Otimização da Identificação de Falhas de Plantio na Cana-de-Açúcar com Uso de Geoprocessamento Matheus Oliveira Alves1, Ricardo Vicente Ferreira2, Rodrigo Bezerra de Araújo Gallis3 1
Departamento de Geografia, Universidade Federal do Triângulo Mineiro, Uberaba, Minas Gerais, Brasil,
[email protected]
2
Departamento de Geografia, Universidade Federal do Triângulo Mineiro, Uberaba, Minas Gerais, Brasil,
[email protected]
3
Departamento de Engenharia Cartográfica e de Agrimensura, Universidade Federal de Uberlândia, Monte Carmelo, Minas Gerais, Brasil,
[email protected]
RESUMO Considerável atenção tem sido dada aos métodos de produção de cana-de-açucar com apoio de tecnologias da informação geográfica, tendo como fim o aumento a produtividade e otimizar os custos do gerenciamento do plantio. Este trabalho tem o propósito de avaliar uma metodologia de identificação de falhas no plantio da cana-de-açucar com uso do "drone agrícola". O objetivo é estimar a porcentagem de falhas no plantio por meio de técnicas de Processamento de Imagem Digital (PDI), amostrando a área de estudo em uma única imagem obtida por Veículo Aéreo Não Tripulado (VANT), em seguida, comparar os resultados com o método tradicional utilizado pelo agricultor. A imagem aérea utilizada neste trabalho abrange 56,35% da área plantada e foi georreferenciadas utilizando dados do sistema de navegação da nave. A imagem foi classificada pelo método de máxima verossimilhança em duas categorias de uso: cana-de-açúcar e do solo. O estudo foi realizado em uma área de 6,43 hectares e os resultados foram: (1) método manual estimou 28,03% de falhas no talhão. (2) com uso da imagem obtida com o drone e PDI, estimou-se 14,76% de falha na mesma área. Conluiu-se que a utilização desta metodologia pode ser eficaz quando aplicada para fins de amostragem dentro da área total. No entanto, a investigação requer uma maiores aprofundamentos para melhor validação do método. PALAVRAS-CHAVE: Sensoriamento Remoto, Agricultura de Precisão, VANT.
ABSTRACT Considerable attention has been given to methods of sugarcane production assisted by geographic technology in order to increase and optimize costs of productivity. This work aims
to evaluate the use of "agricultural drone" to identify and quantify sugarcane failures. The purpose is to measure failures in sugarcane planting through Digital Image Processing techniques (PDI) over a single image obtained by Unmanned Aerial Vehicle (UAV), and then, compares the results with traditional method used by the farmer. The aerial image used covers 56.35% of the planted area and was georeferenced using navigation system of the drone. Further, the image was classified by maximum likelihood method into two categories of use: sugarcane and soil. The study was performed in an area of 6.43 hectares and the results were: (1) manual method estimated 28.03% of failure; (2) the utilization of drone e PDI estimated 14.76% failure. The use of this technology can be effective when used for sampling purposes inside of the total area. However, the research requires further investigation for better validation of the method. KEYWORDS: Remote Sensing, Precision Agriculture, UAV.
INTRODUÇÃO As imagens aéreas tem sido cada vez mais utilizadas para o mapeamento de variações de crescimento e estimativas de produções na agricultura de precisão. Seu uso vem sendo adotado com uma importante opção para a aplicação e utilização de novos conhecimentos no meio rural, auxiliando o produtor nas estratégias de gerenciamento agrícola (Alonço et al., 2005). Essa evolução tecnológica vem contribuindo para o aumento de competitividade da agricultura brasileira. Como em qualquer atividade econômica, a produção de cana-de-açúcar demanda a aplicação de processos mais eficientes para melhoria da produtividade e da qualidade, juntamente com a redução dos custos de produção. Em razão do potencial produtivo e da lucratividade da cultura da cana-de-açúcar, o interesse por novas tecnologias tem sido crescente do ponto de vista da capacidade produtiva e da rentabilidade das lavouras de canade-açúcar. Uma maior atenção tem sido dada aos modos de produção da cana-de-açúcar com o auxílio de geotecnologias, cujo o intuito é aumentar a produtividade do canavial, otimizando os custos por meio da adoção de técnicas mais eficientes de produção, dentre elas, a do plantio. Essa é a etapa de maior importância para o produtor, por ser o momento em que se define o sucesso ou o insucesso da safra. A identificação e a quantificação de falhas nas lavouras de cana-de-açúcar é de extrema importância para verificar a uniformidade da germinação, os padrões de perfilhos por metro, entre outros. E também, além de mensurar a qualidade da operação realizada, permite avaliar a necessidade ou não de replantio da lavoura, garantindo assim a produtividade.
