WO2022087702A1 - Mensurador qualiquantitativo de biomassa de gramíneas forrageiras para pastoreio, utilizando informações de campo e informações de índices de vegetação oriundos de satélite - Google Patents

Mensurador qualiquantitativo de biomassa de gramíneas forrageiras para pastoreio, utilizando informações de campo e informações de índices de vegetação oriundos de satélite Download PDF

Info

Publication number
WO2022087702A1
WO2022087702A1 PCT/BR2021/050470 BR2021050470W WO2022087702A1 WO 2022087702 A1 WO2022087702 A1 WO 2022087702A1 BR 2021050470 W BR2021050470 W BR 2021050470W WO 2022087702 A1 WO2022087702 A1 WO 2022087702A1
Authority
WO
WIPO (PCT)
Prior art keywords
mass
information
calibration
height
satellite
Prior art date
Application number
PCT/BR2021/050470
Other languages
English (en)
French (fr)
Inventor
Rafael Carvalho Da CUNHA
Thiago Luiz Da Silva QUINAIA
Original Assignee
Cunha Rafael Carvalho Da
Quinaia Thiago Luiz Da Silva
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Cunha Rafael Carvalho Da, Quinaia Thiago Luiz Da Silva filed Critical Cunha Rafael Carvalho Da
Publication of WO2022087702A1 publication Critical patent/WO2022087702A1/pt

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B79/00—Methods for working soil
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Definitions

  • This invention patent application deals with a qualiquantitative measurer, particularly of a method and environment (web/application) where, through information/data collected in the field, filled in "georeferenced electronic notebook" (application) relates to Vegetation indices from satellites, whose field of application is focused on livestock based on grazing cattle. In short, it determines with greater precision (less error) the volume of grass available for consumption by cattle, allowing a more assertive adjustment of the number of animals (cattle) in the area, fostering improved efficiency in the use of the area.
  • the direct sampling method depends on the cutting of samples, but it can still result in large errors, especially in places where there is great spatial variability, resulting in the need to increase the number of samples. This is a critical point, as it either increases the cost and time for measurement, or decreases accuracy.
  • the double calibration (height x mass) is usually used, as there is a high correlation between the variables.
  • the technical literature states that measuring height with the rising plate has advantages over the ruler, as it is faster, less laborious and more reliable.
  • Figure 01 illustrates the cut of the grass mass within a frame of known area and measurement of mass on a scale.
  • Table 2 shows the estimate of average green mass per square meter, multiplying the height of the grass, from table 1, by the value found in rule 3 (0.040454545 kg), item [008].
  • Remote Sensing allows the identification, qualification, quantification and monitoring of areas, enabling the generation of maps, analysis of information effectively, quickly, globally and accurately, optimizing the use of natural resources and inputs.
  • Silva (2016) highlights that remote sensing linked to precision agriculture is an agricultural management tool, as it considers the spatial and temporal variability of production factors at the local level. It is important to reiterate that the tool promotes sustainable management practices, as it analyzes the heterogeneity within production units that, by traditional methods, would be considered homogeneous, thus promoting data for differentiated and refined management.
  • the "raw material” of remote sensing is the interaction of Electromagnetic Radiation (REM) with objects on the earth's surface, and of these, reflection is the main phenomenon.
  • Artificial satellite sensors capture the emitted or reflected REM, separating them into different wavelength intervals, represented, for example, by green, red, blue, etc.
  • Plants like any other object, have inherent spectral responses (eg, reflection), related to the stage of plant development, water availability, nutritional deficiencies, etc. Any change in ecological factors (animal consumption and precipitation, for example) impacts the amount of biomass and the spectral response. There are wavelengths that are absorbed by photosynthetic pigments (red and blue) and others reflected (green), and others, such as mid-infrared, correlated with the presence of water inside the leaf tissues.
  • NDVI Normalized Difference Vegetation Index
  • Fig. 1 illustrates cutting grass mass within a frame of known area and measuring mass on a scale
  • Fig. 2 Shows Details of Ascending Plate counters
  • Fig. 3 Shows area of interest with Google Earth image
  • Fig. 4 Shows area of interest with RGB composition of 06/06/2020;
  • Fig. 5 Shows the area of interest with RGB Compositing from 06/06/2020;
  • Fig. 6 Show pixel detail and numeric value
  • Fig. 7 Shows the determination of a center where the operator performs the taking of heights in an imaginary circle, distant from 2 to 4 meters from the center;
  • Fig. 8 Shows orientation map for sample collection in the object area
  • Fig. 9 Shows NDVI separated in Classes
  • Fig. 10 Example of Regression Equation to transform height into mass
  • Fig. 1 1 Shows the georeferenced map and samples
  • Fig. 12 Shows example of regression equation relating NDVI to predict biomass
  • Fig. 13 Shows NDVI of 12/16/2019
  • Fig. 14 Shows details of the property registration
  • Fig. 15 Exemplifies the choice of property using data from the Rural Environmental Registry (CAR);
  • Fig. 16 Shows the operation of delimiting/drawing/naming the areas of interest, informing the type of forage, using the pickets tab;
  • Fig. 17 Shows RGB Image for cloud and cloud shadow analysis;
  • Fig. 18 Shows NDVI Image sent to application, which will guide sample collection;
  • Fig. 19 Shows the screen of the mobile application referring to the first calibration
  • Fig. 20 Shows, according to the application, the volume of grass per paddock
  • Fig. 21 Shows the platform where the user subsequently enters the dry matter content and leaf percentage, reiterating that it is with the dry green leaf that the cattle are stocked;
  • Fig. 22 Shows the diagram of the method of the invention.
  • the pixel ( Figure 06) has a size of 10 by 10 meters. This fact is of paramount importance in the method of calibration/correlation of NDVI in Biomass. Thus invented the method that relates the biomass to the NDVI with these pixel characteristics, using the rising plate to calibrate or ruler, as discussed in item [023].
  • the operator in the field should not collect samples close to trees, roads and boundaries between areas, avoiding pixel contamination by objects that have high or no biomass.
  • the operator, in loco uses the georeferenced map, “navigating” over the areas of interest.
  • the flow automatically transforms the measured height into grass biomass, using the regression equation of the height to mass ratio.
  • the mass of the 1st calibration and the value of the vegetation index, the NDVI.
  • the person responsible for the field analysis measures only heights with the ascending plate, which are automatically transformed into forage grass biomass.
  • the georeferenced map it collects several samples ( Figure 1 1 - Georeferenced map and samples), as described in the method (30 sub samples to generate a sample, circle of 2 to 4 meters inside the pixel, etc).
  • TMS essential multiplier value for determining the biomass available for animal consumption
  • the invention already transformed into a platform and application (to be explained later), used 10 (ten) samples to develop a regression equation that transforms height into mass. After this step, 30 georeferenced height samples were collected, which were automatically transformed into a mass, aiming to correlate with the NDVI. After the statistical processes (already described in the previous topics), he obtained an average mass of 0.690 +/- 0.18 kg/m 2 , with 95% certainty that the average mass will oscillate between 0.690 and 0.708 kg/m 2 .
  • Another advantage of the method of the invention is that the calibration of a date can be used in subsequent dates/images, as long as the interpolation interval is respected.
  • the NDVI range was from 0.771 to 0.913 (Table 6), while for 12/31/2019 (Table 8), the calibration formula also comprises the mass of the area.
  • the picket 1 , 2 and 6 probably due to the consumption of forage for livestock.
  • the average grass growth per unit area can also be calculated. It should be noted that these statements are determined without field effort.
  • the user first registers (1 ) and must register the rural property (2) and the areas of interest (pasture area or paddocks), also informing the municipality and state. This stage is critical and essential, as the cattle rancher or manager will know the limits.
  • the first insertion is from the boundary of the property and is done through a polygon created in Google Earth, drawn on the platform itself or according to public data from the Rural Environmental Registry (CAR).
  • CAR Rural Environmental Registry
  • Figure 14 shows details of the property register (2), where identification fields (10) are presented.
  • Figure 15 exemplifies the choice of property using data from the Rural Environmental Registry (CAR).
  • CAR Rural Environmental Registry
  • Figure 16 shows, according to the platform, an example of delimitation of areas of interest.
  • these data are stored in the system. Now it can be used in the field, together with the mobile application, but before this step, the user will analyze if the recent image, up to 5 (five) days, does not have contamination by cloud or cloud shadow ( Figure 17). In this way, it requests the RGB image to analyze whether the image is usable. If yes, fieldwork is recommended and the NDVI is sent to the system (application) ( Figure 18).
  • Figure 19 shows the screen of the mobile application referring to the first calibration (4). This relates the mass with the height, and the application screen has input and output number fields of the ascending plate, number of repetitions. After measuring the height, the grass is cut inside the frame, as explained and the value of the grass mass is inserted. It is suggested that this step be performed more than 3 (three) times, and that the sampled locations represent low, medium and high grass.
  • the height collection is performed, noting that the user must sample the locations with representative colors, from red to green, as shown in Figure 18. It is reiterated that the sample must be collected per point with 30 subsamples on the imaginary circle, method already explained.
  • the application screen for this step is similar to the previous one, but the height is automatically transformed into mass (kg/m 2 ). The user informs the number of entry, exit and repetitions of the ascending plate, the average height is transformed into biomass that is related to the NDVI value by georeferencing (latitude x longitude), using the cell phone's GPS.
  • Figure 20 shows, according to the application, the volume of grass per paddock. It should be clarified that, eventually, the method of the invention will bring a map and informative table to the most refined final production, with a qualitative color map, field information, and comparison with the status of the last field. The same data is sent to the platform (figure 21), where the user subsequently enters the dry matter content and leaf percentage, reiterating that it is with the dry green leaf that the cattle are stocked.

