Use of drones in agricultural monitoring generation of vegetation index with RGB camera in sorghum crops
Open Access
- 17 May 2025
- journal article
- Published by Universidade de São Paulo. Agência de Bibliotecas e Coleções Digitais in Geography Department University of Sao Paulo
- Vol. 45, e224356
Abstract
Esta pesquisa traz resultados de projeto com financiamento CNPq que objetiva adaptar um drone de uso civil e asas rotativas da linha DJI/Phantom 4 para o monitoramento de plantios comerciais de sorgo na Universidade Federal de Jataí por meio dos índices de vegetação VARI (Índice Resistente à Atmosfera na região do visível) e NDVI (Índice de Vegetação por Diferença Normalizada). Como metodologia, foram realizados 06 sobrevoos entre abril e julho de 2021 e 07 sobrevoos entre março e julho de 2022, em duas parcelas de 3ha em áreas cultivadas com sorgo, com geração de índice VARI a partir das ortofotos da câmera RGB e comparação com índices gerados a partir de imagem Sentinel-2. As fotografias aéreas foram georreferenciadas com pontos coletados por GNSS Trimble R4 e mosaicadas no software Metashape®. Os demais processamentos foram realizados no ArcGIS PRO®, com definição 32 amostras de 20mx20m (04 pixels da imagem Sentinel-2) para validação estatística. Entre os resultados, obteve-se coeficiente de determinação de 0,94 e índice de desempenho D de 0,90 ao comparar valores de VARI mensurados pela câmera RGB e os obtidos a partir de imagem Sentinel-2, e coeficiente de determinação de 0,87 e índice D de 0,98 entre VARI/drone e NDVI/Sentinel-2, indicando ótimo desempenho para monitoramento de índices de vegetação sem suporte de câmera infravermelha. O Erro Médio entre os valores de VARI/drone e VARI/Sentinel-2 foi de 0,0037, indicando alta concordância entre as variáveis com leve superestimativa dos valores pela câmera RGB do DJI/Phantom 4.Keywords
Funding Information
- Conselho Nacional de Desenvolvimento Científico e Tecnológico (307438/2021-0)
- Conselho Nacional de Desenvolvimento Científico e Tecnológico
- Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
This publication has 11 references indexed in Scilit:
- Predicting soybean grain yield using aerial drone imagesRevista Brasileira de Engenharia Agrícola E Ambiental, 2022
- UAV assistance paradigm: State-of-the-art in applications and challengesJournal of Network and Computer Applications, 2020
- Satellite-based soybean yield forecast: Integrating machine learning and weather data for improving crop yield prediction in southern BrazilAgricultural and Forest Meteorology, 2020
- Uso de imagens tomadas por aronaves remotamente pilotadas para detecção da cultura do milho infestadas por Spodoptera frugiperdaRevista Brasileira de Geografia Física, 2020
- Soybean yield prediction from UAV using multimodal data fusion and deep learningRemote Sensing of Environment, 2020
- A review on the use of drones for precision agricultureIOP Conference Series: Earth and Environmental Science, 2019
- Soybean varieties discrimination using non-imaging hyperspectral sensorInfrared Physics & Technology, 2018
- Variabilidade local e regional da evapotranspiração estimada pelo algoritmo SEBALEngenharia Agrícola, 2010
- Remote estimation of leaf area index and green leaf biomass in maize canopiesGeophysical Research Letters, 2003
- Equações para a estimativa do índice de área foliar do cafeeiroPesquisa Agropecuária Brasileira, 2002