O “drone agrícola” é um modelo de VANT, mas cabe destacar que esse termo é uma denominação apenas comercial, sendo tecnicamente designado VANT multi-rotor de asa rotativa, contudo, ao longo do texto optar-se-á pelo uso do termo drone agrícola. Por ser um equipamento de custo bem inferior aos VANTs equipados para mapeamento e geoprocessamento, seu uso implica em limitações para tais finalidades, no entanto seu sistema de navegação e o instrumento de imageamento pode permitir conciliar produtividade e geotecnologia, ainda que com certas restrições. É nesse contexto que a proposta de trabalho tem o objetivo de avaliar a utilização do “drone agrícola” na identificação e quantificação de falhas no plantio de cana-de-açúcar, corroborando com o avanço técnico nessa área que ainda carece de estudos sistemáticos que auxiliem na análise dos levantamentos de identificação de falhas de plantio.
MATERIAL E MÉTODOS O trabalho foi realizado na cidade de Sacramento – MG em uma área (Faz. Santa Fé) nas coordenadas latitude 19°54'10.38"S e longitude 47°30'28.25"O cedida por um agricultor parceiro (Figura 1). Neste trabalho foram comparadas duas metodologias, uma utilizada pelo agricultor e a outra de identificação de falhas na lavoura com a utilização de drone. Figura 1 – Imagem da área cedida para realização das amostragens.
Fonte: (Google Earth Pro, 2015)
Levantamento manual A metodologia de identificação e mensuração de falhas na lavoura de cana-de-açúcar feita por agricultores na região de estudo se faz a partir por meio de levantamento manual. A orientação metodológica segue a norma da ABNT - 156:000.00-005/Cana-de-açúcar/Determinação da Qualidade – no entanto, para a realização deste trabalho o acesso ao documento oficial, que descreve os procedimentos normativos estabelecidos nesta norma, foi vetado pelo produtor. Diante deste impedimento, conseguiu-se a permissão para o acompanhamento dos trabalhos realizados pelos técnicos da fazenda em suas atividades de levantamento e medidas de falhas em campo. Assim, a partir deste acompanhamento descreveu-se a metodologia empregada na fazenda. A seguir, descreve-se os principais pontos desta metodologia. A amostragem foi realizada a partir de 90 dias após o plantio (DAP), no momento que a cultura já está estabelecida (Figura 2). Figura 2 – Imagem do local com 90 dias após o plantio.
Fonte: (Do Autor, 2015)
De acordo com os inquéritos feitos em campo, é considerado falha a projeção da distância entre dois colmos consecutivos ao longo da linha de cana, distância essa, maior que 50 cm, medida de centro a centro dos colmos ao nível do solo. Cada amostra possui 20 metros de comprimento (lineares), sendo realizado 01 amostra por hectare. Para a demarcação do local a ser amostrado é utilizado uma baliza, que é arremessada dentro do talhão conforme a quantidade de amostras a ser realizada na mesma. É feito dessa maneira para se ter uma aleatoriedade na marcação dos pontos conforme a metodologia empregada.
As amostras são feitas por um caminho diagonal, buscando uma boa representatividade da área. Distribui-se as amostras ao longo do talhão plantado adentrando-se o mesmo em linha reta de modo a atravessá-lo em sua totalidade. Conta-se todos os perfilhos compreendidos na área da amostra e anota-se este na forma de “número de perfilhos por metro”. Identifica-se nas amostras coletadas a altura da planta e altura de colmos (Figura 3). No final da amostragem, registra-se o resultado na ficha de campo, onde terá a porcentagem de total de falha generalizada para o hectare. Figura 3 – Levantamento manual de identificação e quantificação de falhas.
a) Amostra sorteada; b) Identificação da falha; c, d) medição da falha; e, f) contagem dos perfilhos; g, h) identificação da altura da cana e dos colmos. Fonte: (Do Autor, 2015)
Levantamento com VANT O levantamento de falhas com uso do drone e SIG seguiu-se de maneira distinta, utilizando-se de imagens aéreas para estimar a quantidade de falhas no mesmo talhão onde foi feito o levantamento manual. Para tanto, o imageamento foi executado com o drone agrícola modelo Phantom 2 Vision Plus (Figura 4) no modo de controle manual, e o voo foi realizado com uma altura pré-determinada de 300 metros de altura gerando fotos sequencias da área indicada. A altitude do voo permitiu a cobertura de 1km2 em uma tomada. Figura 4 – “Drone Agrícola” utilizado na amostragem.