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Soil Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Economics (AREA)
  • Environmental Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Trata a presente solicitação de patente de invenção de um mensurador qualiquantitativo, particularmente de um mensurador de biomassa de gramíneas forrageiras para pastoreio, a partir de informações de campo e informação de índices de vegetação oriundos de satélite, cujo campo de aplicação se volta à pecuária baseada na alimentação do gado à pasto. Essencialmente, compreende a invenção a plataforma e aplicativo em conjunto com o método amostral desenvolvido com base em nova tecnologia. Ou seja, enquanto o estado da técnica usa como produto o mapa colorido, porém sem informar aspectos quantitativos; a presente invenção reside no método de campo, onde o índice de vegetação (NVDI) é transformado em massa, sendo estes dados trabalhados estatisticamente.

Description

MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE INDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE
CAMPO DA INVENÇÃO
[001 ] Trata a presente solicitação de patente de invenção para um mensurador qualiquantitativo, particularmente de um método e ambiente (web/aplicativo) onde, através de informações/dados coletados em campo, preenchidos em “caderneta eletrônica georreferenciada” (aplicativo) relaciona a índices de Vegetações oriundos de satélite, cujo campo de aplicação se volta à pecuária baseada na alimentação do gado à pasto. Resumidamente determina com maior precisão (menor erro) o volume de capim disponível para o consumo pelo gado, permitindo o ajuste mais assertivo do número de animais (gado) na área, fomentando a melhoria da eficiência na utilização da área.
ANTECEDENTES (CARACTERÍSTICAS DO SETOR)
[002] As relações entre o setor primário, especificamente a pecuária, com o desenvolvimento econômico brasileiro possuem diversas abordagens e, independente destas, há convergência em reconhecer a importância em relação aos aspectos econômicos, sociais e ambientais no país.
[003] O que predomina no setor é a relativa baixa eficiência do potencial produtivo, o caráter extrativista, pouco sustentável, resultando em índices zootécnicos baixos (baixa eficiência). (Magalhães, 2010) afirma que as pastagens ainda são manejadas de forma empírica e simplista, resultando em desempenho animal e de produção por área, abaixo do potencial, ou seja, baixa eficiência.
[004] Há a necessidade de geração de dados para fomentar o planejamento e ações. Portanto, estimar e monitorar a variação da massa forrageira é o fator chave.
[005] Cunha (2002) cita que o ponto nevrálgico da pecuária são as taxas de lotação (capacidade de suporte). Capacidade de suporte é calculada através da mensuração da forrageira (matéria verde e seca) por unidade de área.
[006] A melhor forma de determinação da massa de forragem seria a colheita e mensuração de todo o material vegetal da área, porém, inviável. Desta forma foram elaborados métodos amostrais objetivando estimar a biomassa das pastagens. O método aqui proposto é um, que comparado aos usualmente utilizados, é menos laborioso e se bem amostrado, apresenta maior assertividade.
[007] O método amostrai direto depende do corte de amostras, porém ainda pode resultar em grandes erros, principalmente em locais onde há grande variabilidade espacial, resultando na necessidade de aumentar o número de amostras. Este é um ponto crítico, pois ou eleva os custos e tempo para mensuração, ou diminuição da exatidão.
[008] Desta forma, utilizam-se de métodos indiretos, que são mais rápidos e fáceis, mesmo que necessitem de maior número de amostras. A literatura técnica cita diversos métodos indiretos, com destaque para a medições de altura, porém independente disto, ainda exigem procedimento de calibração (dupla amostragem), onde correlaciona altura com a massa. Abaixo demonstra-se calibração entre altura com massa, utilizada no método tradicional (pela régua ou pelo prato ascendente). Resumidamente, no exemplo, utilizando uma moldura de um metro quadrado (Figura 01 - Moldura de delimitação para mensuração da altura e corte da forrageira), no interior deste o capim tem 27.5 centímetros de altura de capim e massa de 1 ,1 125 kg/m2, desta forma, com regra de 3, um 1 centímetro deste capim tem 0,040454545 kg. Este valor é multiplicado a qualquer altura.
Figure imgf000004_0002
[009] A dupla calibração (altura x massa) é usualmente utilizada, pois há alta correlação entre as variáveis. A literatura técnica afirma que a mensuração da altura com o prato ascendente possui vantagens em relação a régua, pois é mais rápido, menos laborioso e mais confiável.
ESTADO DA ARTE - MÉTODO DA RÉGUA.
[010] O método tradicional com a régua é executado com o deslocamento pela área de interesse, medindo alturas médias (média da média), cerca de 20 vezes por unidade de área, e desta média da média, corta-se o capim do local representativo para efetuar a regra de 3 supracitada. Este procedimento é estatisticamente questionável, pois não respeita a casualidade e independência dos erros. A Tabela 1 demonstra a mensuração das alturas.
Figure imgf000004_0001
Figure imgf000005_0001
[011] A Figura 01 ilustra o corte da massa de capim dentro de uma moldura de área conhecida e mensuração da massa em balança.
[012] A tabela 2 mostra a estimativa de massa verde média por metro quadrado, multiplicando a altura do capim, da tabela 1 , pelo valor encontrado na regra de 3 (0.040454545 Kg), item [008].
Figure imgf000005_0002
ESTADO DA ARTE - MÉTODO PRATO ASCENDENTE
[013] Este método é executado com aparelho chamado de prato ascendente (Figura 02 - Detalhes dos contadores do Prato Ascendente), que mensura a relação da altura com a massa (densidade aparente). O contador da direita calcula o número de amostras e o da esquerda o valor de entrada e de saída do prato ascendente.
[014] O modo tradicional de utilização do prato é com deslocamento aleatório na área de interesse (zigue-zague), mensurando periodicamente uma altura (subamostra). No fim se tem a altura acumulada e “N” amostras. Dividindo-as se obtém a altura média da área de interesse. Posteriormente é multiplicado a relação do centímetro com a massa, tal qual regra de três anteriormente demonstrada, determinando assim a massa verde média por metro quadrado, tal qual já supracitado.
