Explorando o potencial de dados provenientes do sensoriamento remoto orbital na predição de indicadores de biomassa de pastagem

• Ano de defesa: 2025
• Autor(a) principal: Oliveira, Júlia Licínia Freire
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Bandas espectrais; Imagens de satélite; Parâmetros de qualidade; Pastagem; Pasture; Quality parameters; Satelitte images; Spectral bands
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-07072025-144808/

As pastagens desempenham um papel fundamental na pecuária brasileira, sendo a principal fonte de alimentação para bovinos de corte e leite devido ao seu formato extensivo de criação. A disponibilidade e a qualidade da forragem impactam diretamente no desempenho animal, bem como na sustentabilidade da produção. Desta forma, a predição de biomassa e índices de qualidade da pastagem é essencial para otimizar o manejo, reduzir custos e minimizar impactos ambientais. O sensoriamento remoto orbital surge como ferramenta promissora para monitoramento dessas variáveis, permitindo análises em larga escala e ao longo do tempo, auxiliando na tomada de decisões estratégicas no setor agropecuário. Neste estudo, são abordadas a predição da biomassa através das variáveis Massa Seca (MS) e Massa Fresca (MF) e a predição de índices de qualidade Proteína Bruta (PB) e Fibra de Detergente Neutro (FDN), utilizando imagens dos satélites CBERS, Planet e Sentinel2A, associadas a modelos estatísticos de aprendizado de máquina, mais especificamente o Random Forest. As coletas foram realizadas em uma fazenda comercial no estado do Mato Grosso do Sul, em três períodos distintos do ano, permitindo a avaliação da influência da sazonalidade sobre os resultados. Os índices espectrais derivados das imagens foram correlacionados com dados laboratoriais obtidos a partir de amostras da pastagem, possibilitando a construção dos modelos preditivos. Os resultados apontam que a acurácia dos modelos varia conforme o satélite e a variável analisada. Para a predição de biomassa, apesar dos satélites Planet apresentarem melhor desempenho, o Sentinel apresentou resultados semelhantes mesmo sendo considerado de média resolução. De maneira geral, os dados mostraram que as imagens multiespectrais foram compatíveis com os dados de laboratório para este tipo de predição, sendo viável o desenvolvimento de metodologia ágil para facilitar a vida do pecuarista. Para a predição de qualidade de pastagem, o Planet apresentou o melhor desempenho para dados de PB enquanto o CBERS se destacou na predição de FDN. Apesar dos dados de qualidade terem desempenho bem menor do que os dados de biomassa, ambos não apresentaram o mesmo desempenho na validação cruzada, indicando que a sazonalidade pode impactar no modelo. Enquanto a variável relevante para as predições de biomassa foi a altura da pastagem, para os dados de qualidade o tempo de descanso demonstrou maior impacto, principalmente na composição química da forragem. Diante dos resultados, o sensoriamento remoto orbital é uma ferramenta promissora para a análise de produtividade e qualidade de pastagem, oferendo suporte ao manejo sustentável da pecuária. No entanto, desafios como a influência da sazonalidade e a necessidade de ampliação da base de dados ainda devem ser superados para garantir a maior confiabilidade e aplicabilidade dos modelos desenvolvidos. O estudo contribuiu para o avanço das técnicas de monitoramento remoto da forragem, auxiliando pesquisadores na gestão eficiente da gramínea em questão.