Relação entre o cultivo de cevada e condições ambientais no Rio Grande do Sul por sensoriamento remoto

Abstract

A produção agrícola é o setor que mais contribui para o crescimento do Produto Interno Bruto (PIB) brasileiro anualmente. Desta forma, é importante englobá-la em pautas do desenvolvimento sustentável. Buscar ferramentas que visam o monitoramento agrícola auxilia na tomada de decisão, e de forma estratégica é possível alinhar a produção de culturas e a sustentabilidade. O sensoriamento remoto entra como uma ferramenta para atingir este objetivo. Neste contexto, o presente estudo procurou a existência de correlação entre os índices espectrais, utilizados para caracterização fenológica da cevada, e variáveis ambientais em regiões de cultivo para cada um dos meses (maio a novembro), ao longo das safras de 2015 e 2020. Foram consideradas as áreas de cultivo de cevada no estado do Rio Grande do Sul, um dos estados mais representativos no cenário nacional de produção de cevada. Os índices espectrais foram calculados por sensoriamento remoto, para área de estudo: Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Leaf Area Index (LAI) e Normalized Difference Water Index (NDWI). Além disso, foram obtidos dados climatológicos (precipitação, temperatura da superfície terrestre, temperatura do ar e Ocean Niño Index - índice que indica a ocorrência do El Niño ou La Niña), e calculadas as anomalias de cada um deles, buscando a caracterização climatológica. Após a obtenção dos dados foram aplicadas ferramentas estatísticas de correlação entre os próprios índices e as anomalias ambientais. Dentre os principais resultados encontrados, pode ser citado o ápice da atividade fotossintética da cevada ocorrendo nos meses intermediários do cultivo (mais especificamente em agosto para o período analisado). Também foi diagnosticada a correlação entre taxas elevadas de precipitação nos meses iniciais de cultivo e redução da produtividade. Por fim, foram encontradas correlações mais expressivas entre os índices de vegetação (em especial, NDVI e LAI, visto que um NDVI é dado de entrada para cálculo do LAI), a correlação indireta entre a temperatura do ar e índices de vegetação e a correlação entre a temperatura do ar com os valores obtidos para o LST.

Agricultural production is the sector that most contributes to the growth of the Brazilian Gross Domestic Product (GDP) annually. Therefore, it is important to include it in sustainable development guidelines. Searching for tools aimed at agricultural monitoring helps in decision-making, and strategically it is possible to align crop production and sustainability. Remote sensing comes in as a tool to achieve this goal. In this context, the present study looked for the existence of a correlation between the spectral indices, used for the phenological characterization of barley, and environmental variables in growing regions for each of the months (May to November), throughout the 2015 and 2020 harvests. The barley growing areas in the state of Rio Grande do Sul, one of the most representative states in the national scenario of barley production, were considered. The spectral indices were calculated by remote sensing, for the study area: Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), Leaf Area Index (LAI), and Normalized Difference Water Index (NDWI). In addition, climatological data (precipitation, land surface temperature, air temperature, and Ocean Niño Index - an index that indicates the occurrence of El Niño or La Niña) were obtained, and the anomalies of each of them were calculated, seeking climatological characterization. After obtaining the data, statistical tools were applied to correlate the indices themselves and the environmental anomalies. Among the main results found, it can be mentioned the peak of the photosynthetic activity of barley occurred in the intermediate months of cultivation (more specifically in August for the analyzed period). The correlation between high rates of precipitation in the initial months of cultivation and reduced productivity was also diagnosed. Finally, more expressive correlations were found between the vegetation indices (in particular, NDVI and LAI, since an NDVI is an input for calculating the LAI), the indirect correlation between air temperature and vegetation indices, and the correlation between the air temperature and the values obtained for the LST.