[015] Este método claramente facilita a mensuração, principalmente por ser menos laborioso, porém inviabiliza qualquer análise estatística, pois a amostragem é unitária.
QUESTIONAMENTO FUNDAMENTADOR 1
[016] A pergunta que fica é: foram apresentados dois métodos usualmente utilizados por profissionais do setor. Porém, se questiona se não há como melhorar estes métodos, podendo- se utilizar outras ferramentas? Há, ainda, como inserir estatística e sensoriamento remoto na técnica, levando a uma verdadeira inovação?
IMPORTÂNCIA DO SENSORIAMENTO REMOTO
[017] Inovação tecnológica é estimulada por variáveis econômicas, sociais e ambientais. No setor agropecuário, por exemplo, as limitações são um dos fatores impulsionadores, pois em locais e períodos em que há escassez de mão-de-obra, ocorrem inovação mecânica; quando há limitações de área disponível, as inovações geralmente são químicas ou biológicas, aumentando a produtividade por unidade de área. Na pecuária, umas das limitações é a determinação de alimento disponível por animal, ou seja, capacidade de suporte.
[018] O Sensoriamento Remoto permite a identificação, qualificação, quantificação e monitoramento de áreas, possibilitando a geração de mapas, análises de informações de forma efetiva, rápida, global e precisa, otimizando o uso de recursos naturais e insumos. Silva (2016) destaca que o sensoriamento remoto interligado à agricultura de precisão é uma ferramenta de gerenciamento agrícola, pois considera a variabilidade espacial e temporal dos fatores de produção em nível local. É importante reiterar que a ferramenta fomenta práticas de manejo sustentável, pois analisa a heterogeneidade dentro de unidades produtivas que, por métodos tradicionais seriam consideradas homogêneas, promovendo assim dados para manejo diferenciado e refinado.
[019] A “matéria-prima” do sensoriamento remoto é a interação da Radiação Eletromagnética (REM) com objetos da superfície terrestre, e destas, a reflexão é o principal fenômeno. Sensores de satélites artificiais captam a REM emitida ou refletida, separando-as em diferentes intervalos de comprimento de onda, estas representadas, por exemplo pelo verde, vermelho, azul etc. [020] As plantas, assim como qualquer outro objeto, possuem respostas espectrais inerentes (por exemplo, reflexão), relacionadas ao estágio do desenvolvimento vegetal, disponibilidade hídrica, deficiências nutricionais etc. Qualquer alteração dos fatores ecológicos (consumo animal e precipitação, por exemplo) impactam na quantidade de biomassa e na resposta espectral. Há comprimentos de ondas que são absorvidos por pigmentos fotossintetizantes (vermelho e azul) e outros refletidos (verde), e outros, tal qual infravermelho médio, correlacionado com a presença de água no interior dos tecidos foliares.
[021 ] O Sensoriamento remoto na pecuária a utilização ainda é incipiente. Destaque que a estimativa de biomassa é o problema da pecuária e que o método e sistema proposto, a ser patenteado, objetiva a resolver.
[022] A maior parte dos estudos em sensoriamento remoto utiliza índices de vegetação (IV). Dos IV mais estudados e utilizados, destaque para o índice de Vegetação por Diferença Normalizada (NDVI), e que conforme (Allen et al., 2002) é obtido através da razão entre a diferença das refletividades do infravermelho próximo e do vermelho, dividido pela soma das mesmas, conforme Equação E.01. Destaque que é apenas um dos IV passíveis de ser utilizado. Este índice relaciona o vermelho, absorvido pela clorofila e o infravermelho, relacionado com a quantidade de água no interior da planta. O NDVI pode representar a biomassa.
E.01
Figure imgf000007_0001
[023] EMBRAPA (2014) corrobora a importância do sensoriamento remoto na pecuária, afirmando que é promissora no âmbito de pesquisas, desenvolvimento e transferência de tecnologia, pois as imagens orbitais geram informações para poder monitorar a vegetação. Morais et al., (2018) afirmam o potencial de modelagem para simulação de crescimento de pastagens ainda é incipiente, devido, entre outros, a precariedade de calibração e uso de modelos. A solicitação de patente resolveu este problema de calibração, através de um método único, que já está conectado a uma plataforma e aplicativo.
QUESTIONAMENTO FUNDAMENTADOR 2
[024] Portanto, tem-se um problema em otimizar o método amostrai para determinação da quantidade de forrageira e interligá-lo com o sensoriamento remoto. Como desenvolver um método de campo e de processamento de imagens, interligando-os? Como elaborar estratégia de amostragem? Nesta seara é que se insurge a presente invenção.
DESCRIÇÃO DETALHADA DA INVENÇÃO
[025] A seguir, a invenção será explicada em maiores detalhes, sendo que, para melhor entendimento, referências serão feitas aos desenhos anexos, nos quais estão representadas:
Fig. 1 : ilustra o corte da massa de capim dentro de uma moldura de área conhecida e mensuração da massa em balança;
Fig. 2: Mostra Detalhes dos contadores do Prato Ascendente;
Fig. 3: Mostra área de interesse com imagem Google Earth;
Fig. 4: Mostra área de interesse com composição RGB de 06/06/2020;
Fig. 5: Mostra a área de interesse com Composição RGB de 06/06/2020;
Fig. 6: Mostra detalhe do pixel e valor numérico;
Fig. 7: Mostra a determinação de um centro onde o operador executa a tomada de alturas em um círculo imaginário, distante de 2 a 4 metros do centro;
Fig. 8: Mostra mapa de orientação para coleta das amostras na área objeto;
Fig. 9: Mostra NDVI separado em Classes;
Fig. 10: Exemplo de Equação de Regressão para transformar altura em massa;
Fig. 1 1 : Mostra o mapa georreferenciado e amostras;
Fig. 12: Mostra exemplo da equação de regressão relacionando NDVI para predizer a biomassa;
Fig. 13: Mostra NDVI de 16/12/2019;
Fig. 14: Mostra detalhe do cadastro do imóvel;
Fig. 15: Exemplifica a escolha de imóvel utilizando dados do Cadastro Ambiental Rural (CAR);
Fig. 16: Mostra a operação de delimitar/desenhar/nomear as áreas de interesse, informando o tipo da forrageira, utilizando aba piquetes; Fig. 17: Mostra Imagem RGB para análise de nuvem e sombra de nuvem;
Fig. 18: Mostra Imagem NDVI enviada para o aplicativo, que orientará a coleta de amostras;
Fig. 19: Mostra a tela do aplicativo no celular referente à primeira calibração;
