Projeto “Desenvolvimento de Geotecnologias para Identificação e Monitoramento de Níveis de Degradação em Pastagens” exibido durante o workshop "Radiografia das Pastagens", realizado pela SAE/PR no dia 11 de dezembro de 2014. Autores: Sandra Furlan Nogueira e Ricardo Guimarães Andrade.
Mais informações em: http://ow.ly/Gaoje
1. MAPEAMENTO QUALITATIVO
DAS PASTAGENS DO BRASIL
Sandra Furlan Nogueira
Ricardo Guimarães Andrade
Pesquisadores
Projeto “Desenvolvimento de Geotecnologias para
Identificação e Monitoramento de Níveis de Degradação em
Pastagens”
2. Degradação de Pastagens é
um processo.
Ocorre ao longo do tempo
com mudanças nas
características de cobertura
e uso da Terra.
4. Métricas de paisagens permitem caracterizar as
diferentes condições de coberturas em pastagens e
definir indicadores de acompanhamento
Fichas de caracterização da cobertura das pastagens em
pontos dispersos (regiões e percursos)
Bioma Amazônia – Estado de GO – Rally da Pecuária
Fichas de caracterização da cobertura das pastagens em
fazendas de pesquisa e particulares (transectos)
Fazendas APTA e Embrapa (SP) – Fazendas da
Embrapa e Particulares (MS)
Biomas Amazônia – Cerrado – Mata Atlântica
10. Ficha de Campo – Caracterização da cobertura das pastagens
NOME: DATA: __/__/ 2012
Nº do ponto Município Coordenadas GPS
Fotos – Nº
N__________ L_____________ S______________ O_______________
CARACTERÍSTICAS DA ÁREA
Solo
Descoberto (%)
__________________
Cobertura de
Forrageira (%)
__________________
Cobertura de Invasora
(%)
__________________
Capim Verde (%)
__________________
Altura do Pasto (cm)
__________________
Altura da Invasora (m)
__________________
Invasora Dominante
__________________
Cupinz. (uni// no raio)
__________________
Tipo de Capim
Braquiarão Mombaça
Quicuio B. decumbens
Outros:
___________________________________
Nº de Árvores
C. Fina ____________
C. Média __________
C. Grossa __________
Cor predominante na
área toda
AMARELO
VERDE AMARELADO
VERDE CLARO
VERDE ESCURO
VERDE MARROM
MARROM
Declividade
Fraca
Média
Forte
DESCRIÇÃO GERAL DA ÁREA VIGOR DO PASTO
Invasoras
Alta
Média
Baixa
Pasto Sujo
Muito
Médio
Pouco
Pasto Limpo
Alto
Médio
Baixo
Pasto Fraco
Muito fraco
Mediamente fraco
Pouco fraco
Normal
Vigoroso
Pastejo
Pastejando
Descansando
Umidade Solo
SIM NÃO
Área Descoberta:
Solo Exposto
(erosão ...)
Área mecanizada
OBSERVAÇÕES
APRECIAÇÃO GLOBAL DA ÁREA
OUTRAS OBSERVAÇÕES
Amazonia – Goiás
Tratamentos dos dados –
Lógica Fuzzy + Tipologia de
especialista (Poccard et al.,
no prelo)
Fazendas de pesquisa e
particulares
Tratamento dos dados –
Kruskal-Wallis ANOVA
11. Métodos em geoprocessamento e sensoriamento
remoto aplicados a qualificação das pastagens
A análise da reflectância e da mistura (modelo MESMA) espectral,
aplicada às imagens multiespectrais, é capaz de fornecer indicativos
sobre o grau de degradação das pastagens
A análise de séries temporais de índices espectrais de vegetação
consegue distinguir entre áreas de pastagem degradadas/não degradadas
Imagens orbitais de média resolução espacial são satisfatórias para
estimar a biomassa vegetal de áreas de pastagens e gerar indicadores
biofísicos significativos para discriminar níveis de degradação
O cruzamento geoespacial entre os planos de informações e os
atributos observados em campo fornecerá um conjunto de indicadores
espacialmente explícitos para áreas sob pastagens consideradas
degradadas
12. Reflectância espectral aplicada para identificação de
níveis de degradação de pastagem
Estudo de caso – Fazenda Olhos d’Água (MS)
- Piatã e Humidícula
- Degradação A, B, C
- Imagem World View 2 –
20/set/2013
8 bandas espectrais(2,4 m)
Não usa a banda PAN (0,5m)
- Correção atmosférica
- 50 pontos aleatórios em
cada piquete (6)
- Análises estatísticas
- Regressão e diferença
de médias
Victoria, et al., 2015 - SBSR
13. Resultados
Olhando apenas degradação, sem ser separar as espécies de forragens:
- As bandas 1 a 5 permitiram diferenciar as pastagens com degradação nos níveis
A e C, porém não foi possível distinguir dentre as outras combinações possíveis
(A-B e B-C).
