Monitoramento De Cana-de-Açúcar No Brasil: Datas E Áreas
O Brasil é o maior exportador de açúcar do mundo: fornece cerca de 50% de todo o açúcar. Tanto agronegócios, como agricultores também fazem o processamento da cana-de-açúcar. A cultura é utilizada para a produção de etanol – un combustível renovável.
Neste estudo de caso vamos descobrir como a EOS Data Analytics realizou um projeto personalizado de monitoramento da colheita de cana-de-açúcar para uma empresa brasileira.
Visão Geral: Produção De Açúcar No Brasil
Os negócios agrícolas do país começaram a transição da queima manual da pré-colheita (queima de folhas e topos da cana-de-açúcar, deixando apenas os talos com açúcar) – uma prática ultrapassada, cara e ambientalmente prejudicial para a colheita da cana verde. Esta abordagem alternativa envolve o uso de máquinas com ventiladores para limpar as folhas e pontas dos caules deixando a biomassa no solo para recompô-lo. Graças a essa mudança, os agricultores podem agilizar as operações no campo e recolher o ano inteiro, inclusive na estação chuvosa. A aceleração da produção de açúcar é especialmente oportuna, dada a crescente demanda de alimentos e o aumento proporcional do consumo de açúcar. Porém os novos métodos de cultivo e colheita de cana-de-açúcar exigem a adoção de tecnologias que permitam avaliar a produção e monitorar continuamente as terras agrícolas para detectar as mudanças tempestivamente.
Desafio: Alto Custo Do Pessoal Para Inspeções Presenciais De Campo E De Monitoramento De Colheita No Solo
Quando se trata de monitoramento de colheita no nível regional ou nacional, é necessário o método que supere a limitação de cobertura do monitoramento de drones e a desvantagem de alto custo de manutenção de equipamentos e máquinas agrícolas indispensáveis para o monitoramento de colheita no campo. Para monitorar o progresso da colheita em grandes áreas de canaviais, o uso de dados de satélite pode ser uma solução racional. A EOS Data Analytics trabalhou com um projeto desse tipo para determinar as datas de colheita no nível de campo para um cliente brasileiro.
Solução: Monitoramento De Datas De Colheita E Cálculo De Áreas Colhidas Usando Dados Satelitais, Meteorológicos E Agronômicos
A EOSDA determinou as datas de colheita e calculou as áreas colhidas para uma empresa brasileira que precisava dessas informações para programar e otimizar operações logísticas. O fabricante de açúcar gerencia os campos no estado de São Paulo, responsável por 60% da produção de cana do país.
A equipe estava trabalhando no projeto piloto em 2019 – 2020 usando registros a partir do ano 2018 (quando a cana-de-açúcar foi plantada nos campos monitorados).
O desenvolvimento customizado de algoritmos para monitorar a colheita da cana-de-açúcar foi justificado pela singularidade da cultura e pela diferença nos sinais de colheita comparado com os grãos.
A cana-de-açúcar é plantada duas vezes por ano, no inverno (agosto a setembro) e no verão (fevereiro a abril) em solo bastante úmido. A planta cresce durante um ano ou um ano e meio. Na maioria dos casos, os agricultores colhem a cana-de-açúcar em estado verde e durante a seca no inverno, quando a concentração de sacarose nas plantas é a mais alta.
Os especialistas construíram dois algoritmos independentes baseados em árvores de decisão. O Algoritmo 1 foi adaptado para analisar os dados ópticos multiespectrais de séries temporais do Sentinel-2 , enquanto o Algoritmo 2 foi usado para analisar os dados de radar satelital de séries temporais do Sentinel-1 em combinação com os dados ópticos.
EOSDA Crop Monitoring
Aceda às imagens de satélite de alta resolução para assegurar uma gestão eficaz dos campos!
A decisão de usar os dois tipos de dados satelitais foi baseada em suas propriedades e na disponibilidade parcial de dados ópticos.
Os dados ópticos são uma boa escolha, já que a cana é colhida ainda verde. Além disso, entre os prós estão o tempo de revisita frequente do satélite (cinco dias) e a alta sensibilidade dos coeficientes de reflexão nas bandas espectrais às mudanças na vegetação dentro dos campos. A desvantagem das imagens ópticas é que a nebulosidade e neblina não permitem capturar as características espectrais de vários canais usados na análise. É aí que são úteis os dados do radar. Além disso, as imagens satelitais de radar nos dão uma maior visão porque podemos determinar a textura da mudança de campo. Por exemplo, depois da colheita da cultura, ainda permanece no campo uma área de raiz (resíduo da colheita) e sua altura e estrutura não são mais as mesmas. A desvantagem de usar os dados de radar é sua resolução temporal – 10 a 12 dias.