Fig. 20: Mostra, segundo o aplicativo, o volume de capim por piquete;
Fig. 21 : Mostra a plataforma onde o usuário insere posteriormente o teor de matéria seca e a porcentagem de folha, reiterando que é com a folha verde seca que se faz a lotação do gado;
Fig. 22: Mostra o diagrama do método da invenção.
FUNDAMENTAÇÃO DA INVENÇÃO - INOVAÇÃO METODOLÓGICA
[026] Após avaliações dos métodos usualmente utilizados, os pesquisadores e solicitadores da patente iniciaram testes para criar método amostrai exclusivo e único que se correlaciona a determinação de massa em campo com índices de vegetação (NDVI). Para melhor explicitar a inovação metodológica, este item demonstra o passo-a-passo criativo para relacionar a biomassa de capim da pastagem com índices de vegetação.
[027] Com a separação da área de interesse, tem-se os piquetes (unidades de pastejo) e imagem do Google Earth ao fundo (Figura 03 - Área de interesse com imagem Google Earth), onde visualiza que a área aparentemente é homogênea, fornecendo assim pouca informação, situação semelhante quando se utiliza composição colorida RGB (fusão das bandas do satélite vermelho, verde e azul), datada de 08/06/2020 (Figura 04 - Área de interesse com Composição RGB de 06/06/2020).
[028] Porém, quando se utiliza o NDVI (Figura 05 - Área de interesse com Composição tal qual equação 01 ), observa-se que a área é heterogênea. O NDVI é uma escala com valor numérico variável de -1 a +1 , colorida apenas para facilitar a visualização, e neste caso, os locais verdes têm maior biomassa do que os vermelhos, tal qual o piquete 3 comparado com o 9. Quando se aproxima do pixel e insere o valor numérico fica patente a diferença (Figura 06 - Detalhe do pixel e valor numérico). Desta forma, o desafio foi transformar o valor do NDVI em biomassa de capim.
[029] Cabe destacar que o pixel (Figura 06) tem tamanho de 10 por 10 metros. Este fato é de suma importância no método de calibração/correlação do NDVI em Biomassa. Desta forma inventou o método que relaciona a biomassa ao NDVI com estas características de pixel, utilizando o prato ascendente para calibrar ou régua, tal qual discutido no item [023].
[030] O prato ascendente (Figura 02) foi utilizado pela maior eficiência na coleta das amostras, porém com adaptação no modo prato ascendente tradicional, pois se faz necessária a coleta das amostras limitado o tamanho do pixel (10x10 metros). O funcionamento do prato ascendente é racional, pois o operador anota o número inicial do contador na base do aparelho e após a coleta de “N” amostras, anota o número final. Dividindo a diferença destes valores pelo número de “pratadas” (subamostras), anotadas pelo contador no topo do aparelho, tem-se a altura média. Nos experimentos de campo, observou-se que com número de subamostras próximos a 30, os valores estabilizavam e definiu como valor adequado. Objetivando que exclusivamente a área objeto seja mensurada, determina um centro (Figura 07) e o operador executa a tomada de alturas em um círculo imaginário, distante de 2 a 4 metros do centro. Esta etapa/método foi desenvolvida pela invenção, sendo o cerne da metodologia.
[031 ] Outra parte metodológica complementar desenvolvida foi utilizar a imagem do NDVI para orientar a coleta de amostras de campo dos locais representativos (Figura 08 - Mapa de orientação para coleta das amostras na área objeto), salientando que fornece uma visão global e espacial da população. Com isto se separa os valores do NDVI em classes (Figura 09 - NDVI separado em Classes), tal qual uma distribuição normal, orientando pela média e o desvio padrão. Usualmente utiliza-se como modelo 8 classes, sendo: Média + 1/2 desvio padrão, de 1/2 desvio padrão a 1 desvio padrão, de 1 desvio padrão a 2 desvio padrão. O objetivo desta separação é que todas as cores/valores de NDVI sejam coletados em campo.
[032] Cabe destacar que o operador em campo não deve coletar amostras próximas a árvores, estradas e limites entre as áreas, evitando contaminação do pixel por objetos que tenha alta ou nenhuma biomassa. O operador, in loco, utiliza o mapa georreferenciado, “navegando” sobre as áreas de interesse.
[033] É importante salientar que dentro destas subáreas/estratos, os locais devem ser escolhidos aleatoriamente, respeitando os processos de casualização, para assegurar a independências dos erros de avaliação. A visualização prévia, precedida da estratificação, otimiza a coleta de amostras, fazendo que o operador se desloque menos, por exemplo, visualmente sabe que uma área próxima tem a mesma cor que uma área distante, desta forma, pode-se “extrapolar”, sem prejudicar a determinação da massa. [034] Finalizada a fundamentação metodológica para relacionar a massa com o valor do NDVI, no próximo item demonstra os processos estatísticos.
FUNDAMENTAÇÃO DA INVENÇÃO - ESTATÍSTICA
[035] Toda inovação metodológica para correlacionar o NDVI com a massa e estratégia de amostragem, objeto da invenção, objetiva reduzir os erros da predição da biomassa e eliminar a subjetividade. Desta forma também foi desenvolvido processo estatístico, relacionando a inovação metodológica. Apresenta-se desta forma o passo-a-passo.
[036] Nos métodos tradicionais, o responsável pelo campo escolhe 3 locais, com capim com altura baixa, média e alta, que representará massa baixa, média e alta, e depois utiliza a regra de 3, conforme [008]. A invenção utiliza deste artifício, aumentando para cinco a seis locais, porém inovou nesta etapa, pois efetua correlação estatística através de regressão linear. O objetivo da regressão é “ensinar” uma fórmula a transformar a altura do capim em biomassa (kg/m2).
[037] Para esta 1 â calibração, escolhe local representativo com capim baixo, médio ou alto. Primeiramente no interior da moldura (Figura 01 ), antes do corte, mede a altura. O procedimento ocorre anotando o valor de entrada do prato ascendente (Coluna D), valor de saída do prato ascendente (Coluna E) e número de repetições (Colune F) e a planilha calcula automaticamente a altura média (Coluna C) (Tabela 3), ou seja, é Coluna E menos Coluna D dividido por Coluna F. Posteriormente corta a massa do capim rente ao solo, inserindo a massa na Coluna H. Após algumas amostras se tem a regressão linear (Figura 10 - Exemplo de Equação de Regressão para transformar altura em massa) que relaciona a altura do capim com a massa.