Fonte: (Do Autor, 2015)
Na amostragem feita não foram tomados pontos de controle no terreno e também não foi possível o planejamento do voo devido o sistema de navegação da nave não dispor deste recurso. Assim, o imageamento foi feito em modo de controle manual obtendo fotos únicas (single images) que recobriram pontos variados da área plantada. As imagens passaram por um processo de seleção visual de modo a separar as mais significativas, ou seja, as que não apresentaram desvio na vertical e que cobriram porções mais representativas do talhão. Em seguida, as imagens foram ortorretificadas através do software Agisoft PhotoScan (Figura 5), tendo como referência as coordenadas de localização e altitude do sistema de navegação do drone. Neste contexto, cita-se aqui o uso de uma imagem que cobriu 56,35% da área de um talhão de 6,43 ha. Para a utilização desta imagem, primeiramente isolou-se apenas a área utilizada para plantio e as áreas dos carreadores, adequando-se assim a imagem às áreas descritas nos relatórios e mapas da fazenda. Para se chegar a esta definição, fez-se uso da
ferramenta de recorte de imagem, suprimindo-se os usos indesejados que foram capturados na tomada da imagem, no caso, pasto e mata nativa. Figura 5 – Etapas do processamento das imagens no levantamento com VANT
a) Voo em ascensão; b) Equipe no campo para obtenção de imagens; c) Imagem obtida a 300m de altitude; d, e, f) Imagens sendo ortorretificadas através do software Agisoft PhotoScan. Fonte: (Do Autor, 2015)
O Sistema de Informação Geográfica utilizado foi o ArcGis, versão 10.0, através do qual processou-se a classificação da imagem (sistema RGB) pelo método de Máxima Verossimilhança, definindo-se apenas duas classes de uso: cana-de-açúcar e solo. A amostragem de pixels para a classificação das classes foi feita de modo a cobrir o maior número possível de variações identificadas visualmente. O erro para a classificação da cana foi de 3.26 pontos percentuais e de solo 1.4. Após feita a classificação foram calculadas as áreas das classes pré-definidas para quantificação total em porcentagem de cana-de-açúcar e solo contida na respectiva imagem (Figura 6).
Figura 6 – Classificação por Máxima Verossimilhança feita no ArcGis
Fonte: (Do Autor, 2015)
RESULTADOS E DISCUSSÃO A aplicação do levantamento manual procedeu da seguinte forma: para uma área de 6,43 ha, foram tomadas 6 amostras e identificadas 38 falhas. Isso representa 28,03 % de falha total. Como apontado anteriormente a análise feita com o VANT não permitiu realizar os mosaicos de imagens, assim optou-se pelo uso de apenas uma imagem (single image), que cobriu 56,35% da área do talhão. A classificação feita nessa imagem resultou em 68,97% de cana-de-açúcar e 31,01% de solo. Considerando que o solo mapeado na imagem inclui também a área de carreadores foi necessário subtrair a porcentagem de carreadores que é de 16,26%. Sendo assim obtêm-se 14,76% de solo que consideramos como falhas. A diferença apresentada pelos resultados, 28,03% manual e 14,76% com VANT se explica pelo fato da amostragem manual ser muito genérica e os resultados obtidos serem extrapolados para todo o hectare. Considerando que o imageamento feito com o VANT permite a visão aérea do terreno, é de se supor que o resultado possui maior precisão, ainda que não se tenha coberto toda a área plantada, mas amostrado uma porção bem mais significativa do terreno que a indicada pela amostragem manual.
CONCLUSÕES A metodologia aqui adotada pode otimizar os trabalhos de identificação de falhas no plantio de cana-de-açúcar com uso de modelos de drones mais baratos do mercado, no entanto, em se pensando em aplicações comerciais, faz-se necessário treinamento técnico de pessoal, tanto para a pilotagem da nave e imageamento, como para interpretação e processamento digital de imagens. A tecnologia utilizada apresentou limitações para a geração e processamento de imagens. Os resultados obtidos apontam que o uso dessa tecnologia para o mapeamento total da área só é eficiente em pequenos talhões. Em grandes áreas, uma alternativa seria fazer amostragens dentro dos talhões por um caminho diagonal, buscando uma boa representatividade da área, no entanto, o controle manual do modelo de drone aqui utilizado prejudica a tomada de fotos sequenciais adequadas, caso haja interesse em se obter mosaicos de imagem, isso se deve a impossibilidade de se estabelecer planos de voo com fins de mapeamento. Neste sentido, a alternativa indicada é utilizá-lo para fins de amostragens, tomando imagens únicas (single image) e não pares sobrepostos, cobrindo áreas aleatórias com fins de amostragem e análise estatística. Aplicações mais promissoras poderiam advir do uso de tecnologias mais sofisticadas que permitem a realização de planos de voos, pontos de controle e georreferenciamento automático de imagens. Os dois métodos aqui utilizados
permitem fazer as mensurações de falhas, mas com o uso do drone consegue-se obter uma visão mais plena da área plantada, podendo subsidiar inclusive com informações da localização das falhas nos talhões.
AGRADECIMENTOS Agradecemos o apoio da Pró-Reitoria de Extensão Universitária da Universidade Federal do Triângulo Mineiro com a bolsa PIBEX/UFTM para a pesquisa do projeto.
REFERÊNCIAS
ALONÇO, A. dos S. et al. Desenvolvimento de um veículo aéreo não tripulado (VANT) para utilização em atividades inerentes à agricultura de precisão. In: CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA, 35., 2005, Canoas. Anais... Jaboticabal: Associação Brasileira de Engenharia Agrícola, 2005.1 CD-ROM.
