5 - RESULTADOS E DISCUSSÃO
5.1 - Modelos Numéricos de Previsão de
Fenofases
5.1.1 - Modelos Propostos para
Previsão da Plena Floração - Data
Os modelos mais significativos obtidos para a previsão da data da
plena floração podem ser vistos nas TABELAS 5.1, 5.2, 5.3,
5.4, 5.5, 5.6 para as cultivares Gala, Golden Delicious e Fuji. As
variáveis independentes ou estimadores foram codificados, para todos
os modelos deste trabalho, de X1 a X54, conforme TABELA 5.7.
Este procedimento teve como objetivo simplificar a apresentação
dos modelos e sua discussão.
Definiram-se, conforme metodologia proposta, as temperaturas basais ou cardeais
para as três cultivares, calculadas a partir de dados térmicos
(diários e horários) e fenológicos das duas regiões
básicas de produção de maçãs de Santa
Catarina:Fraiburgo e São Joaquim. Os resultados obtidos para as
temperaturas basais inferior (Tb) e superior (TB) encontram-se
na TABELA 5.8, onde pode-se denotar uma aproximação
bastante grande entre as temperaturas basais inferiores (Tb) das duas
regiões e cultivares correspondentes. Tendo em vista os dados
fenológicos para o cálculo das temperaturas basais serem mais
precisos para a região de São Joaquim (Estação
Experimental), bem como os dados meteorológicos (Estação
Meteorológica sinótica nacional a menos de 1km de distância
dos pomares), optou-se para este trabalho, das temperaturas basais definidas
para a região de São Joaquim/SC como sendo as mesmas para
Fraiburgo/SC. Este fato teve como escopo a simplificação dos
cálculos, considerando ainda que os dados meteorológicos para
Fraiburgo têm sido derivados da Estação Meteorológica
de Caçador/SC, distante 30km da área de estudo. A não
utilização dos dados meteorológicos coletados em
estações mais próximas à área de estudo,
deveu-se à descontinuidade da série, falta de dados e
inconsistência de valores observados. Adotou-se ou fixou-se a temperatura
basal superior - TB, para todas as cultivares em 30° C.,
também como forma de simplificação metodológica
e mesmo porque nestas regiões produtoras, devido ao posicionamento
geográfico e à altitude, as temperaturas dificilmente atingem
valores extremos (>30° C.). Desta forma, as temperaturas basais
ou cardeais (Tb, TB), utilizadas foram de l e 30° C para
a cultivar Gala, 2 e 30° C para a Golden Delicious e de 5
e 30° C para a Fuji, respectivamente e principalmente para a
previsão da data de início de colheita.
Pela análise dos diversos modelos de previsão propostos, constantes
das TABELAS 5.1 a 5.6, pode-se observar que fazem parte de dois conjuntos
de dados. O primeiro, abrangendo dados fenológicos e meteorológicos
apenas da região de Fraiburgo/SC, de forma polinomial e neural. O
segundo, abrangendo modelos compostos (*), com dados conjuntos das regiões
de Fraiburgo/SC e São Joaquim/SC.
TABELA 5. 1 - Modelos polinomiais propostos
para previsões fenológicas e de rendimentos. Cultivar Gala
- Fraiburgo/SC.
TABELA 5.2 - Modelos neurais e mistos
propostos para previsões fenológicas e de rendimentos. Cultivar
Gala - Fraiburgo/SC.
TABELA 5.3 - Modelos polinomiais propostos
para previsões fenológicas e de rendimentos. Cultivar Golden
Delicious - Fraiburgo/SC.
TABELA 5.4 - Modelos neurais e mistos
propostos para previsões fenológicas e de rendimentos. Cultivar
Golden Delicious - Fraiburgo/SC.
TABELA 5.5 - Modelos polinomiais propostos
para previsões fenológicas e de rendimentos. Cultivar Fuji
- Fraiburgo/SC.
TABELA 5.6 - Modelos neurais e mistos
propostos para previsões fenológicas e de rendimentos. Cultivar
Fuji - Fraiburgo/SC.
TABELA 5.7 - Codificação
dos estimadores dos modelos propostos.
TABELA 5.8 - Temperaturas basais -
Tb, TB - e graus-dia que apresentam menor coeficiente de variação
e desvio padrão (dias) para Fraiburgo/SC e São Joaquim/SC.
Fenologia: Plena Floração - Início da Colheita.
O desenvolvimento de modelos com dados compostos teve como objetivo ampliar
a diferenciação climática, como forma de melhorar o
desempenho e abrangência dos modelos. Embora a região de
Fraiburgo/SC dispusesse de menos de 20 anos de safras diferentes (anos
diferentes), apresentava grande número de repetições
de observações fenológicas e de produções
entre pomares e locais (propriedades) diferentes. Tal fato foi decisivo para
a elaboração dos modelos, seu ajustamento, tendo em vista serem
áreas de produção comercial e em muitos casos sem a
devida precisão na observação das datas da plena
floração e início de colheita. No caso da
observação da data de floração, em muitos anos,
existiam diferenças de até 15 dias de um local para outro,
sem uma justificativa baseada apenas na possível diferença
microclimática de um pomar para outro. Tais diferenças, na
maioria dos casos, são decorrentes de alguns fatores, tais como: erro
observacional e tratos culturais (podas tardias, aplicações
de produtos para quebra de dormência). Assim, algumas
observações fenológicas foram substituídas por
outras, de pomares próximos, nos mesmos anos e condições.
Um fato que merece destaque é o critério que caracteriza a
fase fenológica da plena floração, definida como sendo
a existência de uma flor aberta por inflorescência. Ora, este
critério embora teoricamente possível, na prática, provoca
erros de avaliação de um pomar para outro com diferenças
que chegam a 5-7 dias. É mais notório em anos com deficiência
de horas de frio para quebra de dormência, a qual prolonga o período
de floração e dificulta a exatidão da data da
ocorrência da plena floração. Este critério tem
sofrido uma evolução, na metodologia de avaliação,
a partir de 1992 (safra), por iniciativa da pesquisa agrícola estadual,
embora mantendo-se o princípio de observação
fenológica inicial (1 flor por inflorescência).
Os modelos compostos apresentaram um ajustamento menos eficiente do que os
modelos simples (Fraiburgo/dados), conforme demonstram os coeficientes de
determinação (r2 ), desvio padrão, erro
médio e maior desvio absoluto. Entretanto, este fato pode ser decorrente
do uso dos dados originais de São Joaquim/SC, sem pré-ajustes,
pela impossibilidade de verificação de possíveis erros
de observação (sem repetições). O desempenho
dos modelos, no entanto, poderá ser melhor verificado na
validação dos mesmos com conjunto de dados independentes (item
5.3).
As variáveis independentes ou estimadores mais significativos da plena
floração, conforme observações práticas,
confirmaram-se nos modelos, tais como: somatório de horas de frio
- 
HF, somatório
de graus-dia -
GD ,
insolação (I) e temperatura média mensal
(TM). Quanto ao
HF, pretendia-se analisar
qual dos modelos propostos melhor se ajustavam, bem como a época e
período compreendido para o somatório. Entretanto, nenhum dos
dois modelos de HF tiveram destaque isolado, mas sim de forma combinada
em muitos modelos. Assim estes métodos analisados apresentaram um
desempenho associado maior do que singularmente. As épocas ou
períodos de
HF mais significativos
foram entre 1 de maio e 31 de julho, de 1 de maio a 15 de agosto ou 31 de
agosto, tanto para o modelo com acúmulo de HF abaixo de 7,2°
C, como pelo Carolina do Norte Modificado.
A utilização de graus-dia como variável estimadora da
plena floração mostrou-se surpreendentemente eficiente, mesmo
associada a HF. Embora
a HF e a
GD apresentam-se
correlacionadas inversamente em mais de 70% em muitos casos, verificou-se
maior ajustamento dos modelos quando aparecem associados. Utilizou-se
temperaturas basais, inferior - Tb e superior TB, de 1°
e 30° C, respectivamente, e também de 7° 30° C, tendo
em vista as cultivares nesta época do ano (outono-inverno) estarem
em repouso. As temperaturas acima de 7° C parecem computar melhor a
disponibilidade térmica mais favorável ao início da
brotação e indução da floração.
Os períodos mais eficientes para o somatório dos graus-dia
foram julho, agosto e de maio-julho.
Outros estimadores apresentaram significância na composição
dos modelos de plena floração, tais como a insolação
dos meses de julho, agosto e agosto a 15 de setembro. Temperaturas médias
dos meses de julho, agosto e setembro também mostraram-se eficientes
em alguns modelos. Os modelos deixam claro que as variáveis
climáticas efetivamente decisivas ao processo ou desencadeamento da
floração são energéticos, representados
simplificadamente pelo
HF,
GD, insolação
e temperaturas médias mensais. Variáveis ligadas aos aspectos
hídricos (chuva, balanço hídrico) não apresentaram
desempenho para a estimativa ou previsão da data da plena
floração, sendo ainda de difícil equacionamento.
Quanto ao uso de rede neural para o ajustamento dos modelos previsivos,
apresentaram um comportamento muito semelhante aos modelos polinomiais, embora
estes com pequena vantagem quanto ao r2 , erro médio e
maior desvio absoluto (dias). O número de neurônios da camada
oculta (Hidden l) utilizados para o treinamento destes modelos variaram de
4 a 6, correspondendo de metade até o total da soma do número
de entradas (inputs) mais a saída (output), na maioria dos casos.
A maioria dos modelos tem comportamento linear, eventualmente, quadrática,
raiz quadrada ou exponencial.
5.1.2 - Modelos propostos para estimativa de início
de colheita
Os modelos desenvolvidos mais promissores estão relacionados nas
TABELAS 5.1 a 5.6, de forma resumida. Fundamentalmente, estão
baseados no princípio de graus-dia entre a plena floração
e início de colheita, utilizando-se para tanto do
GD da plena
floração até 30 de novembro, 31 de dezembro e 31 de
janeiro, dependendo da cultivar envolvida ( > < precocidade). As
temperaturas basais utilizadas são aquelas já descritas no
item anterior. O estimador de graus dia corresponde a mais de 75% do coeficiente
de determinação ( r' ) da maioria dos modelos polinomiais
apresentados. Outros estimadores de menor influência nos modelos são
os relacionados principalmente com a insolação dos meses de
outubro a janeiro, dependendo da cultivar envolvida. A insolação
no final do cicio tem a tendência de acelerar a maturação
e antecipar o início da colheita. A utilização da
relação ETR/ETP nos meses de dezembro, janeiro e fevereiro,
não teve significância ou participação na
previsão da data de colheita, com exceção de um modelo
(Fuji). Tal fato talvez seja devido à cultura em análise ser
perene, com sistema radicular profundo, aliado a solo com grande capacidade
de armazenamento de água e as condições pluviométricas
reinantes.
Alguns modelos desenvolvidos para a cultivar Gala (+ precoce), houve a
participação da
GD de maio-julho (Tb
= 1) e de maio-julho (Tb = 7). Tais estimadores estão
relacionados à disponibilidade térmica que houve no outono-inverno
e representam, de forma inversa a disponibilidade de horas de frio, promotoras
de floração e colheitas ± concentradas. Isto é,
período > ou < de floração com conseqüente
precisão da data de início de colheita.
No desenvolvimento destes modelos houve problemas de ajustamento decorrentes
principalmente da falta de precisão e critérios adequados para
a determinação acurada tanto da data da plena floração
como da colheita, tendo em vista tratar-se de plantios comerciais. Embora
os produtores utilizem o número médio de dias após a
plena floração, para cada cultivar, como critério para
definição da data provável de colheita, há uma
variação grande de um ano para outro (8-10 dias). Também
pelo fato dos pomares não poderem ser colhidos na data mais adequada
por problemas de ordem operacional (mão-de-obra, transporte, armazenagem),
mesmo considerando a maturação diferenciada das cultivares.
Todos estes aspectos refletem na precisão da determinação
da data de início de colheita e, conseqüentemente, no ajustamento
e validação dos modelos. Assim, a elaboração
destes modelos somente foi possível devido à grande quantidade
de pomares existentes, principalmente na região de Fraiburgo/SC,
permitindo ajustar dados mais adequados aos modelos, descartando aqueles
mais divergentes (< 25% do total dos dados). Como critério para
condução deste processo, utilizou-se o
GD da floração
a colheita, para cada cultivar e safra, analisando aqueles casos onde o
GD ultrapassava em
± 0,75 DP (desvio padrão). A grande maioria dos casos divergentes
correspondia ao GD
excessivo, isto é, com excesso no somatório térmico,
decorrente de possível atraso na colheita por problemas operacionais
ou, eventualmente, por chuvas na colheita. A data caracterizada como início
de colheita não implica ou não coincide, necessariamente, com
a maturação fisiológica.
Os modelos propostos para início de colheita, também foram
subdivididos em dois conjuntos de dados. O primeiro, com menor número
de anos (safras) diferentes, abrange dados apenas da região de
Fraiburgo/SC. O segundo, são compostos por dados das regiões
de Fraiburgo/SC e São Joaquim/SC. Neste último caso,
variáveis dummies foram associadas para poder ajustar adequadamente
os modelos, uma vez que o
GD é eficiente
e utilizável isoladamente apenas em áreas ou regiões
homogêneas. O
GD altera-se de
região (diferente) para outra, entre subperíodos fenológicos,
embora as temperaturas básicas possam ser as mesmas (interação
planta-clima), conforme observado neste trabalho (TABELA 5.8) e
também abordado por CUTFORTH e SHAYKEWICH (1990).
Os modelos compostos, de maneira geral, tiveram ajustamentos inferiores do
que os simples, talvez devido os dados de São Joaquim/SC não
terem repetições que possibilitassem ajustes prévios.
No entanto, possuem uma maior amplitude e variabilidade climática
inclusa. Os modelos permitem previsões que oscilam entre 17 a 104
dias de antecedência, considerando-se as três cultivares. Para
a cultivar Gala os modelos polinomiais foram todos lineares quanto aos seus
estimadores. Para as demais cultivares houve uma distribuição
entre lineares, raiz quadrada, quadrática e exponencial.
Os modelos neurais foram treinados com ajuda de 2 a 4 neurônios (camada
oculta 1), correspondendo a metade até 1,5 vezes o somatório
do número de variáveis estimadoras de entrada (inputs) mais
a saída (output). O desempenho quanto ao ajustamento dos modelos,
traduzidos pelo erro médio, maior desvio absoluto (dias) e
r2 , comportou-se similarmente aos polinomiais, com pequena
vantagem para estes.
5.2 - Modelos Numéricos de Previsão de
Rendimentos
Os modelos desenvolvidos e propostos estão, também, relacionados
nas TABELAS 5.1 a 5.6, polinomiais, neurais e mistos. Os modelos
apresentados estão divididos em duas categorias. A primeira, abrange
modelos estruturados apenas com dados da região de Fraiburgo/SC. A
segunda, é composta por dados de Fraiburgo/SC e São Joaquim/SC,
importantes quando se pensa em analisar a participação do tempo
meteorológico/clima na composição do rendimento e
produção final das cultivares (> base de análise).
A variável ou estimador de maior importância na
composição do rendimento (kg/ha) e mesmo do coeficiente de
determinação (r2) dos modelos polinomiais
(+ 75%) é o número médio de frutos/planta, deixados
após o raleio dos pomares (outubro-novembro). Outro estimador importante
ligado à capacidade de produção média de cada
pomar, definido pela metragem de copa (m2 de copa), foi ajustado
em alguns modelos pelo uso de variáveis dummies, tendo em vista
que a idade dos pomares não se caracterizou como estimador eficiente.
O número de frutos/planta foi transformado em Frutos/m2
com a ajuda do número de plantas e a área ocupada por
parcela/subparcela (pomar), em virtude do espaçamento variado existente
entre pomares. As variáveis climáticas que interagem no crescimento
do fruto - CF e integrantes dos modelos são variadas, bem como
a época de maior influência. Assim, para a cultivar Gala, os
estimadores climáticos mais importantes dizem respeito à
disponibilidade energética, traduzidas pela temperatura média
dos meses de novembro e dezembro, muitas vezes associados a insolação
de agosto e setembro,
GD do mês 7,8
e HF maio-julho ou
maio-agosto, pelos dois métodos de cálculo. Temperaturas elevadas
nos meses de novembro e dezembro, coincidentes com final da floração
- início de frutificação, induzem a uma
diminuição na produtividade, comprovada na prática e
demonstrada pelos modelos. A
GD, insolação
e HF no período
de repouso, caracterizam a satisfação ou não do frio
invernal para a quebra de dormência e conseqüente floração
e frutificação em período mais ou menos concentrado
e homogêneo na primavera. Também guarda alguma relação
com temperaturas mais ou menos elevadas no final da primavera, indutoras
do tamanho do fruto (diferenciação celular).
Nas cultivares mais tardias (Golden D. e Fuji), outro estimador climático
toma lugar em alguns modelos, ou seja, a relação
ETR/ETP, nos meses de dezembro a fevereiro. Nestas cultivares, além
das condições térmicas do outono-inverno (HF)
e primavera (TM, I), o rendimento fica dependente também das
condições hídricas do período da
maturação, as quais, dependendo da severidade, podem provocar
diminuição drástica no peso dos frutos e da colheita
final.
Os modelos propostos para as três cultivares variam, dependendo da
combinação dos estimadores e período de previsão
envolvido, de lineares, raiz quadrada, quadráticos e exponenciais.
Excepcionalmente, no modelo R1 (Gala) há uma interação
tríplice entre estimadores (variáveis). De forma geral, os
modelos compostos(*) apresentam maior erro médio dos ajustamentos.
Este fato, acredita-se decorrer do pequeno número de
repetições e de plantas do conjunto de dados de São
Joaquim/SC, aliado à sua produtividade mais elevada.
Um dos fatores que tem peso no ajustamento final dos modelos é o erro
amostral envolvido na principal variável estimadora, ou seja, o
número médio de frutos/planta ou m2. Esta variável é
amestrada após o raleio, outubro-novembro, e consiste em contar os
frutos de 2,5% das plantas dos pomares. Dependendo do ano, das
condições climáticas, práticas culturais (podas,
dosagem dos produtos para quebra de dormência), da cultivar, tratamentos
fitossanitários e de fertilidade do solo, o número de frutos/planta
pode variar bastante entre plantas e pomares diferentes, sem considerar a
qualidade da mão-de-obra envolvida. Caso não haja uma
ponderação entre o número de plantas/subparcelas e a
contagem do número de frutos/planta, diferenças significativas
poderão aparecer na composição do número médio
de frutos/planta e por parcela (conjunto de subparcelas). Este fato tem ocorrido
em safras mais antigas (final da década de 70 e início de 80).
Nas safras mais recentes, os produtores têm procurado melhorar as
amostragens, mas ainda deixando muito a desejar em alguns pomares de alta
densidade de plantio (> 1.000 plantas/ha). Por exemplo, um erro cometido
na amostragem de 10% (num universo de 500-1000 ha de macieiras) causa um
erro na previsão final de semelhante magnitude, dependendo das
condições ambientais. Tendo em vista que os pomares destas
empresas comerciais, com grandes áreas cultivadas, a produção
é computada por parcelas, compostas por N quadras ou subparcelas
de diferentes tamanhos e número de plantas, tendo ainda produtividades
diferentes em muitos casos. Uma amostragem mal conduzida ou mal ponderada
pode causar distorções nos modelos previsores. Outro aspecto
refere-se ao número fixo de amostras de 2,5% das plantas do pomar,
o qual deveria variar conforme as condições do pomar, ano e
cultivar.
Alguns modelos apresentam variáveis dummies indicadores de
possíveis diferenças entre pomares, notoriamente a capacidade
de produção, uma vez que são compostos por dados de
pomares com idades diferentes, locais diferentes, porta-enxertos diferentes,
densidade de plantas/área diferentes. Tais variáveis, se bem
utilizadas, poderão ajustar bem as previsões de rendimentos,
neste aspecto. Dependendo da cultivar e do modelo, a previsão pode
ser feita com até 120 dias de antecedência, cujo acerto é
maior à medida que se aproxima da data da colheita.
Os modelos neurais foram treinados com mesmo conjunto de estimadores usados
para os modelos polinomiais, com a ajuda de 4 a 10 neurônios (camada
oculta 1), correspondentes a metade até 1,5 vezes o número
de estimadores de entrada (inputs) mais a saída (output). Apresentam
desempenho semelhante aos polinomiais, com pequena vantagem para aqueles
em alguns casos, com relação ao erro médio (%) e maior
desvio absoluto (kg/ha). Neste aspecto, ressaltamos que foi possível
treinar a rede com número relativamente pequeno de dados
(repetições), 27-30 anos/safras, ficando claro que o ajuste
dos modelos depende mais da qualidade do que da quantidade de
informações.
Objetivando tirar proveito dos modelos quanto ao seu potencial de previsão
individual, produziu-se alguns modelos mistos (MM1, MM2, MM3 e MMFU),
com o auxílio de programação linear, minimizando os
erros relativos das estimativas de rendimento (kg/ha). Para tanto, utilizou-se
os modelos básicos compostos (Fraiburgo + São Joaquim) para
as três cultivares, polinomiais e neurais. Para a cultivar Fuji
desenvolveu-se modelo misto (MMFU), também com dados apenas
de Fraiburgo/SC.
Todos os modelos mistos apresentam um erro médio (%) menor do que
qualquer modelo individual participante, seja polinomial ou neural, conforme
pode-se ver nas TABELAS 5.2, 5.4 e 5.6.
Também tentou-se introduzir variável estimadora nos modelos
que traduzissem possível efeito de alternância de
produção, decorrente de carga de frutos ou produção
excessiva. Na maioria dos modelos desenvolvidos, a produtividade do ano anterior,
como tal variável, não se mostrou eficiente, embora faça
parte de um modelo (R2 - Gala). Acredita-se que isto seja devido aos
dados que compõem os diversos modelos, provenientes de pomares diferentes,
com produtividades diferentes, idades diferentes e densidades de plantio
diferentes.
5.3 - Validação dos Modelos de
Previsão
Para testar a performance dos modelos propostos, quanto à sua habilidade
previsória, separaram-se os dados da safra 93/94 de Fraiburgo/SC,
quanto aos pomares da área de estudo (Pomifrai), bem como da empresa
agrícola Renar 5.A. Evidentemente que para a validação
conclusiva dos modelos propostos outras safras e locais seriam necessários.
Entretanto, o objetivo inicial foi selecionar os modelos mais promissores
e que possam servir para estimar todo o conjunto de pomares da área
de estudo, nas cultivares Gala, Golden Delicious e Fuji, no que diz respeito
principalmente ao rendimento e à safra de 93/94.
Os testes iniciais de validação dos modelos para plena
floração (data), início de colheita (data) e rendimentos
(kg/ha) podem ser vistos e analisados nas TABELAS 5.9, 5.10, 5.11, 5.12,
5.13 e 5.14.
