Portuguese (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
INTRODUÇÃO
A amendoeira, (Prunus dulcis (Mill.) D. A. Webb), é uma cultura com elevado valor comercial, devido às suas inúmeras propriedades nutricionais da amêndoa (Martínez-García et al., 2019). Os Estados Unidos da América, nomeadamente a Califórnia, são o maior produtor de amêndoa, correspondendo a cerca de 60 % da produção mundial. A produção mundial de amêndoa tem vindo continuamente a aumentar, principalmente nos países mediterrânicos, tais como Portugal, Espanha, Itália e França, onde o clima quente e seco propicia o desenvolvimento da amêndoa (Rodrigues et al., 2012). Em Portugal, a cultura da amendoeira localiza-se essencialmente nas regiões de Trás-os-Montes, Alentejo e Algarve (Barreira et al., 2010).
Na última década, diversos estudos têm sido realizados no amendoal, recorrendo-se às plataformas de deteção remota (DR). Entre esses, destacam-se os estudos relacionados com a monitorização do “stress” hídrico (Gonzalez-Dugo et al., 2012; Zhao et al., 2017; Gutiérrez-Gordillo et al., 2021). Porém, a maioria desses estudos apresenta análises ao nível da exploração agrícola. Tendo em consideração os princípios associados à agricultura de precisão, os processos de monitorização e medição necessitam de considerar a variabilidade dentro das explorações agrícolas (Daponte et al., 2019). Assim sendo, a análise ao nível da árvore, com base na extração de parâmetros individuais , é crucial para a caracterização e monitorização de pomares de amendoeiras (Torres-Sánchez et al., 2018).
Tendo em consideração os desafios decorrentes das alterações climáticas, a análise e monitorização das culturas ao nível da árvore são fundamentais (Howden et al., 2007). Neste contexto, pretendemos apresentar uma metodologia para a extração de parâmetros estruturais ao nível da árvore (altura das árvores, número de árvores, área da copa), bem como efetuar a computação do índice de vegetação (NDVI), essencial para a monitorização do amendoal, utilizando-se os dados multiespectrais adquiridos por VANT. Como caso de estudo, foram efetuados diversos voos com o VANT, num pomar de amendoeiras, em quatro épocas distintas, ao longo de dois anos (2021 e 2022). Os voos foram efetuados durante o Verão, uma vez que, desta forma tornou-se possível efetuar um acompanhamento mais conciso dos níveis de stress hídrico no amendoal.
MATERIAL E MÉTODOS
Área de estudo e aquisição de dados com VANT
A recolha de dados foi efetuada num amendoal de sequeiro (Figura 1), com cerca de 0,50 hectares, da cultivar ‘Lauranne’, localizado em São Salvador, Bragança, Portugal (41°25'55.7"N, 7°08'06.7"W, 342 m altitude).
Os dados do VANT foram adquiridos através de um multi-rotor Phantom 4 (DJI, Shenzhen, China). Para captar as imagens RGB georreferenciadas, a câmera foi equipada com um sensor CMOS (resolução de 12,4 MP) assente num estabilizador de três eixos. As imagens multiespectrais foram capturadas com a câmera Parrot SEQUOIA (Parrot SA, Paris, França), a qual é composta por quatro sensores que permitem capturar quatro bandas distintas, com uma resolução de 1,2 MP: verde, 550 nm (largura de banda de 40 nm); vermelho, 660 nm (largura de banda de 40 nm); red edge, 735 nm (largura de banda de 10 nm) e infravermelho próximo, 790 nm (largura de banda de 40 nm). Os dados de irradiação são obtidos durante o voo e os dados de refletância são recolhidos através de um alvo de calibração radiométrica.
Os voos foram efetuados durante a época estival, mais propriamente, a 29 de junho e a 5 de agosto de 2021, bem como a 4 de julho e 18 de agosto de 2022. Este período caracteriza-se por um clima quente e seco, com baixos valores de precipitação (Cordeiro e Monteiro, 2002).
A altura de voo foi de 60 metros, com uma sobreposição longitudinal das imagens de 80 % e uma sobreposição lateral de 70 %.
