Modelo de caracterização da degradação de pastagens baseado em dados de fertilidade do solo e de sensoriamento remoto
João Paulo da Silva
TESE
Português
T/UNICAMP Si38m
[Pasture degradation characterization model based on fertility and remote sensing data]
Campinas, SP : [s.n.], 2024.
1 recurso online (216 p.) : il., digital, arquivo PDF.
Orientadores: Jurandir Zullo Junior, Luciana Alvim Santos Romani
Tese (doutorado) - Universidade Estadual de Campinas (UNICAMP), Faculdade de Engenharia Agrícola
Resumo: Melhorias nas tecnologias de produção e estratégia de manejo potencializaram a lotação dos pastos brasileiros. Entretanto, estudos mostram que grande parte deles ainda se encontra sob degradação e subaproveitados. Assim, diagnosticar a degradação é importante, e informações de análises de...
Ver mais
Resumo: Melhorias nas tecnologias de produção e estratégia de manejo potencializaram a lotação dos pastos brasileiros. Entretanto, estudos mostram que grande parte deles ainda se encontra sob degradação e subaproveitados. Assim, diagnosticar a degradação é importante, e informações de análises de solo e dados remotos ajudam a atingir este objetivo. Resultados de análise de solo, se analisadas de forma integrada, também podem favorecer a relação entre agropecuaristas, prestadores de serviços e fornecedores de insumos. No caso dos dados remotos, o monitoramento de pastagens utilizando sistemas de Radar de Abertura Sintética (SAR) ainda é um desafio que precisa ser mais explorado, inclusive utilizando técnicas de aprendizado de máquina. Os objetivos deste trabalho envolvem: (i) investigar se o perfil de fertilidade do solo, como indutor de degradação, permite distinguir as condições da pastagem de outros sistemas de uso da terra; e (ii) testar se parâmetros relacionados à penalização da produtividade, como indicadores de degradação, podem ser extraídos de dados remotos obtidos por tecnologia SAR. Para isso, (i) foram aplicadas técnicas de análise multivariada em análises de solo e (ii) construídos modelos preditivos para classificação do padrão de desenvolvimento e penalização da produtividade em áreas de pastagem com base na produtividade sazonal no período de máximo desenvolvimento e disponibilidade hídrica, com ambas as abordagens concentradas principalmente nos biomas Cerrado e Mata Atlântica. No caso da penalização da produtividade, a distinção entre as áreas amostrais foi analisada segundo o balanço hídrico climatológico, que condiciona seu potencial produtivo, e conforme o desenvolvimento observado utilizando índices de vegetação. Os modelos preditivos utilizam o Vetor de Stokes, um produto polarimétrico e coerente de imagens SAR que permite inferir sobre as condições dielétricas e estruturais do alvo. Os resultados mostram Perfis de Fertilidade do Solo (PFS) definidos pelas características de fertilidade e acidez. Na comparação estratificada dos PFS por sistema de uso da terra, diferenças na acidez entre pastagem e vegetação nativa concentram-se nas camadas superficiais de solos arenosos. Na comparação entre grupos texturais, diferenças na fertilidade acentuam-se na camada superficial, enquanto para acidez essas diferenças concentram-se em camadas mais profundas. Na comparação geral, a maior heterogeneidade na fertilidade da camada 20-30cm de solos arenosos mostra que a amostragem de solo deve ser mais detalhada nesse perfil para evitar sub ou superdimensionamento da adubação. Os sistemas de produção pecuária (SPP) dos municípios de Goiás e Mato Grosso do Sul têm a maior ocupação relativa por pasto, enquanto os de Mato Grosso têm a maior área absoluta sob pasto e menor lotação, e os de São Paulo apresentam as maiores taxas de lotação e maior acesso à orientação técnica, especialmente de cooperativas. O potencial da pecuária a pasto nessa região é muito dependente das condições climáticas, e efeitos da estiagem colocam em risco cerca de 25% do rebanho nacional. Na região estudada há entre 30% e 60% de quebra na produtividade potencial, e modelos preditivos baseados em Random Forest (RF) conseguiram atingir acurácia de até 94% na detecção dessa penalização utilizando parâmetros polarimétricos extraídos de dados SAR
Ver menos
Abstract: Improvements in production technologies and management strategies have increased the stocking capacity of Brazilian pastures. However, studies show that a large part of them is still degraded and underutilized. Therefore, diagnosing degradation is important, and information from soil...
Ver mais
Abstract: Improvements in production technologies and management strategies have increased the stocking capacity of Brazilian pastures. However, studies show that a large part of them is still degraded and underutilized. Therefore, diagnosing degradation is important, and information from soil analysis and remote data help to achieve this goal. Soil analysis results, if analyzed in an integrated manner, can also favor the relationship between farmers, service providers and input suppliers. In the case of remote data, monitoring pastures using Synthetic Aperture Radar (SAR) systems is still a challenge that needs to be further explored, including using machine learning techniques. The objectives of this work involve: (i) investigating whether the soil fertility profile, as an inducer of degradation, allows distinguishing pasture conditions from other land use systems; and (ii) testing whether parameters related to productivity penalties, such as degradation indicators, can be extracted from remote data obtained by SAR technology. For this purpose, (i) multivariate analysis techniques were applied to soil analyses and (ii) predictive models were constructed to classify the development pattern and productivity penalty in pasture areas based on seasonal productivity during the period of maximum development and water availability, with both approaches focusing mainly on the Cerrado and Atlantic Forest biomes. In the case of productivity penalty, the distinction between sample areas was analyzed according to the climatological water balance, which determines their productive potential, and according to the observed development using vegetation indices. The predictive models use the Stokes Vector, a polarimetric and coherent product of SAR images that allows inferences about the dielectric and structural conditions of the target. The results show Soil Fertility Profiles (SFP) defined by fertility and acidity characteristics. In the stratified comparison of SFP by land use system, differences in acidity between pasture and native vegetation are concentrated in the surface layers of sandy soils. In the comparison between textural groups, differences in fertility are more pronounced in the surface layer, while for acidity these differences are concentrated in deeper layers. In the general comparison, the greater heterogeneity in fertility in the 20-30 cm layer of sandy soils shows that soil sampling should be more detailed in this profile to avoid under- or over-fertilization. The livestock production systems (LPS) of the municipalities of Goiás and Mato Grosso do Sul have the highest relative pasture occupancy, while those of Mato Grosso have the largest absolute area under pasture and the lowest stocking rate, and those of São Paulo have the highest stocking rates and the greatest access to technical guidance, especially from cooperatives. The potential for pasture-based livestock farming in this region is highly dependent on climate conditions, and the effects of drought put approximately 25% of the national herd at risk. In the region studied, there is between 30% and 60% drop in potential productivity, and predictive models based on Random Forest (RF) managed to achieve accuracy of up to 94% in detecting this penalty using polarimetric parameters extracted from SAR data
Ver menos
Aberto
Zullo Junior, Jurandir, 1963-
Orientador
Romani, Luciana Alvim Santos
Coorientador
Teixeira Filho, José, 1955-
Avaliador
Ramirez, Glaucia Miranda
Avaliador
Sano, Edson Eyji
Avaliador
Modelo de caracterização da degradação de pastagens baseado em dados de fertilidade do solo e de sensoriamento remoto
João Paulo da Silva
Modelo de caracterização da degradação de pastagens baseado em dados de fertilidade do solo e de sensoriamento remoto
João Paulo da Silva