Modelagem do amarelecimento fatal na palma de óleo

Abstract

A cultura da Palma de Óleo é de grande importância no cenário mundial. O óleo extraído de seus frutos é um óleo versátil utilizado em indústrias de cosméticos e de alimentos. No Brasil, os plantios concentram-se nos estados do Pará, Roraima e Bahia. A demanda por óleo de palma cresceu nos últimos anos em concomitância com o aumento das doenças, pragas e distúrbios na cultura. No Brasil, o distúrbio do amarelecimento fatal (AF) vem sendo um entrave para esta cultura, dizimando grandes áreas na região nordeste do estado do Pará. O sensoriamento remoto apresenta uma série de dados que podem servir de subsídio a estudos do distúrbio, com o uso de geotecnologias é possível estabelecer as variáveis com maior correlação no desenvolvimento do AF na cultura da palma de óleo. O objetivo da tese foi desenvolver uma metodologia adequada para as áreas com AF em plantios comerciais na região nordeste do estado do Pará, com a utilização de imagens de média e alta resolução e variáveis bióticas, abióticas e espectrais. A utilização de imagens de altíssima resolução na faixa espectral do visível foi avaliada para a identificação de plantas com AF. Os resultados indicam que a integração do sensoriamento remoto com machine learning é promissor para o desenvolvimento de pesquisas de distúrbios como o AF na palma de óleo. A classificação orientada a objetos apresentou acurácia de 94% e índice kappa de 96% com 25 variáveis preditoras. Destas, os índices de vegetação GCI, TVI, MCARI e ERGBVE foram os mais importantes e promissores para serem utilizados na avaliação do status nutricional da cultura e na identificação de doenças e distúrbios. A utilização destes índices e das demais variáveis associadas ao modelo construído, possibilita maior controle fitossanitário dos plantios. As imagens do satélite Sentinel disponíveis de forma gratuita e com periodicidade de 5 dias podem ser utilizadas para o mapeamento do AF. A metodologia desenvolvida e aplicada foi satisfatória na separação entre plantas com distúrbio provocado por AF e plantas saudáveis. Palavras-chave: Modelagem de dados. Óleo de palma. Agricultura de precisão.

The culture of Palm Oil is of great importance on the world stage. The oil extracted from its fruits is a versatile oil used in the cosmetic and food industries. In Brazil, plantations are concentrated in the states of Pará, Roraima and Bahia. The demand for palm oil has grown in recent years in line with the increase in diseases, pests and disturbances in the crop. In Brazil, the fatal yellowing disorder has been an obstacle for this crop, decimating large areas in the northeastern region of the state of Pará. Remote sensing presents a series of data that can serve as a basis for studies of the disturbance, with the use of geotechnologies it is possible to establish the variables with the greatest correlation in the development of fatal yellowing in the oil palm crop. The main objective of the thesis was to develop an adequate methodology for areas with fatal yellowing in commercial plantations in the northeast region of the state of Pará, using medium and high resolution images and biotic, abiotic and spectral variables. The performance of vegetation indices specific to precision agriculture was also evaluated. The use of very high resolution images in the visible spectral range was evaluated for the identification of plants with fatal yellowing. The results indicate that the integration of remote sensing with machine learning is promising for the development of research on disorders such as fatal yellowing in oil palm. The object-oriented classification showed an accuracy of 94% and a kappa index of 96% with 25 predictor variables. Of these, the vegetation indices GCI, TVI, MCARI and ERGBVE were the most important and promising to be used in the evaluation of the nutritional status of the crop and in the identification of diseases and disturbances. The use of these indices and the other variables associated with the built model, enables greater phytosanitary control of the plantations. Sentinel satellite images available free of charge and every 5 days can be used for AF mapping. The methodology developed and applied was satisfactory in separating plants with disturbance caused by AF and healthy plants. Keywords: Machine learning. Palm oil. Precision agriculture.