Conference PaperPDF Available

Aplicação de Nitrogênio em Taxas Variáveis a Partir de Produtividade de Cana-de-Açúcar Estimada por Sensor de Dossel

Authors:

Abstract and Figures

A correta fertilização nitrogenada em cana-de-açúcar é um desafio. Para auxiliar na recomendação desse nutriente, um algoritmo de prescrição de N, que tem como informação básica os dados de refletância do dossel da cultura obtidos por um sensor, foi recentemente proposto, mas ainda carece de resultados em áreas comerciais. Com esse objetivo, realizou-se a avaliação de três talhões cultivados com cana-de-açúcar com o sensor de dossel CropCircle, modelo ACS-430. Os dados do sensor foram convertidos em doses de nitrogênio e criou-se mapas de recomendação. O desenvolvimento da cana-de-açúcar varia espacialmente e sensores de dossel são capazes de captar tal diferença. O algoritmo de fertilização permitiu variação na dose de N da ordem de 33% a 45%, dependendo da área. A variação na distribuição de N ocorre conforme a variabilidade espacial existente na área e é mais promissora quando existem regiões com desenvolvimento contrastante da cana dentro do mesmo talhão. O algoritmo proposto permite e aplicação de N em taxas variáveis, embora seu efeito na produtividade da cana ainda precise ser avaliado.
Content may be subject to copyright.
Aplicação de Nitrogênio em Taxas Variáveis a Partir de Produtividade de Cana-
de-Açúcar Estimada por Sensor de Dossel
Lucas Rios do Amaral(1); José Paulo Molin(2)
(1) Professor Doutor; Faculdade de Engenharia Agrícola; Universidade Estadual de Campinas, Av. Cândido Rondon, 501,
Campinas/SP; lucasamaral@agronomo.eng.br. (2) Professor Associado; Departamento de Engenharia de Biossistemas; Universidade
de São Paulo; Escola Superior de Agricultura “Luiz de Queiroz”; Avenida Pádua Dias, 11, Piracicaba/SP; jpmolin@usp.br.
RESUMO A correta fertilização nitrogenada em cana-
de-açúcar é um desafio. Para auxiliar na recomendação
desse nutriente, um algoritmo de prescrição de N, que tem
como informação básica os dados de refletância do dossel
da cultura obtidos por um sensor, foi recentemente
proposto, mas ainda carece de resultados em áreas
comerciais. Com esse objetivo, realizou-se a avaliação de
três talhões cultivados com cana-de-açúcar com o sensor
de dossel CropCircle, modelo ACS-430. Os dados do
sensor foram convertidos em doses de nitrogênio e criou-
se mapas de recomendação. O desenvolvimento da cana-
de-açúcar varia espacialmente e sensores de dossel são
capazes de captar tal diferença. O algoritmo de
fertilização permitiu variação na dose de N da ordem de
33% a 45%, dependendo da área. A variação na
distribuição de N ocorre conforme a variabilidade
espacial existente na área e é mais promissora quando
existem regiões com desenvolvimento contrastante da
cana dentro do mesmo talhão. O algoritmo proposto
permite e aplicação de N em taxas variáveis, embora seu
efeito na produtividade da cana ainda precise ser avaliado.
Palavras-chave: agricultura de precisão, algoritmo de
fertilização, sensor óptico.
INTRODUÇÃO - A correta fertilização da cana-de-
açúcar com nitrogênio (N) é um desafio, que a
disponibilidade desse elemento no solo não é estimada
eficientemente através de análises de solo de rotina e,
frequentemente, a cultura apresenta resposta inconsistente
à sua aplicação (Lofton et al., 2012; Amaral e Molin,
2014). Com base nisso, pesquisas vêm sendo realizadas
com sensores que mensuram a refletância do dossel da
cana-de-açúcar (Portz et al., 2011; Lofton et al., 2012;
Amaral e Molin, 2014) e têm como objetivo principal
direcionar a aplicação de N em taxas variáveis (Raun et
al., 2002).
