ads:
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
CENTRO ESTADUAL DE PESQUISAS EM SENSORIAMENTO REMOTO
E METEOROLOGIA
PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENTO REMOTO
AVALIAÇÃO DO USO DE IMAGENS MODIS NA MODELAGEM
AGROMETEOROLÓGICA-ESPECTRAL DE RENDIMENTO DE ARROZ IRRIGADO
NO RIO GRANDE DO SUL
Eliana Veleda Klering
Meteorologista (UFPel)
Dissertação apresentada como um dos
requisitos à obtenção do Grau de
Mestre em Sensoriamento Remoto
Área de concentração Agrometeorologia
Porto Alegre, RS, BRASIL
Agosto de 2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
II
AGRADECIMENTOS
Agradeço a Profª. Denise Fontana pela oportunidade, paciência, confiança, e,
principalmente, pelo exemplo profissional. E, expresso também, minha admiração por seu
exemplo de dedicação e contribuição à pesquisa e ao ensino.
Ao meu co-orientador preferido Prof. Moacir Berlato pelos ensinamentos e pelo
apoio fundamental para realização deste trabalho.
À Universidade Federal do Rio Grande do Sul, ao Centro Estadual de Pesquisas
em Sensoriamento Remoto e Meteorologia pela possibilidade de realização deste curso e a
CNPq pela concessão da bolsa de estudo.
Agradeço imensamente a meus pais, Tânia e Silvestre, pessoas que amo muito,
que sempre me incentivaram e principalmente me apoiaram em todos os momentos da
minha vida com muito amor e carinho. Sou uma pessoa extremamente feliz por ter vocês ao
meu lado, sempre me indicando o caminho certo a seguir com seus exemplos de vida e
principalmente pelo amor que sempre me deram.
Ao meu irmão Gabriel pelo carinho e amizade, sempre compreendendo e
entendendo a minha ausência.
Àquele que com sua presença, incentivo moral, conselhos, amizade, fidelidade
e principalmente otimismo me ajudou a nunca desistir e seguir em frente sempre. Àquele
que amo e respeito em todas as suas maneiras de ser e pensar, aquele a quem com muitas
diferenças me fez repensar meus conceitos e crescer como ser humano também, meu
agradecimento de coração ao meu namorado Eduardo Muñoz.
ads:
III
A amiga e irmã do coração Lidiane Ibeiro pela eterna amizade, compreensão e
convivência diária durante todo o período de realização deste trabalho.
A todos os colegas do Projeto GeoSafras. Em especial aos amigos Ana Paula
Wagner e Ricardo Wanke de Melo.
Aos colegas de turma do Programa de Pós-Graduação em Sensoriamento
Remoto.
Aos funcionários e professores do Centro Estadual de Pesquisas em
Sensoriamento Remoto e Meteorologia.
Aos colegas, funcionários e professores do Departamento de Agrometeorologia.
As colegas Maria Custódio e Loana Cardoso, pela ajuda durante esse período
tornando-nos mais que colegas, grandes amigas.
E por fim, porém não menos importante agradeço a Deus.
IV
AVALIAÇÃO DO USO DE IMAGENS MODIS NA MODELAGEM
AGROMETEOROLÓGICA-ESPECTRAL DE RENDIMENTO DE ARROZ IRRIGADO
NO RIO GRANDE DO SUL
1
Autor: Eliana Veleda Klering
Orientador: Dr.ª Denise Cybis Fontana
Co-orientador: Dr. Moacir Antônio Berlato
RESUMO
Baseado na demanda de instituições oficiais para geração de informações
objetivas sobre o rendimento da cultura do arroz irrigado, o objetivo deste trabalho foi
avaliar a possibilidade do uso de imagens MODIS na estimativa de rendimento de arroz
irrigado no Estado do Rio Grande do Sul. O estudo foi realizado usando-se dois conjuntos
de dados abrangendo as seis regiões orizícolas do Rio Grande do Sul. O primeiro conjunto,
referentes às safras 1982/1983 até 2005/2006, foi de dados meteorológicos de temperatura
mínima do ar, radiação solar global e dados de estatísticas agrícolas de rendimento e área
cultivada de arroz irrigado. O segundo conjunto considerou as imagens dos índices de
vegetação NDVI e EVI provenientes do sensor MODIS, das safras de 2000/2001 até
2005/2006. A partir desses dados foram feitas análises de tendência tecnológica dos
rendimentos e estabelecidos os indicadores agrometeorológicos e espectrais para o ajuste de
modelos de estimativa de rendimento de arroz irrigado no Estado. Os resultados mostraram
que existe tendência tecnológica de incremento nos rendimentos de arroz irrigado no
Estado; os perfis espectrais (NDVI e EVI) das áreas de arroz irrigado são típicos de áreas
cultivadas, com valores baixos no período de implementação da cultura, crescentes durante
o desenvolvimento vegetativo, atingindo os valores máximos durante o enchimento de grão
e decrescentes a partir da maturação fisiológica dos grãos. A variabilidade interanual desses
perfis é devida, principalmente, às variações das condições meteorológicas; existe uma
relação curvilinear entre NDVI e EVI, entretanto ambos índices apresentam um perfil
médio similar, com o NDVI apresentando valores maiores do que o EVI; as variáveis
meteorológicas radiação solar global e dias com temperatura mínima do ar menor ou igual a
15°C e as imagens de NDVI e EVI provenientes do sensor MODIS podem ser usadas
como indicadores do rendimento do arroz irrigado. Os modelos agrometeorológicos e
agrometeorológicos-espectrais ajustados apresentam características de precisão, fácil
implementação e baixo custo, podendo, portanto, serem introduzidos ao programa nacional
de previsão de safras. Embora o período de dados ainda seja reduzido para resultados
conclusivos existe a tendência de melhora nas estimativas de rendimento de arroz irrigado
no Rio Grande do Sul a partir da incorporação de dados provenientes de imagens MODIS.
1
Dissertação de Mestrado em Sensoriamento Remoto, Centro Estadual de Pesquisas em
Sensoriamento Remoto e Meteorologia. Programa de Pós-Graduação em Sensoriamento Remoto.
Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brasil. (116 p.) Agosto, 2007.
V
EVALUATION OF THE USE OF MODIS IMAGES IN THE
AGROMETEOROLOGICAL-SPECTRAL MODELLING OF IRRIGATED RICE YIELD
IN RIO GRANDE DO SUL
2
Author: Eliana Veleda Klering
Advisor: Dr.ª Denise Cybis Fontana
Co-advisor: Dr. Moacir Antônio Berlato
ABSTRACT
Based on the demand of official institution for objective information about the
irrigated rice yield, the aim of this research was to evaluate the possibility to use MODIS
images for the irrigated rice yield forecasts in Rio Grande do Sul State, Brazil. This study
was carried out using two data sets involving the six rice production regions of Rio Grande
do Sul. The first data set, relative to the crop years from 1982/1983 to 2005/2006, was
meteorological data of the minimum air temperature and global solar radiation, and data of
the agricultural statistics about the irrigated rice yield and crop area. The second data set
was the vegetation indexes images, NDVI and EVI, obtained from the MODIS sensor,
referent to the crop years from 2000/2001 to 2005/2006. From these data, analyzes of yield
technological tendencies were made, and the agrometeorological and spectral indicators for
the adjustment of the irrigated rice yield models in the State was established. The results
showed that there is a technological tendency of increasing the irrigated rice yield in the
State; the spectral profiles (NDVI and EVI) of the irrigated rice areas are typical of crop
areas, with low values during the implementation crop period, increasing values during the
vegetative development, reaching the highest values during the grain-filling period and
decreasing values during the grain physiological maturity. The interannual variability of
these profiles occurs mainly due to the variations of the meteorological conditions; there is
a curvilinear relationship between NDVI and EVI, however, both vegetation indexes show
a similar mean profile, with NDVI values higher than EVI ones; the meteorological
variables – global solar radiation and days with minimum air temperature below or equal to
15°C – and the NDVI and EVI images from the MODIS sensor can be used as indicators of
the irrigated rice yield. The adjusted agrometeorological and agrometeorological-spectral
models show characteristics of accuracy, easy implementation and low cost making them
able to be introduced to the national program of crop forecast. Although the period of data
are still reduced for final conclusions, there is a tendency of improvement of the irrigated
rice yield estimates in Rio Grande do Sul through the incorporation of data from MODIS
images.
2
Master of Science Dissertation in Remote Sensing, Centro Estadual de Pesquisas em
Sensoriamento Remoto e Meteorologia, Post-Graduation in Remote Sensing. Universidade Federal
do Rio Grande do Sul, Porto Alegre, RS, Brazil. (116 p.) August, 2007.
VI
SUMÁRIO
1. INTRODUÇÃO ............................................................................................................1
2. REVISÃO BIBLIOGRÁFICA .....................................................................................4
2.1. A cultura do arroz irrigado .................................................................................... 4
2.1.1. Panorama mundial, nacional e estadual.........................................................4
2.1.2. Exigências climáticas.....................................................................................6
2.1.3. Ciclo fenológico.............................................................................................8
2.1.4. Zoneamento agroclimático ............................................................................9
2.1.5. Regiões de cultivo........................................................................................11
2.2. Estatísticas agrícolas............................................................................................ 13
2.2.1. Dados oficiais ..............................................................................................13
2.2.2. Projeto GeoSafras ........................................................................................14
2.3. Modelagem de Rendimento................................................................................. 15
2.3.1. Abordagem Agrometeorológica ..................................................................16
2.3.2. Abordagem Agrometeorológica-Espectral ..................................................17
2.4. Monitoramento da vegetação através de técnicas de sensoriamento remoto ...... 18
2.5. Sensor MODIS .................................................................................................... 21
2.5.1. Produto MODIS MOD13Q1 .......................................................................23
3. MATERIAL E MÉTODOS ........................................................................................25
3.1. Região de estudo ................................................................................................. 25
3.2. Período de estudo ................................................................................................ 26
3.3. Dados................................................................................................................... 27
3.3.1. Rendimento e área cultivada........................................................................27
3.3.2. Dados meteorológicos .................................................................................27
3.3.3. Imagens MODIS..........................................................................................29
3.4. Análise com dados de rendimento....................................................................... 29
3.4.1. Análise da tendência temporal dos dados de rendimento............................29
3.4.2. Retirada da tendência tecnológica dos dados de rendimento ......................30
3.5. Análise com dados meteorológicos..................................................................... 30
3.5.1. Teste do Modelo de Carmona (2001) ..........................................................30
3.5.2. Correlação entre os dados meteorológicos e o rendimento .........................30
3.6. Análise com dados espectrais.............................................................................. 31
VII
3.6.1. Processamento de imagens ..........................................................................31
3.6.2. Determinação da área ocupada com arroz...................................................32
3.6.3. Perfis temporais das áreas de arroz..............................................................32
3.6.4. Correlação entre os dados espectrais e o rendimento..................................33
3.7. Modelagem de rendimento.................................................................................. 33
3.7.1. Ajuste do modelo agrometeorológico..........................................................33
3.7.2. Ajuste do modelo agrometeorológico-espectral ..........................................35
4. RESULTADOS E DISCUSSÃO ................................................................................37
4.1. Retirada da tendência tecnológica da série de rendimento.................................. 37
4.2. Análise com dados meteorológicos..................................................................... 41
4.2.1. Teste do modelo de Carmona (2001) ..........................................................41
4.2.2. Correlação entre os dados meteorológicos e o rendimento .........................44
4.3. Análise dos dados espectrais em áreas de arroz irrigado .................................... 47
4.3.1. Seqüência temporal......................................................................................47
4.3.2. Determinação da área ocupada com arroz irrigado .....................................53
4.3.3. Relação entre NDVI e EVI..........................................................................59
4.3.4. Perfis temporais das áreas de arroz irrigado................................................60
4.3.5. Correlação entre os dados espectrais e o rendimento..................................68
4.4. Modelagem de rendimento.................................................................................. 74
4.4.1. Modelagem agrometeorológica ...................................................................74
4.4.2. Modelagem agrometeorológica-espectral....................................................79
5. CONCLUSÕES ..........................................................................................................81
6. REFERÊNCIAS BIBLIOGRÁFICAS........................................................................83
7. APÊNDICES...............................................................................................................90
VIII
RELAÇÃO DE TABELAS
TABELA 1. Fases e etapas de crescimento das plantas de arroz...................................9
TABELA 2. Uso principal, largura de banda e resolução espacial das 36 bandas
do sensor MODIS....................................................................................22
TABELA 3. Regiões orizícolas, estações meteorológicas, coordenadas
geográficas e Instituição..........................................................................27
TABELA 4. Coeficientes da equação de Ångstrom (β
0
e β
1
), utilizados para as
estações meteorológicas em estudo (Fonte: Fontana e Oliveira,
1996)........................................................................................................28
TABELA 5. Regressão linear múltipla entre rendimento corrigido (Yc),
insolação relativa (n/N) e número de dias com temperatura mínima
do ar igual ou menor que 15°C (N°tm), para as regiões orizícolas e
para o Estado do Rio Grande do Sul. ......................................................31
TABELA 6. Coeficiente de correlação entre a radiação solar global e o
rendimento de grãos (corrigido) da cultura do arroz irrigado nas
diferentes regiões orizícolas do Rio Grande do Sul, período 1982-
2006. ........................................................................................................45
TABELA 7. Coeficiente de correlação entre o número de dias com temperatura
igual ou inferior a 15°C e o rendimento (corrigido) de grãos da
cultura do arroz irrigado nas diferentes regiões orizícolas do Rio
Grande do Sul, período 1982-2006. ........................................................46
TABELA 8. Área média da cultura do arroz irrigado (mil ha) no Rio Grande do
Sul estimada com imagens NDVI/MODIS e dados oficiais (IBGE).
Período 2000/2001 a 2005/2006..............................................................58
TABELA 9. Área média da cultura do arroz irrigado (mil ha) no Rio Grande do
Sul estimada com imagens EVI/MODIS e dados oficiais (IBGE).
Período 2000/2001 a 2005/2006..............................................................58
IX
TABELA 10. Modelos agrometeorológicos, para as regiões orizícolas e para o
Estado do Rio Grande do Sul, período 1982-2006..................................74
X
RELAÇÃO DE FIGURAS
FIGURA 1. Produção média dos principais países produtores de arroz para o
período de 1990 até 2005. Fonte de dados: FAO (2007). .........................5
FIGURA 2. Área cultivada média dos principais países produtores de arroz para
o período de 1990 até 2005. Fonte de dados: FAO (2007). ......................5
FIGURA 3. Rendimento médio dos principais países produtores de arroz para o
período de 1990 até 2005. Fonte de dados: FAO (2007). .........................5
FIGURA 4. Produção de arroz no Brasil nas safras 2005/2006 e 2006/2007.
Fonte de dados: IBGE (2007)....................................................................6
FIGURA 5. Zoneamento Agroclimático por época de semeadura para o arroz
irrigado, cultivares de ciclos médios (M) e precoce (P), no Estado
do Rio Grande do Sul. Os números e as letras indicam as regiões e
sub-regiões agroecológicas. Fonte: Adaptado de Steinmetz e Braga
(2001). .....................................................................................................10
FIGURA 6. Produção média, para as safras 1997/1998 até 2005/2006, das
regiões orizícolas do Estado do Rio Grande do Sul. Fonte de dados:
IBGE (2007). ...........................................................................................12
FIGURA 7. Área média de arroz irrigado, para as safras 1997/1998 até
2005/2006, das regiões orizícolas do Estado do Rio Grande do Sul.
Fonte de dados: IBGE (2007)..................................................................12
FIGURA 8. Rendimento médio de arroz irrigado, para as safras 1996/1997 até
2005/2006, das regiões orizícolas do estado do Rio Grande do Sul.
Fonte de dados: IBGE (2007)..................................................................13
FIGURA 9. Resposta espectral típica de uma folha fotossintéticamente ativa.
Fonte: Moreira (2005). ............................................................................20
FIGURA 10. Regiões orizícolas do Estado do Rio Grande do Sul...............................26
FIGURA 11. Calendário agrícola médio do arroz irrigado, safras 1994-1999, para
o Estado do Rio Grande do Sul. Fonte: Carmona (2001)........................33
XI
FIGURA 12. Tendência tecnológica do rendimento de arroz irrigado no período
1982-2006, para as regiões orizícolas do Estado do Rio Grande do
Sul............................................................................................................38
FIGURA 13. Tendência tecnológica do rendimento de arroz irrigado no período
1982-2006, o Estado do Rio Grande do Sul (RS). ..................................39
FIGURA 14. Rendimentos corrigidos de arroz irrigado (retirada a tendência
tecnológica) no período 1982-2006, para as regiões orizícolas do
estado do Rio Grande do Sul...................................................................40
FIGURA 15. Rendimentos corrigidos de arroz irrigado (retirada a tendência
tecnológica) no período 1982-2006, para o estado do Rio Grande do
Sul (RS). ..................................................................................................41
FIGURA 16. Teste dos modelos propostos por Carmona (2001), para o período
de 2000 até 2006, nas regiões orizícolas do Rio Grande do Sul. ............43
FIGURA 17. Série temporal média de NDVI para o Rio Grande do Sul referente
às safras 2000/2001 até 2005/2006 (outubro a março)............................49
FIGURA 17. Continuação.............................................................................................50
FIGURA 18. Série temporal média de EVI para o Rio Grande do Sul referente às
safras 2000/2001 até 2005/2006 (outubro a março)................................51
FIGURA 18. Continuação.............................................................................................52
FIGURA 19. Recorte de uma imagem MODIS no Rio Grande do Sul: (a)
composição de mínimo NDVI; (b) composição de máximo NDVI,
(c) imagem diferença...............................................................................54
FIGURA 20 Recorte de uma imagem MODIS no Rio Grande do Sul: (a) imagem
diferença com aplicação de limiar 0,30, (b) imagem diferença com
aplicação de limiar 0,42, (c) imagem diferença com aplicação de
limiar 0,60................................................................................................55
FIGURA 21. Relação entre a área cultivada com arroz irrigado nas regiões
orizícolas do Rio Grande do Sul, estimada através dos limiares
aplicados ao NDVI e a área oficial fornecida pelo IBGE. Entre
parênteses estão indicados os limiares utilizados em cada região
orizícola. ..................................................................................................57
FIGURA 22. Relação entre a área cultivada com arroz irrigado nas regiões
orizícolas do Rio Grande do Sul, estimada através dos limiares
aplicados ao EVI e a área oficial fornecida pelo IBGE. Entre
parênteses estão indicados os limiares utilizados em cada região
orizícola. ..................................................................................................57
FIGURA 23. Relação entre NDVI e EVI das áreas ocupadas com arroz irrigado,
em todas as regiões orizícolas do Rio Grande do Sul, para o período
de 2000/2001 a 2005/2006. .....................................................................59
XII
FIGURA 24. Perfis temporais de NDVI referentes às safras agrícolas de
2000/2001 a 2005/2005, para as diferentes regiões orizícolas do Rio
Grande do Sul..........................................................................................61
FIGURA 24. Continuação ............................................................................................62
FIGURA 25. Perfis temporais de EVI referentes às safras agrícolas de 2000/2001
a 2005/2005, para as diferentes regiões orizícolas do Rio Grande do
Sul............................................................................................................63
FIGURA 25. Continuação.............................................................................................64
FIGURA 26. Perfis temporais médios de NDVI e EVI referentes às safras
agrícolas de 2000/2001 a 2005/2005, para as regiões orizícolas do
Rio Grande do Sul. As barras representam os valores máximos e
mínimos de NDVI e EVI.........................................................................66
FIGURA 26. Continuação.............................................................................................67
FIGURA 27. Correlações entre o rendimento e o NDVI/MODIS, nos diferentes
períodos do ciclo da cultura do arroz irrigado, para as regiões
orizícolas do Rio Grande do Sul. As linhas azuis representam
significância de 1%, as linhas verdes significância de 5% e as
vermelhas de 10%....................................................................................69
FIGURA 27. Continuação.............................................................................................70
FIGURA 28. Correlações entre o rendimento e o EVI/MODIS, nos diferentes
períodos do ciclo da cultura do arroz irrigado, para as regiões
orizícolas do Rio Grande do Sul. As linhas azuis representam
significância de 1%, as linhas verdes significância de 5% e as
vermelhas de 10%....................................................................................71
FIGURA 28. Continuação.............................................................................................72
FIGURA 29. Correlações entre o rendimento e o NDVI nos diferentes períodos
do ciclo da cultura do arroz irrigado, para o Estado do Rio Grande
do Sul. As linhas azuis representam significância de 1%, as linhas
verdes significância de 5% e as vermelhas de 10%. ...............................73
FIGURA 30. Correlações entre o rendimento e o EVI nos diferentes períodos do
ciclo da cultura do arroz irrigado, para o Estado do Rio Grande do
Sul. As linhas azuis representam significância de 1%, as linhas
verdes significância de 5% e as vermelhas de 10%. ...............................73
FIGURA 31. Rendimentos oficiais e estimados pelo modelo agrometeorológico
ajustado para o Rio Grande do Sul, no período de ajuste do modelo......75
FIGURA 32. Rendimentos oficiais e estimados pelos modelos
agrometeorológicos ajustados para cada região orizícola do Estado
do Rio Grande do Sul, no período de ajuste do modelo..........................76
FIGURA 33. Rendimentos oficiais e estimados pelo modelo agrometeorológico
ajustado para do Rio Grande do Sul no período de teste do modelo.......77
XIII
FIGURA 34. Rendimentos oficiais e estimados pelos modelos
agrometeorológicos ajustados para cada região orizícola do Estado
do Rio Grande do Sul no período de teste do modelo.............................78
FIGURA 35. Rendimentos oficiais e estimados pelo modelo agrometeorológico-
espectral ajustado para o Rio Grande do Sul...........................................80
XIV
RELAÇÃO DE APÊNDICES
APÊNDICE 1. Rendimentos oficiais (IBGE) e corrigidos (Corr) de arroz
irrigado (t.ha
-1
) para as regiões orizícolas do Rio Grande do Sul,
período de 1982-2006.........................................................................90
APÊNDICE 2. Série temporal média de NDVI para o Rio Grande do Sul
referente à safra 2000/2001 (outubro a março)...................................91
APÊNDICE 2. Continuação... .....................................................................................92
APÊNDICE 3. Série temporal média de NDVI para o Rio Grande do Sul
referente à safra 2001/2002 (outubro a março)...................................93
APÊNDICE 3. Continuação... .....................................................................................94
APÊNDICE 4. Série temporal média de NDVI para o Rio Grande do Sul
referente à safra 2002/2003 (outubro a março)...................................95
APÊNDICE 4. Continuação... .....................................................................................96
APÊNDICE 5. Série temporal média de NDVI para o Rio Grande do Sul
referente à safra 2003/2004 (outubro a março)...................................97
APÊNDICE 5. Continuação... .....................................................................................98
APÊNDICE 6. Série temporal média de NDVI para o Rio Grande do Sul
referente à safra 2004/2005 (outubro a março)...................................99
APÊNDICE 6. Continuação... ...................................................................................100
APÊNDICE 7. Série temporal média de NDVI para o Rio Grande do Sul
referente à safra 2005/2006 (outubro a março).................................101
APÊNDICE 7. Continuação... ...................................................................................102
APÊNDICE 8. Série temporal média de EVI para o Rio Grande do Sul referente
à safra 2000/2001 (outubro a março)................................................103
APÊNDICE 8. Continuação... ...................................................................................104
XV
APÊNDICE 9. Série temporal média de EVI para o Rio Grande do Sul referente
à safra 2001/2002 (outubro a março)................................................105
APÊNDICE 9. Continuação... ...................................................................................106
APÊNDICE 10. Série temporal média de EVI para o Rio Grande do Sul referente
à safra 2002/2003 (outubro a março)................................................107
APÊNDICE 10. Continuação... ...................................................................................108
APÊNDICE 11. Série temporal média de EVI para o Rio Grande do Sul referente
à safra 2003/2004 (outubro a março)................................................109
APÊNDICE 11. Continuação... ...................................................................................110
APÊNDICE 12. Série temporal média de EVI para o Rio Grande do Sul referente
à safra 2004/2005 (outubro a março)................................................111
APÊNDICE 12. Continuação... ...................................................................................112
APÊNDICE 13. Série temporal média de EVI para o Rio Grande do Sul referente
à safra 2005/2006 (outubro a março)................................................113
APÊNDICE 13. Continuação... ...................................................................................114
APÊNDICE 14. Área cultivada de arroz irrigado (mil ha), nas diferentes regiões
orizícolas do Rio Grande do Sul, estimada com imagens
NDVI/MODIS e dados oficiais (IBGE), para as safras 2000/2001
até 2005/2006....................................................................................115
APÊNDICE 15. Área cultivada de arroz irrigado (mil ha), nas diferentes regiões
orizícolas do Rio Grande do Sul, estimada com imagens
EVI/MODIS e dados oficiais (IBGE), para as safras 2000/2001
até 2005/2006....................................................................................116
1. INTRODUÇÃO
O arroz é um dos cereais mais produzidos e consumidos no mundo, sendo
cultivado em todos os continentes. Nos países em desenvolvimento, onde vivem
aproximadamente dois terços da população subnutrida mundial, este grão é considerado o
cultivo alimentar de maior importância devido ao seu alto valor nutricional. É alimento
básico para cerca de 2,4 bilhões de pessoas e, segundo estimativas, até 2050 haverá uma
demanda para atender ao dobro desta população (Azambuja et al., 2004).
