SatTech2.0

Objetivo do produto

Generación de ficheros¿Cómo realizar un seguimiento eficiente de los cultivos?

O objetivo do produto SatTech2.0 é:

• Monitorar a totalidade de uma exploração sem problemas de nuvens.

• Detectar semanalmente as parcelas com problemas.

• Análise dos motivos destes problemas.

• Monitoramento das necessidades hídricas da cultura.

• Realização de ações e registro das mesmas para analisar o impacto.

• Geração de arquivos de relatório e arquivos GIS de aplicação para aplicação variável.

• Visualização das evoluções de biomassa.

• Aplicação para visualização de informação e coleta de amostras.

Fontes de informação

O produto SatTech 2.0 obtém informação do satélite Sentinel-2 para a informação multiespectral, Sentinel-1 para a informação radar e de uma rede mundial de estações climáticas para a informação meteorológica.

Periodicidade

O satélite Sentinel-2 tem uma periodicidade de revisita de cinco dias. O satélite Sentinel-1 tem uma periodicidade aproximada entre seis e doze dias dependendo da zona do mundo. O satélite Landsat-9 tem uma periodicidade aproximada entre dez e quinze dias dependendo da zona do mundo. O satélite Planet tem uma periodicidade aproximada entre um e dois dias dependendo da zona do mundo. A informação meteorológica coleta informação horária.

Camadas

A seguir são mostradas as principais camadas e suas informações derivadas.

RGB

A camada RGB é a camada que é gerada com a combinação de bandas Vermelho (Red), Verde (Green) e Azul (Blue) e que permite ver o campo com luz visível. Esta camada é interessante para poder ter uma visão aérea do estado da cultura. Não são calculadas estatísticas baseadas nesta camada.

Vigor Vegetativo (NDVI, LUVI)

Vigor Vegetativo (NDVI)

O NDVI (índice de vegetação por diferença normalizada) nos fornece informação sobre a quantidade de fotossíntese que as plantas estão produzindo. É calculado através de imagens multiespectrais que captam como as plantas refletem e absorvem ondas de luz de diferentes comprimentos. Este índice nos fornece informação sobre o comportamento radiométrico da vegetação, relacionado com a atividade fotossintética e a estrutura foliar das plantas, permitindo determinar o vigor da planta.

Um valor de NDVI superior a 0,65 no meio da temporada é bom na maioria das culturas, mas valores nesse intervalo no início podem indicar áreas com ervas daninhas (ou problemas de digitalização); da mesma forma, esse valor no final do ciclo pode indicar que a planta ainda não está pronta para a colheita. Por outro lado, um valor de NDVI de 0,3 ou inferior é positivo tanto no início quanto no final da temporada. Clicando no ‘i’ você verá a legenda dos intervalos de NDVI.

Esta camada é complementada por mais duas, Vigor vegetativo (NDVI) - Vigor alto e Vigor vegetativo (NDVI) - Fases iniciais, que mostram o índice anterior mas com intervalos limitados aos diferentes momentos de desenvolvimento da cultura.

Esta camada está disponível para LANDSAT e PLANET

Você verá que para valores inferiores a 0,25 o Layers identifica como ‘Solo’ e colore de marrom. Também existe um filtro de nuvens que colore de branco aquelas áreas da parcela que possam estar afetadas por nuvens. Este filtro não é infalível, por isso recomendamos revisar a camada RGB.

Máximo vigor de NDVI

As camadas de Máximo de NDVI nos dão uma ideia de como o NDVI evoluiu durante todo o ciclo e permitem estudar quando uma área problemática é estrutural ou quando pode haver um problema específico desta safra e onde se pode intervir (doenças, pragas, problemas de irrigação, etc.).

Encontraremos em dois formatos: Máximo vigor em 1 ano e Máximo vigor dois meses.

