Levantamento de falhas em cana-de-açúcar

Avaliação de falhas em cana-de-açúcar

Metodologia de Stolf

A metodologia apresentada visa o levantamento de linhas de plantio, assim como a quantificação de possíveis falhas sobre as linhas plantadas, usando imagens aéreas produzidas com drones.

EQUIPAMENTO

Para o levantamento das imagens foi utilizado o equipamento Arator 5B, da marca XMobots, que possui as seguintes características:

ARATOR 5B

 

  • Peso: 3,5 kg;
  • Velocidade cruzeiro: 57 km/h;
  • Tempo máximo de voo de 80 minutos;
  • GNSS: GPS/GLONASS com sistema RTK;
  • Camera: RGB, com 24 Mp.

PLANO DE VOO

A captura das imagens foi programada usando o software XPlanner 3.0, desenvolvido pela XMobots (xmobots.com.br).

PROCESSAMENTO

O aerolevantamento é a obtenção de imagens terrestres, complementada pelo registro e análise dos dados colhidos. O sensor RGB utilizado é o mesmo presente em todas as câmeras convencionais, e nos mostra um determinado objeto ou cena com suas cores reais, reproduzindo o que se vê a olho nu.

O drone realiza suas operações em missões orientadas por GPS para capturar fotografias sequenciais de uma determinada área. As imagens obtidas são processadas e por meio de softwares especializados geram os materiais cartográficos, como as ortofotos.

MÉTODOS DE ANÁLISE

O Método Stolf de Avaliação de Falhas

Figura 1: Calibração Do Método Stolf, válida para PLANTA e SOCA (Stolf et al.,1986 e 1991)

O método de avaliação de falhas segundo Stolf, desenvolvido na década de 1980 e início da década de 1990, permite a obtenção do índice de falhas e uma previsão de perdas de produtividade em cana-de-açúcar.

Com as mudanças no plantio de cana-de-açúcar, que passou a ser de forma mecanizada, ou semi-mecanizada, tem-se verificado um índice de brotação menor, cerca de 30%, ocasionando falhas no canavial, sendo associada à qualidade operacional do plantio.

“Falhas” são espaços vazios sem colmos nas linhas de cana-de-açúcar, sendo sua ocorrência associada à diminuição da produtividade.

Embora na atualidade na implantação da cultura é dada grande importância a falhas de brotação, ou seja, no seu plantio, outros fatores até a colheita, como o tipo e estado da lâmina de corte das colhedoras, provocam danos às soqueiras.

Desta forma, ervas invasoras, estiagem, baixa temperatura na época de plantio, ataque de pragas subterrâneas de rizoma, pisoteio das soqueiras provocam falhas, sendo importante o desenvolvimento de técnicas para a quantificação.

Em estudos complementares (STOLF et al. 1986 e STOLF et al. 1991) promoveu-se a calibração do método, ou seja, obteve-se a curva que correlaciona a produtividade com o índice de falhas.

As perdas resultaram lineares em um grande intervalo de falhas (0 -55 % de falhas), com perdas de 3,2 % de produtividade para um aumento de 10 % no índice de falhas.

O índice de falhas proposto por Stolf

Para calcular o índice basta somar o comprimento total de falhas maiores que 0,5 m em um trecho de linha de cana e dividir pelo comprimento do trecho considerado x 100:

De forma convencional, dá-se notas para cada talhão de acordo com a média de amostras, onde se recomenda para cada 10ha medir um total mínimo de 200 metros de linha, dividido em 4 amostras de 50 metros, ou 8 amostras de 20 metros.

Figura 2: Caracterização das linhas de plantio, seguido das falhas em parte da ortofoto.

A aplicação deste conceito à análise aerofotogramétrica realizada com Drones sai da subjetividade do levantamento realizado de forma convencional, indo de encontro aos padrões mais modernos da Agricultura de Precisão, onde as tomadas de decisões e tratamentos das falhas deixam de estar focadas em talhões, com grandes áreas, e passam a ser tratadas localmente, reduzindo consideravelmente o uso de recursos como mão-de-obra, insumos, mudas, entre outros.

Após a obtenção da imagem pelo VANT, o processamento da imagem é dividido em duas etapas. A etapa de identificação das linhas de cana-de-açúcar e a etapa de identificação das falhas nas linhas de plantio.

 

Com a informação de localização, e a dimensão das linhas de plantio e falhas, foi gerado um grid hexagonal de 5 x 5 metros e calculado o índice de falha para cada unidade deste grid, e posto em escala gradual de cores, sendo as cores mais frias (azuis), de menor porcentual de falhas, e àquelas com maior porcentual ficaram com cores mais quentes (vermelhas), para facilitar a localização.

Figura 3: Grid gradual de acordo com o índice de falha.

 

APLICAÇÃO PRÁTICA

CLIENTE: Cia. Melhoramento Norte do Paraná

LOCAL: Fazenda Ivaí, Terra Boa (PR)

A área de estudo denominada como “138-02-03ao07” possui 145,88 hectares, foi plantada entre os dias 26/03/2019 a 03/04/2019. O voo de captura de imagens ocorreu no dia 23/09/2019. Sendo assim, nas imagens temos a lavoura com o porte de cerca de 181 dias, e a variedade plantada foi a RGB96 6928.

RESOLUÇÃO, PRECISÃO E ACURÁCIA

Para as análises foi gerada uma ortofoto (foto acima) no sistema de coordenadas WGS84 / UTM 22S (EPSG:32722), com as seguintes características:

  • Resolução média (GSD) de 3,42 cm/pixel;
  • Precisão para medições de 4,68 cm (RMS).
  • Acurácia Posicional de 2,06 cm.

RESULTADOS

O objetivo foi levantar e dimensionar o índice de falhas em cana-de-açúcar de acordo com a metodologia de Solf em 23/09/2019. Pode-se observar pela ortofoto, diferenças zonais no desenvolvimento vegetativo.

Para a quantificação de área foi gerado um grid amostral hexagonal de aproximadamente 22 m2 (vinte e dois metros quadrados), e atribuidos a ele valores do índice de falhas. Primeiramente, este gride foi separado de acordo com a calibração proposta por Stolf.

Neste quesito, considerando os resultados da classificação, pode-se verificar os seguintes resultados:

Figura 1: Estimativa de Produtividade para a Área de Estudo (Stolf)

 

 

Sendo assim, o valor do índice de falhas foi de 20,7% para toda área, mas considerando a
variabilidade da área, e a calibração proposta por Stolf, a área ficou com uma redução de
produtividade estimada em 7,75% decorrente das falhas.

Stolf também propôs uma tomada de ação de acordo com o índice de falhas, utilizando-se dos
dados da calibração, foi dividido o grid em 5 classes, que vão de excelente a péssimo, com as
seguintes observações como segue:

Figura 2: Critério de Avaliação da Qualidade do Plantio

Figura 3: Avaliação da Qualidade de Plantio

Como podemos observar, cerca de 46% da área se encontra com padrões excelentes, seguidos de normal (16%) para subnormal (15%). E a seguir podemos constatar o índice de falhas para cada talhão envolvido, em destaque o talhão 03, com cerca de 25,28% de falhas.

Figura 4: Dados quantitativos separados por talhão

Com estas informações pode-se definir as ações a serem tomadas para cada talhão, ou se preferir, seguindo os mapas a seguir, definir as ações de forma localizada.

IMAGENS

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *