Monitoramento de atributos biofísicos da cana-de-açúcar com vants: integração de dados lidar e multiespectral

• Processo: 26/03354-8
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 07 de dezembro de 2026
• Data de Término da vigência: 06 de dezembro de 2027
• Área de conhecimento: Ciências Agrárias - Agronomia
• Pesquisador responsável: Ana Cláudia dos Santos Luciano
• Beneficiário: Matheus Sterzo Nilsson
• Supervisor: Jonathan Richetti
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Instituição Anfitriã: Csiro Floreat Site, Austrália
• Vinculado à bolsa: 25/14887-4 - Monitoramento de atributos biofísicos da cana-de-açúcar com vants: integração de dados lidar e multiespectral, BP.DR
• Assunto(s): Veículos aéreos não tripulados Índices de vegetação Sensoriamento remoto
• Palavra(s)-Chave do Pesquisador: Drones | Estimativa de produtividade | Índices de vegetação | Modelagem mecanística | Sensoriamento Remoto

Resumo

A estimativa de atributos biofísicos da cana-de-açúcar é essencial para o planejamento agrícola e para o avanço de sistemas de previsão de produtividade. No entanto, a obtenção desses atributos por medições manuais apresenta limitações operacionais e de escalabilidade, as quais podem ser amenizadas pelo uso de sensores embarcados em VANTs, como LiDAR e multiespectral, que possibilitam obter informações estruturais e espectrais da cultura. Deste modo, este projeto propõe integrar dados advindos dos sensores LiDAR e multiespectral para estimar variáveis biofísicas da cana-de-açúcar e, posteriormente assimilá-la no modelo mecanístico APSIM-Sugarcane para estimativa de produtividade. Para isso, serão utilizados dados de campo obtidos em 3 áreas da cana-de-açúcar localizadas no estado de São Paulo, Brasil. As coletas realizadas entre junho de 2025 e maio de 2026, incluem medições biométricas, bem como a aquisição de dados LiDAR e multiespectrais. Esses dados, após o pré-processamento realizado no Brasil, constituirão a base para o desenvolvimento das modelagens a serem conduzidas no exterior. No estágio BEPE na CSIRO, os dados serão utilizados para calibrar e validar modelos empíricos baseados em técnicas de machine learning e deep learning, visando estimar múltiplos parâmetros biofísicos da cultura. Em seguida, os resultados obtidos serão empregados para iniciar a calibração do modelo mecanístico APSIM-Sugarcane, etapa fundamental para avaliar o potencial de assimilação dessas variáveis no aprimoramento das simulações de crescimento e produtividade. Assim, o BEPE permitirá avançar nas etapas analíticas do projeto. Os resultados esperados incluem novos métodos de estimativas de parâmetros biofísicos por sensoriamento remoto e avaliar o aprimoramento das simulações de assimilação de dados remotos por VANTs no APSIM para modelagem da produtividade. Além disso, espera-se a formação avançada do bolsista em integração de dados e modelagem agrícola e técnicas de machine learning e deep learning. O estágio contribuirá ainda para a transferência de conhecimento ao grupo de pesquisa no Brasil. (AU)