 8,13 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.