Sie sind auf Seite 1von 4

Congresso Brasileiro de Agricultura de Precisão - ConBAP 2016

Centro de Eventos da UFG – Goiânia - Goiás


4 a 6 de outubro de 2016

CRIAÇÃO DE MAPAS DE PRESCRIÇÃO DE NITROGÊNIO EM DOSES VARIADAS PARA


CANA-DE-AÇÚCAR POR MEIO DE DADOS DE SENSOR DE DOSSEL

LUCAS RIOS DO AMARAL1, NELSON FELIPE OLIVEROS2, LAÍS BELLODI ARRUDA3,


MICHEL RUDAN ISAIAS VARGAS3, JOSÉ PAULO MOLIN4
1
Engº Agrônomo, Prof. Doutor, Faculdade de Engenharia Agrícola, UNICAMP, Campinas – SP, Fone: (19) 3521-1067,
lucas.amaral@feagri.unicamp.br
2
Engº Agrícola, Estudante de mestrado, Faculdade de Engenharia Agrícola, UNICAMP, Campinas – SP,, Fone: (19) 32511082,
nfoliverosm@gmail.com
3
Graduando em Engenharia Agronômica, Escola Superior de Agricultura “Luiz de Queiroz”, USP, Piracicaba – SP.
4
Eng° Agrícola, Prof. Associado, Laboratório de Agricultura de Precisão, Escola Superior de Agricultura “Luiz de Queiroz”, USP,
Piracicaba – SP.

Apresentado no
Congresso Brasileiro de Agricultura de Precisão - ConBAP 2016
Goiânia, Goiás, 4 a 6 de outubro de 2016

RESUMO: O objetivo deste trabalho foi comparar diferentes formas de criação de mapas de
prescrição de aplicação de fertilizante nitrogenado (N) a partir de dados de sensor de dossel e avaliar
uma simulação de aplicação em tempo real de N na cultura da cana-de-açúcar. Foram coletados dados
usando um sensor de refletância do dossel (CropCircle ACS-430) em dois talhões comerciais de cana-
de-açúcar. A partir das informações coletadas foi calculada a recomendação de nitrogênio para cada
ponto amostral e gerados os mapas de aplicação pelos métodos: valor médio da célula [CM], inverso
do quadrado da distância [IDQ] e krigagem ordinária [KO], para tamanhos de célula de 1,5 e 15 m, e
comparados com uma simulação de aplicação em tempo real [TR]. Observou-se menores erros nas
doses prescritas de N no método [IDQ], apresentando os melhores resultados para a preparação de
mapas de prescrição de fertilizante nitrogenado quando há grande densidade de dados, devido a sua
facilidade de implementação. A aplicação de N em tempo real com base nas leituras do sensor se
mostra problemática em função do alto tempo de resposta para ajuste de doses das máquinas
aplicadoras de fertilizantes nacionais.
PALAVRAS-CHAVE: Aplicação em tempo real, Fertilizante nitrogenado, Sensor óptico.

METHODS OF PRESCRIPTION MAPS PREPARATION AIMING THE NITROGEN


APPLICATION IN VARIABLE-RATE IN SUGARCANE BASED ON CANOPY SENSOR
DATA
ABSTRACT: The objective of this study was compare different ways of creating prescription maps of
nitrogen (N) fertilizer application through canopy sensor data and evaluate a simulation of real time
application of N in the sugarcane culture. Data were collected using a canopy reflectance sensor
(CropCircle ACS-430) in two sugarcane commercial areas. From the collected information was
calculated the nitrogen recommendation for each sample point and generated the application maps by
the methods: average value of the cell [CM], inverse-square-distance [IDQ] and ordinary kriging
[KO], for cell sizes of 1,5 and 15 meters, and compared to the simulation of real time application [TR].
Lower errors were observed in the N prescribed doses in the [IDQ] method, presenting the best results
for maps preparation of nitrogen fertilizer prescription when there are large data density, due to his
implementation facility. The N real time application based in the sensor readings show itself
problematical in function of the high response time for adjust doses of fertilizer applying machines of
national fertilizers.
KEYWORDS: Real time application, nitrogen fertilizer, optical sensor.

INTRODUÇÃO: A maior motivação para o uso de biocombustíveis é o seu potencial de reduzir a