Figure imgf000011_0001
[038] Finalizada esta 1 â calibração, o fluxo automaticamente transforma a altura mensurada em biomassa de capim, utilizando-se da equação de regressão da relação da altura com a massa. Agora há relação com a inovação do método, pois há a relação da massa da 1 â calibração com o valor do índice de vegetação, o NDVI. [039] Nesta etapa, o responsável pelas análises de campo mensura apenas alturas com o prato ascendente, que são automaticamente transformadas para biomassa de capim forrageiro. Desta forma, utilizando o mapa georreferenciado, coleta diversas amostras (Figura 1 1 - Mapa georreferenciado e amostras), tal qual descrito no método (30 sub amostras para gerar uma amostra, círculo de 2 a 4 metros no interior do pixel, etc). Estes pontos amostrais estão georreferenciados, permitindo assim “ligar” o valor do NDVI com a biomassa. Sugere-se que sejam amostrados no mínimo 25 pontos, porém o valor ideal depende do erro máximo aceitável. O preenchimento segue a planilha abaixo (Tabela 4 - Tabela que relaciona massa com o valor do NDVI), onde transforma a altura média (coluna G) em massa (coluna H).
Figure imgf000012_0001
[040] Na planilha acima, destaque para a Coluna I, e desta forma, há uma massa relacionada ao índice de vegetação NDVI. Assim, nova Regressão Linear é feita (Figura 12 - Exemplo da equação de regressão relacionando NDVI para predizer a biomassa), desta vez transformando o NDVI (variável independente) em massa, que mostra graficamente a Equação de regressão utilizando NVDI para predizer a massa.
[041 ] Salientando que a massa predita pelo prato e massa predita pelo NDVI tem a mesma média (Tabela 5 - Estatística descritiva da amostragem), tem-se as estatísticas descritivas abaixo. Em ambos os casos a média da calibração para 35 amostras foi 1 .1331 kg/m2 com desvio padrão de 0,4304, onde o Coeficiente de Correlação sugere que o NDVI explica em 64,6% a variação da biomassa do Capim. Nesta estatística ainda há outras informações, tal qual, com 95% de certeza que a massa está entre 0,771 a 0,913 kg/m2; que o erro atual é 0,1479 kg/m2; que para ter erro de 10% (0,1 133 kg/m2) deve coletar 60 amostras; e que a equação de regressão tem um intervalo que o NDVI explica de 0,771 a 0,913, conforme tabelas.
TABELA 5
Estatística descritiva Determinação do número de amostras adequadas
Figure imgf000013_0003
[042] Após esta etapa compara-se as calibrações da massa predita/estimada pelo prato ascendente com a do NDVI (Tabela 6 - Massa predita pelo prato ascendente e pelo NDVI) onde observa que a utilização do NDVI reduz o erro padrão e o Coeficiente de Variação.
Figure imgf000013_0001
[043] Reiterando que o mapa possui todo os valores dos pixels, ou seja, população, observa-se por piquete os valores do NDVI e sua estatística descritiva (Tabela 7)
Figure imgf000013_0002
[044] Utilizando-se do valor médio do NVDI, por piquete, e multiplicando pela equação da 2- Regressão linear, que transforma NDVI em massa, se tem a massa média por metro quadrado por piquete, entre outros. Multiplicando este valor por hectare (10.000 m2) e o Teor de Matéria Seca (TMS), se tem a massa seca disponível para o consumo animal, valor que fomenta a determinação da capacidade de suporte, conforme Tabela 8.
Figure imgf000014_0001
[045] Cabe destacar que o TMS, valor essencial multiplicador para determinação da biomassa disponível para consumo animal, ainda só pode ser determinada após análises laboratoriais, assim como outras variáveis, tal qual % de folha verde, carboidrato, proteínas, etc.
COMPARAÇÃO ENTRE O MÉTODO TRADICIONAL COM A INOVAÇÃO
[046] Em 18 de dezembro de 2019, foi diligenciado esforços de campo, objetivando comparar o método tradicional (régua graduada) com o método proposto pela invenção. Duas equipes efetuaram serviços com o mesmo objetivo, na mesma área. Os inventores locomoveram-se pelo pasto utilizando a imagem, NVDI de 16/12/2019 (Figura 13 - NDVI de 16/12/2019), e amostraram 30 locais, com objetivo de correlacionar a massa com o NDVI. Salienta também que foram efetuadas 10 calibrações de massa com altura.
[047] O método tradicional mensurou 180 alturas, distribuídas em todos os piquetes, ou seja, 20 (vinte) em cada. Estas alturas tiveram média de 14,33 centímetros com desvio padrão de 4,8. Conhecendo estes valores, esta equipe foi a campo e calibrou a massa com altura coletando locais onde a altura era a média menos desvio padrão, a média e média mais desvio padrão, 9.53, 14,33 e 19,13 centímetros respectivamente. Achou através regra de 3, o valor que representa um centímetro de altura de capim em um metro quadrado e multiplicou pela média da altura, obtendo valor da massa de capim por piquete Tabela 9.
Figure imgf000014_0002
[048] A invenção, já transformada em plataforma e aplicativo (a ser explanada posteriormente), utilizou de 10 (dez) amostras para elaborar uma equação de regressão que transforma a altura em massa. Terminada essa etapa, coletou 30 amostras de altura georreferenciadas, que foi transformada automaticamente em massa, objetivando correlacionar com o NDVI. Após os processos estatísticos (já descritos nos tópicos anteriores), obteve massa média de 0,690 +/- 0,18 kg/m2, com 95% de certeza que a massa média oscilará entre 0,690 a 0,708 kg/m2.
[049] Comparando as massas, piquete por piquete, observa-se que os valores mensurados pelas equipes (Tabela 10 - Comparação entre método tradicional e método da inovação). Utilizou-se também do NDVI média para orientar. Em média os valores calculados pelo método tradicional estão acima dos valores obtidos pelo processo da invenção, exceto para o piquete 3. Compreende-se que o responsável pelas amostras de campo, escolhendo o local da amostra de altura (subjetividade) tende a superestimar. Em relação ao intervalo de confiança do método tradicional, apenas a massa do piquete 6 diverge. Vejamos a Tabela 10:
Figure imgf000015_0001
[050] Analisando a Tabela 9, dos valores do método tradicional, a amplitude de certeza das amostras é muito superior ao método da invenção, desta forma, o método a ser patenteado, erra menos.