Embora existam algoritmos de fertilização que
utilizem como informação básica as leituras com sensores
de dossel para culturas como milho e trigo (Raun et al.,
2005; Kitchen et al., 2010; Solie et al., 2012), ainda não
existe uma proposta validada para a cana-de-açúcar.
Amaral et al. (2015a) propõem um algoritmo para tal
finalidade, assumindo que a cana pode ter sua
produtividade de colmos estimada por meio das leituras
com um sensor de dossel realizadas durante o ciclo de
desenvolvimento da cultura. No entanto, esse algoritmo
ainda carece de resultados que comprovem sua eficácia ao
mensurar a variabilidade de áreas comerciais, sendo este o
objetivo do presente trabalho.
MATERIAL E MÉTODOS Três talhões comerciais
cultivados com cana-de-açúcar (Tabela 1) na região de
Ribeirão Preto - SP tiveram todas as fileiras de plantas
avaliadas com o sensor óptico CropCircle, modelo ACS-
430 (Holland Scientific Inc., Lincoln, NE, EUA), quando
a cultura apresentava altura média de colmos de 0,5 m,
seguindo recomendação de Amaral e Molin (2014). Esse
sensor emite luz modulada e capta a refletância do dossel
centrada em três comprimentos de onda (670, 730 e 780
nm), sendo que no presente estudo se utilizou apenas duas
(730 e 780 nm) para o cálculo do índice de vegetação da
diferença normalizada pelo red-edge (NDRE, Barnes et
al., 2000).
O sensor de dossel foi embarcado em um veículo
Uniport 3000 NPK (Jacto Máquinas Agrícolas, Pompéia,
SP) e mantido a uma distância média de 1,0 m acima do
dossel, com frequência de coleta de um dado por segundo
e velocidade de deslocamento em torno de 14 km h-1
(Amaral et al., 2012).
Tabela 1 – Características dos talhões de cana estudados.
Área
Tamanho
(ha) Variedade Corte Produtividade
média (t ha-1)
11 16,3 CTC7 Segundo
117
22 14,9 CTC2 Quarto 84
32 6,3 SP80-1816 Oitavo 60
1 safra 2012/2013; 2 safra 2011/2012
A dose de N recomendada para cada dado coletado
pelo sensor foi calculada pela equação 1, conforme o
proposto por Amaral et al. (2015a).
Em que: Napp é a dose de N (kg ha-1) recomendada para
cada dado obtido com o sensor; NDREread é o valor de
NDRE mensurado pelo sensor em cada ponto; NDREaver
é o valor de NDRE médio calculado para toda a área;
- VII SIMPÓSIO TECNOLOGIA DE PRODUÇÃO DE CANA DE AÇÚCAR -
Piracicaba-SP, 8 a 10 de Julho de 2015 - Resumo Expandido -
2
Yieldabs é a produtividade média estimada para a área
(Tabela 1); Nkt é a quantidade de N a ser aplicada para
cada tonelada de colmos esperada, sendo usado 1,3 kg de
N t-1 (Vitti e Rodella, 2008); Nupt é a porcentagem do N
total absorvido pela cana no momento da avaliação com
sensor, sendo adotado que 30% do N requerido pela
planta já havia sido absorvido (Oliveira, 2011). Estes
valores podem ser ajustados conforme as recomendações
de produtores e consultores.
A dose de N para cada leitura do sensor foi então
interpolada pelo método do inverso da distância ao
quadrado em pixels de 5m x 5m. As estatísticas
descritivas das doses de N recomendadas foram
calculadas a partir desses dados interpolados.