Variabilidade do NDVI

No Dashboard você encontrará estatísticas de Variabilidade do NDVI, este parâmetro, que matematicamente é o desvio padrão do NDVI da parcela, é um valor de heterogeneidade intraparcela. Um valor baixo de variabilidade indica uma parcela homogênea enquanto um valor alto de variabilidade pode indicar problemas de ervas daninhas, doenças, problemas de irrigação, etc.

Nossa recomendação é que você revise semanalmente a evolução analítica do NDVI médio e da Variabilidade média em nível analítico em todas as suas parcelas no Dashboard para depois, graças ao mapa, determinar quais são as áreas que mais precisam de sua atenção naquela semana.

Você pode ver esta evolução em nível espacial arrastando uma das ‘bolinhas’ de satélite com a data que você quer comparar sobre a data com a qual você quer comparar.

Uma vez no campo, encorajamos você a usar o Aplicativo Layers no celular para tirar uma fotografia georreferenciada.

Você tem à sua disposição aproximadamente a cada 5 dias uma nova imagem de satélite.

Vigor Vegetativo (LUVI)

O LUVI (Layers Unified Vegetation Index) é uma camada onde unificamos o NDVI e Variabilidade de diferentes sensores com o objetivo de simplificar os resultados em um só.

O LUVI é criado unificando os sensores Sentinel 2, Landsat 9 e Planet (este último para os usuários que o tenham ativo), conseguindo um único fluxo de dados.

O LUVI de variabilidade é mostrado como camada inicial ao abrir o Layers, atribuindo uma cor a cada parcela em função da variabilidade que apresenta a cultura. Portanto, esta camada nos ajuda a identificar parcelas onde algum problema pode estar ocorrendo (falta de plantas, problemas de desenvolvimento, pragas, doenças, etc)

Para identificar estas parcelas com maior facilidade, é anexada uma legenda com 4 intervalos de variabilidade e um extra para indicar a falta de dados (indica que nos últimos 30 dias não houve nenhuma cena de nenhum satélite sem nuvens).

Umidade Vegetativa (NDMI)

O NDMI é um índice multiespectral similar ao NDVI mas que conta com informação do SWIR (infravermelho de onda curta), uma banda que permite capturar informação da umidade da folha.

O NDMI é sensível aos valores de umidade na folha, costuma ser utilizado para encontrar problemas de irrigação.

Esta camada está disponível para LANDSAT e PLANET

Nitrogênio-Clorofila (NDRE)

O NDRE é um índice multiespectral similar ao NDVI embora mais sensível às culturas de maior vigor e às clorofilas. Em muitas ocasiões a quantidade de clorofilas está relacionada com o nitrogênio na folha e daí o nome da camada.

Em ocasiões é utilizado como ‘índice de saúde’ da planta, é utilizado para encontrar problemas na cultura. Valores baixos podem ser reflexos de longos períodos de estresse hídrico por excesso ou deficiência.

Textura do solo

A camada de Textura do solo indica, em condições de solo exposto, a distribuição dos diferentes tipos de solo que aparecem em nossa parcela, classificados de maneira genérica (muito arenosos, arenosos, francos e argilosos), definindo a capacidade do solo para reter água e nutrientes, assim como sua disponibilidade para as plantas, sua temperatura (solos frios ou quentes), a atividade biológica dos microrganismos presentes no terreno, e a possível suscetibilidade deste a apresentar doenças criptogâmicas (alternariose, antracnose, botrite, nematoides…) Esta camada está baseada em informação proveniente do satélite Sentinel-2 e sua relação com uma base de dados própria, que demonstrou ser amplamente válida para análises de alto nível como se registra tanto na bibliografia disponível quanto nas melhorias aplicadas pela equipe da HEMAV. Para conhecer com exatidão a distribuição de texturas no solo é necessário realizar uma amostragem, recomendamos às pessoas interessadas consultar a seção SoilTech

Como funciona a camada de textura?