Atualmente, o Rio Grande do Sul é considerado estabilizador da safra nacional,
pois produz 48% da produção do País (cerca de cinco milhões de toneladas). Esta produção
representa 3,1% do PIB (Produto Interno Bruto) gerando, assim, R$ 175 milhões em ICMS
(Imposto de Circulação de Mercadorias e Serviços) e 250 mil empregos no Estado (IBGE,
2004).
A previsão das safras de arroz no Rio Grande do Sul, assim como de diversas
culturas em todo o Brasil, é realizada utilizando informações municipais obtidas através de
um sistema de levantamento, baseado em opiniões de agentes técnicos e econômicos
relacionados ao setor (IBGE, 2004). Contudo, em função do caráter subjetivo dos
levantamentos, essas informações não permitem uma análise quantitativa dos erros
envolvidos, além de serem passíveis de manipulação. É, portanto, de grande importância o
desenvolvimento de métodos objetivos que possam ser incorporados, complementando os
programas oficiais.
Uma das alternativas para a resolução do problema da subjetividade do método
oficial é o uso de modelos de estimativa de rendimento, os quais, na sua maioria, expressam
2
a influência de elementos meteorológicos no rendimento das culturas agrícolas, sendo
denominados modelos agrometeorológicos. No âmbito da pesquisa científica, a utilidade
destes modelos já foi demonstrada em vários estudos e para diversas culturas. No entanto,
grande parte dos modelos agrometeorológicos propostos não contemplam outros fatores
que influenciam a definição dos rendimentos, como por exemplo, ocorrência de pragas e
doenças, manejo diferenciado da cultura, fertilidade dos solos, entre outros.
Neste contexto, a inclusão de uma componente espectral aos modelos
agrometeorológicos tem sido proposta por proporcionar uma visão geral da cultura, cujo
crescimento é conseqüência da integração de todos os fatores que determinam o seu
desenvolvimento. Assim, os indicadores espectrais oriundos de novos sensores, como o
MODIS (Moderate Resolution Imaging Spectroradiometer) a bordo da plataforma orbital
Terra, devem ser testados e a possibilidade do uso na modelagem de rendimento ser
averiguada.
A hipótese deste estudo é que imagens do sensor MODIS podem ser utilizadas
em modelos de estimativa de rendimento do arroz irrigado, pois as variações na biomassa
das lavouras provocam alterações nas respostas espectrais das mesmas, e a detecção dessas
variações permite a quantificação de alguns parâmetros biofísicos que estão
correlacionados com o rendimento final da cultura.
Partindo da hipótese formulada, o objetivo geral desse trabalho foi avaliar a
possibilidade do uso das imagens MODIS em modelos de estimativa de rendimento para a
cultura do arroz irrigado no Estado do Rio Grande do Sul.
Os objetivos específicos foram:
• Avaliar a existência de tendência tecnológica no rendimento de arroz
irrigado no Rio Grande do Sul;
• Testar o desempenho de modelos já existentes de estimativa do rendimento
de arroz irrigado no Rio Grande do Sul;
• Definir a metodologia de extração de dados espectrais das áreas de arroz
irrigado no Estado;
• Determinar o perfil espectral típico das áreas de arroz irrigado situadas nas
diferentes regiões orizícolas do Estado;
3
• Comparar os índices de vegetação NDVI e EVI, obtidos de imagens MODIS
nas áreas de arroz irrigado do Estado;
• Definir as variáveis agrometeorológicas e espectrais melhor correlacionadas
com o rendimento de arroz irrigado no Rio Grande do Sul;
• Parametrizar um modelo agrometeorológico de estimativa de rendimento de
arroz irrigado para o Rio Grande do Sul;
• Parametrizar um modelo agrometeorológico-espectral de estimativa de
rendimento de arroz irrigado para o Rio Grande do Sul;
2. REVISÃO BIBLIOGRÁFICA
2.1. A cultura do arroz irrigado
2.1.1. Panorama mundial, nacional e estadual
Cultivado e consumido em todos os continentes, o arroz destaca-se pela
produção e área de cultivo, desempenhando papel estratégico tanto no aspecto econômico
quanto social. Cerca de 150 milhões de hectares são cultivados anualmente no mundo,
produzindo 590 milhões de toneladas, sendo que mais de 75% desta produção é oriunda do
sistema de cultivo irrigado (Azambuja et al., 2004).
Segundo dados da FAO (2000), o continente asiático é responsável por 90% da
produção de arroz no mundo, o continente americano por aproximadamente 9,1% e o
restante produzido pelo continente africano (Azambuja et al., 2004).
Índia e China se destacam como os maiores produtores de arroz do mundo, com
produção muito superior aos demais países. O Brasil é o maior produtor de fora do
continente Asiático, sendo que em média (1990 a 2005), a produção brasileira é de 10,2
milhões de toneladas (Figura 1), ocupando uma área de aproximadamente 3,7 milhões de
ha (Figura 2). Em termos de rendimento (Figura 3), no Brasil a média é de 2.770kg.ha
-1
,
bastante inferior à China, mas semelhante à da Índia.
5
0
50000
100000
150000
200000
Est
ados U
nido
s
Brasil
Filipin
as
Japão
M
yanmar
Tail
â
ndia
V
ietnan
B
anglad
esh
In
donésia
Índi
a
Ch
ina
Países
Produção (milhoes de t)
FIGURA 1. Produção média dos principais países produtores de arroz para o período de
1990 até 2005. Fonte de dados: FAO (2007).
0
10000
20000
30000
40000
50000
Estados Unidos
B
rasil
Filipin
as
Japão
Mya
nmar
Tailândia
Vietn
a
n
Bangl
adesh
Indo
n
ésia
Índi
a
C
hina
Países
Área cultivada (mil ha)
,
FIGURA 2. Área cultivada média dos principais países produtores de arroz para o período
de 1990 até 2005. Fonte de dados: FAO (2007).
0
2000
4000
6000
8000
Estados U
n
idos
Bra
s
il
Fi
lipinas
Japã
o
My
anm
ar
Tai
lândia
Vietnan
Ba
nglad
esh
Indoné
sia
Índia
Chin
a
Países
Rendimento (kg.ha
-1
)
FIGURA 3. Rendimento médio dos principais países produtores de arroz para o período
de 1990 até 2005. Fonte de dados: FAO (2007).
6
Dados do IBGE (2007) mostram que o arroz é cultivado em todas as regiões do
Brasil (Figura 4). Nas safras 2005/2006 e 2006/2007 a produção foi, em média, de 11,5
milhões de toneladas o que representou cerca de 2% da produção mundial. Em todo o
Brasil essa produção é oriunda de dois sistemas de cultivo: irrigado e de sequeiro. No Rio
Grande do Sul, entretanto, a quase totalidade da produção é oriundo do sistema irrigado.
0
2000
4000
6000
8000
10000
N
orte
No
rd
este
Cen
tr
o
-
Oeste
Sudeste
Sul
Regiões
Produção (mil t)
2005/2006
2006/2007
FIGURA 4. Produção de arroz no Brasil nas safras 2005/2006 e 2006/2007. Fonte de
dados: IBGE (2007).
Atualmente 60% do arroz irrigado é produzido na Região Sul do País (Gomes e
Magalhães Jr., 2004). Somente no Estado no Rio Grande do Sul são cultivados cerca de
950 mil hectares de arroz irrigado, o que representa aproximadamente 48% do total
produzido no Brasil. O rendimento médio no Estado do Rio Grande do Sul é em torno de
5.500kg.ha
-1
, bastante acima da média nacional (2.770kg.ha
-1
).
2.1.2. Exigências climáticas
O arroz é uma gramínea anual, classificada no grupo de plantas C
3
adaptada ao
ambiente aquático. Esta adaptação é devido à presença de aerênquima no colmo e nas
raízes da planta, que possibilita a passagem de oxigênio do ar para a camada da rizosfera
(Arroz Irrigado, 2005).
Embora o Estado do Rio Grande do Sul apresente bons níveis médios de
rendimento de arroz irrigado, existe certa variabilidade interanual associada,
principalmente, às variações nas condições meteorológicas. A ocorrência de baixas
temperaturas e a disponibilidade de radiação solar durante as fases críticas da planta, são
7
dois elementos meteorológicos que estão fortemente relacionados com a variabilidade dos
rendimentos do arroz irrigado no Estado (Steinmetz et al., 2005).
Também Oldeman et al. (1986), citado por Carmona (2001), demonstra que o
arroz cultivado em áreas inundadas, onde a disponibilidade de água não restringe o
crescimento e o desenvolvimento da cultura, e onde os estresses biológicos e as condições
adversas do solo são mínimos, o rendimento potencial está relacionado, principalmente à
temperatura do ar e à radiação solar global. Para expressão de seu potencial produtivo, a
cultura requer temperatura ao redor de 24 a 30°C e radiação solar elevada (Arroz Irrigado,
2005).
Apesar de não poder ser considerada isoladamente, a temperatura do ar é um
dos elementos meteorológicos que exerce maior influência sobre o crescimento,
desenvolvimento e rendimento das plantas de arroz. Para cada fase fenológica têm-se
temperaturas ótimas, mínimas e máximas específicas. A temperatura ótima para o
desenvolvimento do arroz situa-se entre 20° e 35°C na germinação, de 30° a 33°C para a
floração e de 20° a 25°C para a maturação. Em geral, a cultura exige temperaturas
relativamente elevadas da germinação à maturação, uniformemente crescentes até a
floração e decrescentes, porém sem diminuições bruscas, após a floração (Yoshida, 1981
citado por Steinmetz, 2004).
A ocorrência de baixas temperaturas pode reduzir a estatura das plantas e
aumentar o ciclo da cultura, acarretando ainda incremento da esterilidade das espiguetas e,
conseqüentemente, redução na produção de grãos (Infeld e Silveira Jr., 1983).
As plantas de arroz são mais sensíveis aos efeitos das baixas temperaturas nas
fases de pré-floração e floração, onde a esterilidade das espiguetas pode causar decréscimos
acentuados de rendimento (Terres e Galli, 1985; Mota, 1994). Nestas fases,
as temperaturas
críticas, que causam esterilidade das espiguetas, variam de acordo com as características
das pesquisas realizadas, podendo ser de 13ºC, variar entre 15°C e 17ºC, para os genótipos
tolerantes (Terres e Galli, 1985); e, entre 17°C e 19ºC, para os suscetíveis (Satake, 1976,
citado por Steinmetz et al., 2003a) ou 15ºC (Board et al., 1980, citado por Steinmetz et al.,
2003a). Durante a fecundação das flores de arroz a temperatura crítica oscila na faixa entre
15°C e 17°C. Plantas que estão com o primórdio floral em iniciação, submetidas a 17°C
durante cinco dias resultam completamente estéreis, enquanto que a 15°C durante apenas
8
uma hora cessa a formação de pólen. Para alguns genótipos, temperaturas inferiores a 19°C
já induzem a esterilidade (Terres e Galli, 1985). A temperatura crítica de 15°C, para toda a
fase reprodutiva, tem sido usada como referência em estudos climatológicos para o arroz
irrigado no estado do Rio Grande do Sul (Steinmetz e Braga, 2001).
Em regiões onde a temperatura do ar não é um fator limitante para o crescimento
e desenvolvimento do arroz irrigado, a radiação solar é um dos principais fatores que
influenciam a produção de grãos.
A exigência de radiação solar pela cultura do arroz varia
de uma fase fenológica para a outra. Durante a fase vegetativa, ela tem relativamente pouca
influência sobre o rendimento e os seus componentes. Entretanto, os índices de radiação
solar durante as fases reprodutiva e de maturação influenciam fortemente os rendimentos de
arroz irrigado (Yoshida e Parao, 1976). Vários estudos mostram que, nessas fases, há uma
relação linear positiva entre essa variável e a produção de grãos (Steinmetz, 2004).
Segundo Yoshida e Parao (1976), o decréscimo no rendimento de arroz pode
atingir 70%, no caso das plantas serem submetidas a baixos níveis de radiação solar,
principalmente se esta redução ocorrer nas fases reprodutiva e de enchimento de grãos.
Yoshida (1981) também verificou que a radiação solar durante o período reprodutivo tem
um efeito marcante no rendimento de grãos do arroz, e que no período vegetativo é menor.
2.1.3. Ciclo fenológico
O ciclo de desenvolvimento do arroz pode ser divido em três fases distintas:
vegetativa, reprodutiva e maturação (Tabela 1). A duração de cada fase é função da
cultivar, época de semeadura, região de cultivo e das condições de fertilidade do solo. No
Rio Grande do Sul, para a maioria das cultivares utilizadas, a duração do ciclo varia entre
100 e 140 dias, sendo que, maior parte da variação entre cultivares ocorre na fase
vegetativa (Arroz Irrigado, 2005).
A fase vegetativa compreende desde a germinação da primeira semente, até o
momento que a panícula começa a se diferenciar. A duração desta fase depende,
principalmente, do fotoperíodo e da temperatura. Esta fase pode ser subdivida em:
germinação e emergência, fase de plântula, perfilhamento e elongação dos colmos.
A fase reprodutiva, com duração de aproximadamente 30 dias, inicia com a
diferenciação do primórdio da panícula e termina com a floração completa (antese),
9
podendo ser subdivida em: inicio da diferenciação da panícula, crescimento da panícula e
floração. Esta é a fase mais importante para o sucesso da lavoura, pois é nesta fase que
ocorrem os períodos considerados críticos. Logo após o inicio da diferenciação do
primórdio floral, fica determinado o número potencial máximo de grãos por panícula, sendo
esse componente determinante da produção final. É também nessa fase que ocorre a
microsporogênese e a floração propriamente dita, na qual temperaturas baixas podem
causar esterilidade nas flores, reduzindo a proporção de espiguetas com grãos.
A fase de maturação tem início logo após a plena floração e a conseqüente
fecundação, e termina com a maturação total das sementes, podendo ser subdividida em:
etapa leitosa, etapa pastosa e etapa cerosa dos grãos. A fase de maturação também
apresenta duração de em torno de 30 dias.
TABELA 1. Fases e etapas de crescimento das plantas de arroz.
Fase Etapa
Germinação e emergência
Plântula
Perfilhamento
Vegetativa
Elongação do colmo
Diferenciação do primórdio floral
Crescimento da panícula
Reprodutiva
Floração
Grão leitoso
Grão pastoso
Maturação
Maturação
Fonte: Magalhães Jr. et al. (2004).
2.1.4. Zoneamento agroclimático
Os Zoneamentos Agroclimáticos e Pedoclimáticos, indicando as regiões com
melhores condições de clima e solo e a definição das épocas de semeadura mais
apropriadas, dentro dessas regiões, são importantes ferramentas para redução do risco
climático de arroz irrigado no Estado. Os primeiros trabalhos classificaram as regiões de
cultivo em “Preferencial”, “Tolerada” e “Inapta” (Mota et al., 1974; Rio Grande do Sul,
1994).
Considerando que a época de semeadura é uma das práticas que desempenha
um papel de destaque na obtenção de altos níveis de rendimento, pelo fato de aumentar as
10
chances de que as fases críticas da planta escapem das condições adversas e ou coincidam
com as favoráveis, mais recentemente, Steinmetz e Braga (2001) propuseram o
Zoneamento de arroz irrigado por épocas de semeadura (Figura 5). O objetivo deste
trabalho foi caracterizar os períodos favoráveis de semeadura de arroz irrigado nas distintas
regiões agroecológicas do Estado. Os critérios utilizados foram: temperatura do solo
desnudo, a 5cm de profundidade, maior ou igual a 20ºC, como indicador do início da
semeadura; probabilidade de ocorrência de temperaturas mínimas do ar menores ou iguais a
15ºC, durante os períodos de pré-floração e floração, e disponibilidade de radiação solar nas
fases reprodutiva e de maturação.
FIGURA 5. Zoneamento Agroclimático por época de semeadura para o arroz irrigado,
cultivares de ciclos médios (M) e precoce (P), no Estado do Rio Grande do
Sul. Os números e as letras indicam as regiões e sub-regiões agroecológicas.
A principal região produtiva está situada ao sul da linha preta. Fonte:
Adaptado de Steinmetz e Braga (2001).
10a
8
11
12b
10b
10b
9
1c
5e
1b
5c
3b
4a
1a
5b
12a
2c
6b
4b
2a
2b
7c7a
7b
5d
A
M – 21 SET 20 NOV
P – 11 OUT 10 DEZ
M – 01 OUT 20 NOV
P – 11 OUT 10 DEZ
M – 11 OUT 20 NOV
P – 21 OUT 10 DEZ
M – 21 OUT 20 NOV
P – 01 NOV 30 NOV
REGIÃO INAPTA
A=Principal Região Produtiva
-28°
-29°
-30°
-31°
-32°
-33°
-57° -56° -55° -54° -52°-53° -51° -50°
latitude
longitude
10a
8
11
12b
10b
10b
9
1c
5e
1b
5c
3b
4a
1a
5b
12a
2c
6b
4b
2a
2b
7c7a
7b
5d
A
M – 21 SET 20 NOV
P – 11 OUT 10 DEZ
M – 01 OUT 20 NOV
P – 11 OUT 10 DEZ
M – 11 OUT 20 NOV
P – 21 OUT 10 DEZ
M – 21 OUT 20 NOV
P – 01 NOV 30 NOV
REGIÃO INAPTA
A=Principal Região Produtiva
10a
8
11
12b
10b
10b
9
1c
5e
1b
5c
3b
4a
1a
5b
12a
2c
6b
4b
2a
2b
7c7a
7b
5d
A
M – 21 SET 20 NOV
P – 11 OUT 10 DEZ
M – 01 OUT 20 NOV
P – 11 OUT 10 DEZ
M – 11 OUT 20 NOV
P – 21 OUT 10 DEZ
M – 21 OUT 20 NOV
P – 01 NOV 30 NOV
REGIÃO INAPTA
A=Principal Região Produtiva
M – 21 SET 20 NOV
P – 11 OUT 10 DEZ
M – 01 OUT 20 NOV
P – 11 OUT 10 DEZ
M – 11 OUT 20 NOV
P – 21 OUT 10 DEZ
M – 21 OUT 20 NOV
P – 01 NOV 30 NOV
REGIÃO INAPTA
M – 21 SET 20 NOV
P – 11 OUT 10 DEZ
M – 01 OUT 20 NOV
P – 11 OUT 10 DEZ
M – 11 OUT 20 NOV
P – 21 OUT 10 DEZ
M – 21 OUT 20 NOV
P – 01 NOV 30 NOV
REGIÃO INAPTA
A=Principal Região Produtiva
-28°
-29°
-30°
-31°
-32°
-33°
-57° -56° -55° -54° -52°-53° -51° -50°
latitude
longitude
-28°
-29°
-30°
-31°
-32°
-33°
-57° -56° -55° -54° -52°-53° -51° -50°
latitude
-28°
-29°
-30°
-31°
-32°
-33°
-28°
-29°
-30°
-31°
-32°
-33°
-57° -56° -55° -54° -52°-53° -51° -50°
latitude
longitude
11
Foram estabelecidos quatro períodos de semeadura para cultivares de ciclo
médio e quatro para cultivares de ciclo precoce. Nas regiões mais quentes (Fronteira Oeste
e Alto Vale do Uruguai) o período de semeadura para cultivares de ciclo médio estende-se
de 21 de setembro a 20 de novembro e nas regiões mais frias (Serra do Nordeste e Planalto
superior) estende-se de 21 de outubro a 20 de novembro. Nessas mesmas regiões, para as
cultivares de ciclo precoce, esse período varia, respectivamente de 11 de outubro a 10 de
dezembro e de 01 a 30 de novembro.
