ÍNDICES ESPECTRAIS DE VEGETAÇÃO RELACIONADOS AO MANEJO DA CULTURA DO TRIGO
Spectral Vegetation Indices Related to Wheat Crop Management
AUTORES/AUTHORS
Lúcio de Paula Amaral¹; Cristiano Carvalho da Silva², Luís Felipe Rech2; Nádia Mariane Mucha²; Bruna Trevizan Paese²; Mateus Santos Ribeiro³; Paulo Eugenio Baccin³; Alexandre Cordeiro Bueno³
RESUMO
Com o aumento da demanda por alimentos e custos de produção, o setor agrícola necessita de constante atualização. Dessa forma, a agricultura de precisão está sendo decisiva para a tomada de decisões. Dentre seu “know-how” de práticas tem se destacado a utilização de índices de vegetação (IVs) para melhorar o manejo e gestão da lavoura. Diante do exposto, o presente trabalho tem por objetivo avaliar o desempenho dos seguintes IVs: NDVI, NDRE, CCCI, PSRI, MSAVI e NDWI na cultura do trigo, no estágio de elongação. Para a obtenção dos IVs foi utilizado um veículo aéreo não tripulado (VANT), equipado com lentes multiespectrais e RGB para geração do ortomosaico de imagens. O processamento das imagens foi realizado no AgisoftMetashape e ArcMap, para confecção dos mapas e valores dos índices. Como resultado, verificou-se que todos os IVs avaliados responderam de forma aceitável às suas proposições. Contudo, sugere-se relacionar esse estudo com a produtividade da cultura, para melhores predições e recomendações dos IVs.
Palavras-chave: Sensoriamento Remoto. Índice de Vegetação. Manejo do Trigo.
ABSTRACT
Increasing demand for food and rising production costs have made constant innovation essential in the agricultural sector. In this context, precision agriculture has become crucial for effective decision-making. Among its various practices, the use of vegetation indices (VIs) has emerged as a valuable tool to improve crop monitoring and management. This study aims to evaluate the performance of the following VIs: NDVI, NDRE, CCCI, PSRI, MSAVI, and NDWI, on wheat crops during the elongation stage. The indices were derived from images collected by an Unmanned Aerial Vehicle (UAV) equipped with multispectral and RGB cameras, used to generate an orthomosaic image. Image processing was conducted using Agisoft Metashape and ArcMap to produce maps and extract index values. The results indicated that all evaluated VIs responded adequately to their intended purposes. Nevertheless, future studies should correlate these indices with crop yield to improve prediction accuracy and enhance recommendations.
Keywords: Remote Sensing. Vegetation Indices. Wheat Management.
