Manejo de nutrientes com base em mapas
TERRA-GATOR Aplicação de calcário e fosfato natural
DGPS
http://www.terragator.agcocorp.com/
Manejo de nutrientes com base em mapas
N-Sensor: Sensor de reflectância
• A informação é adquirida 7 dias
antes da aplicação de nitrogênio
• Mapeamento da variabilidade
espacial do verde e biomassa
• Com as informações obtidas gera
mapa de aplicação de nitrogênio.
http://www.soyl.co.uk/nsensor/nsensor.htm
Manejo de nutrientes com base em mapas
SPAD: sensor de reflectância (estima a clorofila)
http://www.ars.usda.gov/research/projects/
SCHEPERS
• Utiliza parcela de referência
com alto nível de N = 170200 kg por hectare
Compara valor amostrado
com valor de referência
Manejo de nutrientes com base em mapas
Mapa de produtividade a partir de leituras
SPAD - Nitrogênio
VARELLA
alto
médio
baixo
10,00m
5,40m
Área 1 - Coimbra
0,90m
Leituras do SPAD
60
5,40m
55
y = 0.0077x + 19.033
R2 = 0.9708
50
45
40
35
2500
3000
3500
4000
4500
Produtividade (Kg.ha-1)
5000
5500
http://www.ufv.br/dea/provisagro/
Manejo de nutrientes com base em mapas
Mapa de produtividade a partir de Imagens Aéreas Digitais
Nitrogênio
• Câmera
multiespectral:
vermelho, verde,
azul e infravermelho próximo
• Altura de vôo =
1000 m
Mapa de produtividade
média
alta
baixa
-Fazenda Experimental de
Coimbra
- Universidade Federal de
Viçosa
- Tese Doutorado VARELLA
Manejo de nutrientes em Tempo Real
 Nitrogênio
 Utiliza sensor de reflectância
 Resposta em tempo real
http://fert.yara.co.uk/en/crop_fertilization/
Manejo de nutrientes em Tempo Real
 NITROGÊNIO
 Utiliza sensor de reflectância
 Resposta em tempo real
Smart Sprayer - UIUC
 HERBICIDA
 Utiliza sensor de reflectância
 Resposta em tempo real
Smart Sprayer - UIUC
1997
 Localização da Câmera = Em
frente da Barra do pulverizador
=1m
 Barra com 3,05 m
 Uma câmera para duas linhas
= 1,53 m
 Controladores = 6 válvulas
solenóides
Manejo de nutrientes em Tempo Real
Câmera multiespectral
 Aplicação de Nitrogênio à taxa variável
Visão artificial
MegaPlus®
CÂMERA
DIGITAL
MS3100 Multi-Spectral Camera (1392 x 1040)
Estádio V12
Estádio V9
150
150
y = 0,9944x - 5,4
y = 0,8256x + 7,4667
2
100
R = 0,97
2
100
R = 0,78
50
50
0
0
0
50
100
150
0
50
N Aplicado
N Aplicado
Estádio V15
Estádio R1
150
2
R = 0,79
2
Tese Doutorado VARELLA –
Projeto PRODETAB – Embrapa
Milho e Sorgo
150
y = x - 0,0006
150
y = 0,9822x - 0,4333
R = 0,96
100
100
100
50
50
0
0
0
50
100
N Aplicado
150
0
50
100
N Aplicado
150
Sistemas de Aplicação Variável
Manejo de pragas e doenças com informações
georreferenciadas
Sistemas de Aplicação Variável
Manejo de pragas e doenças com imagens de
sensoriamento remoto
Acompanhamento da doença
“blackleg” em campo de batata Califórnia
Uma semana depois
CONSIDERAÇÕES FINAIS
• A agricultura de precisão veio para ficar
– Automação das máquinas agrícolas
– Necessidade de redução de custos
– Preocupação com meio-ambiente
• Necessidade de desenvolvimento de técnicas de
manejo para essa nova tecnologia
• Abre-se um grande mercado para prestação de
serviço de assessoria/consultoria na área
agrícola.
FIM