[051 ] Outra vantagem do método da invenção é que a calibração de uma data pode ser utilizada em datas/imagens subsequentes, desde que seja respeitado o intervalo de interpolação. Na imagem de 16/12/2019, o intervalo do NDVI foi de 0.771 a 0.913 (Tabela 6), já para 31/12/2019 (Tabela 8), a fórmula de calibração também compreende a massa da área. Neste intervalo de tempo, houve redução de massa no piquete 1 , 2 e 6, provavelmente devido ao consumo da forrageira pelo gado. Também se pode calcular o crescimento médio de capim por unidade de área. Salienta-se que estas afirmativas são determinadas sem esforço de campo. Vejamos a Tabela 1 1 que utiliza a equação de regressão que relaciona o NDVI pra predizer a biomassa da calibração de 16/12/2019 em 31 /12/2019:
Tabela 1 1
Utilização da equação de 16/12/2019 em 31 /12/2019
Figure imgf000016_0001
[052] A plataforma e aplicativo efetua todos estes processos, dentro de uma “caixa preta”. A equipe técnica que levou a cabo a realização da invenção, compreende que o aplicativo/plataforma é patenteável e entende que a parte “inventada” do método pode ser.
ESTRUTURA DA PLATAFORMA E APLICATIVO
[053] Descrito o método e a estatística envolvida, este tópico explicará o passo-a-passo (fluxograma) do início ao Relatório Final, utilizando a plataforma e aplicativo, que tem embarcado todo o processo estatístico agregado. Salienta-se que amostrador de campo é ator essencial para que o processo seja eficaz. O fluxograma da Figura 21 mostra as etapas, onde:
- Cadastro do usuário (1 );
- Cadastro do imóvel na plataforma (2);
- Analisar imagem da plataforma (3);
- Primeira calibração no aplicativo (4);
- Segunda calibração no aplicativo (5); - Produto final Plataforma / Aplicativo (6).
[054] O usuário primeiro se cadastra (1 ) e deve cadastrar o imóvel rural (2) e as áreas de interesse (área de pastagem ou piquetes), informando também o município e estado. Esta etapa é crítica e essencial, pois quem vai conhecer os limites é o próprio pecuarista ou gerente. A primeira inserção é do limite do imóvel e é feita através de polígono criado no Google Earth, desenhados na própria plataforma ou conforme aos dados públicos do Cadastro Ambiental Rural (CAR).
[055] A Figura 14 mostra detalhe do cadastro do imóvel (2), onde são apresentados campos (10) de identificação. A Figura 15 exemplifica a escolha de imóvel utilizando dados do Cadastro Ambiental Rural (CAR).
[056] Com o limite do imóvel, o usuário vai delimitar/desenhar/nomear as áreas de interesse, informando o tipo da forrageira, utilizando aba piquetes (Figura 16). A inserção destes limites ou é feita desenhando na plataforma ou com arquivo com limite pré-delimitados. Esta etapa é essencial, pois a limitação exata do imóvel facilitará todos os processos estatísticos. O polígono tem um tipo de forrageira, número identificador (ID) e área.
[057] A Figura 16 mostra, segundo a plataforma, um exemplo de delimitação de áreas de interesse. Acabando a etapa de cadastramento, estes dados são armazenados no sistema. Agora já é passível de ser utilizado no campo, em conjunto ao aplicativo de celular, porém anteriormente a esta etapa, o usuário vai analisar se a imagem recente, de até 5 (cinco) dias, não possui contaminação por nuvem ou sombra de nuvem (Figura 17). Desta forma, ele solicita a imagem RGB para que analise se a imagem é aproveitável. Se sim, o trabalho de campo é recomendado e o NDVI é enviado ao sistema (aplicativo) (Figura 18).
[058] Salienta-se que se houver nuvem, a plataforma pode ser utilizada, porém o usuário terá que efetuar maior esforço de campo. Todo benefício da visualização “aérea e espacial” do imóvel será perdido para aquela data e o aplicativo servirá de caderneta de campo eletrônica.
[059] Nesse sentido, fazemos menção à Figura 18 - Exemplo de imagem NDVI recortada das áreas objetos, sendo que, mediante esta imagem georreferenciada, o usuário navega na imagem e campo, com objetivo de escolher os melhores locais de amostragem. [060] Com o envio da imagem NDVI ao aplicativo, o usuário pode coletar amostras in loco, efetuando os procedimentos de calibração, preenchendo os dados nas telas do aplicativo. Eventualmente poderá ter painéis de informação sugerindo a coleta ou não de mais amostras e estatística exploratória básica.
[061 ] A Figura 19 mostra a tela do aplicativo no celular referente à primeira calibração (4). Este relaciona a massa com a altura, e a tela do aplicativo tem campos de número de entrada e de saída do prato ascendente, número de repetições. Após medir a altura, corta-se o capim dentro da moldura, conforme explanado e insere-se o valor da massa de capim. Sugere-se que esta etapa seja realizada mais de 3 (três) vezes, e que os locais amostrados representem capim baixo, médio e alto.
[062] Ao término dos procedimentos da 1 â calibração, realiza a coleta de altura, salientando que o usuário deve amostrar os locais com as cores representativas, do vermelho ao verde, conforme Figura 18. Reitera-se que deve efetuar a coleta de amostra por ponto com 30 subamostras no círculo imaginário, método já explanado. A tela do aplicativo para esta etapa é semelhante a anterior, porém a altura é automaticamente transformada em massa (kg/m2). O usuário informa o número de entrada, saída e repetições do prato ascendente, a altura média é transformada em biomassa que é relacionada ao valor do NDVI por georreferenciamento (latitude x longitude), utilizando o GPS do celular.
[063] Finalizada a amostragem de diversas alturas, o usuário clica no relatório de massa que irá informar a biomassa média total (kg/m2) por piquete ou área de pastejo, permitindo assim que o profissional da área regule a lotação de animais de forma mais eficiente. Salienta que esta tabela e todos os procedimentos de campo não precisam de sinal de celular, exceto no envio dos dados da imagem para o aplicativo, ou seja, quando houver sinal, há transferência dos dados do aplicativo e para a plataforma mutualmente.
[064] A Figura 20 mostra, segundo o aplicativo, o volume de capim por piquete. Cabe esclarecer que, eventualmente, o método da invenção, trará mapa e tabela informativa para o produtivo final mais refinado, com mapa qualitativo colorido, informação do campo, e comparação com o status do último campo. Os mesmos dados são enviados para a plataforma (figura 21 ), onde o usuário insere posteriormente o teor de matéria seca e a porcentagem de folha, reiterando que é com a folha verde seca que se faz a lotação do gado.