Adicionalmente, obteve-se uma imagem do satélite
RapidEye de 25 de dezembro de 2012, disponibilizada
pelo Ministério do Meio Ambiente, com a finalidade de
compará-la com os dados obtidos com os dados do sensor
de dossel (NDRE) obtidos em 29 de novembro de 2012 na
Área 1. Para tanto, calculou-se o índice de vegetação da
diferença normalizada (NDVI) da imagem, o qual tende a
se relacionar com a produção de biomassa da cana-de-
açúcar (Fortes, 2003; Machado e Lamparelli, 2007;
Farinassi et al., 2014). Ambos os dados foram
normalizados (autoescalados) pela média (valor do pixel
menos o valor médio e multiplicado pelo desvio padrão),
para que os mapas fossem representados na mesma escala
de valores e, assim, fossem comparáveis visualmente.
Nessa mesma área, após a leitura com o sensor de dossel,
algumas faixas dentro da lavoura receberam a aplicação
de 100 kg ha-1 de N, por se tratar de área com outros
experimentos.
Todos os mapas e cálculos foram realizados utilizando
o sistema de informação geográfica QGIS.
RESULTADOS E DISCUSSÃO O sensor de dossel
foi capaz de identificar a variabilidade no
desenvolvimento da cana-de-açúcar, assim como
observado por Amaral et al. (2015b), já que o mapa
gerado foi condizente com a imagem de satélite (Figura
1). Na mesma figura, observa-se que a aplicação de N
logo após a leitura com o sensor de dossel não influenciou
significativamente o desenvolvimento da cultura,
mensurado pela imagem de satélite obtida quase um mês
após a aplicação. Isso mostra que a cana pode não
responder a fertilização nitrogenada, assim como
afirmado por Lofton et al (2012) e Amaral e Molin
(2014).
Já que o algoritmo proposto por Amaral et al. (2015a)
tem o objetivo básico de realizar a distribuição do N
conforme o maior potencial produtivo da cultura, as doses
médias para cada área (Tabela 2) ficaram similares ao que
seria recomendado em taxa fixa seguindo a mesma
recomendação. No entanto, observa-se que a
produtividade esperada e a dose de N recomendada
variaram de 33 a 45% dentro de cada área (Tabela 2).
Essa variabilidade, em termos de dose recomendada,
representa, indiretamente, que o desenvolvimento da
cultura foi significativamente heterogêneo nos talhões
estudados. Logo, mostra que a adoção de técnicas de
agricultura de precisão pelo setor sucroenergético pode
possibilitar ganhos gerenciais e econômicos.
A magnitude com que o algoritmo varia a dose de N
em uma área é função das características de cada talhão.
Por exemplo, na Área 1, apenas 15,3% da área receberia
dose diferente da dose média ± 5%; por outro lado, a Área
3 receberia dose diferente da dose média ± 5% em 41,8%
da área (Figura 2). Esse comportamento é reflexo da
variabilidade espacial existente no desenvolvimento da
cultura, sendo que na Área 3, regiões com
desenvolvimento contrastantes ocorreram ao longo do
talhão (Figura 2c). Tal comportamento diferenciado
demonstra o potencial da aplicação de N em taxas
variáveis, o qual tende a variar mais a dose quanto maior
a variabilidade existente no talhão. Porém, maiores
respostas à aplicação de N em taxas variáveis são
esperadas nos canaviais que apresentem regiões com
desenvolvimento contrastante ao longo das áreas. Ainda,
quando a variação é aleatória, as próprias máquinas
aplicadoras de fertilizantes apresentam dificuldade em
respeitar a variação de doses em pequenas distâncias.
Contudo, é importante ter em mente que esses
resultados foram mensurados através da interpolação de
pontos em pixels de 5 m. Se fosse analisado diretamente o
conjunto de dados obtido com o sensor, a variabilidade
aumentaria bastante; por outro lado, se fosse aumentado o
tamanho dos pixels, ocorreria uma suavização dos dados
e, consequentemente, a variabilidade seria menos intensa.
Assim, o correto uso dos dados oriundos de sensores de
dossel exige conhecimento técnico por parte do usuário,
ajustando o processamento dos dados conforme as
necessidades e maquinário disponível. Ainda, os
parâmetros utilizados no algoritmo podem ser ajustados,
seguindo a recomendação específica para cada situação.
