Os sistemas convencionais de estimativa de safras são geralmente
onerosos e demorados, portanto, é importante o desenvolvimento de
métodos mais rápidos para a obtenção de dados. Propõe-se, neste trabalho,
obter uma metodologia para estimar a produtividade agroindustrial da
cana-de-açúcar pelo sensor orbital ETM+/LANDSAT 7 e utilizando-se
dados reais áreas de produção de cana-de-açúcar na região de Paraguaçu
Paulista, (SP), da variedade RB835486, de primeiro corte. Um banco
de dados foi elaborado e escolheram-se talhões com épocas de plantio
semelhantes, enquanto que para a coleta de dados espectrais foram
testadas duas metodologias: na primeira, foram estabelecidas áreas de
coleta de dados espectrais dentro dos talhões, e estes foram representados
pelas respectivas médias aritméticas dos pixels amostrados e, na segunda,
procedeu-se a uma classificação não supervisionada dos dados espectrais
dos talhões que, por sua vez, foram representados pela média ponderada
do valor dos pixels em sete classes espectrais distintas. As bandas B1,
B2, B3, B4, B5 e B7 e seis Ãndices de vegetação, foram utilizados para
gerar modelos de regressão linear múltipla, visando à quantificação das
caracterÃsticas agroindustriais da cultura. Os resultados indicam que é
possÃvel estimar essas caracterÃsticas através de dados espectrais orbitais,
indicados por R2 = 0,69 para produtividade agrÃcola (Mg ha-1) e em média
0,58, para as caracterÃsticas tecnológicas.
Conventional systems for crop yield projections are generally expensive
and demand much time. Thus, it is important to develop quicker data
obtaining methods. We have proposed a methodology for estimating the
sugarcane agroindustrial yield by ETM + / LANDSAT 7 orbital sensor
and also by collecting data from sugarcane production areas in Paraguaçu
Paulista, São Paulo State, at fields of RB835486 variety in the first harvest.
A database was established, and fields that were planted at the same dates
were chosen. Two methods for spectral data collection were tested in
order to identify best estimation results. In the first method, data collection
areas were set within the spectral plots, and these were represented by the
specific arithmetic average of the sampled pixels. In the second method,
the spectral data went through a non-supervised classification of the plots,
which were represented by the weighted average value of pixels in seven
different spectral classes. The bands B1, B2, B3, B4, B5 and B7 and
six vegetation indices were used to generate multiple linear regression
models in order to qualify the crop agroindustrial characteristics. The
results indicate that it is possible to estimate these characteristics drawing
on orbital spectral data, indicated by R2 = 0.69 for crop yield (Mg ha-1)
and a 0.58 average for the technological characteristics.