2.1.5. Regiões de cultivo
No Estado do Rio Grande do Sul, segundo a classificação utilizada pelo
Instituto Riograndense do Arroz (IRGA), o arroz irrigado é cultivado nas seguintes regiões:
Fronteira Oeste, Depressão Central, Campanha, Litoral Sul, Planície Costeira Externa da
Lagoa dos Patos e Planície Costeira Interna da Lagoa dos Patos. Essas regiões apresentam
diferenças quanto à topografia, clima, solos, disponibilidade de água para irrigação,
tamanho de lavoura, etc, determinando variações em termos de produção e rendimento
médio (Azambuja et al., 2004).
Nas Figuras 6, 7 e 8 são apresentados os dados de produção, área e rendimento
das regiões orizícolas do Estado. A maior parte do arroz irrigado no Rio Grande do Sul é
produzida na Fronteira Oeste (29%), onde também se verificam os maiores níveis de
rendimento (próximos a 6.000kg.ha
-1
).
12
Produção
Campanha
17%
Depressão
Central
15%
Planície Interna
11%
Planície Externa
11%
Fronteira Oeste
29%
Zona Sul
17%
FIGURA 6. Produção média, para as safras 1997/1998 até 2005/2006, das regiões
orizícolas do Estado do Rio Grande do Sul. Fonte de dados: IBGE (2007).
Área
Campanha
17%
Depressão
Central
15%
Planície Interna
12%
Planície Externa
12%
Zona Sul
17%
Fronteira Oeste
27%
FIGURA 7. Área média de arroz irrigado, para as safras 1997/1998 até 2005/2006, das
regiões orizícolas do Estado do Rio Grande do Sul. Fonte de dados: IBGE
(2007).
13
4000
5000
6000
7000
Fron
te
ir
a
Oes
te
Campanha
D
ep
re
s
s
ão
C
e
nt
r
a
l
Zona Sul
Pla
n
í
c
ie
Inte
r
n
a
Planície Externa
Regiões
Rendimento (kg.ha
-1
)
FIGURA 8. Rendimento médio de arroz irrigado, para as safras 1996/1997 até 2005/2006,
das regiões orizícolas do estado do Rio Grande do Sul. Fonte de dados: IBGE
(2007).
2.2. Estatísticas agrícolas
Pino (1999) define a expressão estatísticas agrícolas como o conjunto de
estatísticas sobre variáveis referentes ao setor agropecuário, entre as quais se destacam a
área plantada, produção e, por conseqüência destas, o rendimento de determinada cultura
agrícola.
2.2.1. Dados oficiais
Em todo o Brasil, as previsões de safras agrícolas de abrangência nacional e
regional são realizadas utilizando informações municipais obtidas através de um sistema
baseado em opiniões de agentes técnicos e econômicos relacionados ao setor (Sano et al.,
1998). Esse sistema chamado de Levantamento Sistemático da Produção Agrícola (LSPA)
fornece mensalmente informações de área plantada, produtividade média e produção de
diversas culturas, a partir da fase de intenção de plantio até o final da colheita. Contudo, em
função de seu caráter subjetivo, essas informações não permitem uma análise quantitativa
dos erros envolvidos, além de serem passíveis de manipulação. Da mesma forma, sua
análise não permite a detecção de variações sutis que ocorram ao longo do tempo (Pino,
2001)
14
2.2.2. Projeto GeoSafras
A Companhia Nacional de Abastecimento (Conab) realiza as estimativas e
previsão de safras de grãos e fibras desde 1976. Para tanto, têm sido utilizados dados
obtidos com o mesmo arranjo de levantamento subjetivo, descrito no item anterior.
Com o objetivo buscar ferramentas diversificadas para complementar o método
de previsão de safras tradicional (método subjetivo), a Conab vem utilizando, a partir de
2004, recursos tecnológicos de eficiência comprovada, como modelos estatísticos
auxiliados pelo sensoriamento remoto, posicionamento por satélite (GPS), sistemas de
informações geográficas e modelos agrometeorológicos. Tais tecnologias constituem o
método objetivo, de previsão de safras, que recebeu o nome de Projeto GeoSafras. Neste
projeto participam diversas instituições brasileiras de ensino, pesquisa e extensão. O
GeoSafras tem enfocado prioritariamente alguns produtos: café; cana-de-açúcar; soja; arroz
e milho. Esta prioridade decorre da urgência das demandas por informações relativas a tais
culturas (Figueiredo, 2007).
Na Universidade Federal do Rio Grande do Sul (UFRGS) os trabalhos
vinculados ao GeoSafras estão dirigidos para os três segmentos que compõem um programa
de previsão de safras: a estimativa de área cultivada, a estimativa de rendimento e o
monitoramento ao longo do período de desenvolvimento das culturas. Do ponto de vista
metodológico, as ações apresentam um conjunto de técnicas e métodos, alguns já
consagrados e outros em fase de desenvolvimento, nas áreas de sensoriamento remoto,
geoprocessamento e agrometeorologia.
O sensoriamento remoto possibilita a mensuração de características da
superfície terrestre a partir de dispositivos sensores em grandes altitudes, a bordo de
satélite. Tais imagens de satélite têm permitido estudos em escala regional cada vez mais
detalhados, devido à possibilidade de visualizar o mesmo território em intervalos regulares
de tempo. Essa característica evidencia seu potencial no acompanhamento das alterações
que ocorrem na superfície terrestre ao longo do tempo. Além disso, as imagens permitem a
mensuração das características da superfície em diferentes bandas, tanto na região do
visível quanto do infravermelho. A análise destas bandas permite o mapeamento dos
diferentes tipos de cobertura do solo incluindo as culturas agrícolas. No quadro da análise
dos dados espaciais através do geoprocessamento é possível localizar geograficamente e
15
quantificar as áreas cultivadas, integrando informações regionais ou nacionais. Na área de
agrometeorologia, já estão disponíveis modelos para algumas culturas que quantificam a
relação clima-planta através do uso de dados de estações meteorológicas de superfície
aliadas a imagens de satélite, visando estabelecer a previsão do rendimento (Fontana et al.,
2006).
2.3. Modelagem de Rendimento
De acordo com Rudorff (1985), os modelos para estimativa de rendimento de
uma cultura visam representar de forma simplificada a relação existente entre a cultura e o
seu ambiente.
Segundo Berlato (1987), baseado em Baier (1979), os modelos que estabelecem
relações quantitativas entre variáveis meteorológicas e rendimento de plantas cultivadas são
classificados de três formas:
• Modelo estatístico empírico;
• Modelo de simulação do crescimento da planta;
• Modelo de análise planta-clima.
O Modelo estatístico empírico é construído a partir de séries históricas de dados
de rendimento e de dados meteorológicos de uma determinada região. Em geral, esses
dados são analisados através da técnica estatística de regressão linear múltipla e o
ajustamento do modelo avaliado pelo coeficiente de determinação (R
2
). A grande
desvantagem é que, freqüentemente, estes modelos produzem resultados localizados, pois
as varáveis meteorológicas que definem o rendimento, são espacialmente homogêneas
somente em áreas limitadas (Braga, 1995). Além disso, diferentes cultivares de uma mesma
espécie agrícola costumam apresentar respostas diferentes a essas variáveis (Farias et al.,
2000). Cabe ressaltar também que embora os modelos estatísticos empíricos retornem bons
resultados em condições climáticas normais, eles são insensíveis às variações climáticas
bruscas, as quais influenciam consideravelmente o rendimento.
O modelo denominado de simulação do crescimento da planta pressupõe que,
uma vez conhecidos os mecanismos biofísicos das plantas, o impacto das variáveis
meteorológicas em processos específicos como fotossíntese, respiração ou transpiração
podem ser adequadamente simulados através de um conjunto de equações matemáticas.
16
Entretanto, do ponto de vista prático, tais modelos apresentam fortes restrições pela falta de
informações detalhadas, tanto da fisiologia das plantas, quanto do ambiente (Berlato, 1987).
Já o modelo de análise planta-clima, também denominado modelo
agrometeorológico, tem por objetivo explicar, com base nos processos físicos e fisiológicos
(e/ou fenológicos), o efeito de uma ou mais variáveis meteorológicas numa resposta
quantificável da planta, como crescimento, desenvolvimento ou rendimento. Esse tipo de
modelo requer um detalhado conhecimento sobre o que ocorre nas interações entre a planta,
o solo e o meio atmosférico, tais como: fluxo de água no solo e na planta,
evapotranspiração, radiação solar, etc. Essas interações são transferidas para sistemas de
equações que permitem analisar as contribuições das variáveis meteorológicas na definição
do rendimento final da cultura (Berlato, 1987).
Os modelos de estimativa de rendimento desenvolvidos até hoje não são
capazes de simular com perfeição o efeito conjunto de diversos elementos meteorológicos e
culturais que influenciam o rendimento, pois é muito difícil de obterem-se informações
precisas e de forma rápida, ao nível de campo e para grandes áreas. Parte deste problema
pode ser resolvido a partir da incorporação de uma componente espectral, representada por
um índice de vegetação, ao modelo agrometeorológico (Fontana e Berlato, 1998).
2.3.1. Abordagem Agrometeorológica
O desenvolvimento de modelos agrometeorológicos para quantificar o efeito
dos elementos meteorológicos no rendimento é uma importante ferramenta aos vários
segmentos da agricultura, por permitir a estimativa de rendimento com relativa
antecedência à data da colheita (Pedro Jr. et al.,1995).
Os modelos agrometeorológicos têm sido muito utilizados no Rio Grande do
Sul dadas características como precisão, objetividade, facilidade de implementação e baixo
custo, entre outros. Alguns exemplos de trabalhos realizados no Estado são os de Berlato
(1987) para a soja, Barni (1994) para o girassol e Matzenauer et al. (1995) para o milho.
Nos modelos propostos, ajustados para culturas não irrigadas, a variável independente é a
evapotranspiração relativa, sendo atribuídos pesos diferentes aos estádios de
desenvolvimento da cultura, de acordo com a sensibilidade relativa da planta ao déficit
hídrico.
17
No caso de culturas irrigadas, outros elementos que não a disponibilidade
hídrica atuam na definição do rendimento das culturas. Carmona (2001) inicialmente
propôs um modelo de rendimento baseado na regressão linear múltipla do rendimento em
função da insolação relativa (n/N) e o número de dias com temperatura mínima igual ou
inferior a 15°C (N°tm). O modelo foi ajustado para as diferentes regiões orizícolas e para o
Estado do Rio Grande do Sul, utilizando o período de 1960 a 2000. A partir do início da
década de 80 houve uma mudança no perfil das variedades cultivadas no Estado, passando
a predominar variedades de porte baixo, folhas eretas e alta capacidade de perfilhamento,
atributos esses que confeririam a estas novas variedades alto potencial produtivo (Nedel et
al., 1998), principalmente por serem mais eficientes na interceptação da radiação solar
global. Dada esta situação, o autor optou por repetir o ajuste do modelo de regressão linear
múltipla do rendimento em função da insolação relativa (n/N) e o número de dias com
temperatura mínima igual ou inferior a 15°C (N°tm) somente para o período de 1980-2000.
2.3.2. Abordagem Agrometeorológica-Espectral
Alguns autores têm proposto incorporar uma variável espectral na estimativa de
rendimento. Neste caso, os modelos denominados espectrais, relacionam os índices de
vegetação ao rendimento das culturas através de equações de regressão. Esses modelos
também podem ser associados a modelos agrometeorológicos, sendo então denominados
modelos agrometeorológicos-espectrais (Rizzi, 2005).
No modelo agrometeorológico-espectral a hipótese é de que a componente
agrometeorológica representa as condições de radiação solar incidente, temperatura e
umidade do ar e disponibilidade hídrica, enquanto que a componente espectral expressa as
diferenças de prática de manejo, cultivares e estresses não incluídos nos modelos
agrometeorológicos (Rudorff e Batista, 1990). No Rio Grande do Sul, para a cultura da
soja, podemos citar os trabalhos de Melo (2003) e Rizzi (2005).
Melo (2003) propôs um modelo agrometeorológico-espectral onde o termo
agrometeorológico é obtido através do modelo modificado de Jensen, utilizando a
evapotranspiração relativa dos meses de janeiro, fevereiro e março. O termo espectral é
representado pelas imagens de NDVI (Normalized Difference Vegetation Index), obtidas do
18
sensor AVHRR (Advanced Very High Resolution Radiometer) a bordo do satélite NOAA
(National Oceanic and Atmospheric Administration) referente ao mês de dezembro.
Já no modelo proposto por Rizzi (2005), o termo espectral foi representado pelo
IAF (índice de área foliar) estimado a partir de imagens NDVI/MODIS. Neste caso o
modelo utilizado foi aquele proposto por Doorenbos e Kassam (1979). Segundo Rizzi
(2005), o lançamento do sensor MODIS, que adquire imagens com características muito
superiores às adquiridas pelos sensores da série NOAA/AVHRR, até então utilizadas neste
tipo de pesquisa (Liu e Kogan, 2002; Melo et al., 2003), abre novas possibilidades para a
incorporação dos dados de sensoriamento remoto em modelos agronômicos de estimativa
de produtividade.
Fonseca (2004) definiu um sub-modelo espectral com a finalidade estimar a
disponibilidade inicial de forragem sobre a qual irão atuar os fatores agrometeorológicos
que definem o crescimento da vegetação onde as variáveis espectrais que melhor
representam a dinâmica da disponibilidade de forragem foram a reflectância espectral das
bandas 3 e 7 (Landsat) e a componente Wetness da transformação Tasseled Cap. A partir da
integração desse sub-modelo espectral com um sub-modelo agrometeorológico de
estimativa da produção de forragem foi definido um modelo agrometeorológico-espectral
conceitual (modelo JONG) para a estimativa do acúmulo de forragem na unidade
homogênea Campo Sul localizada sobre o bioma Campos Sulinos.
2.4. Monitoramento da vegetação através de técnicas de sensoriamento
remoto
Jensen (2000) define o sensoriamento remoto como a arte e a ciência de se
obter informações de objetos presentes na superfície terrestre sem contato físico com os
mesmos. Um sensor remoto é um sistema capaz de detectar, medir e registrar a Radiação
Eletromagnética (REM) emitida ou refletida pela superfície terrestre. Cada objeto apresenta
um comportamento diferente frente à relação entre a radiação que nele incide e a radiação
por ele refletida, transmitida e absorvida, denominado de comportamento espectral (Novo,
1989).
19
Nos estudos de vegetação, através de dados de sensoriamento remoto, é muito
comum o uso da reflectância de superfície (definida como a porção da radiação solar
incidente que é refletida pela superfície), devido à facilidade desta ser medida de forma
remota e, principalmente devido às respostas características da vegetação que a tornam
facilmente distinguível de outros alvos.
A interação da radiação solar com a vegetação ocorre principalmente nas
folhas, onde acontece o processo da fotossíntese. Na porção visível do espectro
eletromagnético (0,4 a 0,7µm) a vegetação apresenta uma alta absorção da radiação
incidente, devido aos pigmentos fotossintéticos presentes nas folhas. Os picos de absorção
ocorrem nas regiões do vermelho e do azul, havendo um pico de reflectância em torno do
comprimento de onda de 0,55µm (verde) (Figura 9). Na faixa do espectro eletromagnético
correspondente ao vermelho existe uma relação inversamente proporcional entre a
intensidade da REM refletida e a quantidade de clorofila presente no dossel. Assim, com o
aumento da cobertura vegetal e o conseqüente incremento na quantidade de pigmentos
celulares por área, presentes em um maior número de folhas, a quantidade da REM refletida
no vermelho diminui, devido ao aumento da absorção da REM incidente (Moreira, 2005).
Na faixa do espectro correspondente ao infravermelho próximo (0,7 até 1,3µm)
a reflectância aumenta consideravelmente quando comparada à região do visível. Isto
resulta do forte contraste entre os índices de refração do conteúdo celular e do espaço
intercelular que provoca reflexões e refrações da REM no interior da folha (Knipling,
1970). Nesta faixa de comprimento de ondas, a associação entre densidade de biomassa e
reflectância é diretamente proporcional, ou seja, a medida que aumenta a cobertura vegetal
existe uma tendência de incremento na reflectância.
Entre 1,3 e 2,5 µm (infravermelho médio), a reflectância das folhas diminui em
função das bandas de absorção da água, por volta dos comprimentos de onda 1,4; 1,9 e 2,7
µm (Lillesand e Kiefer, 1999).
20
FIGURA 9. Resposta espectral típica de uma folha fotossintéticamente ativa. Fonte:
Moreira (2005).
Os valores de reflectância podem ser transformados em índices de vegetação, os
quais resultam de transformações lineares da reflectância obtidas em duas ou mais bandas
do espectro eletromagnético, mediante soma, razão entre bandas, diferença, ou qualquer
outra combinação (Wiegand et al., 1991 citado por Moreira, 2000).
A razão entre as respostas em duas bandas espectrais pode ser utilizada como
um indicador eficiente quando o fenômeno em estudo responde de maneira distinta na
região do espectro eletromagnético compreendida por cada uma das bandas. A vegetação,
por exemplo, frente ao aumento de cobertura, responde de maneira inversa nas bandas do
vermelho e do infravermelho próximo. Assim, a razão entre as duas bandas situadas nessas
duas regiões, constituem-se de um indicador adequado e freqüentemente tem sido utilizado
para o monitoramento da vegetação. Alguns exemplos de trabalhos que mostram que os
índices de vegetação podem ser usados para caracterizar parâmetros biofísicos da vegetação
são os de Fonseca et al., (2006), Almeida et al., (2005) entre muitos outros.
Fonseca et al. (2006) caracterizaram a evolução temporal do Índice de
Vegetação por diferença Normalizada (NDVI – Normalized Difference Vegetation Index)
em Paspalum notatum durante o período de crescimento da cultura, a partir de dados de
reflectância coletados em campo, e concluíram que este índice de vegetação pode ser
21
utilizado como um estimador das variáveis biofísicas da cultura, principalmente para baixas
e médias densidades de biomassa.
Almeida et al. (2005) compararam o desempenho de alguns índices de
vegetação como indicadores das condições de crescimento da cultura da soja, e concluíram
que esses índices podem ser utilizados como estimadores remotos do Índice de Área Foliar
da cultura submetida a diferentes sistemas de manejo e irrigação.
Os índices de vegetação também são bastante empregados para caracterizar e
quantificar diversos parâmetros biofísicos das culturas agrícolas por permitirem a redução
da dimensão das informações multiespectrais, minimizarem o impacto das condições de
sombreamento e visada das imagens e por estarem correlacionados com um grande número
de parâmetros agronômicos (Moreira, 2005).
2.5. Sensor MODIS
O sensor MODIS (MODerate resolution Imaging Spectroradiometer) é o
principal instrumento a bordo dos satélites Terra e Acqua, lançados pela NASA em 18 de
dezembro de 1999 e 4 de maio de 2002, respectivamente. Estes satélites fazem parte do
programa EOS (Earth Observing System), formado por diversos países, constituindo uma
série de plataformas para monitoramento terrestre em várias áreas de conhecimento em
diversas escalas (MODIS, 2003). Este sensor foi projetado para fornecer uma série de
observações globais da superfície terrestre, oceano e atmosfera nas regiões do visível e do
infravermelho do espectro eletromagnético, cobrindo a Terra a cada dois dias (Soares et al.,
2007).
O MODIS é um instrumento que possui alta resolução radiométrica (12 bits)
em 36 bandas espectrais (Tabela 2). Estas bandas estão posicionadas a partir do
comprimento de onda de 0,405 até 14,385µm, com largura variando entre 10 e 500ηm,
sendo algumas destas muito importantes para o monitoramento de cultivos agrícolas. As
duas primeiras bandas possuem resolução espacial de 250m, as bandas 3 a 7 de 500m e as
demais de 1km (MODIS, 2003).
22
TABELA 2. Uso principal, largura de banda e resolução espacial das 36 bandas do sensor
MODIS.
Uso Principal Banda Largura de Banda (µm) Resolução Espacial (m)
1 620-670 250
Terra/Nuvens/Aerossóis
Limite
2 841-876 250
3 459-479 500
4 545-565 500
5 1230-1250 500
6 1628-1652 500
Terra/Nuvens/Aerossóis
Propriedades
7 2105-2155 500
8 405-420 1000
9 438-448 1000
10 483-493 1000
11 483-493 1000
12 546-556 1000
13 626-672 1000
14 673-683 1000
15 743-753 1000
Cor do Oceano/
Fitoplancton/Biogeoquímica
16 862-877 1000
17 890-920 1000
18 931-941 1000
Vapor d’água atmosférico
19 915-965 1000
20 3.660-3.840 1000
21 3.929-3.989 1000
22 3.929-3.989 1000
Temperatura da
superfície/nuvens
23 1.020-4.080 1000
24 4.433-4.498 1000
Temperatura atmosférica
25 4.482-4.549 1000
26 1.360-1.390 1000
27 6.535-6.895 1000
Vapor d’água de nuvens
Cirrus
28 7.175-7.475 1000
Propriedade das nuvens 29 8.400-8.700 1000
Ozônio 30 9.580-9.880 1000
31 10.780-11.280 1000
Temperatura da
superfície/nuvens
32 11.770-12.270 1000
33 13.185-13.485 1000
34 13.485-13.785 1000
35 13.785-14.085 1000
Altitude do topo das nuvens
36 14.085-14.385 1000
Fonte: MODIS (2003).