Embora ocorra variação na dose aplicada, a proposta
apresentada por Amaral et al. (2015a) ainda carece de
mensuração de seu efeito na produtividade da cultura.
Logo, experimentos de validação de campo estão sendo
conduzidos.
CONCLUSÕES – O desenvolvimento da cana-de-açúcar
varia espacialmente e o sensor de dossel pode captar tal
diferença. Logo, é possível estimar a produtividade de
colmos por meio de leituras com esse tipo de
equipamento e, usando-se dessa informação, o algoritmo
proposto anteriormente permite e aplicação de N em taxas
variáveis. Maiores impactos positivos dessa tecnologia
são esperados quando os canaviais apresentam regiões
bem definidas de desenvolvimento contrastante.
AGRADECIMENTOS À FINEP, projeto
PROSENSAP, pelo apoio financeiro; à FAPESP, pela
concessão de bolsa ao primeiro autor (Projeto FAPESP n°
2009/03372-0 e 2011/08882-7); à Usina São Martinho e à
Jacto Máquinas Agrícolas, pela parceria.
REFERÊNCIAS
AMARAL, L.R. Sensor de refletância do dossel para
direcionar a aplicação de nitrogênio em taxas variáveis na
cultura da cana-de-açúcar. Piracicaba, Escola Superior de
- VII SIMPÓSIO TECNOLOGIA DE PRODUÇÃO DE CANA DE AÇÚCAR -
Piracicaba-SP, 8 a 10 de Julho de 2015 - Resumo Expandido -
3
Agricultura “Luiz de Queiroz”, Universidade de São Paulo,
2014. 125p. (Tese de Doutorado).
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, v. 106, 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,
2015a
AMARAL, L.R.; MOLIN, J.P.; PORTZ, G. et al. Comparison of
crop canopy reflectance sensors used to identify sugarcane
biomass and nitrogen status. Precision Agriculture, v.16, p. 15-
28, 2015b
AMARAL, L.R.; PORTZ, G.; ROSA, H.J.A. et al. Comparativo
de dados espacializados oriundos de três sensores de refletância
na leitura do dossel de cana-de-açúcar. In: CONGRESSO
BRASILEIRO DE AGRICULTURA DE PRECISÃO, 5., 2012,
Ribeirão Preto, SP. Anais... Jaboticabal: SBEA, 2012. 1 CD-
ROM.
BARNES, E.M.; CLARKE, T.R.; RICHARDS, S.E. et al.
Coincident detection of crop water stress, nitrogen status and
canopy density using ground-based multispectral data. In: 5th
INTERNATIONAL CONFERENCE ON PRECISION
AGRICULTURE. MADISON, WI, 2000.
FARINASSI; L.G.; VANZELA, L.S.; REIS, L.C.P. et al.
Estimativa da produtividade de biomassa de cana-de-açúcar com
sensoriamento remoto. In: ENCONTRO DE PÓS-
GRADUAÇÃO E INICIAÇÃO CIENTÍFICA
UNIVERSIDADE CAMILO CASTELO BRANCO, 2014.
FORTES, C. Discriminação varietal e estimativa de
produtividade agroindustrial de cana-de-açúcar pelo sensor
orbital ETM+/LANDSAT7. Piracicaba, Escola Superior de
Agricultura “Luiz de Queiroz”, Universidade de São Paulo,
2003. 131p. (Dissertação de Mestrado).
KITCHEN, N. R.; SUDDUTH, K. A.; DRUMMOND, S. T. et
al. Ground-based canopy reflectance sensing for variable-rate
nitrogen corn fertilization. Agronomy Journal, v. 102, p. 71-
84, 2010.
LOFTON, J.; TUBANA, B.S.; KANKE, Y. et al. Predicting
sugarcane response to nitrogen using a canopy reflectance-based
response index value. Agronomy Journal, v. 104, n. 1, p. 106–
113, 2012.
