As variáveis que existem na natureza são um dos grandes desafios da agricultura brasileira atualmente. Identificar as necessidades a tempo e escolher as soluções mais adequadas para problemas como doenças e pragas cada vez mais resistentes, compactação do solo, níveis diferentes de fertilidade, distribuição irregular de chuvas, entre muitos são desafios do dia-a-dia do produtor.
O monitoramento constante da evolução e desenvolvimento da cultura torna possível prevenir e evitar que os fatores citados acima não interfiram na sua lucratividade.
Uma das ferramentas para o monitoramento do desenvolvimento da cultura são as câmeras multiespectrais embarcadas em drones e satélites.
Com a falta de disponibilidade de imagens nos satélites devido a cobertura de nuvens, uma alternativa é o uso de câmeras multiespectrais embarcadas em drones, que garantem uma maior disponibilidade de imagens ao longo da safra.
Nesse artigo você vai encontrar a comparação da resolução, principalmente a radiométrica da câmera Sequoia, em relação ao sensor multiespectrais do satélite Sentinel 2.
A câmera Sequoia pode ser instalada em qualquer drone, ou então vir embarcada como nos drones de asa fixa (VANTs) senseFly, que pode ser a opção mais interessante devido à necessidade de cobertura de áreas maiores por voo, já que para o território brasileiro isso é um fator fundamental para conseguir detectar anomalias e atuar o mais rápido possível a fim de combater as variáveis que afetam a produção.
Os dados abaixo foram extraídos do trabalho de pesquisa Geometric and Radiometric Consistency of Parrot Sequoia Multispectral Imagery for Precision Agriculture Applications, cujos autores são Marica Franzini University of Pavia, Giovanna Sona Politecnico di Milano, Giulia Ronchetti Politecnico di Milano e Vittorio Casella University of Pavia.
A tabela abaixo mostra a correlação da câmera Sequoia com o satélite Sentinel 2.
Estatísticas sumárias dos mapas NDVI computados a partir de imagens S2 e imagens sequoia, na área sobreposta.
A correlação com o mapa NDVI das imagens S2 mostra uma boa correspondência: os coeficientes de determinação são 0,5197 para 3 Ig/Ir, 0,5249 para 4 Ig/Ir e 0,4840 para Ig/Jr. O mapa NDVI com a maior correspondência contra imagens S2 é o derivado de 4 dados Ig/Ir, com o coeficiente de correlação de Pearson ρ e RMSE igual a 0,7245 e 0,0984, respectivamente. No entanto, as linhas de regressão mostram uma ligeira superestimação dos dados da Sequoia em relação ao S2; Mapas NDVI da imagem sequoia relatam valores mais elevados em relação ao mapa S2 e abrangem faixas mais amplas.
Qual a solução multiespectral mais adequada?
A alta correlação encontrada com as imagens do Sentinel 2, comprova que a Sequoia é adequada para fins agronômicos, mas é preciso muita atenção se for utilizada para trabalho de pesquisa.