A camada de textura analisa mediante imagem de satélite a variabilidade da umidade sobre solo desprovido de vegetação, e aplica um processo de conversão para transformar estes valores em conteúdos percentuais de argila, que posteriormente classifica em níveis baixos, médios ou altos. Para emitir um valor numérico de percentual de argila real presente no solo, a imagem deveria estar tomada em condições ideais (solo arejado após chuva ou irrigação). Como nem sempre é possível obter uma imagem em condições ideais, e para evitar confusões, recorre-se a uma classificação qualitativa, que continua definindo e classificando de maneira adequada a diversidade de solos. No seguinte exemplo se mostra esta circunstância, vendo a evolução da camada em um momento ideal (esquerda), onde os valores percentuais de argila que utiliza o modelo estatístico seriam muito similares aos que poderíamos alcançar com uma análise de laboratório, e à direita a mesma parcela dias depois, quando a camada continua definindo os diferentes tipos de solos, mas com valores numéricos mais distantes dos que resultaria uma análise de laboratório:

Quando posso utilizar esta camada?:

Sobre solo exposto (sem vegetação), em condições de tempero (com o solo arejado após uma chuva ou irrigação) seria o ideal, mas também com solos secos. Para localizar a imagem adequada posso recorrer a uma das fases de início de uma cultura, logo após aplicar as operações prévias à semeadura/plantio, podendo recorrer ao dashboard do Layers para localizar a melhor data, como se indica na imagem seguinte. Também é conveniente aplicar a camada de NDVI do Layers sobre a parcela, já que colore em marrom a superfície que carece de vegetação, permitindo-nos verificar que a imagem é adequada:

Evitar utilizar uma imagem com o solo muito úmido ou encharcado. Se há uma parte da parcela que foi arada e outra não, esta circunstância será refletida, pois o conteúdo de umidade do solo afeta a camada, e ao arar essa umidade sobe à superfície sendo percebida pelo satélite. Este mesmo caso ocorreria se a imagem é tomada quando um pivô está irrigando, ao estar mais úmida a zona recém irrigada, afetaria a eficiência da camada, mostrando uma heterogeneidade que realmente não existe:

Para que posso utilizar esta camada?:

• Para realizar amostragens dirigidas de solo em nutrientes de maneira muito mais representativa.

• Para localizar zonas de ensaio adequadas, onde a variabilidade do solo não influencie nas conclusões.

• Para localizar variedades. No caso de culturas como tomate ou milho costuma-se evitar implantar variedades de ciclo longo em solos argilosos, e costuma estar indicado estabelecê-las em zonas arenosas. Inclusive há culturas como o aspargo ou o morango que precisam de solos muito arenosos para se desenvolverem.

• Para variar a densidade de semeadura em função do potencial produtivo da minha parcela (apoiado em conhecimento do técnico/agricultor, mapas de rendimento, dados de laboratório…)

• Para realizar desenhos de irrigação adequados às características do solo e melhorar a eficiência deste, economizando água, energia e melhorando o desenvolvimento e saúde da cultura.

Modelo Digital de Elevações 2010-2015

Um Modelo Digital de Elevações é uma representação tridimensional da superfície da terra. A camada DEM 2010-2015 é uma compilação estática que não varia com a data. Corresponde ao conjunto de dados do DEM GLO-30 gerado por diferentes satélites da constelação COPERNICUS no período 2010-2015. Esta informação pode resultar muito interessante para certas análises, entretanto, é importante ter em conta que os dados desta camada são fixos não permitem, por exemplo, avaliar um trabalho de nivelamento de superfície.

Crescimento da cultura

A camada de Crescimento da cultura, baseada na informação RADAR permite realizar o monitoramento da cultura independentemente da existência de nuvens. Para calculá-la utilizamos apenas as órbitas adequadas para garantir o condicionamento adequado da informação radar em sua polarização VH.

A Variabilidade do Crescimento Vegetativo mostra a homogeneidade da cultura de uma maneira similar à Variabilidade do NDVI mas baseada desta vez na Variabilidade da informação radar.

