Estimativa da produtividade da cana-de-açúcar utilizando o Sebal e imagens Landsat
As técnicas de sensoriamento remoto têm sido muito promissoras para o desenvolvimento de medidas mais confiáveis e economicamente viáveis da produção vegetal em larga escala. O algoritmo SEBAL (Surface Energy Balance Algorithm for Land) tem como vantagem a obtenção de parâmetros biofísicos usando im...
| Authors: | , , , , |
|---|---|
| Format: | article |
| Status: | Published version |
| Publication Date: | 2013 |
| Country: | Brasil |
| Institution: | Universidade Federal de Viçosa (UFV) |
| Repository: | LOCUS Repositório Institucional da UFV |
| Language: | Portuguese |
| OAI Identifier: | oai:locus.ufv.br:123456789/18375 |
| Online Access: | http://dx.doi.org/10.1590/0102-778620130022 http://www.locus.ufv.br/handle/123456789/18375 |
| Access Level: | Open access |
| Keyword: | Cana-de-açúcar Biomassa vegetal SEBAL Sensoriamento remoto |
| Summary: | As técnicas de sensoriamento remoto têm sido muito promissoras para o desenvolvimento de medidas mais confiáveis e economicamente viáveis da produção vegetal em larga escala. O algoritmo SEBAL (Surface Energy Balance Algorithm for Land) tem como vantagem a obtenção de parâmetros biofísicos usando imagens de satélite e poucos dados observacionais. Este trabalho objetivou estimar a produtividade da cana-de-açúcar por meio da aplicação do algoritmo SEBAL e de imagens Landsat 5 TM. O estudo foi realizado em plantios de cana-de-açúcar da fazenda Boa Fé, localizada no Triângulo Mineiro, município de Conquista, Minas Gerais. A metodologia utilizada apresentou variação de desempenho nas estimativas de produtividade da cana-de-açúcar de cada gleba, provavelmente em decorrência de influências da dimensão dos talhões e da resolução espacial da imagem, e de variedades e épocas de plantio e colheita da cultura. No entanto, os resultados apontam que a metodologia tem potencial para ser aplicada em áreas extensas com limitada disponibilidade de dados meteorológicos. |
|---|