No que se referem à resolução temporal os dados deste sensor têm
características muito apropriadas, pois, a varredura de 55° para cada lado na órbita de
23
705km de altura resulta numa faixa imageada de 2.330km. Estas características
possibilitam que o MODIS faça o imageamento global a cada dois dias e tenha cobertura
diária acima de 30° de latitude da superfície terrestre. Isto permite a geração de imagens
livres de cobertura de nuvens por meio da composição de várias imagens obtidas em um
período maior (como por exemplo, 8 ou 16 dias). Tanto as imagens diárias, quanto as
composições estão disponíveis ao usuário no site do programa EOS
(
http://edcimswww.cr.usgs.gov/pub/imswelcome)
cerca de seis dias após a passagem do satélite
ou o término do período das composições, sem qualquer custo. Além disso, as imagens são
disponibilizadas com correções atmosféricas e geométricas previamente realizadas, estando
prontamente utilizáveis sem a necessidade de georreferenciamento adicional (Rizzi, 2005).
Outra característica peculiar às imagens do sensor MODIS é que o programa EOS as
disponibiliza sob a forma de produtos direcionados a 55 aplicações específicas, divididas
em Terrestres, Oceânicas e Atmosféricas.
2.5.1. Produto MODIS MOD13Q1
Com relação às aplicações terrestres, o produto MOD13Q1 é particularmente
interessante ao monitoramento da atividade agrícola. Este produto contém composições de
imagens de 16 dias sob a forma dos índices de vegetação (IVs) NDVI (Normalized
Difference Vegetation Index) e EVI (Enhanced Vegetation Index), além da reflectância de
superfície correspondente às bandas do azul, vermelho, infravermelho próximo e
infravermelho médio, em uma resolução espacial de 250m (as bandas do azul e
infravermelho médio, originalmente obtidas com 500m de resolução espacial, são
reamostradas para 250m). Para cada ponto da imagem o algoritmo seleciona o pixel de
melhor qualidade em relação à geometria de visada e interferência atmosférica dentre todas
as passagens do período, que é então utilizado na geração das imagens compostas.
O NDVI é uma relação entre as refletâncias (ρ) das bandas do infravermelho
próximo (IVP) e do vermelho (V) e visa eliminar diferenças sazonais do ângulo de elevação
solar e minimizar os efeitos de atenuação atmosférica em imagens multitemporais. Segundo
Moreira (2005), o NDVI é o índice mais utilizado em diferentes estudos, sobre vegetação,
que envolvem o uso dos dados de sensoriamento remoto. Este índice é obtido através da
Equação 1, sendo que seus valores variam de -1 a 1
24
VIVP
VIVP
NDVI
ρρ
ρρ
+
−
=
(1)
O EVI foi desenvolvido para aperfeiçoar a resposta da vegetação, melhorando a
sensibilidade às condições de alta biomassa e estrutura do dossel, através da redução da
influência do fundo (solo e restos vegetais) e de interferências atmosféricas (Huete et al.,
1999). O EVI é calculado através da Equação 2:
)(
21 AZULVIVP
VIVP
ccL
GEVI
ρρρ
ρ
ρ
+++
−
=
(2)
Sendo: ρ
IVP
a reflectância na banda do infravermelho próximo, ρ
V
a reflectância
na banda do vermelho, ρ
AZUL
a reflectância na banda do azul, G o fator de ganho do solo
(G=2,5), L o fator de ajuste para o solo (L=1), c
1
o coeficiente de ajuste para efeito de
aerossóis da atmosfera no vermelho (c
1
=6,0) e c
2
o coeficiente de ajuste para efeito de
aerossóis da atmosfera no azul (c
2
=7,5).
No caso específico da cultura do arroz irrigado, onde parte do ciclo desta
cultura está sob condições de inundação, sendo a resposta espectral neste período
principalmente da água, o uso de produtos de novos sensores como os índices de vegetação
(IVs) do sensor MODIS, podem ser de grande valia para estimativa da área ocupada por
esta cultura, bem como para monitoramento das lavouras durante todo ciclo da cultura
(D’arco et al., 2005).
3. MATERIAL E MÉTODOS
3.1. Região de estudo
A área de estudo é a região orizícola do Estado do Rio Grande do Sul, que se
localiza entre as latitudes 28°00’ e 33°45’ Sul e longitudes de 49°43’ e 57°39’ Oeste, tendo
uma área total de, aproximadamente, 165.408km
2
. Esta região é dividida da seguinte forma:
Fronteira Oeste, Campanha, Depressão Central, Planície Costeira Interna à Lagoa dos
Patos, Planície Costeira Externa à Lagoa dos Patos e Zona Sul (Figura 10). Essas regiões
apresentam diferenças quanto à topografia, clima, solos, disponibilidade de água para
irrigação, tamanho de lavoura, etc, determinando variações em termos de produção e
rendimento médio.
O clima da região orizícola do Estado do Rio Grande do Sul é classificado,
segundo Köppen (Moreno, 1961), na zona fundamental temperada “C”, tipo úmido “Cf”,
variedade “Cfa” (subtropical).
A normal climatológica anual (1961-1990) da precipitação pluvial da região de
estudo é de 1.425mm, com pequena variação entre os meses do ano. Durante a safra do
arroz (de outubro a março) o total de precipitação pluvial é, em média, de 723mm. Na
insolação e na temperatura mínima verifica-se uma grande variação ao longo do ano, com
menores valores no inverno e os maiores valores no verão, sendo o último o que coincide
com o período em que a cultura do arroz se desenvolve. A insolação oscila entre 5,1 e 9
horas ao longo do ano, mas durante o período de cultivo do arroz os valores são superiores
a 7,5 horas. Já a temperatura mínima mensal oscila de 9 a 19°C, sendo que durante a safra
do arroz os valores variam de 13 a 19°C.
26
-57 -56 -55 -54 -53 -52 -51 -50
-33
-32
-31
-30
-29
-28
Argentina
Uruguai
Oceano Atlântico
Santa Catarina
Regiões Orizícolas
1 - Fronteira Oeste
2 - Campanha
3 - Depressão Central
4 - Planície Interna à Lagoa dos Patos
5 - Planície Externa a Lagoa dos Patos
6 - Zona Sul
1
2
3
4
5
6
São Luiz Gonzaga
São Borja
Uruguaiana
Quaraí
Santana do Livramento
São Gabriel
Bagé
Santa Maria
Encruzilhada do Sul
Eldorado do Sul
Taquari
Santa Vitória do Palmar
Rio Grande
Pelotas
Torres
Maquiné
Porto Alegre
Estações meteorológicas
latitude
l
o
n
g
i
t
u
d
e
FIGURA 10. Regiões orizícolas do Estado do Rio Grande do Sul..
3.2. Período de estudo
O estudo foi realizado para os anos agrícolas de 1982/1983 até 2005/2006,
estendendo-se de outubro até março, compreendendo o período de relevância do
desenvolvimento da cultura do arroz irrigado no Rio Grande do Sul.
27
3.3. Dados
3.3.1. Rendimento e área cultivada
Foram utilizados dados de rendimento e área cultivada com a cultura do arroz
irrigado, obtidos do site do Levantamento Sistemático da Produção Agrícola (LSPA) do
Instituto Brasileiro de Geografia e Estatística (IBGE)
(http://www.ibge.gov.br/home/estatistica/indicadores/agropecuaria/lspa/default.shtm).
3.3.2. Dados meteorológicos
Foram utilizados dados meteorológicos diários e mensais de radiação solar
global e temperatura mínima do ar, de 17 estações meteorológicas incluídas dentro da
região de estudo (Tabela 3).
TABELA 3. Regiões orizícolas, estações meteorológicas, coordenadas geográficas e
Instituição.
Região Localidade Latitude Longitude
Altitude
(m)
Fonte
Quaraí 30
o
23’S 56
o
26’W 100 FEPAGRO
São Borja 28°39’S 56°00’W 99 FEPAGRO
São Luiz Gonzaga 28°23’S 54°58’W 245 8°DISME/INMET
1
Uruguaiana 29°45°S 57°05’W 62 8°DISME/INMET
Bagé 31°21’S 54°06’W 241 8°DISME/INMET
Santana do Livramento 30°53’S 55°32’W 234 8°DISME/INMET
2
São Gabriel 30°10’S 54°19’W 124 8°DISME/INMET
3 Santa Maria 29°42’S 53°42’W 95 8°DISME/INMET
Eldorado do Sul 30°04’S 51°43’W 46 UFRGS
Encruzilhada do Sul 30°32’S 52°31’W 427 8°DISME/INMET
4
Taquari 29°48’S 51°49’W 76 FEPAGRO
Maquiné 29°40’S 50°13’W 32 FEPAGRO
Porto Alegre 30°01’S 51°13’W 46 8°DISME/INMET
5
Torres 29°20’S 49°43’W 30 8°DISME/INMET
Pelotas 31°52’S 52°21’W 13 8°DISME/INMET
Rio Grande 32°01’S 52°05’W 2 8°DISME/INMET
6
Santa Vitória do Palmar 33°31’S 53°21’W 24 8°DISME/INMET
1- Fronteira Oeste; 2- Campanha; 3- Depressão Central; 4- Planície Interna à Lagoa dos Patos; 5-
Planície Externa à Lagoa dos Patos 6-Zona Sul
O instrumento usado para medição da radiação solar é o piranômetro,
geralmente disponível nas estações agrometeorológicas da Fundação Estadual de Pesquisa
28
Agropecuária/Secretaria Estadual da Ciência e Tecnologia do Estado do Rio Grande do Sul
(FEPAGRO/SCT-RS). Na inexistência desses dados, o que ocorre na maior parte das
estações do 8° Distrito de Meteorologia do Instituto Nacional de Meteorologia (8°
DISME/INMET), usou-se o heliógrafo, que mede a insolação (horas de sol.dia
-1
).
Neste caso, para estimar a radiação solar global foi utilizada a equação de
Ångstrom (Equação 3).
N
n
Ra
Rg
10
ββ
+=
(3)
Onde:
Rg
é o fluxo de radiação solar global (cal.cm
-2
.dia
-1
);
Ra
é a radiação solar incidente
numa superfície horizontal paralela à superfície do solo no topo da atmosfera (cal.cm
-2
.dia
-
1
);
n
é o número de horas de sol ocorrido;
N
o número de horas de sol astronomicamente
possível de ocorrer; β
0
e β
1
são os coeficientes empíricos, obtidos por análise de regressão
para determinada localidade ou região.
Os coeficientes β
0
e β
1
utilizados na equação foram os definidos por Fontana e
Oliveira (1996), conforme a Tabela 4.
A temperatura mínima foi medida pelo termômetro de álcool dentro do abrigo
meteorológico.
TABELA 4. Coeficientes da equação de Ångstrom (β
0
e β
1
), utilizados para as estações
meteorológicas em estudo (Fonte: Fontana e Oliveira, 1996).
Região Localidade β
0
β
1
São Luiz Gonzaga 0,25 0,46
1
Uruguaiana 0,24 0,41
Bagé 0,15 0,47
2
Santana do Livramento 0,15 0,47
3 Santa Maria 0,24 0,41
4 Encruzilhada do Sul 0,15 0,47
Porto Alegre 0,15 0,47
5
Torres 0,17 0,60
Pelotas 0,27 0,32
Rio Grande 0,27 0,32
6
Santa Vitória do Palmar 0,27 0,32
1- Fronteira Oeste; 2- Campanha; 3- Depressão Central; 4- Planície Interna à Lagoa dos Patos; 5-
Planície Externa à Lagoa dos Patos 6-Zona Sul.
29
3.3.3. Imagens MODIS
Foram utilizadas imagens provenientes do produto MODIS MOD13Q1 coleção
4 que contém composições de imagens de 16 dias sob a forma dos índices de vegetação
NDVI e EVI, com resolução espacial de 250m. Este produto foi obtido de forma gratuita,
mediante cadastro antecipado, através do site do Programa EOS da NASA
(http://edcimswww.cr.usgs.gov/pub/imswelcome) para o período de janeiro de 2000 até
março de 2006.
3.4. Análise com dados de rendimento
3.4.1. Análise da tendência temporal dos dados de rendimento
Considerando todo o conjunto de dados de rendimento, foi feita uma análise
para a verificação da existência de tendência temporal, ou seja, existência ou não de
tendência de incremento dos rendimentos da cultura do arroz devido à incorporação de
novas tecnologias (cultivares, práticas de manejo etc) ao longo do período de estudo. A
equação ajustada foi uma regressão linear simples (Equação 4).
ii
xY
10
ββ
+=
(4)
Onde:
Y
i
é o rendimento de grãos de arroz irrigado;
β
0
é o coeficiente linear (intercepto);
β
1
é o coeficiente de regressão da variável independente e
x
i
é o período observado.
Para constatar-se a existência de tendência temporal foi feito o teste de hipótese
para o coeficiente de regressão
β
1
,
tendo as seguintes hipóteses:
β
1
= 0, não existe tendência
e
β
1
≠ 0, existe tendência. O teste de
Student
(t - teste) foi aplicado para verificar a tendência
nos níveis de 1, 5 e 10% de probabilidade.
30
3.4.2. Retirada da tendência tecnológica dos dados de rendimento
As séries históricas de rendimento, das seis regiões orizícolas do Estado, foram
corrigidas através da retirada da tendência tecnológica, invertendo a equação 1 e aplicando
parâmetros gerados no ajuste da equação para cada região orizícola (Equação 5):
iici
xYY
1
β
−
=
(5)
Sendo:
Y
ci
o rendimento corrigido do ano i;
Y
i
o rendimento original do ano i;
β
1
o
coeficiente de regressão linear e
x
i
o ano i.
3.5. Análise com dados meteorológicos
3.5.1. Teste do Modelo de Carmona (2001)
Para os anos agrícolas de 2000/2001 até 2005/2006 foram testados os modelos
propostos por Carmona (2001). Estes modelos, parametrizados usando dados do período de
1980 a 2000, baseiam-se na regressão linear múltipla entre o rendimento corrigido de arroz
irrigado (Yc), a insolação relativa (n/N) e o número de dias com temperatura mínima igual
ou inferior a 15° C (N°tm) (Tabela 5).
Para verificar a relação entre os rendimentos estimados pelos modelos de
Carmona (2001) e os rendimentos oficiais foram feitas análises de correlação e
confeccionados gráficos de dispersão.
3.5.2. Correlação entre os dados meteorológicos e o rendimento
Foram analisadas as correlações entre os elementos meteorológicos radiação
solar global mensal e número de dias com temperatura mínima menor ou igual a 15°C e o
rendimento corrigido, nas seis regiões orizícolas, para as safras de 1982/1983 até
2005/2006. As significâncias das correlações foram testadas através do teste t (1%, 5% e
10%).
31
TABELA 5. Regressão linear múltipla entre rendimento corrigido (Yc), insolação relativa
(n/N) e número de dias com temperatura mínima do ar igual ou menor que
15°C (N°tm), para as regiões orizícolas e para o Estado do Rio Grande do Sul.
Região Regressão
1 Yc = 1,135 + 4,198 n/N (jan/fev) – 0,051 N°tm (dez a mar)
2 Yc = -2,051 + 8,839 n/N (todo ciclo)
3 Yc = 0,472 + 3,69 n/N (out/nov/dez) – 0,062 N°tm (mar)
4 Yc = 2,82 + 0,848 n/N (fev) – 0,048 N°tm (mar)
5 Yc = 1,462 + 2,448 n/N (fev) – 0,147 N°tm (mar)
6 Yc = - 1,168 + 6,642 n/N (nov/dez)
1- Fronteira Oeste 2-Campanha 3-Depressão Central 4-Planície Costeira Interna a Lagoa
dos Patos 5-Planície Costeira Externa a Lagoa dos Patos 6-Zona Sul.
(Fonte: Carmona, 2001).
3.6. Análise com dados espectrais
3.6.1. Processamento de imagens
Para cobrir todo o Estado são necessárias duas cenas correspondentes aos
tiles
h13v11 (parte norte) e h13v12 (parte sul). Após o
download
das imagens correspondentes
às cenas de interesse, e ao período de estudo, as mesmas passaram pelo processo de
mosaicagem. A partir dos mosaicos das duas cenas, foram recortadas as áreas de interesse
(Estado do Rio Grande do Sul).
Posteriormente, as imagens tiveram sua projeção alterada do formato original
(
sinusoida
l) para a projeção Cônica Equivalente de Albers, devido ao interesse em
quantificação de área. Os parâmetros usados na projeção Cônica Equivalente de Albers
foram: Datum SAD69/Brasil com longitude do meridiano central de -54°, e latitudes dos
paralelos padrões de -33° e -27°.
As imagens correspondentes à segunda composição do mês de novembro de
2003 e a segunda composição do mês de fevereiro de 2001 não foram utilizadas devido a
ruídos presentes nas mesmas.
Todas as etapas que envolveram o processamento de imagens foram feitas
utilizando o software
Envi 4.2
.
32
3.6.2. Determinação da área ocupada com arroz
Usando as imagens de índice de vegetação (NDVI e EVI), obtido a partir das
imagens MODIS, foi testada uma metodologia simples para a determinação das áreas
ocupadas com arroz irrigado, nas seis regiões orizícolas e nas seis safras analisadas. A
partir das imagens do período de outubro a março, foram elaboradas composições de
máximo valor, de mínimo valor e imagens de diferença entre o máximo e mínimo.
As composições de máximo valor foram feitas a partir das imagens de janeiro e
fevereiro, que correspondem, segundo análises preliminares, ao período de ocorrência dos
maiores valores de índice de vegetação, relacionados aos períodos de floração e enchimento
de grãos (calendário agrícola médio da cultura no Rio Grande do Sul – Figura 11).
Já na obtenção das composições de mínimo valor utilizaram-se a segunda
imagem de outubro, as imagens de novembro e a primeira imagem de dezembro. Estas
imagens coincidem com o período de implantação da cultura e início do desenvolvimento
vegetativo e, portanto, período de ocorrência de valores baixos de índice de vegetação.
As imagens diferenças foram obtidas através da subtração entre as composições
de máximo e de mínimo valor em cada ano. A pressuposição foi de que os
pixels
com
maiores diferenças possivelmente estejam associados à ocupação com culturas agrícolas
anuais, no caso o arroz irrigado, devido grande variação temporal das mesmas.
Para estabelecer as áreas de cultivo de arroz foi usada a imagem diferença,
sendo testados alguns limiares (valores limites) de diferença. Para o NDVI foram testados
os limiares de 0,40 até 0,60 com intervalos de 0,02 e para o EVI foram testados os valores
de 0,32 a 0,52, também com intervalos de 0,02. O limiar escolhido, para cada região, foi
aquele que gerou a área de cultivo mais próxima da área fornecida pelo IBGE nas seis
safras analisadas.
3.6.3. Perfis temporais das áreas de arroz
Definidas as áreas de cultivo, a próxima etapa foi a extração dos dados de
NDVI e EVI das imagens MODIS, destas áreas em cada uma das regiões orizícolas e nas
seis safras analisadas. Estes dados foram usados para o traçado de gráficos com o
33
transcurso dos índices de vegetação no período de outubro a março nas seis safras
estudadas, denominados perfis temporais.
0
20
40
60
80
100
08/Out
23/Out
08/Nov
23/Nov
08/Dez
23/Dez
08/Jan
23/Jan
08/Fev
23/Fev
08/Mar
23/Mar
08/Abr
23/Abr
08/Mai
23/Mai
% Área
PLANTIO
GERM.-DES. VEGET.
FLORAÇÃO
ENCH. GRÃOS
MATURAÇÃO
FIGURA 11. Calendário agrícola médio do arroz irrigado, safras 1994-1999, para o Estado
do Rio Grande do Sul. Fonte: Carmona (2001).
3.6.4. Correlação entre os dados espectrais e o rendimento
Para as seis regiões orizícolas e seis safras estudadas (2000/2001 até
2005/2006), foram realizadas as análises de correlações entre os índices NDVI e EVI e o
rendimento corrigido de arroz irrigado (após a retirada da tendência tecnológica). As
correlações foram estabelecidas para os dados originais (períodos de 16 dias), para os dados
médios mensais ao longo de todo o ciclo da cultura, e, também, para os períodos de
mínimo, de máximo e para a integração do NDVI e do EVI ao longo de todo o período. A
significância das correlações foi verificada através do teste t (1%, 5% e 10%).
3.7. Modelagem de rendimento
3.7.1. Ajuste do modelo agrometeorológico
Foram ajustados modelos agrometeorológicos de estimativa de rendimento de
arroz irrigado para as diferentes regiões orizícolas individualmente e para o conjunto delas
34
(metade sul do Estado do Rio Grande do Sul), sendo este último considerado como sendo o
modelo para o Estado. Esses modelos foram ajustados através de regressão linear múltipla
com
k
variáveis independentes (Equação 6):
jij
k
i
ii
XY
εββ
++=
∑
=1
0
(6)
Onde:
Y
i
é o valor corrigido do rendimento de grãos,
β
0
é o coeficiente linear,
β
i
é o
coeficiente de regressão das variáveis independentes,
X
i
,
X
ij
são as variáveis independentes
X
i
na observação
j
e
ε
j
é o erro associado à variável
Y
na observação
j
.
Nesta equação, se pressupõe que a variável
Y
é função linear das variáveis
independentes, os valores das variáveis independentes são fixos, os erros têm médias zero,
são homocedásticos, independentes e de distribuição normal (Draper e Smith, 1996; Neter
et al., 1997; Hoffmann e Vieira, 1998; Souza, 1998). Os parâmetros do modelo das
equações de regressão linear múltipla foram estimados pelo método passo a passo
(
stepwise
) com 10% de significância para entrada e saída de variáveis, tendo como variável
dependente o rendimento corrigido (após a retirada da tendência tecnológica) de arroz
irrigado como variáveis independentes as citadas a seguir:
•
Número de dias com temperatura igual ou inferior a 15°C nos períodos mensais
(dezembro, janeiro, fevereiro e março); bimestrais (dezembro a janeiro, janeiro a
fevereiro e fevereiro a março); trimestrais (dezembro a fevereiro e março e
janeiro a março).
•
Radiação solar global nos períodos mensais (outubro, novembro, dezembro,
janeiro, fevereiro e março); bimestrais (outubro e novembro, novembro e
dezembro, dezembro e janeiro, janeiro e fevereiro e fevereiro e março);
trimestrais (outubro a dezembro, novembro a janeiro, dezembro a fevereiro,
janeiro a março); quadrimestrais (outubro a janeiro, novembro a fevereiro e
dezembro a março).