emissão de gases de efeito estufa (GEE) de forma sustentável (LEITE; LEAL, 2007). Para aumentar a
competitividade do setor sucroalcooleiro é preciso aumentar a eficiência dos processos, com
incremento na produtividade e redução nos custos de produção. Levando em conta os insumos como
um dos principais custos produtivos, a diminuição do seu uso é fundamental para a competitividade do
setor. O nitrogênio (N) é um insumo sobre o qual se esta pesquisando amplamente na atualidade
devido a importância na fisiologia da cana-de-açúcar e a resposta variável à adubação que
frequentemente apresenta (AMARAL; MOLIN, 2014), sendo esse o elemento absorvido em maiores
quantidades pela cultura (DE OLIVEIRA et al., 2007). Para uma aplicação mais efetiva, embasada no
conceito de agricultura de precisão, a recomendação de aplicação deve considerar a variabilidade
espacial da lavoura (CORA et al., 2004); uma solução para tal é o uso de sensores de refletância do
dossel (AMARAL; MOLIN, 2014). Essa tecnologia tem o objetivo de direcionar a aplicação de N em
doses variadas e em tempo real. No entanto, a implementação de algoritmos que rejam essa aplicação
é difícil e, consequentemente, é frequente se adotar a abordagem de criação de mapas de prescrição de
N baseado nas leituras desses sensores (pós-processamento). Contudo, esse tipo de tecnologia de
sensoriamento proximal permite a obtenção de alta densidade de dados e, com isso, surgem dúvidas
sobre qual o melhor método de interpolação dos dados e criação dos mapas de prescrição, aliando
praticidade e qualidade final da recomendação. Logo, procurou-se avaliar o resultado de diferentes
métodos de geração dos mapas de prescrição de N para cana-de-açúcar, oriundo de dados de sensor de
dossel, e compará-los ao desempenho da aplicação em tempo real.

MATERIAL E MÉTODOS: O estudo foi conduzido em dois talhões comerciais de cana-de-açúcar


na região de Ribeirão Preto – SP, com cerca de 8,0 ha cada (Figura 1). Quando a cultura apresentava
0,5 m de altura de colmos, em média (AMARAL e MOLIN, 2014), foi realizada a avaliação com um
sensor de dossel (CropCircle ACS-430, Holland Scientific, Lincoln, NE, EUA). Quatro unidades
sensoras foram acopladas na barra de aplicação de um veículo autopropelido (Uniport NPK 3000,
Jacto Máquinas Agrícolas, Pompéia, SP), mensurando linhas de plantio intercaladas e mantendo
distância aproximada de 0,8 m entre sensor e dossel das plantas. A máquina de deslocou a ~ 3.89 m s-1
(14 km h-1), realizando coleta de dados pelo sensor na frequência de 1 Hz, com conexão com GNSS
L1.
Por meio do índice de vegetação NDRE medido pelo sensor de dossel, calculou-se a dose de
fertilizante nitrogenado que deveria ser aplicada em cada leitura do sensor, seguindo algoritmo
desenvolvido por Amaral, Molin e Schepers (2015); para tanto, foi assumido produtividade média das
áreas de 98 e 65 t ha-1 de colmos para os talhões B e D, respectivamente. Na sequência, avaliou-se
diferentes formas de criação de uma superfície contínua de informação (mapa interpolado de
prescrição) que poderia ser usado para a aplicação de fertilizante em doses variadas, variando o
tamanho da célula utilizado (1,5 ou 15 m) e o método de interpolação (Média por célula, Inverso do
Quadrado da Distância [IDQ] e Krigagem Ordinária [KO]). O tamanho das células foi escolhido em
função do tamanho da barra de aplicação do veículo utilizado (15 m), já que como as células foram
orientados no sentindo das linhas de plantio, o veículo poderia seguir rigorosamente esse
caminhamento e suas doses prescritas; a célula de 1,5 m buscou simular a aplicação de fertilizante
individualizada por linha de cana (cenário possível no caso de adubação líquida). Com isso, as
combinações dos tratamentos foram os seguintes: 1) dose média por célula de 15 m (CM-15m); 2)
interpolação por IDQ e célula de 15 m (IDQ-15m); 3) interpolação por KO e célula de 15 m (KO-
15m); 4) interpolação por IDQ e célula de 1,5 m (IDQ-1,5m); 5) interpolação por KO e célula de 1,5
m (KO-1,5m). Os mapas interpolados foram comparados à simulação de uma aplicação em tempo real
(TR). Para essa simulação adotou-se células de 15 m de largura, representando a largura de trabalho da
máquina, por 4 m de comprimento, representando o tempo percorrido pela máquina em 1 segundo, o
qual é a resolução com que o sensor trabalha. Posteriormente, calculou-se a média dos dados presentes
dentro de cada célula, conforme ocorreria no caso da máquina realizar o cálculo de um valor médio
para os 4 sensores utilizados e, assim, aplicar uma única dose ao longo da barra. Assumindo-se um
tempo de resposta de ajuste da dose pela máquina de 3 segundos, três células foram deslocadas para
frente. Toda a manipulação de dados foi realizada no SIG QGIS com interface de programação no
software R. A efetividade dos tratamentos (valores preditos por célula) foi avaliada tendo os valores de
prescrição de N em cada uma das leituras do sensor de dossel como referência (valor real), calculando-
se assim o RMSE (Erro médio quadrático) relativo à dose média recomendada para os talhões
experimentais.
Figura 1. Talhões B e D e os dados coletados pelo sensor de dossel (pontos), mostrando as células de 15 m
utilizados

