Imagens de satélite, uma ferramenta de gestão agrícola

Apesar de, no sector agrícola, o uso de sistemas de satélite ser marioritariamente para a navegação, são cada vez mais os produtores que recorrem aos dados de observação da Terra, como as imagens de satélite. Nos países desenvolvidos, esta ferramenta tornou-se prática corrente no suporte à gestão localizada de culturas e no consequente aumento da sua sustentabilidade e eficiência.

A simples observação da superfície terrestre, através destas imagens, fornece informação espacial de apoio à decisão. Informação esta que é gerada em tempo certo, de forma repetitiva e sintetizada, num processo eficiente em termos de custo.

Como funciona?

A base para gerar informação espacial a partir de dados multiespectrais é a assunção da relação entre as características estruturais e bioquímicas das plantas. As imagens de satélite cruas oferecem alguma informação como por exemplo o tipo de cultura, a quantidade e a localização. Contudo, o seu verdadeiro potencial é alcançado após serem processadas para fornecer vários índices de vegetação e de solo.

O NDVI (Normalized Difference Vegetation Index), é um índice usado há muitos anos pelas indústrias agrícola, florestal e ambiental, devido à sua admirável capacidade de distinguir a vegetação de outros materiais. Este índice pode ser utilizado para identificar a densidade relativa ou a quantidade de vegetação verde presente numa imagem para, desta forma, monitorizar zonas de seca, prever a produção agrícola ou assistir na prevenção de zonas de incêndio e de desertificação.

Posto de forma simplificada, o índice NDVI mede o estado de saúde das plantas avaliando como a planta reflecte a luz a diferentes frequências (algumas ondas são absorvidas e outras reflectidas). Diferentes cores simbolizam caracterśticas distintas da paisagem. Por exemplo verde para a vegetação, e azul para o solo, rochas e terra árida.

Escala NDVI: -1 baixa reflectância a +1 alta reflectância

O que mede?

Do ponto de vista agrícola, as propriedades do solo e da vegetação são de grande importância. Existem inúmeras variáveis que podem ser medidas recorrendo à análise dos dados multiespectrais. Desde variáveis bioquímicas da folha como o teor de clorofila, de carotenoides e de antocianina, o teor proteico, de nitrogénio e de água e até a vegetação não-fotossintética. Podem também ser medidas variáveis biofísicas das folhas como o índice de área folear, o ângulo de inclinação médio da folha ou o albedo. E ainda variáveis do solo como o teor de carbono orgânico e o uso do solo.

O uso de imagens de satélite permite, por exemplo, gerar informação sobre o carbono orgânico e o óxido de ferro disponíveis, importantes indicadores da fertilidade do solo.

Imagem NDVI

Como usar a informação gerada?

Estes dados possibilitam aos agricultores:

  • conhecer a produção primária, gerir pestes e monitorizar doenças.
  • melhorar a gestão de resíduos da produção (analisando a absorção do vapor atmosférico pela celulose vs lenhina).
  • monitorizar as necessidades de água das plantas (discriminando as 3 fases da água, sólido, líquido e gasoso).
  • melhorar a eficiência da fertilização (discriminando a absorção proteica da sobreposição de celulose, lenhina e absorção de água).
  • investigar os impactos das diferentes fontes de stress das plantas (temperatura, azoto e água) pelo seguimento da cadeia de transformação de energia nas folhas.
  • otimizar a amostragem do solo (através da identificação de diferentes qualidades do solo)
  • identificar padrões de crescimento, que indicam a variabilidade de diferentes condições de crescimento numa exploração. Esta informação pode ser útil para medidas de enriquecimento do solo como o aumento do teor de matéria orgânica ou para o planeamento da densidade de sementeira.

No fundo, permite fazer o planeamento de ações fundamentais numa exploração agrícola que são: fertilização, proteção das plantas, irrigação e colheita.

O uso mais eficiente da terra e portanto, o maior ganho económico numa exploração agrícola, só pode ser alcançado por agricultores que tenham acesso ao máximo de informação relativa às necessidades individuais da sua exploração. Assim, a combinação de dados de satélite com dados de sensores instalados no solo, parece representar o método de gestão mais promissor.

Artigo por: Agroop, adaptado de Spaceborne Imaging Spectroscopy for Sustainable Agriculture: Contributions and Challenges

Fotos: Airbus, Commercial UAV News, Satellite Imaging Corporation

Leave a Comment

Start typing and press Enter to search