O período utilizado para o ajuste foi de 1982/1983 a 2005/2006, excetuando
quatro safras (1992/1993 até 1995/1996) as quais foram utilizadas para teste de aplicação
dos modelos. As significâncias dos coeficientes de correlação de Pearson (r) entre os
35
rendimentos estimados pelos diferentes modelos e os rendimentos oficiais foram
verificadas através do teste t.
3.7.2. Ajuste do modelo agrometeorológico-espectral
O modelo agrometeorológico-espectral de estimativa de rendimento de arroz
irrigado foi ajustado somente para o Estado do Rio Grande do Sul como um todo, ou seja,
para o conjunto das regiões orizícolas (metade sul do Estado do Rio Grande do Sul). Neste
caso o rendimento utilizado foi o oficial, sem a retirada da tendência tecnológica. O período
utilizado para o ajuste foram as seis últimas safras de 2000/2001 a 2005/2006, período com
disponibilidade de imagens MODIS.
O modelo foi ajustado através de regressão linear múltipla com
k
variáveis
independentes (Equação 6). Os parâmetros do modelo das equações de regressão linear
múltipla foram estimados pelo método passo a passo (
stepwise
) com 10% de significância
para entrada e saída de variáveis. A variável dependente foi o rendimento corrigido (após a
retirada da tendência tecnológica) de arroz irrigado e as variáveis independentes foram:
•
Número de dias com temperatura igual ou inferior a 15°C nos períodos mensais
(dezembro, janeiro, fevereiro e março); bimestrais (dezembro a janeiro, janeiro a
fevereiro e fevereiro a março); trimestrais (dezembro a fevereiro e março e
janeiro a março).
•
Radiação solar global nos períodos mensais (outubro, novembro, dezembro,
janeiro, fevereiro e março); bimestrais (outubro e novembro, novembro e
dezembro, dezembro e janeiro, janeiro e fevereiro e fevereiro e março);
trimestrais (outubro a dezembro, novembro a janeiro, dezembro a fevereiro,
janeiro a março); quadrimestrais (outubro a janeiro, novembro a fevereiro e
dezembro a março).
•
Imagens de NDVI do sensor MODIS dos períodos de outubro (1ª imagem),
outubro (2ª imagem), novembro (1ª imagem), novembro (2ª imagem), dezembro
(1ª imagem), dezembro (2ª imagem), janeiro (1ª imagem), janeiro (2ª imagem),
fevereiro (1ª imagem), fevereiro (2ª imagem), março (1ª imagem); março (2ª
36
imagem), imagem média de outubro, imagem média de novembro, imagem
média de dezembro e imagem média de janeiro.
Os dados de rendimento de grãos e as variáveis espectrais, dos seis anos de
observação, formaram 6 matrizes (6 regiões) de 6 x 7 (6 observações e 7 variáveis).
Em função do reduzido número de anos da série o ajuste não foi feito para as
regiões separadamente, e, também, não foi realizado teste de aplicação do modelo em anos
independentes.
4. RESULTADOS E DISCUSSÃO
4.1. Retirada da tendência tecnológica da série de rendimento
Para a modelagem do rendimento, busca-se identificar indicadores que
expliquem a variabilidade do rendimento, sendo, em geral, necessária a retirada da
tendência tecnológica o que nada mais é que o estudo de tendência temporal, pois os
incrementos de produção por unidade de área (rendimento) estão atrelados ao uso de novas
tecnologias como o uso de variedades mais produtivas, insumos modernos e novas técnicas
de manejo de planta, solo e água (Carmona, 2001). Esta foi a primeira etapa deste trabalho.
Todas as regiões orizícolas e também o Estado, no período de 1982 a 2006
tiveram confirmadas a existência de tendência tecnológica embutidas no rendimento
(coeficiente de regressão linear significativo a 1%).
Através da análise da Figura 12, nota-se que as regiões da Planície Interna
(β
1
=0,0591t.ha
-1
), Planície Externa à Lagoa dos Patos (β
1
=0,0393t.ha
-1
) e Zona Sul
(β
1
=0,0422t.ha
-1
) foram as que apresentaram os menores incrementos, as regiões da
Depressão Central (β
1
=0,0643t.ha
-1
) e Campanha (β
1
=0,0825t.ha
-1
) apresentaram níveis
intermediários e a região que apresentou o maior nível tecnológico foi a Fronteira Oeste
(β
1
=0,1081t.ha
-1
). Estes resultados diferem dos encontrados por Carmona (2001), pois o
autor ao analisar a tendência tecnológica do rendimento de arroz irrigado, para estas regiões
orizícolas, encontrou uma tendência semelhante em todas as regiões, embora as análises
tenham sido feitas para um período de estudo maior (1944-2000).
A tendência temporal para o rendimento de arroz irrigado no Estado (Figura 13)
mostra um aumento de 0,0659t.ha
-1
a cada ano nos rendimentos durante o período avaliado,
38
fato que pode ser explicado pela adoção de novas tecnologias no sistema de produção da
cultura como: o uso de novas cultivares, insumos e manejos mais eficientes, entre outros.
Fronteira Oeste
y = 0,1081x + 3,9957
R
2
= 0,6217
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
Linear (REND)
Campanha
y = 0,0825x + 3,9663
R
2
= 0,5018
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
Linear (REND)
Depressão Central
y = 0,0643x + 4,2778
R
2
= 0,3946
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
Linear (REND)
Planície Interna
y = 0,0591x + 4,1484
R
2
= 0,5557
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
Linear (REND)
Planície Externa
y = 0,0393x + 4,2794
R
2
= 0,2858
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
Linear (REND)
Zona Sul
y = 0,0422x + 4,6114
R
2
= 0,3059
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
Linear (REND)
FIGURA 12. Tendência tecnológica do rendimento de arroz irrigado no período 1982-2006,
para as regiões orizícolas do Estado do Rio Grande do Sul.
39
RS
y = 0,0659x + 4,2132
R
2
= 0,5483
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
8,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
Linear (REND)
FIGURA 13. Tendência tecnológica do rendimento de arroz irrigado no período 1982-2006,
o Estado do Rio Grande do Sul (RS).
Na Figuras 14 e 15 são mostrados as séries de rendimento do arroz irrigado
para as diferentes regiões orizícolas e para o Rio Grande do Sul após a retirada da tendência
tecnológica. Observa-se de forma mais evidente que, em geral, houve coincidência no
desempenho (rendimento) da cultura num dado ano entre as regiões. Em alguns anos
agrícolas como os de 1988/1989, 1998/1999 e 2005/2006 foram observados rendimentos
acima da média em todas as regiões. Em contraste, 1982/1983, 1997/1998 e 2002/2003
foram anos agrícolas de baixos rendimentos também em todas as regiões. Este
comportamento evidencia que o rendimento do arroz irrigado no Rio Grande do Sul (Figura
15) está altamente associado a eventos de abrangência regional, ou seja, nestas séries de
dados a variabilidade interanual está expressando a influência de fatores não controláveis
pelo agricultor, especialmente àqueles associados aos elementos meteorológicos. Um bom
exemplo da influência dos elementos meteorológicos no rendimento de arroz irrigado para
o Estado são as ocorrências dos eventos ENOS (El Niño Oscilação Sul). Berlato e Fontana
(2003) mostram que há tendência de eventos El Niño prejudicarem o rendimento e eventos
La Niña serem favoráveis, como pôde ser observado nas safras 1997/1998 (El Niño) e
1998/1999 (La Niña).
40
Fronteira Oeste
0,0
1,0
2,0
3,0
4,0
5,0
6,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
MÉDIA
Campanha
0,0
1,0
2,0
3,0
4,0
5,0
6,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
MÉDIA
Depressão Central
0,0
1,0
2,0
3,0
4,0
5,0
6,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
MÉDIA
Planície Interna
0,0
1,0
2,0
3,0
4,0
5,0
6,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
MÉDIA
Planície Externa
0,0
1,0
2,0
3,0
4,0
5,0
6,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
MÉDIA
Zona Sul
0,0
1,0
2,0
3,0
4,0
5,0
6,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
MÉDIA
FIGURA 14. Rendimentos corrigidos de arroz irrigado (retirada a tendência tecnológica) no
período 1982-2006, para as regiões orizícolas do estado do Rio Grande do
Sul.
Nota-se, ainda, que as regiões da Fronteira Oeste e Campanha tiveram as
maiores variações no rendimento, fato que pode ser explicado por estas regiões
apresentarem a maior probabilidade de ocorrência de temperaturas mínimas prejudiciais ao
arroz (Steinmetz et al., 2003b).
Os dados de rendimento oficiais e os corrigidos, para todas as regiões orizícolas
do Estado, encontram-se no Apêndice 1.
41
RS
0,0
1,0
2,0
3,0
4,0
5,0
6,0
82/83
84/85
86/87
88/89
90/91
92/93
94/95
96/97
98/99
00/01
02/03
04/05
Safra
Rendimento (t.ha
-1
)
REND
MÉDIA
FIGURA 15. Rendimentos corrigidos de arroz irrigado (retirada a tendência tecnológica) no
período 1982-2006, para o estado do Rio Grande do Sul (RS).
4.2. Análise com dados meteorológicos
Neste item são apresentados os resultados iniciais do trabalho utilizando dados
meteorológicos medidos em estações de superfície como indicadores do rendimento do
arroz irrigado no Rio Grande do Sul.
4.2.1. Teste do modelo de Carmona (2001)
Carmona (2001) propôs um modelo para estimativa do rendimento do arroz
irrigado baseado em somente duas variáveis: insolação relativa (n/N) e número de dias com
temperatura igual ou inferior ao 15°C. O uso dos modelos propostos por Carmona (2001)
mostrou resultados diferenciados conforme a região orizícola do Rio Grande do Sul (Figura
16).
As melhores estimativas, obtidas com o modelo de Carmona (2001), foram
observadas nas regiões da Campanha e Depressão Central, sendo que os coeficientes de
correlação obtidos entre valores oficiais e modelados foram, respectivamente, de 0,81 e
0,75. A distribuição dos pontos em torno da linha 1:1 nestas duas regiões foram as que se
mostram mais uniformes, com desvios que variaram de 273 a 1.357kg.ha
-1
para a
Campanha e de 209 a 1.107kg.ha
-1
para a Depressão Central.
42
Para as regiões da Planície Externa à Lagoa dos Patos e Zona Sul observaram-
se desempenhos intermediários. Apesar dos coeficientes de correlação terem sido baixos (-
0,40 e 0,52 respectivamente), a distribuição dos pontos foram bastante próximas à linha
1:1. As diferenças entre os rendimentos oficiais e modelados variaram de 28 a 1.423kg.ha
-1
na Planície Externa e de 26 a 1.144 kg.ha
-1
na Zona Sul.
Os piores desempenhos dos modelos foram observados para as regiões da
Planície Interna à Lagoa dos Patos e da Fronteira Oeste. Nestas regiões foram observadas
as maiores diferenças entre as estimativas (149 a 1.347kg.ha
-1
na Planície Interna e 917 a
3.349kg.ha
-1
na Fronteira Oeste). Os coeficientes de correlação entre os dados oficiais e
modelados foram de -0,03 e 0,24, respectivamente. A distribuição dos pontos em torno da
linha 1:1 teve maior dispersão, mostrando que os valores modelados não condizem com os
valores oficiais de rendimento.
No presente trabalho, os modelos de Carmona (2001) foram aplicados em uma
série de dados independentes, não apresentando resultados semelhantes aos obtidos na
parametrização dos mesmos. Na parametrização, feita para série de dados de 1980 a 2000,
houve uma boa relação entre os rendimentos oficiais e os modelados para todas as regiões
orizícolas do Rio Grande do Sul, com uma distribuição dos pontos em torno da linha 1:1
razoavelmente uniforme. Este comportamento deve-se, em parte, ao fato do modelo ter sido
aplicado à própria série de ajuste.
Apesar das estimativas geradas pelo modelo para o período de 2000 a 2006
terem apresentado variações em comparação aos dados do IBGE, os rendimentos estimados
de arroz neste período foram próximos à média histórica no Estado do Rio Grande do Sul.
Por outro lado, os desvios nas estimativas indicam a necessidade de desenvolver novos
modelos.
43
Fronteira Oeste
r = 0,24
0
2000
4000
6000
8000
0 2000 4000 6000 8000
Rendimentos oficiais (kg.ha
-1
)
Rendimentos estimados (kg.ha
-1
)
Campanha
r = 0,81
0
2000
4000
6000
8000
0 2000 4000 6000 8000
Rendimentos oficiais (kg.ha
-1
)
Rendimentos estimados (kg.ha
-1
)
Depressão Central
r = 0,75
0
2000
4000
6000
8000
0 2000 4000 6000 8000
Rendimentos oficiais (kg.ha
-1
)
Rendimentos estimados (kg.ha
-1
)
Planície Interna
r = -0,03
0
2000
4000
6000
8000
0 2000 4000 6000 8000
Rendimentos oficiais (kg.ha
-1
)
Rendimentos estimados (kg.ha
-1
)
Planície Externa
r = -0,40
0
2000
4000
6000
8000
0 2000 4000 6000 8000
Rendimentos oficiais (kg.ha
-1
)
Rendimentos estimados (kg.ha
-1
)
Zona Sul
r = 0,52
0
2000
4000
6000
8000
0 2000 4000 6000 8000
Rendimentos oficiais (kg.ha
-1
)
Rendimentos estimados (kg.ha
-1
)
FIGURA 16. Teste dos modelos propostos por Carmona (2001), para o período de 2000 até
2006, nas regiões orizícolas do Rio Grande do Sul.
44
4.2.2. Correlação entre os dados meteorológicos e o rendimento
A primeira etapa na busca de um modelo mais robusto para a estimativa do
rendimento do arroz irrigado no Rio Grande do Sul foi a identificação das variáveis de
entrada do mesmo. Inicialmente, foram testados neste trabalho os elementos
meteorológicos radiação solar, ao invés da insolação relativa usada por Carmona (2001), e
temperatura mínima do ar, ambos para o período de 1982 até 2006.
4.2.2.1 Radiação solar global
Através da análise das correlações apresentadas na Tabela 6, nota-se que a
radiação solar global e o rendimento de grãos de arroz irrigado apresentam associação nas
regiões da Campanha (Região 2), Planície Interna à Lagoa dos Patos (Região 4) e Zona Sul
(Região 6). Os coeficientes de correlação apresentados nestas regiões, durante o período
reprodutivo, que segundo o calendário médio da cultura para o Rio Grande do Sul (Figura
11) vai de janeiro a março, foram, respectivamente de 0,365, 0,380 e 0,556. Fato que indica
que este elemento meteorológico pode ser limitante ao rendimento nestas regiões. As
demais regiões, com exceção da Depressão Central (Região 3), apresentam pelo menos um
período com correlação significativa.
Para o Estado como um todo as correlações foram significativas em
praticamente todo o período, ou seja, esta variável assume importância para a definição do
rendimento em todo o ciclo da cultura. As correlações positivas indicam que nos anos com
maiores disponibilidades de radiação solar são obtidos os maiores rendimentos. Segundo
Yoshida e Parao (1976), o decréscimo nos rendimentos pode chegar a 70% caso as plantas
de arroz sejam submetidas a baixos níveis de radiação solar.
Cabe ressaltar também as correlações positivas significativas observadas nos
meses de outubro e novembro, o que pode ser explicado pelo fato da radiação solar
apresentar correlação negativa com a precipitação pluvial, indicando que bons níveis de
radiação solar, neste período, possibilitam a semeadura da cultura dentro da época
recomendada, além de favorecer o adequado estabelecimento da cultura (Carmona, 2001).
45
TABELA 6. Coeficiente de correlação entre a radiação solar global e o rendimento de
grãos (corrigido) da cultura do arroz irrigado nas diferentes regiões orizícolas
do Rio Grande do Sul, período 1982-2006.
REGIÕES ORIZÍCOLAS
MESES
1 2 3 4 5 6 RS
OUT 0,208
ns
0,372** 0,206
ns
0,487**
0,189
ns
0,306* 0,410**
NOV 0,037
ns
0,532***
0,227
ns
0,382**
0,155
ns
0,594***
0,426**
DEZ 0,173
ns
0,379** 0,285
ns
0,442**
-0,070
ns
0,319* 0,524***
JAN -0,156
ns
0,028
ns
-0,042
ns
0,312* 0,051
ns
0,201
ns
0,060
ns
FEV 0,315* 0,441** 0,114
ns
0,489**
0,298
ns
0,487** 0,474**
MAR 0,316* 0,226
ns
0,142
ns
0,182
ns
-0,446**
0,367* 0,075
ns
OUT-NOV 0,151
ns
0,515***
0,258
ns
0,465**
0,206
ns
0,536***
0,512***
NOV-DEZ 0,114
ns
0,548***
0,286
ns
0,431**
0,072
ns
0,537***
0,543***
DEZ-JAN -0,018
ns
0,219
ns
0,113
ns
0,412**
-0,002
ns
0,351* 0,326*
JAN-FEV 0,111
ns
0,334* 0,050
ns
0,432**
0,225
ns
0,483** 0,361*
FEV-MAR 0,408**
0,434** 0,149
ns
0,390**
-0,172
ns
0,543***
0,398**
OUT-NOV-DEZ 0,181
ns
0,557***
0,293
ns
0,477**
0,134
ns
0,510***
0,569***
NOV-DEZ-JAN 0,006
ns
0,408** 0,182
ns
0,416**
0,084
ns
0,554***
0,436**
DEZ-JAN-FEV 0,161
ns
0,397** 0,135
ns
0,472**
0,191
ns
0,534***
0,497**
JAN-FEV-MAR 0,238
ns
0,365* 0,088
ns
0,380**
-0,127
ns
0,556***
0,329*
OUT-NOV-DEZ-JAN 0,073
ns
0,495** 0,219
ns
0,455**
0,138
ns
0,550***
0,503**
NOV-DEZ-JAN-FEV 0,134
ns
0,495** 0,180
ns
0,461**
0,212
ns
0,621***
0,534***
DEZ-JAN-FEV-MAR 0,266
ns
0,418** 0,154
ns
0,421**
-0,148
ns
0,582***
0,456**
1- Fronteira Oeste; 2- Campanha; 3- Depressão Central; 4- Planície Interna à Lagoa dos Patos; 5-
Planície Externa à Lagoa dos Patos 6-Zona Sul; RS- Rio Grande do Sul. Pelo teste t: ns
- valores
não significativos; *** - valores significativos a P < 0,01; ** - valores significativos a P < 0,05; * -
valores significativos a P < 0,1.
4.2.2.2 Temperatura mínima do ar
As correlações entre o número de dias com temperatura mínima igual ou
inferior a 15°C e o rendimento (Tabela 7), com exceção das regiões da Depressão Central
(Região 3) e Zona Sul (Região 6), apresentaram valores negativos em todas as regiões
orizícolas e também para o Estado do Rio Grande do Sul. Isto demonstra que uma maior
ocorrência de dias com temperaturas mínimas baixas é um fator que pode penalizar o
rendimento, também apontado por Carmona (2001). O mês mais crítico foi março, visto
que neste mês foram observados os maiores valores de correlação na maior parte das
regiões orizícolas e, também, para o Estado como um todo. Em outras combinações
temporais foram observados coeficientes de correlação significativos, mas sempre
envolvendo o mês de março. Estes resultados, especialmente para as regiões da Fronteira
Oeste (Região 1), Campanha (Região 2) e Planície Interna (Região 4) mostram
46
concordância com o Zoneamento Agrícola do arroz irrigado proposto por Steinmetz e
Braga. (2001). Os critérios utilizados foram temperatura do solo no período de semeadura,
probabilidade de frio nos períodos de microesporogênese e floração e também máxima
disponibilidade de radiação solar no período de enchimento do grão, o que é de
fundamental importância para que as perdas sejam minimizadas, devido, principalmente, a
esterilidade das espiguetas.
O fato da Zona Sul (Região 6) não ter apresentado correlações significativas
entre a temperatura mínima e o rendimento nos períodos analisados é intrigante, pois o
mapeamento das probabilidades de ocorrência de temperaturas mínimas do ar, durante o
período reprodutivo do arroz irrigado (Steinmetz et al., 2003b) indica que esta Região está
entre as que apresentam maior probabilidade de ocorrência destas temperaturas.
Já no caso da Depressão Central (Região 3), as correlações não significativas
(tanto com a radiação solar, quanto com a temperatura mínima), pode estar relacionado
com o fato de que as variáveis meteorológicas dessa região serem provenientes apenas de
uma estação meteorológica (Santa Maria) e os rendimentos usados serem os médios de toda
a região.
TABELA 7. Coeficiente de correlação entre o número de dias com temperatura igual ou
inferior a 15°C e o rendimento (corrigido) de grãos da cultura do arroz
irrigado nas diferentes regiões orizícolas do Rio Grande do Sul, período 1982-
2006.
REGIÕES ORIZÍCOLAS
MESES
1 2 3 4 5 6 RS
DEZ
0,194
ns
-0,052
ns
0,226
ns
0,133
ns
0,171
ns
-0,188
ns
0,150
ns
JAN
-0,038
ns
-0,202
ns
0,101
ns
-0,204
ns
0,175
ns
-0,169
ns
-0,183
ns
FEV
0,069
ns
-0,002
ns
0,211
ns
-0,033
ns
0,174
ns
0,052
ns
0,060
ns
MAR
-0,565***
-0,562***
-0,172
ns
-0,533***
-0,465**
-0,145
ns
-0,579***
DEZ-JAN
0,166
ns
-0,131
ns
0,236
ns
0,011
ns
0,222
ns
-0,218
ns
0,129
ns
JAN-FEV
0,031
ns
-0,110
ns
0,193
ns
-0,133
ns
0,196
ns
-0,077
ns
-0,062
ns
FEV-MAR
-0,461** -0,431** -0,038
ns
-0,466** -0,243
ns
-0,098
ns
-0,470**
DEZ-JAN-FEV
0,165
ns
-0,103
ns
0,278
ns
-0,003
ns
0,248
ns
-0,182
ns
0,121
ns
JAN-FEV-MAR
-0,427** -0,425** 0,002
ns
-0,433** -0,129
ns
-0,153
ns
-0,462**
1- Fronteira Oeste; 2- Campanha; 3- Depressão Central; 4- Planície Interna à Lagoa dos Patos; 5-
Planície Externa à Lagoa dos Patos 6-Zona Sul; RS- Rio Grande do Sul. Pelo teste t: ns
- valores
não significativos; *** - valores significativos a P < 0,01; ** - valores significativos a P < 0,05; *-
valores significativos a P < 0,1.