A - Cultivar Gala
Para a cultivar Gala, analisando-se as TABELAS 5.9 e 5.10, pode-se
denotar que para a previsão da data da plena floração
os modelos compostos(*), de forma geral, apresentam um desempenho melhor,
com diferença máxima de 3 dias, levando em conta os
cinco pomares testados (1 Renar + 4 Pomifrai). Os modelos
polinomiais e neurais, neste caso, tiveram desempenho semelhante. Os modelos
F1, F2 e F3 tiveram desempenho melhor do que os neurais correspondentes
(NWF1, NWF2, NWF3). Talvez por possuírem menos de 15
anos de dados climáticos diferentes, apesar do uso de 21 (N.),
enquanto os modelos compostos contam com 33 diferentes anos, num total
de 48 dados (N.), seja a razão para o desempenho melhor destes
últimos.
Para a estimativa do início da colheita, os modelos locais e compostos
(*) apresentam desempenho semelhante, com pequena vantagem para os compostos.
Os modelos polinomiais e neurais tiveram desempenho idêntico nos 5
pomares testados.
Quanto à previsão de rendimentos, os modelos polinomiais e
neurais possuem um desempenho muito semelhante, com pequena vantagem para
os primeiros, exponenciais ou não. De maneira genérica, os
modelos compostos R8 e NWR8 e o misto MM1, neste conjunto de
testes, tiveram desempenho superior aos demais com possibilidade de
previsão de 50 a 95 dias de antecedência (± 56 dias para
safra 93/94).
B - Cultivar Golden Delicious
Pela análise da TABELAS 5.11 e 5.12, pode-se denotar que os
modelos compostos nesta cultivar, também parecem se ajustar melhor
na previsão da plena floração. Os pomares P01 e P05
tiveram ocorrência de granizo na floração com fortes
danos, associados a podas tardias, provocando o retardamento da
definição da data da plena floração. O dano provocado
pelo granizo nos pomares da área de estudo (P01, P02, P03, P04, P05,
P06, P07, P08) foi de tal ordem que reduziu a produção a menos
de 20% dos anos anteriores. A ocorrência de granizo concentrou-se nos
pomares mais produtivos e onde localizavam-se os pomares da cultivar Golden
Delicious, principalmente. Desta forma, incluímos dois pomares de
safras passadas (P10 - 89/90 e PM5 85/86), cujos dados não
tinham entrado na composição dos modelos propostos, com o intuito
de ajudarem neste conjunto de testes.
TABELA 5.9 - Validação
dos modelos polinomiais e neurais propostos para previsão da data
da plena floração e início de colheita para cultivar
Gala - Fraiburgo/SC.
Excluindo da análise os pomares P01 e P05, pode-se perceber
melhor que os modelos polinomiais, para a previsão da data da plena
floração, se ajustaram melhor do que os da rede neural, neste
conjunto testado. Os modelos para previsão do início de colheita
de origem local (Fraiburgo/SC) parecem ajustar-se melhor que os compostos
(*), devido dependerem do GD, que tem efeito para região
homogênea (clima) e pela não compensação por
variáveis dummies de possíveis locais diferentes, nos
outros.
Os modelos propostos, de maneira geral, superestimaram o rendimento, tanto
os polinomiais quanto os neurais. Entretanto, 3 modelos compostos tiveram
desempenho superior neste conjunto testado: o NWR10, NWR20 E R20,
sendo os 2 primeiros neurais e o último polinomial (linear com dummies).
Para uma avaliação mais conclusiva, os modelos deveriam ser
mais exaustivamente testados, outras safras e locais, levando em conta ainda
que o conjunto testado teve problemas com granizo (P01, P05) e
superprodução no ano anterior (RF), cujos modelos não
têm sensibilidade. Também o aspecto de possível
variação na contagem e ponderação do número
médio de frutos/planta e por parcela deve ser considerado.
TABELA 5.10 - Validação
dos modelos polinomiais, neurais e misto propostos para previsão de
rendimentos (kg/ha) para a cultivar Gala - Fraiburgo/SC.
TABELA 5.11 - Validação
dos modelos polinomiais e neurais propostos para previsão da data
da plena floração e início de colheita para cultivar
Golden D. - Fraiburgo/SC.
TABELA 5.12 - Validação
dos modelos polinomiais, neurais e misto propostos para previsão de
rendimentos (kg/ha) para a cultivar Golden Delicious - Fraiburgo/SC.
C - Cultivar Fuji
A análise das TABELAS 5.13 e 5.14 permite observar que os modelos
F100 e NW100 não estimam bem a data da plena floração,
apresentando valores antagônicos (opostos) entre eles. Tais modelos
foram ajustados apenas por dados da região de Fraiburgo, num total
de 55, mas com menos de 20 anos diferentes (clima), possível causa
das divergências. Os modelos compostos (*) apresentam maior homogeneidade
e precisão entre os polinomiais e neurais, não permitindo
diferenciá-los neste conjunto testado.
