AQUISIÇÃO DE ATRIBUTOS DAS CULTURAS DANIEL MARÇAL DE QUEIROZ FRANCISCO DE ASSIS DE CARVALHO PINTO Professor, Depto. de Engenharia Agrícola, UFV.

Slides:



Advertisements
Apresentações semelhantes
PLANEJAMENTO E CONSTRUÇÃO DE UMA UT
Advertisements

UNIVERSIDADE FEDERAL DE VIÇOSA
Processamento de Imagens
Cultivo de plantas medicinais
Recursos.
MONITORAMENTO DA OCUPAÇÃO AGRÍCOLA
INTRODUÇÃO À FERTILIDADE DE SOLOS
TÍTULO Plano Safra Cuidados para não perder a cobertura do SEAF.
Colheita mecanizada de grãos PERDAS
Daniel Marçal de Queiroz
Geoestatística Aplicada à Agricultura de Precisão II
Sensoriamento Remoto Prof. Francisco de Assis de Carvalho Pinto
Agricultura de Precisão
Universidade Federal Rural do Rio de Janeiro
Imagens Digitais na Agricultura de Precisão
USO DO GPS NA AGRICULTURA DE PRECISÃO
Processamento de Imagens Digitais na Agricultura de Precisão
AGRICULTURA DE PRECISÃO
AGRICULTURA DE PRECISÃO - Situação Atual e Perspectivas -
Manejo de nutrientes com base em mapas
Prof. Carlos Alberto Alves Varella –
SISTEMA DA INFORMAÇÃO GEOGRÁFICA
Calagem, Adubação e Nutrição da Cultura da Goiabeira William Natale Professor Adjunto Departamento de Solos e Adubos UNIVERSIDADE.
 Absorção, translocação e redistribuição
Polo Regional Leste Paulista – Monte Alegre do Sul /SP
 Absorção, translocação e redistribuição
Introdução ao Sensoriamento Remoto Sumário
Agricultura de Precisão – Ferramenta para Diminuir o Custo da Adubação
Agricultura de Precisão – Ferramenta para Diminuir o Custo da Adubação
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
- Soluções em Geoprocessamento
Aula # 2 Os Benefícios dos Serviços de Meteorologia para a Agricultura - O Caso do Brazil - Dr. Paulo C. Sentelhas.
Epidemiologia e Saúde Ambiental
GEOPROCESSAMENTO Aula 1: Fundamentos de Sensoriamento Remoto
SENSORIAMENTO REMOTO MOSAR FARIA BOTELHO.
PLANTIO.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Tecnologia e Produção de Sementes
Índices de vegetação Medidas quantitativas do vigor da vegetação Aplicações: Detecção de mudanças no uso do solo Avaliação da densidade da cobertura vegetal.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
Visite nosso site ! - Soluções em Geoprocessamento Distribuidor autorizado da MicroImages.
FISIOLOGIA DE PRODUÇÃO
Capítulo 5 – Tecnologias modernas aplicadas à cartografia
Variabilidade espacial e estimativa da duração do período de molhamento em vinhedo de ‘Niagara Rosada’ Disciplina LCE 5702 – Métodos Instrumentais de Análise.
Produção Vegetal Fatores de Produção
COMPARAÇÃO DE CLOROFILÔMETROS COMO INDICADORES DE SUFICIÊNCIA DE NITROGÊNIO EM CANA-DE-AÇÚCAR Lucas Rios do Amaral Engenheiro Agrônomo - Mestrando em Fitotecnia.
Detecção remota: fundamentos
Detecção remota: fundamentos
COMPOSTAGEM.
Prof. Carlos Alberto Alves Varella –
MANEJO INTEGRADO DE DOENÇAS DE PLANTAS - MID
A VITICULTURA DA METADE SUL
OS RESULTADOS ENTRE PENETRÔMETROS SÃO COMPARÁVEIS?
Condições Edafoclimáticas em Viticultura
MONITORAMENTO QUALIDADE DO AR
Gener Augusto Penso Moira Schmeng Ricardo Carnieletto
Monitoramento da variabilidade espacial de fatores de produção Prof. Dr. Cristiano Zerbato.
Faculdade de Engenharia de Minas Gerais – Campus Gameleira INSTITUTO EDUCACIONAL “CÂNDIDA DE SOUZA” Graduação em Engenharia de Agrimensura Anderson Santos.
“A nutrição como fator de sucesso na irrigação – A experiência de canaviais irrigados produzindo mais de 200 t/ha” Ademario Araujo Filho outubro/2015.
Alimentação,Ambiente e Sustentabilidade Exploração das potencialidades da BIOSFERA 1.
Evolução Tecnológica das Máquinas Agrícolas
DESENVOLVIMENTO DE FUNÇÕES DISCRIMINANTES PARA IDENTIFICAÇÃO DE ESTRESSE DE NITROGÊNIO EM IMAGENS DA CULTURA DO MILHO VARELLA, C.A.A.1, PINTO, F. A. C.
Transcrição da apresentação:

AQUISIÇÃO DE ATRIBUTOS DAS CULTURAS DANIEL MARÇAL DE QUEIROZ FRANCISCO DE ASSIS DE CARVALHO PINTO Professor, Depto. de Engenharia Agrícola, UFV.