14. Diferenciação das forrageiras
- A reflectância sete bandas do satélite WV2 foram capazes de distinguir entre
pastagens plantadas com capim Humidícula e Piatã.
16. - Controlando o fator espécie de forragem, foi possível distinguir entre os
diferentes níveis de degradação. Conclui-se então que para avaliar a
degradação a partir da reflectância, primeiro é preciso identificar a forrageira
utilizada.
17. Avaliação do modelo de mistura espectral com múltiplos
componentes (MESMA) na discriminação de diferentes
condições de cobertura em pastagens
Nogueira, et al., 2015 - SBSR
Estudo de caso – Fazenda PRDTA Alta Mogiana (SP)
18.
19. A-B A-C B-C A-B A-C B-C
Brachiaria brizantha Brachiaria decumbens
MESMA
Fração solo 0,006 0,101 1,000 1,000 0,103 0,2551
Fração veg_seca 0,905 1,000 0,601 1,000 1,000 1,000
Fração veg_verde 0,000 0,000 0,237 0,000 0,002 1,000
Fração sombra 0,000 0,636 0,000 0,000 1,000 0,000
Insitu
Solo descoberto 1,000 1,000 1,000 1,000 1,000 1,000
Vegetação seca 0,002 0,000 0,000 1,000 0,001 0,001
Vegetação verde 0,000 0,000 0,000 1,000 0,001 0,001
Plantas daninhas 0,102 0,000 0,000 1,000 0,007 0,007
- A fração vegetação verde (veg_verde) derivada do MESMA discriminou, tanto na
Brachiaria brizantha quanto na Brachiaria decumbens, o pasto bem manejado
das demais pastagens.
- A discriminação visual das pastagens (in situ) possibilitou a diferenciação das 3
condições de cobertura das pastagens de Brachiaria brizantha através dos
parâmetros coberturas de vegetação verde e seca. No caso das pastagens de
Brachiaria decumbens, as condições A e B não se diferenciaram, havendo
padrões distintos apenas para o pasto C.
- As informações in situ ajudam a explicar os resultados do MESMA, sem, contudo
apresentar concordância entre as porcentagens de cobertura observadas.
20. Séries temporais de imagens MODIS para avaliação de
pastagens
Rally da pecuária (2011 e 2012): parâmetros biofísicos e observações (40 mil km em
nove estados) – 782 pastagens
Séries temporais de EVI-2/MODIS (2000-2012) (avaliadas de acordo com um
protocolo elaborado com base em 7 métricas fenológicas, 14 critérios booleanos e 2
critérios numéricos)
Entrevistas e históricos de manejos de pastagens nas fazendas de SP e MS – base
teórica do protocolo
Aguiar, D.A., 2013 – TESE INPE
21. Das pastagens amostradas, 30,3% apresentaram tendência de redução
de biomassa no período analisado, 26,6% passaram por algum tipo de
intervenção para melhoria da pastagem e 43,1% não sofreram nenhum
tipo de intervenção e não apresentaram tendência de redução de
biomassa no período analisado.
22. Para cada pixel, a tendência linear de NDVIs máximos anuais durante o período de estudo foi
estimada por meio da aplicação da regressão ordinária dos mínimos quadrados, em que Slope
é o coeficiente de inclinação da linha de regressão ajustada em cada pixel.
ANDRADE, R. G.; LEIVAS, J. F.; GARÇON, E. A. M.; SILVA, G. B. S.; LOEBMANN, D. G. S. W.; VICENTE, L. E.; BOLFE, E.
L.; VICTORIA, D. C. Monitoramento de processos de degradação de pastagens a partir de dados Spot Vegetation.
Campinas, SP: Embrapa Monitoramento por Satélite, 2011 (Boletim de P&D).
Forte
Moderado
Baixo
Sem Indicativo
de Degradação
Dados:
Séries Temporais do Satélite
SpotVeg
Máscara de Pastagens – PROBIO
(2006)
Análise:
Análise espectro-temporal
Tendência de longo prazo da
cobertura vegetal
(2006/2011 anos)
Indıcatıvo de processo de degradação de pastagens
em Goiás
27. Pasture evapotranspiration as indicators of degradation in
the Brazilian Savanna.