Os modelos de previsão de colheita funcionam muito similarmente entre
simples e compostos (*), não permitindo neste conjunto separá-los.
Os pomares P03 e P08 tiveram tratos culturais tardios (podas) e
ocorrência de granizo na floração. Isto provocou,
acredita-se, a avaliação tardia da data da plena
floração pelos produtores. Este fato pode ser comprovado pela
data da colheita, antecipada em ± 12 dias, aproximadamente a mesma
diferença da data da floração (adiamento). Permite ainda
concluir que possíveis erros na determinação da data
(a campo) da plena floração reflete diretamente na previsão
da data de início de colheita.
Quanto à validação dos modelos de previsão de
rendimentos, de maneira genérica neste conjunto de dados testados,
os modelos neurais e polinomiais tiveram desempenho semelhante, com pequena
vantagem para estes. Os modelos compostos (*) e o misto (MM3),
superestimaram as previsões, enquanto os modelos locais (R400,
NWR400, R600, NWR600) e o misto (MMFU) tiveram um desempenho
melhor, mais ajustado. Os modelos R400 e R600 são polinomiais,
exponenciais e com dummies. Todos estes modelos de previsão
de rendimentos trazem variáveis dummies, as quais têm
a capacidade de ajustar possíveis diferenças de produtividade
entre pomares (locais ). Estas variáveis permitem introduzir
correções, principalmente do vigor de cada pomar e ano,
possibilitando melhorar o ajustamento das previsões, desde que se
tenham informações de campo (vigor alto, médio,
baixo).
TABELA 5.13 - Validação
dos modelos polinomiais e neurais propostos para previsão da data
da plena floração e início de colheita para cultivar
Fuji - Fraiburgo/SC.
TABELA 5.14 - Validação
dos modelos polinomiais, neurais e mistos propostos para previsão
de rendimentos (kg/ha) para a cultivar Fuji - Fraiburgo/SC.
5.4 - Previsão da Safra - 93/94
O modelo de previsão de safra (S-kg) resume-se no produto da
previsão do modelo de rendimento ajustado (Y-kg/ha) pela área
cultiva (A-ha):
S (kg) = Y (kg/ha)*A (ha).
A previsão desta safra incidiu sobre as parcelas em produção
da área de estudo, do ano de 93/94. Algumas parcelas não possuem
uma ou outra cultivar ou não existiam dados suficientes para o
cálculo (P22, P25 e P26).
A - Cultivar Gala
Os resultados da previsão da safra para gala podem ser observados
na TABELA 5.15. Dois modelos foram utilizados para a previsão
do rendimento, o modelo polinomial R8 e o misto MM1, ambos
com capacidade de previsão de 50 a 95 dias de antecedência.
No caso da safra de 93/94 a antecedência da previsão foi com
± 56 dias. A área cultivada foi definida pelo critério
do espaçamento e pelo número de plantas em produção.
Pela aplicação do modelo R8, a safra estimada foi de
3.536.578kg, com erro médio de 8,24%(+), isto é, superestimou
a produção em 8,24%. Pela aplicação do modelo
misto, a previsão foi de 3.561.469kg, superestimando em 9,0% a
produção. A previsão feita pelos produtores foi
superestimada em 19,7%.
B - Cultivar Golden Delicious
Os resultados da previsão para a safra 93/94 para a cultivar Golden
Delicious encontram-se, também, na TABELA 5.15. Dois modelos
foram litigados para previsão de rendimentos, ambos neurais, o
NWR10 e o NWR20, com potencial de previsão de 17 a 62
dias de antecedência (± 30 dias para a safra 93/94).
Para a estimativa da área cultivada utilizou-se o produto do
espaçamento pelo número de plantas em produção.
O modelo NWR20 previu uma produção de 456.196kg,
superestimando em 17,5% em relação a obtida. O modelo NWR10
estimou 424.378kg, superestimando em 9,3%. A previsão feita pelos
produtores foi de 510.440kg, superestimando em 31,4%. Reafirma-se que as
previsões de rendimentos e de safra poderiam ter sido mais
satisfatórias caso não tivesse ocorrido sérios danos
por granizo na floração e suas conseqüências na
produção final.
TABELA 5.15 - Estimativa da safra
93/94 para as cultivares Gala e Golden Delicious. Área de estudo -
Pomifrai/Fraiburgo/SC.
C - Cultivar Fuji
Os resultados da previsão constam da TABELA 5.16. Foram aplicados
3 modelos de previsão de rendimentos, R400 e R600
(polinomiais) e o MMFU (misto). A área cultivada foi obtida
via espaçamento e número de plantas em produção.
