INTRODUÇÃO: Na atualidade há uma crescente demanda de modernização no que se refere à produção de alimentos no mundo. A Agricultura de Precisão vem se destacando neste cenário por oferecer informação úteis de forma que, cada vez mais possa ser alcançado um alto índice de produção e valor agregado as culturas em especial nesse projeto a produção de milho.OBJETIVO: Neste trabalho o objetivo foi avaliar o comportamento temporal do NDVI e a sua relação com a produtividade da cultura do milho com o intuito de gerar modelos de predição de produtividade nas populações de plantas e criar um modelo predição de safra para a cultura do milho. MATERIAL E MÉTODOS: Foi realizada a aquisição de uma imagem do sensor MSI-Sentinel 2, do mapeamento de formas de vertentes (Topodata) para gerar índices de vegetação, foi feito a relação temporal destes índices com parâmetros produtivos da cultura. Foi realizada análise manual em 20 pontos dentro da área. A análise de resultados foi feita a partir da descrição estatística e base literária. Foram utilizados apenas softwares abertos. RESULTADOS: Utilizando análise de regressão, foi comparada a correlação do NDVI, média manual e a produtividade obtida, além disso ainda foi comparada a variação dos valores de NDVI ao redor numa área de 15 metros para comparar o quão variável foi o resultado da área trabalhada no projeto. CONCLUSÃO: Foi possível observar que não houve correlação, porém, analisando cada um dos pontos de amostragem e a variação dos valores de NDVI ao redor em um raio de 15 metros foi encontrado outro resultado, quanto maior for a variação, maior é o índice de produtividade. PALAVRAS-CHAVE: NDVI; Agricultura de precisão; Milho; Predição.
Digital Soil Mapping (DSM) of large areas is a time-consuming and expensive process, where soil scientists take as many as possible observations to predict soil classes and their attributes. Sometimes, the DSM is made in geographic regions with no updated geographic information, leading the soil scientist to depend on Legacy Soil Data (LSD). However, LSD is not always available at an adequate scale or resolution, forcing soil scientists to find creative solutions. Here we present a method for mapping soil frontiers with no updated reference data. We demonstrate that by combining different LSD sources with adequate predictive environmental covariables, the results could be consistent enough for mapping the soil frontiers of a large geographic region without updated reference data. For doing that, we have adopted the full geographic extension of Minas Gerais state – Brazil – as a study area. Within its extension, Minas Gerais has heterogeneity in soil classes and soil formation processes, phenomena triggered by such a divergent universe of environmental variables. Minas Gerais has no updated soil maps, making it a relevant study case for this research. Thus, we conclude that the Digital Soil Mapping process could be enriched by using different sources of Legacy Soil Data, even when there is no updated reference data.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.