A case study for Alto Tocantins watershed
Andrade, et al., 2014 - SPIE
28. Análise da biomassa em pastagens com indicativos de degradação
na bacia do Alto Tocantins
(a) (b)
No ano de 2012, a produção média de Biomassa das pastagens
nas classes de degradação moderada e forte foi de 1400 e 965
kg ha-1 mês-1, respectivamente. Sendo que, para a classe de
moderada degradação, nos meses de março e setembro
observaram-se, respectivamente, o maior (~2490 kg ha-1 mês-1)
e o menor (~330 kg ha-1 mês-1) valor de Bio. Já para a classe de
forte degradação, o maior e menor valor de Bio foi registrado nos
meses de fevereiro (~1875 kg ha-1 mês-1) e setembro (~170 kg
ha-1 mês-1), respectivamente. Ao comparar os valores de Bio das
classes não degradada e de forte degradação notou-se diferença
percentual mínima e máxima de 26 e 63%, respectivamente.
29. Modeling Soil Erosion Applied to Conservationist Planning of
Degraded Pastures from Goiás State and the Federal District,
Brazil
Galdino, et al., 2014 - Land Degradation & Development
30.
31. Distribution of soil losses (in Mg ha-1y-1), for the following scenarios: (A) Land use and
management of pastures in 2009, without terraces; (B) Degraded pastures without terraces;
(C) Non-degraded pastures without terraces; (D) Non-degraded pastures with terraces.
32. Distribuição espacial das classes de degradação de pastagem
em Marabá, PA e correlações com as classes de solo e relevo
Grego, et al., 2015 - SBSR
33. Mapas de isolinhas após interpolação por krigagem ordinária: a) classes de
degradação da pastagem, b) classes de declividade e c) classes de solos.
- Ao considerar a variabilidade espacial, foi possível identificar áreas coincidentes
quanto a pastagem mais degradada, maior declive e solos pouco desenvolvidos,
podendo ser útil também em áreas mais abrangentes da Amazônia.
- Houve correlação espacial positiva entre as classes de degradação da pastagem e
as classes de solo, indicando ser o fator solo um dos principais na indicação da
degradação da pastagem da região de estudo.
35. PRODUÇÃO 2014/2015
2. Modelling of Soil Erosion Applied to Conservacionist Planning of Degraded
Pastures in Goiás State And Federal District, Brazil – Galdino et al., no prelo - Land
Degradation & Development
3. Análise geoespacial entre níveis de degradação de pastagens e parâmetros físicos
em sub-bacias de Pindamonhangaba, SP – Galdino et al., 2015 - SBSR
4. Modelagem da Erosão Aplicada ao Planejamento Conservacionista do Solo em
Pastagens de Pindamonhangaba (SP) – Galdino et al., 2014 – BOLETIM DE PESQUISA
6. Indicativo de pastagens plantadas em processo de degradação no bioma Cerrado
– Andrade et al., 2015 – SBSR
5. Pasture evapotranspiration as indicators of degradation in the Brazilian Savanna.
A case study for Alto Tocantins watershed – Andrade et al., 2014 – Proc. of SPIE
7. Estimativa da evapotranspiração e da biomassa de pastagens utilizando o
algoritmo SAFER e imagens MODIS – Andrade et al., 2015 – SBSR
1. How to quantify the pasture degradation in the Amazon Region? A fuzzy logic
approach – Poccard et al., 2014 – a ser submetido
36. PRODUÇÃO 2014/2015
8. Discriminação de áreas de pastagens plantadas por meio de séries temporais EVI2
– Bayma-Silva et al., 2014 – GEOPANTANAL
9. Plataforma web para sistemas de informação geoespacial (SIG): aplicações no
projeto GeoDegrade – Bayma-Silva et al., 2015 – SBSR
10. Máscara de pastagem plantada por meio da classificação supervisionada das
séries multitemporais de EVI-2 em ambiente de Cerrado – Rosa et al., 2015 – SBSR
11. Reflectância espectral aplicada para identificação de níveis de degradação de
pastagem – Victoria et al., 2015 – SBSR
12. Distribuição espacial das classes de degradação de pastagem em Marabá, PA e
correlações com as classes de solo e relevo – Grego et al., 2015 – SBSR
13. Avaliação do modelo de mistura espectral com múltiplos componentes (MESMA)
na discriminação de diferentes condições de cobertura em pastagens – Nogueira et
al., 2015 – SBSR
14. Estimativa da disponibilidade de forragem em pastagens através de técnicas
de sensoriamento remoto – Andrade et al., 2014 – Capítulo de livro Pecuária de
Precisão