47
4.3. Análise dos dados espectrais em áreas de arroz irrigado
Neste item são apresentados os testes realizados buscando a introdução de
dados espectrais como variável de entrada do modelo de estimativa do rendimento do arroz
irrigado no Rio Grande do Sul. A idéia central é que dados oriundos de imagens do sensor
MODIS podem introduzir no modelo indicadores de outros fatores (que não os
agrometeorológicos) que determinam o rendimento, especialmente as práticas de manejo
(cultivar, época de semeadura, adubação, etc...), o que tem sido evidenciado em trabalhos
anteriores como os de Rudorff (1985), Fontana e Berlato (1998), Melo (2003) e Rizzi
(2005), entre outros.
4.3.1. Seqüência temporal
As Figuras 17 e 18 mostram as séries temporais médias de NDVI e EVI,
referentes as safras agrícolas 2000/2001 até 2005/2006, para o Estado do Rio Grande do
Sul. Nas figuras é possível observar a evolução temporal média das principais áreas
utilizadas com culturas anuais de primavera-verão no Estado. Nestas áreas, os IVs foram
baixos nos períodos de implementação das culturas (outubro e novembro), crescentes
durante os períodos de desenvolvimento vegetativo e reprodutivo (dezembro e janeiro),
atingindo o máximo valor durante o estádio de enchimento do grão (fevereiro) e voltado a
decrescer durante a maturação (março).
Na porção norte do Rio Grande do Sul a cultura predominante é a soja, a qual
tem sido intensamente estudada nos trabalhos desenvolvidos no âmbito do projeto
GeoSafras (Bianchi et al., 2005; Melo et al., 2007; Wagner et al. 2007). A área cultivada é
de cerca de 3,5 milhões de hectares (IBGE, 2007) e apresenta uma distribuição espacial
compacta, como pode ser observada especialmente nos meses de novembro e fevereiro
(Figuras 17 e 18).
As áreas de cultivo de arroz irrigado estão localizadas na metade sul do Estado
e apresentam uma distribuição espacial distinta da cultura da soja. O padrão observado é de
lavouras de arroz irrigado distribuídas de forma dispersa, o que é conseqüência das
características de manejo desta cultura. As áreas de cultivo predominam na Fronteira oeste,
Campanha, Depressão Central e próximo à Lagoa dos Patos.
48
Observa-se, ainda, que ambos índices, NDVI e EVI, mantiveram o mesmo
padrão de evolução temporal, embora o EVI sempre tenha apresentado valores mais baixos.
As séries temporais de NDVI e EVI, referentes às safras agrícolas 2000/2001
até 2005/2006, do Estado do Rio Grande do Sul encontram-se nos Apêndices 2 a 13.
49
FIGURA 17. Série temporal média de NDVI para o Rio Grande do Sul referente às safras
2000/2001 até 2005/2006 (outubro a março).
50
FIGURA 17. Continuação...
51
FIGURA 18. Série temporal média de EVI para o Rio Grande do Sul referente às safras
2000/2001 até 2005/2006 (outubro a março).
52
FIGURA 18. Continuação...
53
4.3.2. Determinação da área ocupada com arroz irrigado
A definição da área de cultivo, ou seja, da área a ser utilizada para a extração
dos valores espectrais (indicadores do rendimento) da cultura do arroz irrigado no Rio
Grande do Sul é um ponto importante deste trabalho.
Em estudo com a cultura soja, Melo (2003) utilizou o NDVI de imagens
NOAA/AVHRR extraído de grandes áreas abrangendo um grupo grande de municípios. Já
Rizzi (2005), também para a cultura da soja, utilizou uma máscara construída a partir de
imagens
Landsat
e aplicou esta máscara para a extração dos valores de EVI e NDVI de
imagens MODIS. Ambos autores obtiveram resultados muito bons utilizando abordagens
distintas, o que possivelmente está associado ao padrão de distribuição espacial da cultura
da soja, como mencionado anteriormente (Figura 17). Já para a cultura do arroz irrigado,
dado o padrão distinto, foi necessário o teste de uma metodologia muito simples para
limitar a análise de dados espectrais às áreas onde a cobertura mais provavelmente era
“arroz”.
Um exemplo dos testes feitos para definição das máscaras de cultura é
apresentado nas Figuras 19 e 20. As áreas de cultivo apresentam grande variação temporal,
ou seja, baixos IVs na composição de mínimo (Figura 19.a) e altos na composição de
máximo (Figura 19.b). Já as áreas de campos, matas e água apresentam uma variação muito
pequena entre as composições. Assim, na imagem diferença (Figura 19.c) as áreas de
lavouras apresentaram os maiores valores, enquanto que as outras áreas apresentaram
valores bem menores.
Para se definir as áreas de cultivo testaram-se alguns limiares sobre a imagem
diferença. Observa-se que valores pequenos de limiares superestimam as áreas cultivadas
com arroz irrigado (Figura 20.a), enquanto que valores altos subestimam as áreas cultivadas
(Figura 20.b). Para a área do exemplo apresentado o limiar que melhor representou as áreas
de cultivo de arroz irrigado, foi o de 0,42 (Figura 20.c). Metodologia semelhante foi
utilizada por Fontana et al. (2007) para definir a área de cultivo em região produtora de
trigo da Austrália, com resultados bastante bons.
54
FIGURA 19. Recorte de uma imagem MODIS no Rio Grande do Sul: (a) composição de
mínimo NDVI; (b) composição de máximo NDVI, (c) imagem diferença.
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
Menor
NDVI
Maior
NDVI
(a)
(b)
(c)
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
Menor
NDVI
Maior
NDVI
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
água
mata
lavouras
campos
Menor
NDVI
Maior
NDVI
(a)
(b)
(c)
55
FIGURA 20. Recorte de uma imagem MODIS no Rio Grande do Sul: (a) imagem
diferença com aplicação de limiar 0,30, (b) imagem diferença com aplicação
de limiar 0,42, (c) imagem diferença com aplicação de limiar 0,60.
Menor
NDVI
Maior
NDVI
(a)
(b)
(c)
Menor
NDVI
Maior
NDVI
(a)
(b)
(c)
(a)
(b)
(c)
56
4.3.2.1. Determinação da área ocupada com arroz irrigado através do
NDVI e EVI
Nas Figuras 21 e 22
são apresentadas as áreas de cultivo determinadas a partir
dos limiares escolhidos e aplicados nas imagens de NDVI e EVI para cada região orizícola
do Estado. Verifica-se que em todos os anos e regiões, os valores de área estimada através
das imagens foram superiores aos dados oficiais. Este comportamento foi conseqüência da
metodologia proposta, visto que a intenção foi de reduzir nas análises a resposta espectral
oriunda de áreas não agrícolas, sem, entretanto, eliminar
pixels
de lavouras com
crescimento abaixo do normal. As respostas destes
pixels
são importantes para geração das
estimativas de rendimento. Outro aspecto importante que suporta o argumento de utilizar
uma área superior àquela estimada pelo IBGE, é o trabalho de Weber et al. (2007), que
mostra que mapeamentos feitos com imagens
Landsat
tendem, especialmente na Fronteira
Oeste, a apresentar uma área de cultivo de arroz no Rio Grande do Sul maior do que a
apontada pelo IBGE. Neste caso, trabalhos de campo atestam a confiabilidade do
mapeamento através de imagens.
Cabe ressaltar que, os limiares escolhidos para determinar a área cultivada com
arroz irrigado através do EVI foram menores que os limiares escolhidos para se estimar a
área através do NDVI, em todas as regiões orizícolas, com exceção da Planície Interna onde
o limiar escolhido foi o mesmo. Isto se deve ao fato, de o EVI normalmente apresentar
valores menores que o NDVI, sobre uma determinada área e sobre uma mesma cultura
agrícola.
Nas Tabelas 8 e 9 nota-se que os maiores desvios médios das áreas estimadas
através dos IVs em relação as áreas fornecidas pelo IBGE ocorreram nas regiões da
Fronteira Oeste (25%), Planície Externa (26,5%) e Zona Sul (47,5%) para o NDVI e nas
regiões da Fronteira Oeste (72,6%), Campanha (24,3%) e Planície Externa (23,5%) para o
EVI. Especialmente na Fronteira Oeste pode-se esperar que as áreas oficiais estejam
subestimadas. Apesar de ousada a afirmação, ela tem suporte no fato de que a CONAB,
baseada nos trabalhos de Weber et al. (2007), está revisando para cima a área cultivada com
arroz irrigado no Rio Grande do Sul nas últimas três safras, o que representa um acréscimo
de cerca de 21 mil ha na Fronteira Oeste (Correio do Povo, 02/06 2007).
57
Os menores desvios, para ambos IVs, ocorreram nas regiões da Depressão
Central e da Planície Interna, sendo de, respectivamente 12,8% e 16,6% para o NDVI e
20,9% e 19,9% para o EVI.
0
100
200
300
400
500
0 100 200 300 400 500
Área IBGE (mil ha)
Área NDVI MODIS (mil ha)
Fronteira Oeste (0,48)
Campanha (0,42)
Depressão Central (0,46)
Planície Interna (0,42)
Planície Externa (0,42)
Zona Sul (0,46)
FIGURA 21. Relação entre a área cultivada com arroz irrigado nas regiões orizícolas do
Rio Grande do Sul, estimada através dos limiares aplicados ao NDVI e a área
oficial fornecida pelo IBGE. Entre parênteses estão indicados os limiares
utilizados em cada região orizícola.
0
100
200
300
400
500
0 100 200 300 400 500
Área IBGE (mil ha)
Área EVI MODIS (mil ha)
Fronteira Oeste (0,36)
Campanha (0,38)
Depressão Central (0,42)
Planície Interna (0,42)
Planície Externa (0,34)
Zona Sul (0,38)
FIGURA 22. Relação entre a área cultivada com arroz irrigado nas regiões orizícolas do
Rio Grande do Sul, estimada através dos limiares aplicados ao EVI e a área
oficial fornecida pelo IBGE. Entre parênteses estão indicados os limiares
utilizados em cada região orizícola.
58
Embora tenham sido testados valores menores de limiares para o EVI, este IV
foi o que apresentou o maior desvio médio (36%) entre a área estimada e a oficial quando
se considerou todo Estado.
TABELA 8. Área média da cultura do arroz irrigado (mil ha) no Rio Grande do Sul
estimada com imagens NDVI/MODIS e dados oficiais (IBGE). Período
2000/2001 a 2005/2006.
REGIÃO NDVI IBGE DESVIOS (%)
Fronteira Oeste 330,4 264,4 25,0
Campanha 211,9 169,8 24,8
Depressão Central 172,8 153,2 12,8
Planície Interna 136,5 116,9 16,7
Planície Externa 148,1 117,0 26,5
Zona Sul 235,1 159,4 47,5
RS 1234,8 980,7 25,9
TABELA 9. Área média da cultura do arroz irrigado (mil ha) no Rio Grande do Sul
estimada com imagens EVI/MODIS e dados oficiais (IBGE). Período
2000/2001 a 2005/2006.
REGIÃO EVI IBGE DESVIOS (%)
Fronteira Oeste 456,4 264,4 72,6
Campanha 211,0 169,8 24,3
Depressão Central 185,1 153,2 20,9
Planície Interna 140,1 116,9 19,9
Planície Externa 144,6 117,0 23,5
Zona Sul 196,7 159,4 23,4
RS 1334,0 980,7 36,0
A área estimada de cultivo de arroz irrigado no Rio Grande do Sul usando
NDVI foi 1.234,8 mil ha e de 1.334 mil ha para o EVI (Tabelas 8 e 9), ambas superiores
aos 980,7 mil ha estimados pelo IBGE.
As Tabelas completas com os resultados dos mapeamentos de área, com NDVI
e EVI, das seis regiões orizícolas para os anos agrícolas de 2000 até 2006 encontram-se
descritas nos Apêndices 14 e 15.
59
4.3.3. Relação entre NDVI e EVI
A relação entre o NDVI e EVI extraídos das áreas cultivadas com arroz irrigado
nas seis regiões orizícolas e nas seis safras analisadas é mostrada na Figura 23. Nota-se que
o NDVI apresenta valores sempre superiores ao do EVI e que existe uma relação curvilínea
entre os dois índices de vegetação, com o NDVI tendendo a saturar em altos valores.
Diversos estudos vêm demonstrando que em altas densidades de cobertura vegetal o NDVI
perde a capacidade de distinguir variações de biomassa (Huete et al., 2002; Fonseca et al.,
2006; Wardlow et al, 2007).
Padrão semelhante de comportamento entre NDVI e EVI observado neste
trabalho foi encontrado por Huete et al. (2002), demonstrando que, portanto, o EVI parece
ter uma melhor sensibilidade para detectar as variações de biomassa em condições de alta
densidade da mesma. Esta é uma característica desejável ao indicador espectral de
rendimento, que será analisada nos itens seguintes.
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
EVI
NDVI
FIGURA 23. Relação entre NDVI e EVI das áreas ocupadas com arroz irrigado, em todas
as regiões orizícolas do Rio Grande do Sul, para o período de 2000/2001 a
2005/2006.
60
4.3.4. Perfis temporais das áreas de arroz irrigado
Os perfis temporais dos IVs tendem a expressar as condições de crescimento e
desenvolvimento da biomassa de uma dada região e têm sido apontados como importantes
componentes de sistemas de monitoramento agrometeorológico (Melo, 2003; Rizzi 2005;
Fontana, 2007). Tanto nas imagens NDVI como nas imagens EVI foi evidente a influência
das condições meteorológicas sobre o padrão de comportamento dos perfis temporais.
Através das análises dos perfis temporais de NDVI (Figuras 24), notou-se um
padrão típico de cultivos em todas as regiões e anos, semelhante ao verificado por Jacóbsen
et al. (2003). Estes autores, estudando a alteração do padrão de evolução temporal do NDVI
sobre as diferentes regiões do Estado do Rio Grande do Sul em anos de eventos ENOS (El
Niño Oscilação Sul), mostraram que as diferentes regiões possuem padrões específicos e
distintos entre si. Numa dada região, as variações entre os anos dos perfis temporais de
NDVI são determinadas pela disponibilidade de radiação solar e condições térmicas, porém
alteradas pela disponibilidade hídrica, ou seja, as alterações nos perfis espectrais têm
associação com as condições meteorológicas.
Os valores de NDVI nas áreas de arroz irrigado no Rio Grande do Sul foram
menores nos estágios de implementação da cultura e entrada de água na lavoura, que
segundo o calendário agrícola médio da cultura corresponde aos meses de outubro e
novembro. Os períodos de máximo NDVI ocorreram em fevereiro e corresponderam aos
estágios de floração, enchimento do grão e maturação. Observou-se, entretanto, que houve
variação entre os perfis nas diferentes safras e regiões produtoras, o que esteve relacionado
às diferenças das condições de crescimento e desenvolvimento da cultura.
Através da análise da Figuras 25, nota-se que os perfis temporais, das áreas de
arroz irrigado, de EVI apresentaram o mesmo padrão de comportamento observado no
NDVI, embora os valores de NDVI sempre tenham sido superiores aos do EVI. Resultado
semelhante foi observado por Rizzi (2005), sobre a cultura da soja no Rio Grande do Sul.
61
Fronteira Oeste
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º out
2º o
u
t
1° nov
2° nov
1º
d
e
z
2º
d
e
z
1°
j
an
2º
j
an
1º
fev
2°
fev
1
º
ma
r
2
°
ma
r
NDVI
Campanha
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1
º
o
u
t
2º ou
t
1
°
n
o
v
2° nov
1
º
d
e
z
2º dez
1
°
j
an
2
º
jan
1º f
e
v
2°
f
e
v
1º mar
2
°
ma
r
NDVI
Depressão Central
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
out
2º
o
u
t
1° nov
2°
n
o
v
1
º
de
z
2
º
dez
1° ja
n
2º jan
1
º
fev
2°
fev
1
º
m
a
r
2°
mar
NDVI
FIGURA 24. Perfis temporais de NDVI referentes às safras agrícolas de 2000/2001 a
2005/2005, para as diferentes regiões orizícolas do Rio Grande do Sul.
62
Planície Interna
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
o
u
t
2º out
1°
n
o
v
2°
n
o
v
1º dez
2º
d
ez
1° jan
2º
jan
1º f
e
v
2° fev
1º
mar
2° mar
NDVI
Planície Externa
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
ou
t
2º
ou
t
1° nov
2° nov
1º
dez
2º
dez
1
°
j
an
2º jan
1º fev
2°
fe
v
1º
mar
2° mar
NDVI
Zona Sul
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
out
2º out
1° nov
2° nov
1º
de
z
2º
de
z
1° jan
2º jan
1
º
f
ev
2°
fev
1º
mar
2° mar
NDVI
FIGURA 24. Continuação ...
63
Fronteira Oeste
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
ou
t
2º
ou
t
1° nov
2° nov
1º
dez
2º
dez
1
°
j
an
2º jan
1º fev
2°
fe
v
1º
mar
2° mar
EVI
Campanha
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º out
2º
out
1
° n
ov
2
°
n
ov
1º dez
2º dez
1°
jan
2º
j
a
n
1º
fe
v
2° fe
v
1º ma
r
2
° m
ar
EVI
Depressão Central
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
o
ut
2º
o
u
t
1°
n
o
v
2° nov
1º
d
ez
2º
d
e
z
1°
j
an
2º
ja
n
1º
fev
2° f
e
v
1º
mar
2° mar
EVI
FIGURA 25. Perfis temporais de EVI referentes às safras agrícolas de 2000/2001 a
2005/2005, para as diferentes regiões orizícolas do Rio Grande do Sul.
64
Planície Interna
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º out
2º out
1° nov
2° nov
1
º
d
ez
2
º
dez
1° jan
2
º
j
a
n
1º
fev
2°
f
e
v
1
º
mar
2
°
mar
EVI
Planície Externa
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
out
2
º
out
1
°
nov
2
°
nov
1
º
dez
2º dez
1° jan
2º jan
1º fev
2° fev
1º
ma
r
2°
ma
r
EVI
Zona Sul
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1º
o
u
t
2
º
o
u
t
1
°
n
o
v
2
°
n
o
v
1º
d
ez
2º
d
ez
1°
j
an
2º
j
an
1º
f
ev
2°
f
ev
1º mar
2°
m
ar
EVI
FIGURA 25. Continuação...
65
4.3.4.1. Perfis temporais médios de NDVI e EVI das áreas de arroz
irrigado
A Figura 26 apresenta os perfis temporais médios de NDVI e EVI das áreas
ocupadas com arroz irrigado, em cada região orizícola, utilizando as médias dos anos
agrícolas de 2000/2001 até 2005/2006. A comparação visual entre os perfis temporais
médios de NDVI e EVI mostra que ambos índices apresentam praticamente o mesmo
comportamento, só que em escalas diferentes. O NDVI manteve valores maiores do que o
EVI durante todo o período. Também Huete et al. (2002) e Wardlow et al. (2007) mostram
que NDVI e EVI sobre a mesma área e cultura, apresentam uma evolução temporal muito
semelhante, só que com valores de NDVI mais elevados.
As comparações apresentadas (Figura 26) foram feitas usando a informação
média dos seis anos analisados e, portanto, existe a tendência de suavizar as curvas. O
esperado é que efetivamente o EVI apresente melhor poder de discriminação da biomassa
em condições de altas densidades, dada a relação curvileniar obtida na Figura 23.
66
Fronteira Oeste
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
º
o
u
t
2
º
o
ut
1° nov
2
° no
v
1
º
d
e
z
2º
d
e
z
1° jan
2
º
j
a
n
1
º fev
2
° fev
1º mar
2° mar
NDVI e EVI
NDVI
EVI
Campanha
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
º
o
u
t
2
º
o
ut
1° nov
2
° no
v
1
º
d
e
z
2º
d
e
z
1° jan
2
º
j
a
n
1
º fev
2
° fev
1º mar
2° mar
NDVI e EVI
NDVI
EVI
Depressão Central
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
º
o
u
t
2
º
o
ut
1° nov
2
° no
v
1
º
d
e
z
2º
d
e
z
1° jan
2
º
j
a
n
1
º fev
2
° fev
1º mar
2° mar
NDVI e EVI
NDVI
EVI
FIGURA 26. Perfis temporais médios de NDVI e EVI referentes às safras agrícolas de
2000/2001 a 2005/2005, para as regiões orizícolas do Rio Grande do Sul. As
barras representam os valores máximos e mínimos de NDVI e EVI.
67
Planície Interna
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
º
o
u
t
2
º
o
ut
1° nov
2
° no
v
1
º
d
e
z
2º
d
e
z
1° jan
2
º
j
a
n
1
º fev
2
° fev
1º mar
2° mar
NDVI e EVI
NDVI
EVI
Planície Externa
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
º
o
u
t
2
º
o
ut
1° nov
2
° no
v
1
º
d
e
z
2º
d
e
z
1° jan
2
º
j
a
n
1
º fev
2
° fev
1º mar
2° mar
NDVI e EVI
NDVI
EVI
Zona Sul
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1º out
2º out
1
° nov
2
°
n
ov
1º
d
e
z
2º
dez
1°
j
an
2º
j
an
1
º
f
ev
2°
f
ev
1º mar
2° mar
NDVI e EVI
NDVI
EVI
FIGURA 26. Continuação...
68
4.3.5. Correlação entre os dados espectrais e o rendimento
As análises feitas neste item tiveram como objetivo estabelecer a relação entre
os dados espectrais e o rendimento, de forma a definir os melhores indicadores espectrais
para comporem o modelo de estimativa do rendimento da cultura do arroz irrigado no Rio
Grande do Sul.
As correlações entre os IVs e o rendimento de arroz irrigado são mostradas nas
Figuras 27 e 28. Através da análise destas figuras nota-se que, tanto nas análises de
períodos de 16 dias como para os valores mensais, os padrões de correlações obtidos, para
ambos IVs, refletem adequadamente a relação entre biomassa e rendimento de grãos ao
longo do ciclo da cultura.
