Купить СНПЧ А7 Архангельск, оперативня доставка

Quantificação da Incerteza Espacial para Avaliação dos Índices de Vegetação na Estimação da Produção de Café Conilon

DOI: http://dx.doi.org/10.12702/III-SGEA-a44

 

downloadpdf

Waylson Z. Quartezani1, Célia R. L. Zimback2 & Rone B. Oliveira3

 

Resumo: O processo estocástico de simulação além de gerar imagens com características prováveis da variável gera também, um conjunto de imagens equiprováveis com mesma variabilidade espacial dos valores experimentais, possibilitando identificar incertezas espaciais pela variabilidade do conjunto de imagens. Objetivando avaliar os Índices de Vegetação (IVs) utilizados como imagens secundárias, foram quantificadas incertezas espaciais associadas à estimação por cokrigagem da produção de café conilon, utilizando a Cosimulação Sequencial Direta (CoDSS). Numa lavoura de café conilon, no Município de São Mateus (ES), foram demarcados pontos de amostragem, espaçados irregularmente, formando área irregular de 18,567 ha. A variável primária café maduro (CM) obtida por amostras compostas de 3 plantas por ponto, totalizou 87 células amostrais e, a variável secundária pela transformação da imagem de satélite em IVs. Foi aplicada a CoDSS colocalizada para cosimulação da variável CM, utilizando os IVs como imagens secundárias. Na quantificação da incerteza por ha e %, as imagens cosimuladas de CM com os IVs GNIR (CM_GNIR) e RNIR (CM_RNIR), apresentaram as menores áreas (1,48 %), sendo estes, os melhores IVs utilizados como imagens secundárias. Porém, a diferença entre os valores de área (ha) de incerteza entre os IVs foi pequena, variando de 0,28 a 0,36 ha.

Palavras-chave: Simulação; cokrigagem colocalizada; mapa de variância.

 

Abstract: The stochastic simulation not only generate images with probable characteristics of the variable, also generates a set of equiprobable images with the same spatial variability of experimental values, enabling the identification of spatial uncertainties by the variability of the set of images. Aiming to evaluate the Vegetation Index (IVs) used as secondary images were quantified spatial uncertainties associated with the estimation of conilon coffee production using Cosimulation Direct Sequence (CoDSS). In a conilon coffee plantation conilon in the municipality of Sao Mateus (ES), sampling points were demarcated, spaced irregularly, forming irregular area of 18.567 ha. The primary variableMC was obtained by the composite samples from 3 plants per point, totalizing 87 sampling cells and, the secondary variable by transformation of the satellite image on IVs. Was applied to CoDSS collocated for cosimulation of the CM variable, utilizing IVs as secondary images. In the variance maps of the simulations, the IVs presented equal distribution from frequency. In the quantification of uncertainty per ha and %, the CM_GNIR and CM_RNIR imagens presented areas of low uncertainty (1.48%), these being the best IVs used as secondary images. However, the difference between the values of area (ha) of uncertainty among the IVs were small, ranging from 0.28 to 0.36 ha.

Key words: Simulation; cokriging collocated; map of variance

 

1 Engº. Agrônomo, Doutor em Agronomia (Energia na Agricultura), Faculdade Capixaba de Nova Venécia (UNIVEN)/Engenharias, waylson@yahoo.com.br;
2 Engª agrônoma, Profª. Adjunto, Depto. de Recursos Naturais, Faculdade de Ciências Agronômicas (FCA) /UNESP, czimback@gmail.com.
3 Engº. Agrônomo, prof. Adjunto, Depto. de Eng. Rural, Centro de Ciências Agrárias – CCA/UENP, ronebatista@hotmail.com

 

Literatura Citada

CMRP. GeoMS - Geostatistical Modeling Software. v. 1.0. Lisboa: IST, 2000.

EASTMAN, J. R. IDRISI Kilimanjaro for Windows: User’s guide. Version 15.0. Software de sistema de informação geográfica (software). Worcester: Clark University, 2006.

EMBRAPA. Sistema brasileiro de classificação de solos. 2 ed. Rio de Janeiro: Embrapa Solos, 2006. 3060 p.

SANTOS, C.; ALMEIDA, J. C. Caracterização de um índice de produtividade nos povoamentos de pinheiro-bravo em Portugal. Finisterra: Revista Portuguesa de Geografia, v.38, n. 75, p. 51-65, 2003.

SOARES, A. Geoestatística para as ciências da terra e do ambiente. IST Press, Lisboa, PT, 2 ed., 2006, 214 p.

RIZZI, R. Geotecnologias em um sistema de estimativa da produção de soja: estudo de caso no Rio Grande do Sul. 2004. 212 f. Tese (Doutorado em Sensoriamento Remoto)- Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2004.