Usando dados ópticos. Para determinar a data de colheita usando dados ópticos de séries temporais do satélite Sentinel-2, os especialistas analisaram imagens com NDVI já que a refletância espectral da vegetação verde, dos resíduos de colheita e do solo sem vegetação é diferente. Os valores do índice aumentam gradualmente durante o crescimento da planta e diminuem significativamente após a colheita. E como os canaviais são colhidos por partes ( de 5 a 10 ha cada), os grandes campos foram divididos em parcelas quadradas para garantir que a queda do índice seja mais detectável.
As melhores estimativas de áreas colhidas por mês foram obtidas para o período de março a agosto de 2018, quando a porcentagem de pixels nublados foi inferior a 45% da área da imagem.
Usando dados de SAR. As imagens de radar podem ser usadas para esclarecer as datas de colheita determinadas com base em dados ópticos e, como mencionamos, para especificar as datas de colheita quando as câmeras satelitais ópticas não conseguem capturar as características espectrais dos canais necessários devido à nebulosidade.
Para monitorar a colheita de acordo com os dados de SAR, usamos séries de coerência temporal geradas pelas imagens do Sentinel-1 IW SLC. A coerência baixa corresponde ao período de colheita. Finalizada a colheita, a coerência cresce rapidamente devido ao solo nu ou à vegetação escassa.
Além dos dados satelitais, a equipe utilizou o agro calendário (datas de semeadura da cana-de-açúcar) e os dados meteorológicos, pois o uso conjunto da um resultado mais preciso.
Para calcular a extensão dos campos colhidos, a equipe usou um mapa vetorial com polígonos de áreas específicas e definiu as mudanças dentro dos limites dos campos usando imagens satelitais.
Se necessário, usando essa tecnologia podemos registrar a colheita parcial de um campo.
Resultado: Definido Estado Da Colheita, Datas E Área Colhida De 30 Campos
A equipe preparou um mapa vetorial digital com 30 campos, divididos em 574 parcelas, definindo o estado da colheita, a área colhida e as datas de colheita. A área total dos campos monitorados era de 3745 ha. Os territórios colhidos identificados pela visualização coincidem com o algoritmo de dados ópticos (Algoritmo 1) em 97%; a coincidência com o algoritmo baseado em radar e dados ópticos (Algoritmo 2) é de 90%.
Ao trabalhar com dados ópticos, os cientistas alcançaram maior precisão na definição das datas de colheita porque o tempo de revisita do satélite Sentinel-2 foi menor (5 dias) do que o do Sentinel-1 (10 – 12 dias). Assim, o uso de dados capturados por satélites ópticos e de radar foi justificado.
Terminado o projeto piloto em 2020, o cliente solicitou o acompanhamento dos trabalhos de colheita em outra província.
Sobre o promotor:
Natalia Ivanchuk possui um mestrado em Matemática Aplicada pela Universidade Nacional de Engenharia Hídrica e Ambiental. Ela é autora de mais de 60 publicações científicas, monografias e outros trabalhos científicos. A experiência de Natalia e o constante desejo de aprender e aperfeiçoar suas habilidades de programação (C++, C#, JS, Python), têm sido muito benéficos para a EOS Data Analytics.
Artigos recentes
Antracnose: Como Identificar E Controlar A Doença
A antracnose se espalha rapidamente e pode devastar culturas importantes. Aprenda métodos de detecção precoce e opções de tratamento para proteger suas plantações dessa ameaça fúngica.
Plantar Bananas: Como Plantar E Cuidar De Uma Plantação
Muitos agricultores se interessam em cultivar bananas pela popularidade da fruta. Porém, recentemente surgiu a questão urgente de combater doenças que ameaçam toda a indústria.
Agricultura De Carbono: O Que É E Como Implementá-la Hoje
Tradicionalmente, a agricultura emitia gases de efeito estufa em vez de sequestrá-los. A agricultura de carbono visa mudar isso, mantendo a economia para os players do agronegócio.