Observou-se que a maior parte das correlações foram negativas no período de
implementação (outubro e novembro), positivas durante o período de desenvolvimento
vegetativo e reprodutivo até a maturação fisiológica (dezembro, janeiro até meados de
fevereiro) e, por fim novamente negativa (final de fevereiro e março).
Considerando somente o período de correlações significativas (tanto positivas
como negativas), verifica-se que os maiores valores ocorrem nas três regiões que
apresentam os maiores rendimentos que são, respectivamente, a Fronteira Oeste, Campanha
e Depressão Central.
Dezembro e janeiro foram os meses com maior freqüência de correlações
positivas e significativas, indicando que quanto maior for o desenvolvimento da biomassa
das plantas (maior NDVI ou EVI) nestes meses, maior é a chance de obterem-se altos
rendimentos de grãos.
Encontraram-se, valores significativos de correlações, pelo menos a 10%, para
as composições de máximo nas regiões da Campanha (NDVI e EVI), Depressão Central
(NDVI) e Planície Externa (NDVI e EVI), para as composições de mínimo na Campanha
(EVI) e também para os IVs máximos na Planície Interna (EVI) e Externa (NDVI e EVI).
As demais correlações, incluindo dos IVs integrados de todo o período de
cultivo não apresentaram valores significativos em região alguma.
69
Fronteira Oeste
1º mar
2° fev
1º fev
2º jan
1° jan
1° nov
2° nov
1º dez
out
nov
fev
mar
jan
dez
2° mar
comp máx
2º dez
1º out
2º out
comp mín
máx
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Campanha
integração
máx
comp mín
2º out
1º out
2º dez
comp máx
2° mar
dez
jan
mar
fev
nov
out
1º dez
2° nov
1° nov
1° jan
2º jan
1º fev
2° fev
1º mar
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Depressão Central
1º mar
2° fev
1° jan
máx
2º dez
comp máx
2° mar
dez
jan
mar
fev
nov
out
1º dez
2° nov
1º out
2º out
1° nov
2º jan
1º fev
comp mín
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
FIGURA 27. Correlações entre o rendimento e o NDVI/MODIS, nos diferentes períodos do
ciclo da cultura do arroz irrigado, para as regiões orizícolas do Rio Grande do
Sul. As linhas azuis representam significância de 1%, as linhas verdes
significância de 5% e as vermelhas de 10%.
70
Planície Interna
1º out
1º fev
2º jan
1° nov
integração
comp mín
1º mar
2° fev
2º out
2° nov
1º dez
out
nov
fev
mar
jan
dez
2° mar
comp máx
2º dez
máx
1° jan
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Planície Externa
integração
máx
comp máx
comp mín
mar
fev
jan
dez
nov
out
2° mar
1º mar
2° fev
1º fev
2º jan
1° jan
2º dez
1º dez
2° nov
1° nov
2º out
1º out
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Zona Sul
1º out
2º out
1° nov
2° nov
1º dez
2º dez
2º jan
1° jan
1º fev
2° fev
1º mar
2° mar
out
nov
dez
jan
fev
mar
comp mín
comp máx
máx
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coefficiente de correlação
FIGURA 27. Continuação...
71
Fronteira Oeste
2° nov
1º dez
out
nov
fev
mar
jan
dez
2° mar
1º out
2º out
1° nov
2º dez
1° jan
2º jan
1º fev
2° fev
1º mar
comp mín
comp máx
máx
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Campanha
integração
máx
comp mín
2º out
1º out
2º dez
comp máx
2° mar
dez
jan
mar
fev
nov
out
1º dez
2° nov
1° nov
1° jan
2º jan
1º fev
2° fev
1º mar
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Depressão Central
1º mar
2° fev
1° jan
máx
2º dez
comp máx
2° mar
dez
jan
mar
fev
nov
out
1º dez
2° nov
1º out
2º out
1° nov
2º jan
1º fev
comp mín
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
FIGURA 28. Correlações entre o rendimento e o EVI/MODIS, nos diferentes períodos do
ciclo da cultura do arroz irrigado, para as regiões orizícolas do Rio Grande do
Sul. As linhas azuis representam significância de 1%, as linhas verdes
significância de 5% e as vermelhas de 10%.
72
Planície Interna
1° jan
máx
2º dez
comp máx
2° mar
dez
jan
mar
fev
nov
out
1º dez
2° nov
2º out
2° fev
1º mar
comp mín
integração
1° nov
2º jan
1º fev
1º out
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Planície Externa
integração
máx
comp máx
comp mín
mar
fev
jan
dez
nov
out
2° mar
1º mar
2° fev
1º fev
2º jan
1° jan
2º dez
1º dez
2° nov
1° nov
2º out
1º out
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
Zona Sul
1º out
2º out
1° nov
2° nov
1º dez
2º dez
2º jan
1° jan
1º fev
2° fev
1º mar
2° mar
out
nov
dez
jan
fev
mar
comp mín
comp máx
máx
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
FIGURA 28. Continuação...
73
Nas Figuras 29 e 30 são mostradas as correlações obtidas para a média de todo o
Estado, as quais apresentam tendência semelhante à observada para as regiões
individualmente. Neste caso, entretanto, visivelmente o NDVI apresentou maior associação
com o rendimento de arroz irrigado do que o EVI, tendo valores significativos, pelo menos
a 5%, e maiores do que 0,6 desde a segunda composição de novembro (2°nov) até a
primeira composição de fevereiro (1°fev).
RS
1º out
2º out
1° nov
2° nov
1º dez
2º dez
2º jan
1° jan
1º fev
2° fev
1º mar
2° mar
out
nov
dez
jan
fev
mar
comp mín
comp máx
máx
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
FIGURA 29. Correlações entre o rendimento e o NDVI nos diferentes períodos do ciclo da
cultura do arroz irrigado, para o Estado do Rio Grande do Sul. As linhas azuis
representam significância de 1%, as linhas verdes significância de 5% e as
vermelhas de 10%.
RS
1º out
2º out
1° nov
2° nov
1º dez
2º dez
2º jan
1° jan
1º fev
2° fev
1º mar
2° mar
out
nov
dez
jan
fev
mar
comp mín
comp máx
máx
integração
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
coeficiente de correlação
FIGURA 30. Correlações entre o rendimento e o EVI nos diferentes períodos do ciclo da
cultura do arroz irrigado, para o Estado do Rio Grande do Sul. As linhas azuis
representam significância de 1%, as linhas verdes significância de 5% e as
vermelhas de 10%.
74
4.4. Modelagem de rendimento
4.4.1. Modelagem agrometeorológica
4.4.1.1. Ajuste dos modelos agrometeorológicos
As equações dos modelos agrometeorológicos ajustados para cada região
orizícola e para o Estado como um todo são mostradas na Tabela 10. Verifica-se que as
variáveis meteorológicas incluídas no modelo foram diferentes em cada região.
TABELA 10. Modelos agrometeorológicos, para as regiões orizícolas e para o Estado do
Rio Grande do Sul, período 1982-2006.
Região
Modelo
R
2
Fronteira Oeste
[
]
)(dim151,0)(134,0)(102,0590,4108,0 arramarrajaniY −+−+=
0,58
Campanha
[
]
)(dim082,0)(183,01024,1082,0 arranoviY −++=
0,58
Depressão Central
[
]
)(274,0533,0064,0 raoutdeziY +−+=
0,39
Planície Interna à
Lagoa dos Patos
[
]
)(105,0)(094,0141,3059,0 dijanmarrafeviY −++=
0,46
Planície Externa à
Lagoa dos Patos
[
]
)(dim154,0546,4039,0 ariY
−
+
=
0,24
Zona Sul
[
]
)(561,0808,3042,0 ranovmariY
+
−
+
=
0,41
RS
[
]
)(dim038,0)(079,02996,2066,0 arrafeviY −++=
0,24
Y
é o rendimento de arroz irrigado (t.ha
-1
), i é o ano (o ano 1 corresponde a safra agrícola de 1982/1983), as
duas primeira letras, ra e di, correspondem a radiação solar global e aos dias com temperatura mínima inferior
a 15°C. As letras seguintes correspondem ao período da análise (meses).
Em todos os modelos, exceto no ajustado para a Planície Externa à Lagoa dos
Patos, a variável radiação solar global foi incluída de alguma forma. Em alguns modelos a
variável selecionada foi apenas a radiação de um mês isolado, enquanto que em outros foi
selecionada a média dos valores de radiação obtidos em um determinado período que
variou de 2 a 5 meses.
A exceção dos modelos ajustados para as regiões da Depressão Central e Zona
Sul, os modelos também selecionaram alguma expressão relacionada à temperatura do ar,
na forma de número de dias em que a temperatura mínima foi igual ou inferior a 15°C. O
mês de março foi considerado em todos os modelos, o que é coerente, pois pelo calendário
agrícola médio da cultura do arroz, é neste mês que a maioria das lavouras encontram-se no
75
final do período de floração. Isto era esperado por que este mês apresentou as maiores
correlações com o rendimento em todas as regiões, como mostrado anteriormente.
O gráfico de dispersão entre os dados oficiais e estimados para o Estado como
um todo e para as diferentes regiões orizícolas, nos períodos de ajuste dos mesmos, são
apresentados nas Figuras 31 e 32. Os melhores modelos são aqueles que apresentam os
menores desvios e as melhores estimativas de valores extremos, isto é, não apresentam
tendência de sub ou super estimativa, tanto de altos como de baixos valores de rendimento.
Um exemplo desse bom ajuste pode ser verificado no modelo para as regiões da Fronteira
Oeste, Campanha e Planície Costeira Interna à Lagoa dos Patos e também para o Estado.
As significâncias dos coeficientes de correlação entre os rendimentos oficial e
estimado nos períodos de ajuste (Figuras 31 e 32) foram de 1% em todas as regiões, e
também no Estado.
RS
r = 0,86
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
FIGURA 31. Rendimentos oficiais e estimados pelo modelo agrometeorológico ajustado
para o Rio Grande do Sul, no período de ajuste do modelo.
76
Fronteira Oeste
r = 0,93
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Campanha
r = 0,90
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Depressão Central
r = 0,82
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Planície Interna
r = 0,89
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Planície Externa
r = 0,69
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Zona Sul
r = 0,78
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
FIGURA 32. Rendimentos oficiais e estimados pelos modelos agrometeorológicos
ajustados para cada região orizícola do Estado do Rio Grande do Sul, no
período de ajuste do modelo.
77
4.4.1.2. Teste dos modelos agrometeorológicos
No período de teste (Figuras 33 e 34), o Estado e as regiões da Campanha e
Zona Sul apresentaram significância a 5%, e a região da Planície Externa apresentou
significância a 10%. As demais regiões não apresentaram significância, o que em parte é
decorrência do reduzido número de observações consideradas. A Região da Campanha
chama a atenção, pois apesar de ter apresentado um coeficiente de correlação de 0,80 no
ajuste do modelo e de apresentar o maior coeficiente de correlação entre valores oficiais e
estimados (0,99), houve uma evidente tendência de super estimativa dos rendimentos nos
quatro anos utilizados para teste do modelo.
RS
r = 0,93
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
FIGURA 33. Rendimentos oficiais e estimados pelo modelo agrometeorológico ajustado
para do Rio Grande do Sul no período de teste do modelo.
78
Fronteira Oeste
r = 0,68
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Campanha
r = 0,99
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Depressão Central
r = 0,41
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Planície Interna
r = 0,50
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Planície Externa
r = 0,71
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
Zona Sul
r = 0,80
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
FIGURA 34. Rendimentos oficiais e estimados pelos modelos agrometeorológicos
ajustados para cada região orizícola do Estado do Rio Grande do Sul no
período de teste do modelo.
79
4.4.2. Modelagem agrometeorológica-espectral
4.4.2.1. Definição da componente espectral
Embora diversas pesquisas sobre os IVs provenientes do sensor MODIS
tenham mostrado que o EVI é mais sensível às alterações de biomassa vegetal do que o
NDVI (Huete et al., 1999, 2002), percebeu-se um comportamento praticamente idêntico
dos perfis temporais de ambos IVs (Figuras 24 e 25) e também um padrão semelhante de
correlações entre estes índices e o rendimento corrigido de arroz irrigado (Figuras 27 e 28).
Dessa forma, optou-se pela inclusão do NDVI como componente espectral do modelo de
estimativa de rendimento, por tratar-se de um índice cujas relações com parâmetros
biofísicos de culturas agrícolas já estarem definidas na literatura.
4.4.2.2. Ajuste do modelo agrometeorológico-espectral
Devido ao grande número de variáveis e o pequeno período de dados espectrais
utilizados (somente seis anos de disponibilidade das imagens MODIS) não foi possível
ajustar modelos agrometeorológicos-espectrais para cada região orizícola individualmente.
Ajustou-se somente um modelo abrangendo todas as regiões orizícolas (Rio Grande do
Sul), o qual explica o rendimento em função da radiação solar global média de novembro e
dos NDVI médio das áreas de arroz nos meses de dezembro, fevereiro e março (Equação 7)
tendo um coeficiente de determinação de 0,87.
)(711,12)(168,11)(079,3)(170,0671,1 immarimfevimdezranovY
−
+
+
+
=
(7)
Onde: Y
é o rendimento de arroz irrigado (t.ha
-1
); ranov é a média da radiação solar global
média de novembro; imdez é o NDVI médio do mês de dezembro extraído das imagens
MODIS; imfev é o NDVI médio do mês de fevereiro extraído das imagens MODIS e immar
é o NDVI médio do mês de março extraído das imagens MODIS.
O modelo agrometeorológico-espectral ajustado para o Estado apresentou
desempenho satisfatório na produção das estimativas de rendimento, sendo significativo a
1% (Figura 35). Salienta-se que a dispersão de pontos apresentada na Figura 35 é para a
mesma série de dados utilizada no ajuste do modelo e, portanto, uma melhor verificação da
80
qualidade do desempenho do mesmo deve ser realizada com dados independentes, isto é,
com os dados de uma safra que não foi incluída na série de ajuste.
O resultado obtido na aplicação do modelo agrometeorológico-espectral,
embora a série de anos avaliada seja de tamanho reduzido, indica a possibilidade de
melhoria nas estimativas de rendimento de arroz irrigado, quando comparadas com as
estimativas obtidas através da aplicação do modelo agrometeorológico.
Tomando como base esses resultados, recomenda-se que na medida em que
novas imagens estejam disponíveis elas sejam utilizadas num novo ajuste do modelo.
RS
r = 0,98
2
4
6
8
2 4 6 8
Rendimentos oficiais (t.ha
-1
)
Rendimentos estimados (t.ha
-1
)
FIGURA 35. Rendimentos oficiais e estimados pelo modelo agrometeorológico-espectral
ajustado para o Rio Grande do Sul.
5. CONCLUSÕES
A partir das análises feitas neste trabalho conclui-se que:
Existe tendência tecnológica de incremento nos rendimentos de arroz irrigado,
tanto no Estado como um todo, quanto nas seis regiões orizícolas.
Os modelos agrometeorológicos propostos por Carmona (2001), apesar de
serem muito simples podem fornecer uma estimativa razoável de rendimento de arroz
irrigado para todas as regiões orizícolas do Estado do Rio Grande do Sul, com exceção da
Fronteira Oeste.
A metodologia proposta para extrair dados espectrais das áreas de arroz
irrigado, baseada em limiares aplicados às imagens MODIS de diferença, é eficiente e tem
características de fácil implementação e baixo custo.
Os perfis espectrais (NDVI e EVI) das áreas de arroz irrigado são típicos de
áreas cultivadas. Apresentam valores baixos no período de implementação da cultura,
crescentes durante o desenvolvimento vegetativo, atingindo os valores máximos durante o
enchimento de grão e decrescentes a partir da maturação fisiológica dos grãos. A
variabilidade interanual desses perfis é devida, principalmente, às variações das condições
meteorológicas.
Existe uma relação curvilinear entre NDVI e EVI. Entretanto, ambos índices de
vegetação extraídos das áreas de arroz irrigado apresentam um comportamento similar, com
o NDVI apresentando valores maiores do que o EVI.
As variáveis meteorológicas radiação solar global e dias com temperatura
mínima do ar menor que 15°C podem ser usadas como indicadores agrometeorológicos na
estimativa de rendimento de arroz irrigado no Estado do Rio Grande do Sul.
82
Em termos de indicadores espectrais, pode-se usar as imagens de NDVI e EVI
provenientes do sensor MODIS na estimativa de rendimento de arroz irrigado no Rio
Grande do Sul.
Os modelos agrometeorológicos e agrometeorlógicos-espectrais de estimativa
rendimento de arroz irrigado no Rio Grande do Sul, parametrizados neste trabalho,
apresentam características de precisão, fácil implementação e baixo custo, podendo,
portanto, serem introduzidos ao programa nacional de previsão de safras.
Embora o período de dados ainda seja reduzido para resultados conclusivos,
existe a tendência de melhora nas estimativas de rendimento de arroz irrigado no Rio
Grande do Sul a partir da incorporação de dados provenientes de imagens MODIS.
6. REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA, T.S., FONTANA, D.C., MARTORANO, L.G., BERGAMASCHI, H. Índices
de vegetação para a cultura da soja em diferentes condições hídricas e de sistema de manejo
do solo In: SIMPOSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12, 2005,
Goiânia.
Anais
. São José dos Campos: INPE / SELPER, 2005. v.1. p.17 – 24.
Arroz Irrigado: Recomendações técnicas da pesquisa para o Sul do Brasil
. Sociedade
Sul-Brasileira de Arroz Irrigado. In: IV CONGRESSO BRASILEIRO DE ARROZ
IRRIGADO, XXVI REUNIÃO DA CULTURA DO ARROZ IRRIGADO. Santa Maria:
SOSBAI, 2005.
AZAMBUJA, I.H.V.; VERNETTI Jr,F.J.; MAGALHÃES Jr.
Aspectos econômicos da
produção do arroz
. In: GOMES e MAGALHÃES Jr. (Organizadores) Arroz irrigado no
Sul do Brasil. Brasília, DF. Embrapa Informações Tecnológicas, 2004. 899p
BAIER, W. Note on the terminology of crop-weather models.
Agricultural Meteorology
,
v. 20, n. 2, p. 137-145, Apr. 1979.
BARNI, N.A.
Modelos de crescimento, desenvolvimento e rendimento do girassol em
função da radiação solar, temperatura e disponibilidade hídrica
. Porto Alegre, 1994.
Tese (Doutorado em Fitotecnia), Faculdade de Agronomia, Universidade Federal do Rio
Grande do Sul. 1994. 249p.
BERLATO, M.A.
Modelo de relação entre o rendimento de grãos de soja e o déficit
hídrico para o Estado do Rio Grande do Sul
. São José dos Campos, 1987. Tese
(Doutorado em Meteorologia) Pós-Graduação Meteorologia, Instituto Nacional de
Pesquisas
Espaciais, 1987. 103p.
BERLATO, M.A.; FONTANA, D.C.
El Niño e La Nina: impactos no clima, na
vegetação e na agricultura do Rio Grande do Sul; aplicações de previsões climáticas
na agricultura.
1ed. Porto Alegre: Editora da UFRGS, 2003, 110p.
84
BERLATO, M.A.; FONTANA, D.C. Variabilidade interanual da precipitação e
variabilidade dos rendimentos da soja no Estado do Rio Grande do Sul.
Revista Brasileira
de Agrometeorologia
, v. 7, n. 1, p. 119-125, 1999.
BIANCHI, C.A.M.; FONTANA, D.C.; GUSSO, A. Aplicação do modelo
agrometeorológico-espectral para estimativa do rendimento de soja, no Rio Grande do Sul
na safra 2003/04. In: XIV CONGRESSO BRASILEIRO DE AGROMETEOROLOGIA,
2005, Campinas.
Anais...
Agrometeorologia, Agroclimatologia e Agronegócio, 2005.
BOARD, J.E.; PETERSON, M.L.; NG, E. Floret sterility in a cool environment.
Agronomy Journal
, Madison, v. 72, May-June, p. 483-487, 1980.
BRAGA, H.J.
Previsão agrícola: uma nova abordagem
. 1995. Tese (Doutorado em
Engenharia de Produção). Universidade Federal de Santa Catarina, Florianópolis.1995.
Disponível em: <www.eps.ufsc.br/teses/braga/index>. Acesso em: 22 Jul. 2002.
CARMONA, L.C.
Efeitos associados aos fenômenos El Niño e La Niña no rendimento
do arroz irrigado no Estado do Rio Grande do Sul.
2001. 75p. Dissertação (Mestrado),
Programa de Pós-Graduação em Fitotecnia. Universidade Federal do Rio Grande do Sul.
Porto Alegre. 2001.
CONAB revisará dados de três safras de arroz no País.
Correio do Povo
, Porto Alegre, 02
de Jun. 2007. Caderno Rural, p. 14.
D’ARCO, E.; RIZZI, R.; RUDORFF, B.F. T. Análise de combinações dos índices de
vegetação EVI e NDVI derivadas do sensor MODIS para identificação de áreas de arroz
irrigado.
Anais...
XII SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO,
Goiânia, Brasil, 16-21 abril 2005, INPE, p. 91-93. 2005.
DRAPER, N.R.; SMITH, R.
Applied regression analysis
. 3
rd
ed. New York: Wiley, 1996.
706p.
DOORENBOS, J.; KASSAM, A.H.
Yield response to water
. Rome: Food and Agriculture
Organization of the United Nations, 1979. 193 p. (FAO-Irrigation and Drainage Paper
n.33).
Food and agriculture Organization of the United Nations (FAO).
FAOSTAT
. 2007.
Disponível em < http://faostat.fao.org/> Acesso em: 10 ago. 2007.
FARIAS, J.R.B.; NEPOMUCENO, A.F.; NEUMAIER, N.; OYA, T. Ecofisiologia. In:
A
cultura da soja no Brasil
. Londrina: Embrapa Soja, 2000. 1 CD-ROM.
FIGUEIREDO, D.C. Projeto GeoSafras – aprimoramento metodológico das estimativas de
safras.
Anais...
XIII SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO,
Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 191-195.
85
FONSECA, E.L. da.
Desenvolvimento de modelo da disponibilidade da fitomassa aérea
para formações campestres naturais a partir de dados espectrais orbitais e
agrometeorológicos
. São José dos Campos, 2004. Tese (Doutorado em Sensoriamento
Remoto) Pós-Graduação em Sensoriamento Remoto, Instituto Nacional de Pesquisas
Espaciais, 2004. 193p.