RESULTADOS E DISCUSSÃ O: Os métodos de interpolação apresentaram desempenho variável,


mas com resultados consistentes nas duas áreas experimentais (Figura 2). Como era esperado, os
menores erros nas doses recomendadas foram com a utilização de células de 1,5 m, embora
apresentando diferença pouco expressiva em relação às células maiores. A proposta de realizar o
cálculo de um valor médio por célula apresentou os maiores erros entre os métodos avaliados. A
interpolação por KO apresentou desempenho levemente inferior ao IQD, provavelmente pela não
manutenção dos valores observados nos pontos; isso mostra que quando há grande densidade de
pontos, a KO não permite grande ganho de informação e o IDQ se apresenta como boa opção pela sua
praticidade (LANDIM, 2000). Quando comparando o erro na dose aplicada para a simulação de
aplicação em tempo real, observa-se erros duas a três vezes maiores do que quando usado o mapa de
prescrição (Figura 2). Esse incremento no erro de dose é ocasionado pelo elevado tempo de ajuste das
doses (tempo de resposta), inerente a máquinas aplicadoras de produtos sólidos. Dessa forma, os
resultados obtidos aqui indicam que a aplicação de fertilizante em tempo real com as atuais máquinas
aplicadoras de fertilizantes disponíveis no mercado pode ser ineficiente. No caso do direcionamento da
aplicação baseada em mapa de prescrição, essa defasagem ocasionada pelo tempo de resposta é
corrigida automaticamente pelo controlador de aplicação em taxa variável, pois é ajustado um tempo
em que o controlador deve iniciar o ajuste de dose antes de chegar ao local estabelecido (função “look
ahead”). Sendo assim, é preciso mais estudos para avaliar se a aplicação de N em tempo real se
adequa à realidade das máquinas utilizadas na agricultura brasileira, sendo que a aplicação de adubo
líquido pode ser uma opção mais indicada, já que o ajuste de dose pode ser mais rápido que a
aplicação de sólidos, por meio de válvulas solenoides.
14 13,0
12,1
12

10
8,2
% RMSE

8
6,3 6,1
5,8
6 5,4 Talhão B
4,6 4,9
4,4 Talhão D
3,9 3,7
4

0
CM-15m IDQ-15m KO-15m KO-1,5m IDQ-1,5m TR
Método

Figura 2. Erro da dose prescrita de nitrogênio (RMSE relativo) em função dos métodos de interpolação nos dois
talhões experimentais.
CONCLUSÃO: O método de interpolação pelo Inverso do Quadrado da Distância apresenta os
melhores resultados para a preparação de mapas de prescrição de fertilizante nitrogenado quando há
grande densidade de dados, sendo que a krigagem ordinária apresenta desempenho muito semelhante,
mas maior demanda e complexidade no processamento dos dados. A possibilidade de aplicação de
fertilizante em doses variadas e em tempo real por meio de leituras de sensor de dossel é questionável,
já que pode causar grande erro na dose aplicada em função do elevado tempo de resposta de máquinas
aplicadoras de fertilizantes sólidos disponíveis no mercado brasileiro.

AGRADECIMENTOS: À usina São Martinho pela disponibilização da área e suporte à condução do


experimento.

REFERÊNCIAS:
AMARAL, L.R.; MOLIN, J.P. The effectiveness of three vegetation indices obtained from a canopy
sensor in identifying sugarcane response to nitrogen. Agronomy Journal, Madison, v. 106, n. 1,
p. 273–280, 2014.
AMARAL, L.R.; MOLIN, J.P.; SCHEPERS, J.S. Algorithm for variable-rate nitrogen
application in sugarcane based on active crop canopy sensor. Agronomy Journal, v. 107, p.1513-1523,
2015.
CORA, J. E.; et al. Variabilidade espacial de atributos de solo para adoção do sistema de agricultura
de precisão na cultura de cana-de-açúcar. Revista Brasileira de Ciência do Solo, v. 28, n.6, p. 1013-
1021, 2004.
DE OLIVEIRA, M. W. et al. Nutrição mineral e adubação da cana-de-açúcar. Informe
Agropecuario, Belo Horizonte, v. 28, n. 239, p. 30-43, 2007.
GOOVAERTS, P. Geostatistical approaches for incorporating elevation into the spatial interpolation
of rainfall. Journal Of Hydrology, Michigan, 228, n. 2, 2000. 113-129.
LANDIM, P.M.B. Introdução aos métodos de estimação espacial para confecção de mapas. Rio
Claro: Unesp, Instituto de Geociências e Ciências Exatas, Depto. Geologia Aplicada, Lab.
Geomatemática, 2000. 20 p. (Texto Didático). Disponível em:
<http://www.sorocaba.unesp.br/Home/Graduacao/EngenhariaAmbiental/robertowlourenco/dicas-
surfer-01.pdf >. Acesso em: 18 nov. 2010.
LEITE, R. C. D. C.; LEAL, M. R. L. V. O biocombustível no Brasil. Novos Estudos - CEBRAP, n.
78, p. 15-21, 2007. ISSN ISSN 0101-3300.

Das könnte Ihnen auch gefallen