Dissertação de Mestrado - Luciana Miura Sugawara

Dissertação de Mestrado em Sensoriamento Remoto, orientada pelo Dr. Bernardo
Friedrich Theodor Rudorff, aprovada em 27 de setembro de 2001.

O presente trabalho tem por objetivo desenvolver um modelo para
acompanhamento e estimativa da produtividade da cultura da soja (Glycine
max L. Merril) em um sistema de informações geográficas (SIG), a partir de um
modelo agrometeorologico pontual e imagens NOAA-AVHRR. A integração do
modelo e da base de dados foi realizada através do aplicativo SPRING e os
cálculos foram executados por meio do módulo de programação do SPRING,
denominado LEGAL. A área de estudo foi o Estado do Paraná e as estimativas
foram geradas, ao nível municipal, para os anos safra de 1996/97, 1997/98 e
1998/99. Mosaicos quinzenais de imagens NOAA-AVHRR, com resolução
espacial de 8 x 8 km, transformados em imagens NDVI, foram utilizados como
componente espectral no modelo agrometeorologico, visando estimar o índice
de área foliar (IAF). O modelo desenvolvido utiliza parâmetros agron6micos e
meteorológicos para calculo da produtividade máxima ou potencial. Esta
produtividade é então penalizada quando a demanda h1drica da cultura não é
suprida adequadamente, gerando a produtividade real estimada. A análise da
comparação desta estimativa com os valores de produtividade divulgados pela
Secretaria de Agricultura e Abastecimento do Paraná (SEAB), ao nível
municipal, foi feita através do teste "t" para pares de observagao, e o resultado
para cada ano safra foi: a) em 1996/97 o modelo subestimou a produtividade
em relação A estimativa da SEAB em 59kg/ha (t=-2,91; alfa<0,05); b) em
1997/98 a estimativa do modelo e da SEAB não apresentaram diferença
significativa (t=1,46; alfa>0,05); e em 1998/99 o modelo superestimou a
produtividade em 192kg/ha (t=7,59; alfa<0,05). Isso demonstra que o modelo
foi bastante satisfatório na estimativa da produtividade de soja e requer apenas
pequenos ajustes. Através do índice de penalizarão, gerado quinzenalmente
peso modelo, foi possível fazer o acompanhamento das condições de
crescimento e desenvolvimento da cultura da soja, detectando-se deficiências
hídricas relevantes ao tango da estação de crescimento em cada ano safra. O
aplicativo SPRING e seu módulo LEGAL foram satisfatórios na integração do
modelo e na realização dos cálculos de produtividade da soja. As imagens
NOAA-AVHRR não se mostraram satisfatórias para estimar o IAF, de tal forma
que se utilizou dados da literatura para estimar este parâmetro dentro do
calculo da produtividade.