Processamento de dados
O processamento de dados baseou-se em três etapas principais (figura 2): (1) processamento fotogramétrico; (2) segmentação da copa das árvores; e (3) extração de parâmetros por árvore.
Figura 2 Etapas do processamento de dados. (1) Processamento fotogramétrico; (2) segmentação da copa das árvores; e (3) extração de parâmetros por árvore.
O processamento fotogramétrico foi efetuado através do software Pix4Dmapper Pro (Pix4D SA, Lausanne, Suíça). Este software foi utilizado no processamento das imagens RGB e multiespectrais. Como resultado do processamento, foram gerados: o ortofoto mosaico, o Modelo Digital de Terreno (MDT), o Modelo Digital de Superfície (MDS) e os índices de vegetação. Os dados foram devidamente alinhados durante o processamento fotogramétrico, utilizando-se os pontos em comum encontrados nas imagens dos sensores. O modelo de altura da copa (MHC) foi calculado através do MDS e o MDT.
O MHC foi utilizado como entrada no processo de deteção e segmentação da copa das árvores. No processo de segmentação foi aplicado um limiar de 0,5 m, valor este que se revelou eficaz, uma vez que eliminou completamente a vegetação rasteira existente, bem como as sombras projetadas pelas copas das árvores. Deste procedimento resultou uma máscara binária que foi, posteriormente, vetorizada para se obter os polígonos para cada copa de árvore detetada.
No último procedimento de processamento de dados, as copas das árvores segmentadas foram usadas para obter o valor médio de NDVI para cada copa e para extrair outros parâmetros como: altura da árvore (derivada de MHC) e o número de árvores.
RESULTADOS
Tendo em consideração o processamento de dados efetuado, foi possível obter o valor médio do NDVI, calculado para cada copa das árvores em 29 de junho de 2021 (Figura 3a), 5 de agosto de 2021 (Figura 3b), 4 de julho de 2022 (Figura 3c) e 18 de agosto de 2022 (Figura 3d).
Figura 3 Resultados do processamento de dados. NDVI médio por árvore em (a) 29/06/2021, (b) 05/08/2021, (c) 04/07/2022, e (d) 18/08/2022.
De acordo com os resultados apresentados na Figura 3, é possível constatar-se que houve uma diminuição dos valores do NDVI de 29/06/2021 (a) para 05/08/2021, uma vez que a 05/08/2021 já se refletia a influência da diminuição da precipitação (Figura 4) registada de junho a agosto de 2021.
Tendo em consideração as quatro datas de recolha de dados, verifica-se que houve uma regressão progressiva ao longo do tempo dos valores do NDVI médio, a qual está associada ao aumento do “stress” hídrico verificado no ano de 2022. Ao analisar-se a Figura 4, é evidente a redução nos valores de precipitação, entre o ano de 2021 e 2022, visto que de janeiro até agosto de 2021 registaram-se, aproximadamente, 584 mm de precipitação, enquanto em 2022 esse valor foi de apenas 174 mm.
No que diz respeito aos valores obtidos na extração de parâmetros, foram detetadas 173 árvores. Em relação à altura das árvores, de acordo com a Figura 5, 53 árvores têm valores abaixo dos 2,65 metros, 60 árvores têm valores de altura entre 2,65 e 3,01 metros e 60 árvores apresentam valores entre 3,01 e 4,67 metros.
Relativamente aos valores da área da copa, medidos ao longo das quatro datas de recolha dos dados, verificou-se que houve uma diminuição progressiva da área da copa, sendo mais evidenciada a 18/08/2022, com um aumento significativo das árvores com áreas entre 0 e 4,5 m2.
CONCLUSÕES
A metodologia apresentada neste estudo permitiu obter vários parâmetros ao nível da árvore num amendoal. Os resultados experimentais apresentados neste estudo mostram a viabilidade de monitorar o declínio vegetativo ao longo do tempo, ao analisar diferentes datas. Em trabalhos futuros, outras métricas também poderão ser estimadas, tais como volume das árvores, bem como, outros índices de vegetação. Além disso, o desenvolvimento vegetativo do amendoal, durante a época de crescimento, será avaliado usando dados espácio-temporais adquiridos por UAV com outros sensores, como por exemplo o sensor térmico e o hiperespectral.