MACHADO, H.; LAMPARELLI, R.A.C. Desenvolvimento
metodológico para amostragem em cana-de-açúcar,
considerando a resposta espectral da biomassa em imagens
orbitais. Revista Brasileira de Cartografia, v.59, n.2, p. 115-
126, 2007.
OLIVEIRA, E.C.A. Balanço nutricional da cana-de-açúcar
relacionado à adubação nitrogenada. Piracicaba, Escola
Superior de Agricultura “Luiz de Queiroz”, Universidade de São
Paulo, 2011. 213 p. (Tese de Doutorado).
PORTZ, G.; MOLIN, J.P.; JASPER, J. Active crop sensor to
detect variability of nitrogen supply and biomass on sugarcane
fields. Precision Agriculture, v. 13, n. 1, p. 33–44, 2011.
RAUN, W.R.; SOLIE, J.B.; JOHNSON, G.V. et al. Improving
nitrogen use efficiency in cereal grain production with optical
sensing and variable rate application. Agronomy Journal, v.
94, p. 815–820, 2002.
RAUN, W.; SOLIE, J.; STONE, M. et al. Optical Sensor-Based
Algorithm for Crop Nitrogen Fertilization. Communications in
Soil Science and Plant Analysis, v. 36, p. 2759-2781, 2005.
SOLIE, J.B.; MONROE, A.D.; RAUN, W.R. et al. Generalized
algorithm for variable-rate nitrogen application in cereal grains.
Agronomy Journal, v. 104, n. 2, p. 378–387, 2012.
VITTI, G.C.; RODELLA, A.A. Aspectos práticos da adubação
nitrogenada na cana-de-açúcar. In: MAXIMIZAÇÃO DA
EFICIÊNCIA E MINIMIZAÇÃO DOS IMPACTOS
AMBIENTAIS DA ADUBAÇÃO NITROGENADA, 2008,
Piracicaba. Apresentação... Piracicaba: IPNI, 2008. Disponível
em:<http://www.ipni.net/ppiweb/pbrazil.nsf/1c678d0ba7420194
83256e19004af5b8/5937ecca501d48fe032574d4003f986f/$FIL
E/Dr.%20G.%20C.%20Vitti%20e%20Dr.%20A.%20Rodella.pd
f>. Acesso em: 10 fev. 2015.
Tabela 2 Estatística descritiva dos dados interpolados e estimados pelo sensor de dossel (produtividade da cana e
recomendação da dose de nitrogênio) para as três áreas estudadas.
Área 1 Área 2 Área 3
Prod. estimada
Dose de N Prod. estimada
Dose de N Prod. estimada Dose de N
(t ha
-
1
(kg ha
-
(t ha
-
1
(kg ha
-
(t ha
-
1
(kg ha
-
Média 116 106 84 76 60 54
Desvio Padrão
4,5 4,6 4,1 3,7 4,1 3,8
Mínimo 75 68 66 60 39 36
Máximo 133 121 97 89 72 65
Amplitude 58 53 32 29 33 30
Diferença (%)1
43 44 33 33 45 45
1 Relação entre amplitude dos dados e valor máximo observado
- VII SIMPÓSIO TECNOLOGIA DE PRODUÇÃO DE CANA DE AÇÚCAR -
Piracicaba-SP, 8 a 10 de Julho de 2015 - Resumo Expandido -
4
Figura 1 – Mapas da Área 1 apresentando os valores normalizados do sensor de dossel (a) e do NDVI calculado a partir
da imagem do satélite RapidEye (b). As faixas delineadas dentro da área (contorno com linhas pretas contínuas)
mostram os locais onde foi aplicado nitrogênio após a leitura com o sensor de dossel.