BIOMASSA SAR

A camada biomassa SAR é uma camada global que, relacionando os dias de cultivo e o valor de radar, estima a quantidade de biomassa no campo. No caso da cana-de-açúcar, o nível de Biomassa se aproxima teoricamente a um valor de Kg/m2. Como se pode apreciar na seguinte imagem de exemplo, o valor oferecido tem uma boa correlação com o NDVI.

Como esta aproximação não é precisa em todas as situações, a camada se apresenta em formato categórico (ver tabela). É importante destacar que a data de plantio ou último corte é muito relevante para que esta camada ofereça a melhor informação.

Legenda:

SAR BIOMASSA CATEGÓRICA	DESCRIÇÃO	Cor
0	Solo - Muito baixa	Marrom
1	Baixa	Vermelho
2	Baixa-média	Laranja
3	Média	Verde
4	Média - alta	Azul claro
5	Alta	Azul escuro
6	Dias de ciclo fora de intervalo (+ 700 dias)	Preto

Potencial produtivo histórico (NDVI)

Potencial produtivo histórico (NDVI) é uma camada desenvolvida pela Hemav que permite analisar a variabilidade no potencial vegetativo de cada pixel que compõe a parcela, mediante a análise de seu comportamento em anos anteriores.

Baseia-se na análise da parcela após analisar o comportamento do NDVI nos três anos anteriores à data em que se executa a camada. A camada avalia onde se desenvolveu em maior ou menor medida o NDVI e lhe atribui um potencial vegetativo. Este potencial se baseia na capacidade que teve a parcela pixel a pixel para gerar biomassa, dada a grande relação existente entre a biomassa e o índice NDVI.

VRA pode ser utilizado para adaptar o nível de semeadura ou fertilização a cada zona diferencial mediante o uso de maquinaria de aplicação variável, melhorar o desenho dos sistemas de irrigação adaptando-os à variabilidade detectada, avaliar a melhor estratégia de manejo agronômico global com base na maior representatividade, ou adaptar as variedades mais adequadas a cada zona entre outros exemplos. Também é útil para suprimir a variabilidade espacial na hora de desenhar ensaios de campo, ou de avaliar a qualidade geral da parcela.

Esta camada está especialmente indicada para parcelas que têm um manejo homogêneo, ou seja, que tradicionalmente foram ocupadas por uma mesma cultura com datas de semeadura ou plantio muito próximas no tempo. Se a parcela teve datas de semeadura muito diferentes, foi ocupada por diferentes culturas, ou se deixou uma parte da parcela sem cultivar, estas circunstâncias serão mostradas sobre a camada, geralmente aparecerão formas geométricas muito bem delimitadas que não costumam ocorrer de maneira natural, como se mostra no seguinte exemplo, onde uma parcela foi ocupada por duas culturas diferentes e além disso manteve uma zona sem cultivo:

Também é importante ter presente que a influência de uma praga ou doença sobre a cultura em um dos anos analisados pela camada terá repercussão, podendo diminuir o potencial produtivo na zona que esteve afetada. Se atualmente a parcela não tem um manejo homogêneo, mas o teve anteriormente, podemos ativar a camada nessa data para analisar a variabilidade desse momento.

Estresse hídrico (LWS)

Estresse hídrico (LWS) é um índice desenvolvido pela Hemav para analisar o estado hídrico da cultura, permitindo detectar estados deficitários em diversos graus.

Realiza uma comparação do índice NDVI para avaliar o tamanho da cultura e do índice NDMI para analisar seu grau de umidade. Tradicionalmente o índice NDMI tem servido para avaliar o estado hídrico da cultura, mas os valores que este índice fornece são adequados ou deficitários em função do grau de desenvolvimento da cultura (Um índice NDMI baixo pode ser deficitário se a cultura tem um grande tamanho, mas ser adequado se tem um tamanho pequeno). Ao determinar o tamanho da cultura mediante o valor de NDVI podemos determinar de maneira simples se o valor de NDMI é ou não adequado.

