Orientadores: Jurandir Zullo Junior, Luciana Alvim Santos Romani

Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola

Resumo: A produção de cana-de-açúcar no Brasil possui função cada vez mais estratégica na economia do país devido ao interesse da substituição de combustíveis fósseis por fontes de energia renováveis, como o etanol, com o propósito de diminuir as emissões de gases de efeito estufa (GEEs). Nesse...

Resumo: A produção de cana-de-açúcar no Brasil possui função cada vez mais estratégica na economia do país devido ao interesse da substituição de combustíveis fósseis por fontes de energia renováveis, como o etanol, com o propósito de diminuir as emissões de gases de efeito estufa (GEEs). Nesse sentido, é importante a proposição de soluções inovadoras e tecnologicamente viáveis para auxiliar a geração de modelos mais eficientes, objetivos, precisos, antecipados e adequados ao monitoramento e previsão das safras nacionais. Esse trabalho teve o objetivo principal de desenvolver modelos numéricos que avaliam a tendência da produção de cana-de-açúcar em escala regional utilizando dados agroclimáticos e espectrais de baixa resolução espacial. Áreas produtoras de cana-de-açúcar foram selecionadas e dados de produção, área e produtividade referentes ao período de 2001 a 2010 foram utilizados. As imagens do satélite AVHRR/NOAA foram processadas e corrigidas automaticamente permitindo a obtenção de perfis temporais mensais do índice de vegetação NDVI, temperatura de superfície e albedo. As condições agroclimáticas, ao longo do período de análise, foram descritas pelo índice agroclimático ISNA. As séries de dados foram avaliadas por meio de técnicas de análise de séries temporais multivariadas utilizando os métodos de agrupamentos K-Means, K-Medoids e Clarans. Com estes métodos de agrupamentos, foi possível identificar e mapear áreas de plantio de cana-de-açúcar e sua expansão. Modelos de previsão de produção da cultura foram gerados pelo método de regressão linear múltipla utilizando dados de área plantada e dos índices NDVI e ISNA. A partir dos modelos gerados, foi possível avaliar o comportamento da variação da produção para o modelo regional de mudanças climáticas ETA/CPTEC em um cenário de alta emissão de gases de efeito estufa para o ano de 2020. Ao utilizar satélites de baixa resolução espacial, é mais difícil evidenciar a diferença entre tipos de plantios de cana-de-açúcar, mas neste trabalho, realizado com a técnica de agrupamento de dados, mesmo ocorrendo mistura espectral, foi possível acompanhar a evolução da cultura ao longo das safras identificando regiões com padrões semelhantes. Desta maneira, a análise de agrupamentos pode melhorar a compreensão do desenvolvimento da cana-de-açúcar e sua expansão para outras regiões do país. Os modelos gerados para estimar a produção de cana-de-açúcar em relação aos dados de área plantada e dos índices NDVI e ISNA apresentaram coeficientes de correlação (R2) em torno de 0,9 e conseguiram estimar os valores de produção para todo estado de São Paulo com precisão. Os modelos gerados para anos mais secos, no período de dezembro a março, indicaram que a produção de cana-de-açúcar tende a aumentar em torno de 3,5%. Para anos mais chuvosos, no mesmo período, a produção tende a aumentar em torno de 1,6% no ano de 2020, independentemente da área plantada. Os resultados obtidos são úteis para o planejamento agrícola em escala regional, pois permitem acompanhar o desenvolvimento e a produção da cana-de-açúcar de forma objetiva e sistemática a partir de dados fornecidos por sensores remotos, estações agroclimáticas e modelos de mudanças climáticas

Abstract: The sugarcane production in Brazil has increasingly strategic role in the economy due to the interest of replacing fossil fuels with renewable energy sources such as ethanol, in order to reduce emissions of greenhouse gases (GHGs). In this sense, it is important to propose innovative and...

Abstract: The sugarcane production in Brazil has increasingly strategic role in the economy due to the interest of replacing fossil fuels with renewable energy sources such as ethanol, in order to reduce emissions of greenhouse gases (GHGs). In this sense, it is important to propose innovative and technologically feasible solutions to assist the generation of more efficient, objective, accurate, anticipated and appropriate models to the monitoring and forecasting of national crop. The main objective of this work was to develop numerical models that assess the trend of sugarcane production on a regional scale using agroclimatic and spectral data of lower spatial resolution. Producing areas of sugarcane were selected and data production, area and yield were used for the period 2001-2010. The images from satellite AVHRR/NOAA were processed and automatically corrected and subsequently were obtained monthly temporal profiles of NDVI vegetation index, surface temperature and albedo. The climatic conditions during the period of analysis, were described by WRSI agroclimatic index. The data sets were analyzed by techniques of multivariate time series analysis using the methods of clusters K-Means, K-Medoids and Clarans. With these clustering methods, it was possible to identify and map the expansion of areas planted with sugarcane. Predictive models of crop production were generated by multiple linear regression analysis using data from cropland and NDVI and WRSI indices. From the generated models, it was possible to evaluate the behavior of the variation in production for regional climate change model ETA/CPTEC in a scenario of high emission of greenhouse gases for the year 2020. It is more difficult to highlight the difference between types of plantings of sugarcane using low spatial resolution satellites, but this work with technical data clustering, even occurring spectral mixture, it was possible to follow the evolution of the culture over the crops identifying regions with similar patterns. Thus, the cluster analysis can improve understanding of the development of sugarcane and its expansion to other regions of the country. The models for estimating the production of sugarcane with the data of planted area and NDVI and WRSI indices showed a correlation coefficient (R2) around 0.9 and were able to estimate the values of production for the entire state of São Paulo accurately. The models for the driest years in the period from December to March, indicated that the production of sugarcane tends to increase around 3.5%. Wettest years in the same period, production tends to increase around 1.6% in 2020, regardless the cultivated area. The results are useful for agricultural planning at the regional scale because they allow to monitor the development and production of sugarcane objectively and systematically from data provided by remote sensors, agroclimatic stations and climate change models