Claims

REIVINDICAÇÕES 1) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE INDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, compreende a plataforma e aplicativo em conjunto com o método amostrai em círculo desenvolvido exclusivamente para correlacionar as amostras de campo com as características do pixel; caracterizando a presente invenção a correlacionar os dados de campo com o índice de vegetação (estatística inferencial), transformando-os em biomassa, melhorando a determinação da massa vegetal disponível para o pastoreio animal; a presente invenção utilizou-se do medidor de altura chamado prato ascendente (7), adaptando a forma de coleta de dados para o tamanho do pixel; a invenção também orienta os locais prioritários para a coleta de amostras, para que haja amostragem significativa das áreas de interesse, melhorando os procedimentos estatísticos e diminuindo os erros (melhorando a assertividade); a invenção orienta o número mínimo ou adequado de amostras para a 1 â calibração de maior que 5 (relacionar massa x altura) e para a 2- calibração (coleta de altura) para o círculo imaginário (9) de 2 a 4 metros, com 30 subamostras, no mínimo 25 vezes; com a invenção embarcada na plataforma/aplicativo, cálculos são executados, gerando tabela com biomassa disponível para consumo animal, utilizando todos os pixels da população, reduzindo os erros em comparação com os métodos tradicionais. 2) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 1 , caracterizado pelo método que “ensina” a relacionar a altura de acordo com a massa (1 â calibração) por regressão linear, diferente do método tradicional que “ensina” através regra de 3; onde transforma a altura em massa de forragem por unidade de área (kg/m2); resumidamente, através de moldura (M), mede-se a altura do capim com o prato em 5 pontos dentro da moldura, inserindo no aplicativo o valor de entrada e saída, dividindo pelo número de repetições, que dará automaticamente a altura média em centímetros; posteriormente corta o capim, rente ao solo, pesa, e insere este dado no aplicativo. Executa esta etapa no mínimo 5 vezes. 3) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicações 1 e 2, caracterizado pelo método exclusivo de relacionar o pixel de 10 x 10 metros com a massa predita pela 1 â calibração; correlaciona o valor do NDVI com a massa através regressão linear, onde “ensina” o método a predizer a massa através do NDVI. 4) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 3, caracterizado por utilizando-se do valor médio do NVDI, tem-se a massa média por metro quadrado e por hectare e multiplicando pelo TMS (Teor de Matéria Seca), tem-se a Massa Seca Disponível que fomenta a capacidade de suporte. 5) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 1 , caracterizado por as etapas do processo de mensuração da invenção, onde
(1 ) mostra o cadastro de usuário na plataforma, (2) mostra o cadastro do imóvel na plataforma, (3) mostra a análise da imagem na plataforma, (4) mostra a primeira calibração no aplicativo, (5) mostra a segunda calibração no aplicativo e, (6) mostra o produto final incluindo plataforma / aplicativo.
6) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 5, caracterizado por o usuário primeiro se cadastrar (1 ) e cadastrar o imóvel rural
(2) e as áreas de interesse (área de pastagem ou piquetes); a escolha de imóvel utiliza dados do Cadastro Ambiental Rural (CAR).
7) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 3, caracterizado por imagem NDVI recortada no imóvel objeto, sendo que, mediante esta imagem georreferenciada, o usuário navega na imagem e campo, com objetivo de escolher os melhores locais de amostragem; após análise de imagem na plataforma (3), e tendo-se os locais adequados, efetua-se os procedimentos de primeira (4) e segunda (5) calibração, inserindo os dados no celular.
8) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a 19 reivindicação 5, caracterizado por o cadastro do usuário na plataforma (1 ) inclui as seguintes etapas:
• Determinar o usuário principal, responsável pelo pagamento dos dados processados;
• Determinar quais são os outros usuários relacionados ao imóvel;
• Determinar os limites de manipulação destas informações por usuário;
• Determinar se quer que o aplicativo envie pop up, por exemplo, informação de novas imagens disponíveis, informações climáticas e outras pertinentes;
• Determinar o imóvel rural de referência, nome, proprietário, localização e afins.
9) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 5, caracterizado por o cadastro do imóvel na plataforma (2) incluir as seguintes etapas:
• Delimitação do limite total do imóvel rural;
• Delimitação da área produtiva objeto, separando-as por nome/identificador, espécie de forrageira.
10) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 5, caracterizado por a análise da imagem na plataforma (3) incluir as seguintes etapas:
• Visualização e análise se a última imagem disponível está sem nuvem ou sombra;
• Se tiver contaminação sobre a área de interesse, efetuar a coleta utilizando o aplicativo, porém sem auxílio da nuvem ou aguardar nova imagem aproveitável;
• Estando a imagem ok, solicitar NDVI (índice de Vegetação) que será enviado para o aplicativo.
11) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E 20
INFORMAÇÕES DE INDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 5, caracterizado por a primeira calibração no aplicativo (4) incluir as etapas:
• Utilizando o índice de Vegetação reclassificado e a informação de que se deve “ensinar” a fórmula a entender a massa através da altura, o usuário deve coletar amostras cde diferentes alturas; normalmente utiliza-se ns maior que 5;
• Do local escolhido, inserir a moldura (0.25 a 1 m2), mensurar a altura utilizando prato ascendente de 4 a 5 vezes e, posteriormente, a massa de corte, preenchendo o aplicativo.
12) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 5, caracterizado por a segunda calibração no aplicativo (5) incluir as etapas:
• Finalizada ou concomitantemente à 1 â calibração, inicia-se a 2- Calibração, que objetiva ensinar a transformação do índice de Vegetação em Massa de Capim, através da altura;
• Coleta de diversas subamostras de altura (n>30) para ter uma amostra dentro do pixel, circulando um ponto central de 2 a 4 metros de raio;
• O número de amostras necessárias é variável com o erro desejado, porém com 25 ou mais consegue boas correlações;
• Assim como a etapa anterior, preenche os campos, ns do prato (inicial, final), repetições, que através da equação de regressão da 1 â calibração é transformada em massa.
13) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE ÍNDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 5, caracterizado por o Produto Final Plataforma / Aplicativo (6) inclui as etapas:
• Finalizada a 2- calibração, apertar Relatório de massa que mostrará a massa verde total por piquete ou área de pastagem na tela do celular ou na plataforma acompanhada a imagem;
• Compreende-se que a utilização de celular para coletar informações e estes cálculos é inovação.
14) MENSURADOR QUALIQUANTITATIVO DE BIOMASSA DE GRAMÍNEAS FORRAGEIRAS PARA PASTOREIO, UTILIZANDO INFORMAÇÕES DE CAMPO E INFORMAÇÕES DE 21
INDICES DE VEGETAÇÃO ORIUNDOS DE SATÉLITE, de acordo com a reivindicação 5, caracterizado por a primeira calibração (4) requerer posicionar o quadro no capim alto, médio e baixo (1 1 ), seguido de medição de altura com prato ascendente (12), corte do capim (13), regressão linear entre altura (x) e massa (M) (14); feito isso, vai-se à segunda calibração (5), que consiste em separar áreas homogêneas (15), medir alturas com prato ascendente (16), usar a primeira regressão para gerar a massa predita (17), gerar outra regressão entre a massa predita; na medição de altura com prato ascendente (16) deve-se determinar um ponto central ou centro (8), afastar de 2 a 4 metros de raios determinando um círculo (9), então, percorrer o perímetro imaginário (17) deste círculo e obter no mínimo 30 (trinta) leituras com o prato ascendente (18).
PCT/BR2021/050470 2020-10-27 2021-10-27 Mensurador qualiquantitativo de biomassa de gramíneas forrageiras para pastoreio, utilizando informações de campo e informações de índices de vegetação oriundos de satélite WO2022087702A1 (pt)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
BRBR1020200220306 2020-10-27
BR102020022030-6A BR102020022030B1 (pt) 2020-10-27 2020-10-27 Método de mensuração qualiquantitativa de biomassa de gramíneas forrageiras para pastoreio, utilizando informações de campo e informações de índices de vegetação oriundos de satélite