Ajuda a detectar deficiências na cultura produzidas por falhas nos sistemas de irrigação ou nos cálculos da água a fornecer, mas também nos permite avaliar as restrições nos aportes hídricos necessárias nas etapas finais da cultura, destinadas a dessecar a planta para prepará-la para sua colheita. O uso de irrigações deficitárias intencionais nas fases finais da cana ou da beterraba para alcançar um nível adequado de açúcar, ou dessecar o grão no caso de cereais em irrigação, pode ser avaliado de maneira adequada mediante o uso deste índice.

Na imagem anterior podemos observar o efeito de emissores sujos ou defeituosos sobre pivô de irrigação.

Estados hídricos deficitários produzem sobre a cultura efeitos fisiológicos similares ao ataque de pragas ou doenças quando realizamos a análise através de índices satelitais, portanto, situações detectadas mediante LWS podem dever-se ao ataque de um patógeno e não a um nível de irrigação deficitário.

Nas primeiras semanas da cultura a influência do solo sobre a cultura incipiente poderia mostrar estados deficitários sem serem estes reais, por isso é aconselhável avaliar o estado hídrico da cultura com LWS quando esta tem um tamanho suficiente para ser avaliada mediante imagem satelital.

Erva

Portuguese translation: Esta camada permite identificar solo exposto sobre a superfície das parcelas. Analisa as parcelas em três categorias:

1. Solo exposto (Transparente): A camada classifica uma área como solo exposto e a deixa transparente para removê-la da análise.

2. Possível erva daninha (Laranja): A camada identifica áreas com possível presença de erva daninha, mas as métricas não oferecem certeza total. Estas zonas são coloridas em laranja.

3. Ervas Daninhas (Amarelo): A camada confirma a presença de ervas daninhas e colore a superfície em amarelo.

Desafios para detectar Ervas Daninhas com Sentinel-2:

• Tamanho do pixel (10x10 m): Dificulta distinguir vegetação dispersa ou misturada com a cultura principal.

• Mistura espectral: Em áreas onde a cultura e as ervas daninhas compartilham um pixel, a diferenciação precisa é complexa.

• Assinaturas espectrais similares: Em certas etapas de crescimento, as ervas daninhas e a cultura podem ter características espectrais semelhantes, o que afeta a precisão.

• Bordas dos talhões e outros elementos: Bordas de talhão, árvores, caminhos ou construções podem se misturar em um pixel, dificultando a detecção correta e levando a classificações errôneas (planta daninha como possível planta daninha ou vice-versa).

Problema

Portuguese translation: Esta camada permite identificar solo exposto sobre a superfície das parcelas. Analisa as parcelas em três categorias:

1. Vegetação desenvolvida e visível por satélite (Transparente): A camada classifica uma zona como vegetação e a deixa transparente para eliminá-la da análise.

2. Possível Falha (Violeta): A camada identifica áreas com uma possível presença de solo exposto, mas as métricas não oferecem certeza total. Estas zonas são coloridas em violeta.

3. Falha (Vermelho): A camada confirma a presença de Falha de cultivo e colore a superfície em vermelho.

Desafios para detectar Falhas com Sentinel-2:

• Tamanho do pixel (10x10 m): Dificulta a identificação de detalhes finos dentro de parcelas pequenas ou com culturas pouco desenvolvidas. Este tamanho gera efeitos de mistura espectral, onde um pixel pode conter tanto solo exposto quanto vegetação, complicando a separação precisa.

• Sombras, cores de solo ou umidade: Podem alterar os índices espectrais, reduzindo a confiabilidade da classificação.

• Bordas dos talhões e outros elementos: Bordas de talhão, árvores, caminhos ou construções podem se misturar em um pixel, dificultando a detecção correta e levando a classificações errôneas.