Figura 2 – Mapas de recomendação de N conforme o algoritmo para as Áreas 1 (a), 2 (b) e 3 (c). Os valores ao lado da
legenda indicam a dose de N, sendo que a classe intermediária representada a dose média recomendada para cada área,
com 5% para mais e para menos; a área representativa de cada classe de dose indicada; e a proporção da área
representada por cada classe de dose.
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
Nitrogen (N) fertilization for cereal crop production does not follow any kind of generalized methodology that guarantees maximum nitrogen use efficiency (NUE). The objective of this work was to amalgamate some of the current concepts for N management in cereal production into an applied algorithm. This work at Oklahoma State University from 1992 to present has focused primarily on the use of optical sensors in red and near infrared bands for predicting yield, and using that information in an algorithm to estimate fertilizer requirements. The current algorithm, "WheatN.1.0," may be separated into several discreet components: 1) mid-season prediction of grain yield, determined by dividing the normalized difference vegetative index (NDVI) by the number of days from planting to sensing (estimate of biomass produced per day on the specific date when sensor readings are collected); 2) estimating temporally dependent responsiveness to applied N by placing non-N-limiting strips in production fields each year, and comparing these to the farmer practice (response index); and 3) determining the spatial variability within each 0.4 m2 area using the coefficient of variation (CV) from NDVI readings. These components are then integrated into a functional algorithm to estimate application rate whereby N removal is estimated based on the predicted yield potential for each 0.4 m2 area and adjusted for the seasonally dependent responsiveness to applied N. This work shows that yield potential prediction equations for winter wheat can be reliably established with only 2 years of field data. Furthermore, basing mid-season N fertilizer rates on predicted yield potential and a response index can increase NUE by over 15% in winter wheat when compared to conventional methods. Using our optical sensor-based algorithm that employs yield prediction and N responsiveness by location (0.4 m2 resolution) can increase yields and decrease environmental contamination due to excessive N fertilization.
Article
Many different mathematical algorithms have been developed and used in conjunction with commercial sensors for sensor-based nutrient management. Several of the N algorithms have led to the precise mid-season prediction of yields and calculation of sidedress N rates. The original Oklahoma State University (OSU) algorithm identified several limitations that were addressed in this study. Based on data analyses from more than 390 winter wheat (Triticum aestivum L.) and 200 corn (Zea mays L.) experiments and analyses of more than 100 N-rich strips, a generalized algorithm (for both corn and wheat) was developed to estimate the optimum N application rate based on spectral measurements. The generalized model adjusts the yield calibration curve for growth stages and better predicts corn and wheat yields. The coefficients of determination of the generalized model explained 5 to 6% less of the model error than the individual regressed data for both crops. Mean absolute error (MAE) was approximately 0.9 Mg/ha greater with the generalized model than with the individually regressed model. The larger MAE with the OSU generalized model was due to sensitivity to location of the inflection point; however, this sensitivity did not impact the calculated fertilizer rates. The generalized model reported here using normalized difference vegetation index sensor measurements collected midseason can be used to apply fertilizer N with changing growth stage for both corn and wheat.
Aspectos práticos da adubação nitrogenada na cana-de-açúcar
  • G C Vitti
  • A A Rodella
  • Maximização Da Eficiência
  • Minimização
  • Impactos
  • Da
  • Nitrogenada
VITTI, G.C.; RODELLA, A.A. Aspectos práticos da adubação nitrogenada na cana-de-açúcar. In: MAXIMIZAÇÃO DA EFICIÊNCIA E MINIMIZAÇÃO DOS IMPACTOS AMBIENTAIS DA ADUBAÇÃO NITROGENADA, 2008, Piracicaba. Apresentação... Piracicaba: IPNI, 2008. Disponível em:<http://www.ipni.net/ppiweb/pbrazil.nsf/1c678d0ba7420194 83256e19004af5b8/5937ecca501d48fe032574d4003f986f/$FIL E/Dr.%20G.%20C.%20Vitti%20e%20Dr.%20A.%20Rodella.pd f>. Acesso em: 10 fev. 2015.