Mapeamento de Lavoura de Soja com Drone: RGB, Multiespectral e NDVI

Uma visão aérea permite observar a distribuição espacial da lavoura de soja de forma integrada, comparar diferentes regiões dentro do mesmo talhão e identificar padrões que não ficam evidentes quando se observa a área apenas pelo solo.

Em talhões extensos, diferenças no solo, na drenagem, no histórico de manejo ou em outras condições podem gerar variabilidade interna que é mais fácil de perceber a partir da perspectiva aérea.

A imagem RGB registra informações próximas à percepção visual humana e pode ser utilizada para documentar a lavoura e gerar produtos de imagem de alta resolução.

No mapeamento de soja com drone, o RGB pode apoiar:

• documentação visual da área
• delimitação de talhões
• visualização de acessos e estruturas
• observação de bordaduras
• identificação de falhas visualmente aparentes
• criação de ortomosaicos RGB
• comparação visual entre diferentes regiões do talhão

Conheça os ortomosaicos →

O sensor multiespectral registra bandas específicas do espectro eletromagnético e permite analisar diferenças na resposta da vegetação que não são representadas apenas pela imagem RGB.

No DJI Mavic 3 Multispectral, as bandas capturadas são:

Essas bandas podem apoiar:

• comparação espacial da vegetação
• geração de índices de vegetação
• identificação de regiões com respostas espectrais diferentes
• acompanhamento de padrões dentro do talhão
• direcionamento de inspeções para regiões que merecem atenção

Entenda o mapeamento multiespectral →

O NDVI (Índice de Vegetação por Diferença Normalizada) utiliza informações das bandas Red e NIR para representar diferenças na resposta da vegetação dentro de uma área. Ele é calculado a partir da reflectância registrada pelo sensor multiespectral.

A fórmula do NDVI é:

No DJI Mavic 3 Multispectral, as bandas utilizadas são:

Em lavouras de soja, o NDVI pode apoiar diferentes análises:

Diferenças espaciais dentro de um talhão de soja podem estar associadas a diversos fatores. Cada região da lavoura pode responder de forma distinta ao longo do ciclo, e essa variabilidade pode estar relacionada a condições próprias de cada setor.

A forma como uma diferença aparece no mapa pode ajudar a organizar a investigação. A localização e a distribuição espacial são informações que complementam o valor isolado do índice.

Não automaticamente.

Imagens RGB, multiespectrais e índices como o NDVI podem mostrar regiões da lavoura com comportamento diferente do entorno. Essas diferenças podem estar associadas a vários fatores, como:

• doenças
• pragas
• condições do solo
• compactação
• práticas de manejo
• falhas de estabelecimento da cultura
• disponibilidade de água
• estágio de desenvolvimento da cultura
• condições ambientais

Grandes talhões de soja podem apresentar diferenças entre setores que não são perceptíveis a partir de uma análise média da área. A visão espacial gerada pelo mapeamento permite comparar diferentes regiões e identificar onde a variabilidade está concentrada.

A comparação entre setores pode apoiar a identificação de:

• setores com resposta semelhante entre si
• setores que se destacam do restante do talhão
• diferenças próximas às bordaduras
• transições graduais entre regiões
• manchas localizadas dentro do talhão
• padrões que se repetem em diferentes datas de levantamento

Uma diferença entre setores não determina automaticamente sua causa.

Depende do objetivo do monitoramento.

Levantamentos realizados em diferentes datas ao longo do ciclo da soja podem ajudar a observar como a distribuição espacial da vegetação se comporta ao longo do tempo. Essa abordagem permite comparar levantamentos e identificar padrões que evoluem, aparecem ou desaparecem dentro do talhão.

Em lavouras de soja, repetições de levantamento podem apoiar:

Regiões agrícolas com grandes talhões e uso intensivo de tecnologia podem se beneficiar de levantamentos planejados conforme o objetivo da propriedade e o estágio da cultura.

Em contextos como Cristalina – GO e PAD-DF, o mapeamento de lavouras de soja pode apoiar:

• visualização de grandes talhões
• identificação de variabilidade espacial
• comparação entre setores
• geração de ortomosaicos
• análise multiespectral
• geração de índices como NDVI
• priorização de inspeções
• acompanhamento da área em diferentes datas