Publications (1)

Publication Number Publication Date
WO2022087702A1 true WO2022087702A1 (pt) 2022-05-05

Family

ID=81381434

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/BR2021/050470 WO2022087702A1 (pt) 2020-10-27 2021-10-27 Mensurador qualiquantitativo de biomassa de gramíneas forrageiras para pastoreio, utilizando informações de campo e informações de índices de vegetação oriundos de satélite

Country Status (2)

Country Link
BR (1) BR102020022030B1 (pt)
WO (1) WO2022087702A1 (pt)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116012733B (zh) * 2022-12-14 2023-09-29 兰州大学 一种利用乡土草种物种组配修复退化高寒草地裸斑的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778451A (zh) * 2015-03-31 2015-07-15 中国科学院上海技术物理研究所 一种考虑草地高度因子的草地生物量遥感反演方法
CN109238960A (zh) * 2018-09-07 2019-01-18 兰州大学 一种基于ndvi的草地实际承载力指数快速监测方法
WO2019078733A1 (en) * 2017-10-17 2019-04-25 Farmshots Llc SATELLITE GRAZING MEASURES
CN110095412A (zh) * 2019-04-22 2019-08-06 青海大学 一种草畜动态遥感监测及放牧预警方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778451A (zh) * 2015-03-31 2015-07-15 中国科学院上海技术物理研究所 一种考虑草地高度因子的草地生物量遥感反演方法
WO2019078733A1 (en) * 2017-10-17 2019-04-25 Farmshots Llc SATELLITE GRAZING MEASURES
CN109238960A (zh) * 2018-09-07 2019-01-18 兰州大学 一种基于ndvi的草地实际承载力指数快速监测方法
CN110095412A (zh) * 2019-04-22 2019-08-06 青海大学 一种草畜动态遥感监测及放牧预警方法

Also Published As

Publication number Publication date
BR102020022030B1 (pt) 2022-08-23
BR102020022030A2 (pt) 2021-10-05

Similar Documents

Publication Publication Date Title
Liang et al. Multi-factor modeling of above-ground biomass in alpine grassland: A case study in the Three-River Headwaters Region, China
CA3041142C (en) Classification of soil texture and content by near-infrared spectroscopy
Higgins et al. Vegetation sampling and measurement
Pfister et al. Classifying forest habitat types based on potential climax vegetation
BR112019002436B1 (pt) Método e sistema para estimar conteúdo de nitrogênio utilizando imagens hiperespectrais e multiespectrais e um ou mais meios de armazenamento legíveis por computador não transitórios
US20180292339A1 (en) Systems and methods for high resolution plant root zone soil mapping and crop modeling
Baghzouz et al. Monitoring vegetation phenological cycles in two different semi-arid environmental settings using a ground-based NDVI system: A potential approach to improve satellite data interpretation
Murphy et al. A review of precision technologies for optimising pasture measurement on Irish grassland
Bochenek et al. Monitoring forest biodiversity and the impact of climate on forest environment using high-resolution satellite images
Serrano et al. Calibration of GrassMaster II to estimate green and dry matter yield in Mediterranean pastures: Effect of pasture moisture content
Li et al. A suitable vegetation index for quantifying temporal variation of leaf area index (LAI) in semiarid mixed grassland
Sun et al. Remote estimation of grafted apple tree trunk diameter in modern orchard with RGB and point cloud based on SOLOv2
Smith et al. Estimating ground cover in the mixed prairie grassland of southern Alberta using vegetation indices related to physiological function
WO2022087702A1 (pt) Mensurador qualiquantitativo de biomassa de gramíneas forrageiras para pastoreio, utilizando informações de campo e informações de índices de vegetação oriundos de satélite
He et al. Predicting plant available water holding capacity of soils from crop yield
Gaucherand et al. New method for rapid assessment of the functional composition of herbaceous plant communities
CN117077868A (zh) 一种基于模型的粮食产量预测***及方法
Mundava et al. A novel protocol for assessment of aboveground biomass in rangeland environments
Gayton Grassland and forest understory vegetation monitoring: an introduction to field methods
Pan et al. Estimating aboveground biomass of grassland in central Asia mountainous areas using unmanned aerial vehicle vegetation indices and image textures–A case study of typical grassland in Tajikistan
Passalacqua et al. Monitoring biomass in two heterogeneous mountain pasture communities by image based 3D point cloud derived predictors
Figueiredo et al. Using temporal stability to estimate soya bean yield: a case study in Paraná state, Brazil
Halla et al. Role of Drones in Characterizing Soil Water Content in Open Field Cultivation
Rahilly et al. Mapping swamp timothy (Crypsis schoenoides) seed productivity using spectral values and vegetation indices in managed wetlands
CN116403125B (zh) 基于无人机航拍的草原毛虫宜生区划分方法、***及终端

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21884186

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21884186

Country of ref document: EP

Kind code of ref document: A1