FONSECA, E.L. da; FONTANA, D.C.; ROSA, L.M.G. Evolução temporal do NDVI e sua
relação com variáveis biofísicas em Paspalum notatum.
Revista Brasileira de
Agrometeorologia
, v. 14, n. 3, p. 272-280, 2006.
FONTANA, D.C.; BERLATO, M.A. Modelo agrometeorológico-espectral para a
estimativa do rendimento de soja no Rio Grande do Sul: um estudo preliminar. In:
Simpósio Brasileiro de Sensoriamento Remoto, 9., 1998, Santos.
Anais...
São José dos
Campos: INPE, 1998. 1 CD ROM.
FONTANA, D.C.; POTGIETER, A.; APAN, A. Assessing the relationship between shire
winter crop yield and seasonal variability of the MODIS NDVI and EVI images.
Applied
GIS
, v.3, n.6, p.1-16. June, 2007.
FONTANA, D.C.; OLIVEIRA, D. Relação entre radiação solar global e insolação para o
Estado do Rio Grande do Sul.
Revista Brasileira de Agrometeorologia
, v.4, p.87-91,
1996.
HOFFMANN, R.; VIEIRA, S.
Análise de regressão
: uma introdução à econometria. 3. ed.
São Paulo: Hucitec/Edusp, 1998. 379p.
HUETE, A.; DIDAN, K.; MIURA, T.; RODRIGUEZ, E.P.; GAO, X.; FERREIRA, L.G.
Overview of the radiometric and biophysical performance of the MODIS vegetation
indices.
Remote Sensing of Environment
, v. 83, n. 1-2, p. 195-213, Nov. 2002.
HUETE, A.; JUSTICE, C.; LEEUWEN, W. V.
Modis vegetation index (MOD 13)
algorithm theoretical basis document
, 1999. Disponível em:
<modis.gsfc.nasa.gov/data/atbd/atbd_mod13.pdf>. Acesso em: 8 fev. 2006.
Instituto Brasileiro de Geografia e Estatística (IBGE).
Levantamento sistemáico da
produção agrícola
. 2003. Disponível em:
<www.ibge.gov.br/home/estatistica/indicadores/agropecuaria/lspa/>. Acesso em: 7 nov.
2005.
Instituto Brasileiro de Geografia e Estatística (IBGE).
Levantamento sistemáico da
produção agrícola
. 2007. Disponível em:
<www.ibge.gov.br/home/estatistica/indicadores/agropecuaria/lspa/>. Acesso em: 7 ago.
2007.
INFELD, J.A.; SILVEIRA JÚNIOR, P. Esterilidade e baixas temperaturas em duas
cultivares e uma linhagem de arroz irrigado.
In
: REUNIÃO DA CULTURA DO ARROZ
IRRIGADO, 12., Porto Alegre, 1983. Anais. Porto Alegre: IRGA, 1983. p.85-86.
86
JACÓBSEN, L.O.; FONTANA, D.C.; SHIMABUKURO, Y. E.Alterações na vegetação
em Macrozonas do Rio Grande do Sul associados a eventos El Niño e La Niña, usando
imagens NOAA .
Revista Brasileira de Agrometeorologia
, v. 11, n. 2, p. 361-374, 2003.
JENSEN, J.R. Remote sensing of vegetation. In. _______.
Remote sensing of the
environment, an earth resource perspective
. Upper Saddle River,NJ: Prentice
Hall,
2000. 544 p, cap.10. p. 333-377.
KNIPLING, E.B. Physical and physiological basis for the reflectance visible and near
infrared radiation from vegetation.
Remote Sensing of Environment
, v. 1, n. 3, p.155-159,
Summer 1970.
LILLESAND, T.M.; KIEFER, R.W.
Remote sensing and image interpretation.
4. ed.
Madison : University of Wisconsin, 1999, 750 p.
LIU, W.T.; KOGAN, F. Monitoring Brasilian soybean production using NOAA/AVHRR
based vegetation condition indices.
International Journal of Remote Sensing
, v.23, n. 6,
p. 1161-1179, May 2002.
MAGALHÃES Jr. A. M. et al.
Aspectos genéticos, morfológicos e de desenvolvimento
de plantas de arroz irrigado
. In: GOMES e MAGALHÃES Jr. (Organizadores) Arroz
irrigado no Sul do Brasil. Brasília, DF. Embrapa Informações Tecnológicas, 2004. 899p
MATZENAUER, R.; BERGAMASCHI, H.; BERLATO, M.A.; RIBOLDI, J.Modelos
agrometeorologicos para estimativa do rendimento de milho, em funcao da disponibilidade
hidrica no Estado do Rio Grande do Sul.
Pesquisa Agropecuária Gaúcha
, Porto Alegre, v.
1, n. 2, p. 225-241, 1995.
MELO, R.W.
Modelo agrometeorológico-espectral de estimativa do rendimento da
soja para o estado do Rio Grande do Sul
. 2003. 88f. Dissertação (Mestrado em
Fitotecnia) Programa de Pós Graduação em Fitotecnia. Universidade Federal do Rio
Grande do Sul. Porto Alegre. 2003.
MELO, R.W.; FONTANA, D.C. Estimativa do rendimento de soja usando dados do
modelo do ECMWF em um modelo agrometeorológico-espectral no Estado do Rio Grande
do Sul.
Anais...
XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil,
21-26 abril 2007, INPE, p. 279-286.
MELO, R.W.; FONTANA, D.C.; BERLATO, M.A. Modelo agrometeorológico-espectral
de estimativa de rendimento da soja para o Estado do Rio Grande do Sul. In: Simpósio
Brasileiro de Sensoriamento Remoto, 11., 2003, Belo Horizonte.
Anais...
São José dos
Campos: INPE, 2003. p. 173 -179. 2003.
87
MODIS -
Moderate Resolution Imaging Spectroradiometer
. Technical specifications,
2003. Disponível em: <modis.gsfc.nasa.gov/about/specs.html> Acesso em: 14 mai. 2005.
MOREIRA, M. A.
Fundamentos do Sensoriamento Remoto e Metodologias de
Aplicação
. 3ª ed. Atual. Ampl. Viçosa: Editora UFV, 320p. 2005.
MOREIRA, R. C.
Influência do posicionamento e da largura de bandas de sensores
remotos e dos efeitos atmosféricos na determinação de índices de vegetação
. São José
dos Campos: INPE, 2000. 181f. Dissertação (Mestrado em Sensoriamento Remoto), 2000.
MORENO, J. A.
Clima do Rio Grande do Sul
. Porto Alegre. Secretaria da Agricultura.
42p. 1961.
MOTA, F.S. da et al.
Zoneamento Agroclimático do Rio Grande do Sul e Santa
Catarina
. Pelotas: IPEAS, 1974. 122 p. (IPEAS. Circular Técnica n. 50, v. 2). 1974.
MOTA, F.S. da. Influência da radiação solar e do “frio” no período reprodutivo sobre o
rendimento do arroz irrigado em Pelotas e Capão do Leão.
Lavoura Arrozeira
, Porto
Alegre, v. 47, n. 413, p. 22-23, mar./ abr. 1994.
NEDEL. J.L; ASSIS, F.N.; CARMONA. P.S.A Planta de Arroz: Morfologia e Fisiologia.
In: SILMAR T. P.; JORGE L. N., ANTONIO C.S.A. B.
Produção de arroz irrigado.
Pelotas: Universidade Federal de Pelotas, 1998, p. 45-64.
NETER, J.; KUTNER , M.H.; NACHTSHEIM, C.J.; WASSERMAN, W.
Applied linear
regression models
. 3
rd
ed. New York: McGraw Hill, 1997, 532p.
NOVO, E.M.L.M.
Sensoriamento remoto - princípios e aplicações
. São Paulo: Edgard
Blucher, 1989. 308p.
OLDEMAN, L.R.;SESHU; D.V.; CADY, F.B. Response of rice to weather variables. In:
INTERNATIONAL WORKSHOP ON THE IMPACT OF WEATHER PARAMETERS
ON GROWTH AND YIELD OF RICE. 1986, Los Baños.
Weather and rice,
proceedings...
Los Baños: IRRI (International Rice Research Center), 1986. p. 5-39.
PEDRO JR., M. J. et al. Estimativa da produtividade de arroz irrigado por inundação em
função da temperatura do ar e radiação solar na região de Pidamonhangaba - SP.
Scientia
Agrícola
, Piracicaba, v. 52, n. 1. p. 96-100, 1995.
PINO, F.A.
Estatísticas agrícolas para o século XXI
. Agricultura em São Paulo, v. 46, n.
2, p. 71-105, 1999.
PINO, F.A.
Estimação subjetiva de safras agrícolas
. Informações Econômicas, v. 31, n.
6, p. 55-58 São Paulo, Jun. 2001.
88
RIO GRANDE DO SUL. Secretaria da Agricultura e Abastecimento.
Macrozoneamento
agroecológico e econômico do estado do Rio Grande do Sul.
Porto Alegre: SEA, Passo
Fundo: EMBRAPA-CNPT, 1994, v.2.
RIZZI, R.
Geotecnologias em um sistema de estimativa da produção de soja: estudo de
caso no Rio Grande do Sul
. 2005.
São José dos Campos: INPE.
121p. Tese (Doutorado)
Instituto Nacional de Pesquisas Espaciais. São José dos Campos, SP, 2005.
RUDORFF, B. F. T.
Dados Landsat na estimativa da produtividade agrícola da cana-
de-açúcar
. 1985. 100p. (INPE-3744-TDL/202). Dissertação (Mestrado em Sensoriamento
Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 1985.
RUDORFF, B.F.T.; BATISTA, G.T. Yield estimation of sugarcane based on
agrometeorological-spectral models.
Remote Sensing of Environment
, v.33, p.183-192.
1990.
SANO, E.E.; ASSAD, E.D.; ORIOLI, A.L. Monitoramento da ocupação agrícola. In:
Assad, E. D.; Sano, E. E.
Sistemas de informação geográfica: aplicações na agricultura
.
2ªed. Brasília. Embrapa-CPAC, 1998, Cap. 10, p. 179-190.
SATAKE, T. Sterile-type cool injury in paddy rice plants. In: INTERNATIONAL RICE
RESEARCH INSTITUTE.
Climate and rice.
Los Baños: IRRI, 1976. p. 281-300.
SOARES, J. V. et al.
Histórico e Descrição
. In: RUDORFF, F. T. et al (Organizadores) O
sensor MODIS e suas aplicações ambientais no Brasil. São José dos Campos, SP. Ed.
Parêntese, 2007.
SOUZA, G.S.
Introdução aos modelos de regressão linear e não-linear
. Brasília:
Embrapa-SPI/Embrapa-SEA, 1998. 505p.
STEINMETZ, S.
Influência do clima na cultura do arroz irrigado no Rio Grande do
Sul
. In: GOMES e MAGALHÃES Jr. (Organizadores) Arroz irrigado no Sul do Brasil.
Brasília, DF. Embrapa Informações Tecnológicas, 2004. 899p
STEINMETZ, S.; ASSIS, F.N.; BURIOL, G.A.; ESTEFANEL, V.; AMARAL. A.G.;
FERREIRA J.S.A. Mapeamento das probabilidades de ocorrência de temperaturas mínimas
do ar, durante o período reprodutivo do arroz irrigado, no Estado do Rio Grande do Sul.
Revista Brasileira de Agrometeorologia
, Santa Maria, v. 11, n. 1, p. 107-121, 2003b.
STEINMETZ, S.; ASSIS, F.N.; BURIOL, G.A.; ESTAFANEL, V.; DIDONÉ, I.A.;
OLIVEIRA, H.T.; SIMONÉTI, C. . Probabilidade de ocorrência de temperaturas mínimas
do ar durante o período reprodutivo do arroz irrigado, na metade norte do Estado do Rio
Grande do Sul.
Revista Brasileira de Agrometeorologia
, Santa Maria, v. 11, n. 1, p. 107-
121, 2003a.
89
STEINMETZ, S.; BRAGA, H.J. Zoneamento de arroz irrigado por épocas de semeadura
agroclimático do arroz irrigado por épocas de semeadura nos estados do Rio grande do Sul
e Santa Catarina.
Revista Brasileira de Agrometeorologia
, Santa Maria, v. 9, n. 3, p. 429-
438, 2001.
WAGNER, A.P.L.; WEBER, E.; FONTANA, D.C.; DUCATI, J.R.; KLERING, E.V.
Estimativa de área de soja no Rio Grande do Sul utilizando imagens NDVI/MODIS.
Anais...
XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26
abril 2007, INPE, p. 457-464.
WARDLOW, B.D.; EGBERT, S.L.; KASTENS, J.H. Analysis of time-series MODIS 250
m vegetation index data for crop classification in the U.S. Central Great Plains.
Remote
Sensing of Environment
, v.108, p.290–310. 2007.
WEBER, E.; WAGNER, A.P.L.; FONTANA, D.C.; DUCATI, J.R. Estimativa de área
cultivada com arroz irrigado no Rio Grande do Sul na safra 2005/2006 através de imagens
Landsat..
Anais...
XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis,
Brasil, 21-26 abril 2007, INPE, p. 465-472.
WIEGAND, C.J. et al. Vegetation indices in crop assessment.
Remote Sensing of
Environment
, v.35, n.2, p.105-119. 1991.
TERRES, A.L.; GALLI, J. Efeitos do frio em cultivares de arroz irrigado no Rio Grande do
Sul - 1984. In:
Fundamentos para a cultura do arroz irrigado
. Campinas, SP: Fundação
Cargill, 1985. cap. 6, p. 83-94.
YOSHIDA, S
. Fundamentals of rice croup science
. Los Banõs: IRRI (International Rice
Research Center), 1981. p. 128-147, 213-235. 1981
YOSHIDA, S.; PARAO, F.T.
Climatic influence on yield and yield components of
lowland rice in the tropics.
Philippines: IRRI (International Rice Research Center). 1976.
p.471-494. 1976.
7. APÊNDICES
Fronteira
Oeste
Campanha
Depressão
Central
Planície
Interna
Planície
Externa
Zona
Sul
Safra
IBGE
Corr IBGE Corr IBGE Corr IBGE Corr IBGE Corr IBGE Corr
82/83
3,37 4,21 3,45 4,13 3,58 4,34 4,10 4,21 3,75 4,32 3,77 4,65
83/84
4,60 4,32 4,75 4,21 4,60 4,41 4,75 4,27 4,51 4,36 4,30 4,70
84/85
4,84 4,42 4,40 4,29 4,75 4,47 4,54 4,33 4,92 4,40 4,84 4,74
85/86
3,96 4,52 4,44 4,37 3,96 4,54 4,17 4,38 4,77 4,44 5,27 4,78
86/87
5,04 4,62 4,08 4,45 5,39 4,60 4,58 4,44 4,45 4,48 4,79 4,82
87/88
5,20 4,73 4,69 4,53 4,86 4,66 4,67 4,50 5,23 4,52 5,05 4,86
88/89
5,79 4,83 5,67 4,60 5,38 4,73 4,92 4,56 5,02 4,55 5,87 4,91
89/90
4,70 4,93 4,79 4,68 4,68 4,79 4,20 4,62 4,18 4,59 4,90 4,95
90/91
5,05 5,03 4,57 4,76 4,83 4,86 4,97 4,68 5,00 4,63 5,05 4,99
91/92
5,63 5,14 5,25 4,84 4,91 4,92 4,88 4,74 4,70 4,67 5,26 5,03
92/93
5,47 5,24 4,89 4,92 5,41 4,99 4,73 4,80 4,45 4,71 5,42 5,08
93/94
4,36 5,34 4,13 5,00 4,52 5,05 4,30 4,86 4,05 4,75 4,77 5,12
94/95
5,66 5,45 5,20 5,07 5,41 5,11 5,02 4,92 4,63 4,79 5,07 5,16
95/96
5,31 5,55 5,16 5,15 5,10 5,18 4,68 4,98 4,75 4,83 5,32 5,20
96/97
5,76 5,65 5,20 5,23 5,16 5,24 4,71 5,04 4,30 4,87 5,49 5,24
97/98
4,37 5,75 3,51 5,31 3,81 5,31 4,09 5,09 4,29 4,91 4,33 5,29
98/99
6,30 5,86 6,40 5,39 6,02 5,37 5,20 5,15 5,03 4,95 5,42 5,33
99/00
5,54 5,96 5,16 5,46 5,73 5,44 5,24 5,21 4,62 4,99 5,67 5,37
00/01
6,05 6,06 5,81 5,54 5,22 5,50 5,10 5,27 4,69 5,03 5,72 5,41
01/02
6,31 6,17 5,77 5,62 5,69 5,56 5,39 5,33 5,03 5,07 4,75 5,46
02/03
5,04 6,27 4,72 5,70 4,56 5,63 5,12 5,39 4,98 5,10 5,01 5,50
03/04
6,81 6,37 6,14 5,78 5,85 5,69 6,17 5,45 5,36 5,14 5,60 5,54
04/05
6,73 6,47 6,30 5,86 6,00 5,76 5,80 5,51 5,64 5,18 5,53 5,58
05/06
7,60 6,58 6,34 5,93 6,56 5,82 5,98 5,57 6,15 5,22 6,14 5,62
Média
5,39 5,39 5,03 5,03 5,08 5,08 4,89 4,89 4,77 4,77 5,14 5,14
APÊNDICE 1. Rendimentos oficiais (IBGE) e corrigidos (Corr) de arroz irrigado (t.ha
-1
)
para as regiões orizícolas do Rio Grande do Sul, período de 1982-2006.
91
APÊNDICE 2. Série temporal média de NDVI para o Rio Grande do Sul referente à safra
2000/2001 (outubro a março).
92
APÊNDICE 2. Continuação...
93
APÊNDICE 3. Série temporal média de NDVI para o Rio Grande do Sul referente à safra
2001/2002 (outubro a março).
94
APÊNDICE 3. Continuação...
95
APÊNDICE 4. Série temporal média de NDVI para o Rio Grande do Sul referente à safra
2002/2003 (outubro a março).
96
APÊNDICE 4. Continuação...
97
APÊNDICE 5. Série temporal média de NDVI para o Rio Grande do Sul referente à safra
2003/2004 (outubro a março).
98
APÊNDICE 5. Continuação...
99
APÊNDICE 6. Série temporal média de NDVI para o Rio Grande do Sul referente à safra
2004/2005 (outubro a março).
100
APÊNDICE 6. Continuação...
101
APÊNDICE 7. Série temporal média de NDVI para o Rio Grande do Sul referente à safra
2005/2006 (outubro a março).
102
APÊNDICE 7. Continuação...
103
APÊNDICE 8. Série temporal média de EVI para o Rio Grande do Sul referente à safra
2000/2001 (outubro a março).
104
APÊNDICE 8. Continuação...
105
APÊNDICE 9. Série temporal média de EVI para o Rio Grande do Sul referente à safra
2001/2002 (outubro a março).
106
APÊNDICE 9. Continuação...
107
APÊNDICE 10. Série temporal média de EVI para o Rio Grande do Sul referente à safra
2002/2003 (outubro a março).
108
APÊNDICE 10. Continuação...
109
APÊNDICE 11. Série temporal média de EVI para o Rio Grande do Sul referente à safra
2003/2004 (outubro a março).
110
APÊNDICE 11. Continuação...
111
APÊNDICE 12. Série temporal média de EVI para o Rio Grande do Sul referente à safra
2004/2005 (outubro a março).
112
APÊNDICE 12. Continuação...
113
APÊNDICE 13. Série temporal média de EVI para o Rio Grande do Sul referente à safra
2005/2006 (outubro a março).
114
APÊNDICE 13. Continuação...
115
Safras agrícolas
Região Área (mil ha)
2000/2001 2001/2002 2002/2003 2003/2004 2004/2005 2005/2006
NDVI 336,4 280,6 427,9 309,7 305,4 322,7
1
IBGE 259,6 275,6 258,7 281,9 260,8 249,5
NDVI 165,4 206,5 291,5 184,8 230,7 192,8
2
IBGE 165,5 170,9 167,2 175,1 167,2 173,0
NDVI 147,5 175,2 195,5 165,3 176,5 176,5
3
IBGE 145,8 150,6 152,8 161,4 151,4 157,1
NDVI 121,6 138,7 129,8 130,1 136,9 161,5
4
IBGE 107,9 112,4 114,2 120,4 116,1 130,4
NDVI 139,1 162,3 158,3 126,4 151,9 150,7
5
IBGE 102,0 107,2 110,5 126,2 131,4 125,0
NDVI 226,0 253,0 331,8 222,0 181,6 196,3
6
IBGE 158,1 155,0 149,7 171,4 173,8 148,4
APÊNDICE 14. Área cultivada de arroz irrigado (mil ha), nas diferentes regiões orizícolas
do Rio Grande do Sul, estimada com imagens NDVI/MODIS e dados
oficiais (IBGE), para as safras 2000/2001 até 2005/2006.
116
Safras agrícolas
Região Área (mil ha)
2000/2001 2001/2002 2002/2003 2003/2004 2004/2005 2005/2006
EVI 503,3 303,7 564,5 405,5 479,4 481,7
1
IBGE 259,6 275,6 258,7 281,9 260,8 249,5
EVI 191,9 174,9 269,9 171,0 220,6 237,7
2
IBGE 165,5 170,9 167,2 175,1 167,2 173,0
EVI 171,8 154,0 200,6 166,5 184,9 233,0
3
IBGE 145,8 150,6 152,8 161,4 151,4 157,1
EVI 140,4 143,6 123,5 118,9 134,3 180,1
4
IBGE 107,9 112,4 114,2 120,4 116,1 130,4
EVI 135,4 156,8 134,4 128,1 143,8 169,1
5
IBGE 102,0 107,2 110,5 126,2 131,4 125,0
EVI 198,8 216,9 213,8 185,8 171,5 193,8
6
IBGE 158,1 155,0 149,7 171,4 173,8 148,4
APÊNDICE 15. Área cultivada de arroz irrigado (mil ha), nas diferentes regiões orizícolas
do Rio Grande do Sul, estimada com imagens EVI/MODIS e dados
oficiais (IBGE), para as safras 2000/2001 até 2005/2006.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