INTRODUÇÃO AGRICULTURA DE PRECISÃO: De acordo com Fran Pierce da Michigan State University (EUA): “fazer a coisa certa, no tempo certo, no lugar certo e da maneira certa”

A cultura é o melhor sensor sobre o ambiente na qual está inserida INTRODUÇÃO A cultura é o melhor sensor sobre o ambiente na qual está inserida Sensores que podem medir o que a cultura está sentindo podem fornecer informações sobre as condições das culturas necessárias para direcionar a aplicação à taxas variáveis de insumos

INTRODUÇÃO Uma das formas de analizar o desenvolvimento das culturas é por meio das características de reflectânica espectral O mapeamento da variabilidade espacial do stress da cultura pode tornar possível o tratamento de fatores como doenças, deficiências de nutrientes ou deficiência de água no solo

INTRODUÇÃO A dificuldade do mapeamento da variabilidade espacial do stress da cultura é discriminar qual fator está causando o stress uma vez que todos os fatores induzem a clorose foliar com pequena condição de distinção via característica espectral O mapeamento pode identificar as áreas com stress e o pessoal de campo pode identicar a causa do stress

Scouting

Scouting - Sensor de clorofila Quase todo nitrogênio foliar está contido nas moléculas de clorofila Portanto, existe uma alta correlação entre o nitrogênio foliar e o teor de clorofila

Scouting - Sensor de clorofila O teor de clorofila quantificado pelo SPAD é apresentado na forma de um valor relativo sem dimensão A clorofila utiliza a luz vermelha, e o medidor de clorofila é baseado na quantidade de luz vermelha absorvida e na quantidade transmitida através da folha Quanto mais clorofila a folha tem, mais luz vermelha é absorvida

Scouting - Sensor de clorofila O medidor de clorofila é mais sensível na faixa entre o estado de nutrição deficiente e o adequado em termos de nitrogênio O sensor de clorofila não indica portanto excesso de N O sensor mede a diferença relativa do stress de N

Scouting - Sensor de clorofila Sensor de clorofila pode auxiliar na recomendação de N para milho e sorgo porque pequenos excessos de N não causa redução de produtividade ou qualidade Excesso de N em culturas como algodão, beterraba, trigo e cevada pode afetar negativamente a saúde, a produtividade e o valor do produto final

Scouting - Sensor de clorofila A estratégia de amostragem para medidas do teor de clorofila deve ser definida para cada cultura e para cada tipo de folha As leituras devem ser feitas levando-se em consideração o estágio de crescimento, a idade relativa das folhas amostradas e a posição na folha onde a medida é feita

Sensor de clorofila - Milho A maior necessidade de N para o milho se inicia de 30 a 45 dias após a emergência Folhas devem ser amostradas quando a planta atinge o estágio V6 (planta com cerca de 30 cm – 6 folhas) Local de medição:

Sensor de clorofila - Milho Para se definir a quantidade de N a partir do valor de SPAD o ideal é teor uma área referência sem stress de N A leituras de SPAD devem ser coletadas para a mesma variedade/cultivar, mesmo estágio de crescimento e em áreas com histórico similar Calcula-se um Índice de Suficência de N

Sensor de clorofila - Café Igor Nardelli Emmerich

Sensor de Stress de Nitrogênio

Scouting

Sensoriamento remoto no mapeamento das culturas Na Inglaterra: Mapa de Índice de Diferença Normalizada de Vegetação

Imagens Aéreas Imagem CIR - 1000 m Reboleiras de Plantas Daninhas

Imagens de Satélite Uma semana depois Acompanhamento da doença “blackleg” em campo de batata - Califórnia

Mapeamento de plantas daninhas Mapa de aveia selvagem (wild oat) obtido no momento da colheita obtido usando GPS

Mapeamento de plantas daninhas Mapa de aveia selvagem (wild oat) obtido usando um veículo fora de estrada e um sistema de reconhecimento automático de voz

WeedSeeker

Outros tipos de atributos das plantas que podem ser mapeados População de plantas Altura ou estágio de desenvolvimento das plantas

Perguntas ???