Uso combinado de camadas de Layers para seleção de pontos de amostragem

A seguir, apresentamos um exemplo do uso do Layers para realizar uma análise de parcela. Sua utilidade reside na capacidade para compreender a variabilidade do terreno, tanto desde a perspectiva do solo quanto da interação entre o solo e a cultura. Este tipo de análise pode ser útil para localizar amostras (solo, produção, etc.) e torná-las mais representativas, desenhar planos de irrigação mais efetivos (adaptando os setores de irrigação ao tipo de solo) ou implementar aplicações variáveis, entre outros exemplos.

Na primeira imagem, podemos observar diferentes tipos de solo (1), os quais parecem ter um impacto no potencial produtivo (2). Os solos com tonalidades verde escuro, teoricamente com menor conteúdo de argila, parecem diminuir a produção potencial. Ao analisar o desenvolvimento completo da cobertura vegetal da parcela (3), observa-se uma diminuição na umidade nestas áreas mais arenosas, provavelmente devido a uma retenção de água menos efetiva. Aplicamos o Índice de Vegetação por Diferença Normalizada (NDVI) às primeiras etapas do desenvolvimento da cultura, e evidencia-se um crescimento mais rápido em áreas com teoricamente maior conteúdo de argila, provavelmente devido ao efeito termorregulador destes tipos de solos na germinação das sementes, intimamente relacionado com sua capacidade de reter água.

Relatório automático de alertas

Layers emite alertas para chamar a atenção do usuário sobre possíveis problemas em suas parcelas.

Relatório automático de alertas de variabilidade

Este tipo de alertas surgem da análise da variabilidade existente na cultura presente na parcela, sendo estes alertas de três tipos:

Alerta ACUM-LAS, ou de alta variabilidade na cultura

Layers analisa a variabilidade de uma imagem para emitir um alerta se ela for suficientemente alta para provocar um valor baixo de NDVI (NDVI<0.4).

O alerta chega com esta mensagem e formato:

Este alerta identifica parcelas muito heterogêneas para analisar com maior atenção, pois pragas, doenças, deficiências nutricionais ou outras circunstâncias poderiam estar afetando a planta. As seguintes imagens mostram alguns exemplos do tipo de variabilidade sobre a qual o Layers alerta.

Alertas SUPER-LAS, o de evolução de cultivo em fases desenvolvidas

Translation: Layers analisará a variabilidade da última cena disponível sempre que a cultura estiver desenvolvida (NDVI>0.4), e a comparará com a cena anterior. Se essa variabilidade aumenta, o Layers emitirá um alerta.

O alerta chega com esta mensagem e formato:

Here’s the Portuguese translation:

• Parcelas que estão sendo colhidas.

• Aumentos repentinos da variabilidade na cultura por pragas, doenças, danos por geadas, etc.

Nos exemplos mostrados abaixo podemos observar alguns casos a este respeito. À esquerda, um alerta que indicaria que a parcela varia porque começa a ser colhida, enquanto à direita seria mostrado como uma cultura sofre uma alteração que diminui seu NDVI. Embora neste último caso específico seja devido ao fato de que a cultura está entrando em senescência, também poderia ter indicado uma deficiência nutricional, uma praga ou doença, etc.

Alertas INFER-LAS, o de evolução de cultivo em fases iniciais

Layers analisará a variabilidade da última cena disponível sempre que a cultura estiver em fases iniciais de crescimento (NDVI<0.4), e a comparará com a cena anterior. Se essa variabilidade aumenta, Layers emitirá um alerta.

O alerta chega com esta mensagem e formato:

Here’s the Portuguese translation:

• Presença de ervas daninhas ou cultivo indesejado.

• Início irregular do crescimento e desenvolvimento da cultura.

A imagem mostra um exemplo deste tipo de alertas, onde a imagem atual (acima) mostra um aumento na variabilidade em relação à cena anterior (abaixo). Esta situação pode refletir a presença incipiente de ervas daninhas, ou um desenvolvimento irregular na cultura devido a um solo heterogêneo, falhas na semeadura/plantio, desenvolvimento de uma cultura residual, etc.