Using temporal stability approach to estimate coffee yield

Orientadores: Rubens Augusto Camargo Lamparelli, Jansle Vieira RochaTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia AgrícolaResumo: O Brasil é o maior produtor e exportador mundial de café e, portanto, a obtenção de dados confiáveis sobre a produtividade cafeeira é essencial tanto para o planejamento dos produtores quanto para ações governamentais de financiamento. A estimativa de produtividade de diversas culturas tem sido aprimorada com o desenvolvimento de modelos agrometeorológico-espectrais. Ao se utilizar dados de sensoriamento remoto na entrada do modelo, o alcance de bons resultados depende de uma seleção criteriosa de pixels correspondentes à cultura. No caso do café, o seu monitoramento via sensoriamento remoto constitui um desafio diante da complexidade de combinar as especificações ideais de sensores orbitais com as características fenológicas do cafeeiro. Nesse contexto, o objetivo desta tese foi aprimorar as estimativas de produtividade de café por meio de um modelo agrometeorológico-espectral, com base na técnica de estabilidade temporal para a seleção dos pixels de entrada. O trabalho foi desenvolvido em municípios produtores de café das regiões Cerrado e Sul de Minas, no estado de Minas Gerais. Foram utilizados dados de EVI do sensor MODIS/Aqua, produto MYD13Q1, compreendendo uma série temporal de 2004 a 2015. Dados decendiais de precipitação e de temperatura do ar máxima e mínima foram coletados das estações meteorológicas automáticas e utilizados para gerar o balanço hídrico. Os resultados mostraram que a média histórica de EVI foi altamente correlacionada às médias históricas das variáveis agrometeorológicas em cada fase do ciclo fenológico do cafeeiro para os municípios da área de estudo. O modelo agrometeorológico-espectral retornou estimativas de produtividade de café muito próximas às observadas, para cada seleção de pixels estáveis utilizada como entrada (EVI do pixel mais estável de café, EVI médio dos pixels estáveis de café, EVI do pixel mais estável de não-café, EVI médio dos pixels estáveis de não-café e EVI médio dos pixels puros de café). A acurácia (RMSE) do modelo agrometeorológico-espectral variou de 3,8 a 7,9 sc ha-1, para os municípios de Coromandel e Monte Santo de Minas, respectivamenteAbstract: Brazil is the largest coffee producer and exporter of the world; therefore, gathering precise data that could forecast trends in crop yield pattern in a timely and low-cost manner is a key part of its agricultural monitoring. Crops yield estimation has been improved with the development of agrometeorological-spectral models. When using remote sensing data as input data in yield estimate models, the achievement of good results depends on the careful selection of pixels corresponding to the culture. Coffee yield monitoring by remote sensing is a challenge given the complexity of combining the optimal specifications of orbital sensors with the phenological characteristics of coffee plants. In this context, the objective of this thesis was to improve coffee yield estimates by using an agrometeorological-spectral model, based on the temporal stability technique to select pixels to be used as input data. The study was conducted in coffee producing municipalities in the Southern and Cerrado regions of Minas Gerais State, Brazil. The Enhanced Vegetation Index (EVI) of the MODIS/Aqua, MYD13Q1 product, was used, considering a time series from 2004 to 2015. The water balance for the period was generated with decennial data of rainfall and maximum and minimum air temperature collected by automated meteorological stations. The findings showed that the historical means of EVI and agrometeorological variables were highly correlated in each phase of the coffee phenological cycle. The agrometeorological-spectral models to estimate coffee yield were accurate for all municipalities and each selection of stable pixels used as input data (EVI of the best stable pixel of coffee, mean EVI of stable pixels of coffee, EVI of the best stable pixel of non-coffee, mean EVI of stable pixels of non-coffee, and mean EVI of pure pixels of coffee). The accuracy of the models (root mean square error - RMSE) ranged from 3.8 to 7.9 bags ha-¹, for the municipalities of Coromandel in Cerrado region and Monte Santo de Minas in Southern region, respectivelyDoutoradoGestão de Sistemas na Agricultura e Desenvolvimento RuralDoutor em Engenharia AgrícolaCAPE