Avaliação de produtos do sensor MODIS para aplicações na estimativa de parâmetros biofísicos da cultura da soja no estado do Rio Grande do Sul

Abstract

Estimativas do rendimento da soja são informações importantes que podem auxiliar as instituições na tomada de decisão quanto à políticas de comercialização. São consideradas também, na liberação de recursos para o financiamento da produção e seguro agrícola. Modelos matemáticos, que se baseiam nas relações clima planta, denominados modelos agrometeorológicos, podem estimar o rendimento médio de grãos, através de dados meteorológicos e biofísicos da cultura, como exemplo: o IAF (Índice de área foliar) da soja pode ser associado ao Kc (Coeficiente de cultura) para estimar o estádio fenológico, e esta informação, ser associada à parametrização dos modelos. O objetivo geral deste trabalho foi avaliar as possibilidades de se utilizar imagens do sensor MODIS, para estimar parâmetros biofísicos da soja, aplicáveis à modelagem do rendimento de grãos. A área de estudo abrangeu a porção norte do estado do Rio Grande do Sul. Foram obtidas as imagens do IAF, MOD15A2, e dos índices de vegetação NDVI (Índice de vegetação por diferença normalizada) e NDWI (Índice de umidade por diferença normalizada), do produto MOD13Q1. Foram analisadas duas safras: 2003/04 e 2004/05. O período de safra foi de 15 de outubro até 30 de abril. Foram geradas máscaras de cultivo para as safras, e aplicadas sobre as imagens. Inicialmente, foram comparadas as médias do IAF, MOD15A2, às outras estimativas do IAF obtidas a partir de funções de relação com o NDVI, e analisados os diagramas de dispersão para cinco datas. Então foi estimado o Kc_1 com as médias do IAF, MOD15A2, conforme Martorano (2007), e comparadas ao Kc_2 ajustado conforme Matzenauer, 2002. Foi calculado o balanço hídrico meteorológico da cultura a fim de se obter o Índice de Satisfação das Necessidades de Água das plantas (ISNA), sendo ISNA_1 considerando o Kc_1, e o ISNA_2, o Kc_2. Foram obtidos os índices de correlação entre o ISNA_1 e 2 e os índices NDVI e NDWI, para o ciclo completo da cultura e para períodos de baixo ISNA. Como resultado, o IAF, MOD15A2 apresentou coerência com a evolução do IAF durante o ciclo, porém, em média, apresentou valores inferiores aos observados por Fontana et al. (1992) e Martorano (2007). Já como estimador do Kc, apresentou coeficientes de variação inferiores ao observado no Kc_2. Observou-se também que no IAF, MOD15A2 ocorriam valores superestimados do Kc entre a semeadura e o máximo desenvolvimento, e após, subestimados, o que potencializou períodos de déficit hídrico acentuado durante a floração e enchimento de grãos, em ambas as safras. Já, avaliando os índices de correlação, o ISNA_1, apresentou correlações de maior significância com os índices de vegetação do que o ISNA_2. Com isso podemos supor que, mesmo o IAF, MOD15A2 não tendo apresentado valores compatíveis com os da soja, demonstrou maior significância nas correlações, o que indica que imagens MODIS, podem gerar estimativas adequadas tanto do IAF, quanto do Kc, e também, representar adequadamente as condições hídricas. É recomendável avaliar estimativas do IAF da soja, a partir de suas relações com o NDVI, a fim de se obter resultados compatíveis com a soja.

Estimates of soybean yield are useful information that can assist institutions in decisions related by commercial policies. It is considered also in financing of production and agricultural insurance. Mathematical models, which are based in clime plant relationship known as Agrometeorological Models, can provide an estimate for grain yield through meteorological and biophysical data correlated with the culture, as an example: the LAI (Leaf Area Index) of soybean can be related with the Kc (Culture's coefficient) to estimate the phenological stage, and this information, applied to model's parameters. The main objective of this work was evaluated of possibilities of MODIS's images, in estimation of biophysical parameters, which are applicable in yield's modeling for soybean. The studying area was a portion of northern of State of Rio Grande do Sul. Were obtained images from LAI, MOD15A2, and vegetation indexes, NDVI (Normalized Difference Vegetation Index) and NDWI (Normalized Difference Water Index) from MOD13Q1 product. Were analyzed two harvests: 2003/04 and 2004/05. The length of time for harvest was 15th October to 30th April. Soybean's areas was detected and masks were applied on the images. Firstly, were compared the means between LAI, MOD15A2 and two different methodologies of LAI's estimation based on relationship with NDVI. The scatter plots were discussed between LAI, MOD15A2 and other methodologies, for five key-dates. The culture's coefficient Kc_1 was estimated through LAI, MOD15A2, according to Martorano (2007), and compare with Kc_2, which were obtained from fitted culture's coefficient by Matzenauer (2002). The water balance were calculated aiming the index for Plant's water satisfaction needs (ISNA), which, ISNA_1 has considered the Kc_1, and ISNA_2, the Kc_2. Correlation indexes were obtained between ISNA_1 and 2, and vegetation indexes NDVI and NDWI, for the whole culture's cycle and specific periods of low ISNA. As results, LAI, MOD15A2, has presented coherence with soybean's cycle progress, however, as a rule, it presents lower values, comparing to Fontana et al. (1992) and Martorano (2007). Even now as a Kc's estimator, Kc_1 has presented lower variation's coefficient compared to Kc_2. Was observed also overrated in Kc_1 between the sowing to maximum development, and after, underestimated, what provokes periods of accented hydric deficiency during flowering and grain forming stages, in both harvests. Now, as to correlation's indexes, we observed more significance correlations between both vegetation's indexes and ISNA_1. This way, these results has indicated that remote sensing images can provide accurate estimates of IAF as much as Kc, and also indicate the hydric conditions of plants. It is recommended to improve the LAI's mean values on the images, exploring the relationship with NDVI, looking for adequate values for the case of soybean.