Com a aplicação do modelo R400, com capacidade previsiva
de 75 a 120 dias de antecedência (±85 dias para 93/94), obteve-se
4.497.386kg, superestimando em 16,6% a safra. Pelo modelo misto MMFU,
estimou-se 4.147.580kg, com 7,5% de erro médio a mais. Este modelo
tem a capacidade de estimativa de 15 a 60 dias de antecedência (±25
dias p/93/94). O modelo R600 estimou 4.087.261kg com uma diferença
de 5,9% para mais. Tem a mesma capacidade de previsão antecipada do
modelo MMFU. A previsão feita pelos produtores foi de 5.227.278kg,
superestimando em 35,5%.
TABELA 5.16 - Estimativa
da safra 93194 para a cultivar Fuji. Área de estudo -
Pomifrai/Fraiburgo/SC.
5.5 - Restituição
Aerofotogramétrica
As FIGURAS 5.1 e 5.2 , apresentam os mapas planimétricos
e altimétricos da Fazenda Bom Futuro/Área de Estudo,
restituídos com detalhamentos de 1: 5.000 e com
cotas altimétricas eqüidistantes de 5 metros. Possuem,
basicamente, 6 planos de informações, quais sejam:
* Rios/açudes/áreas inundáveis;
* Estradas/caminhos/viradouros;
* Tipos de vegetação;
* Áreas cultivadas;
* Construções/Áreas com solo exposto;
* Curvas de nível/Cotas altimétricas.
Os mapas referidos foram divididos em dois conjuntos para facilitar a
visualização dos planos de informações, altimetria
e planimetria, e neste caso com escala de saída de 1:20.000,
apenas como forma de apresentação visual de resultados.
A partir destes mapas básicos, na escala de 1:10.000, outros
mapas temáticos foram derivados via digitalização e
importação direta de cotas altimétricas (tabela) para
o sistema geográficos de informações - GIS-SPANS.
5.6 - Mapas Temáticos Gerados
FIGURAS 5.3 até 5.11, apresentam os mapas temáticos
gerados pela digitalização (PMTYDIG/SPANS) e submetidos
ao processo de transferência para o sistema geográfico de
informações (GIS/SPANS). Tais mapas foram obtidos a
partir dos mapas restituídos digitalmente (planialtimétrico)
e com a ajuda de dados e plantas aproximadas da Fazenda Bom Futuro (áreas
cultivadas, estradas, pomares, número de plantas, etc.) e por meio
de fotointerpretação das Aerofotos, em escala de saída
original de 1:25.000 ou 1:50.000 (plotter), ou seja:
* Contorno da Fazenda Bom Futuro, contendo a área de estudo;
* Contorno da Área de Estudo Mapa-Base;
* Mapa contendo as 25 parcelas (pomares) cultivados com
fruticultura;
* Mapa contendo as subparcelas (276 quadras) com fruticultura;
* Mapa de vegetação, exceto fruticultura;
* Mapa de drenagem (rios);
* Mapa de açudes e áreas sujeitas a inundação;
* Mapa de aptidão das terras da área de estudo;
* Mapa viário (estradas, caminhos, viradouros);
FIGURA 5.1 - Mapa
planimétrico da Fazenda Bom Futuro/área de estudo obtido por
restituição aerofotogramétrica digital
FIGURA 5.2 - Mapa
altimétrico da Fazenda Bom Futuro/área de estudo obtido por
restituição aerofotogramétrica digital
FIGURA 5.3 - Contorno da Fazenda
Bom Futuro contendo a área de estudo.
FIGURA 5.4 - Contorno da
área de estudo Mapa-Base.
FIGURA 5.5 - Mapa contendo
as 25 parcelas (pomares) cultivadas com fruticultura da área de
Fraiburgo/SC.
FIGURA 5.6 - Mapa contendo as
276 subparcelas (quadras) cultivadas com fruticultura da área de estudo
- Fraiburgo/SC.
FIGURA 5.7 - Mapa de
vegetação, exceto fruticultura, da área de estudo -
Fraiburgo/SC.
FIGURA 5.8 - Mapa de drenagem
- rios e córregos - da área de estudo/ Fraiburgo/SC.
FIGURA 5.9 - Mapa contendo
construções, açudes, áreas inundáveis
da área de estudo. Fraiburgo/SC.
FIGURA 5.10 - Mapa de aptidão
de uso das terras da área de estudo - Fraiburgo /SC
FIGURA 5.11 - Mapa viário
da área de estudo - Fraiburgo/SC.
A partir destes mapas iniciais (básicos), além de arquivo de
pontos contendo cotas altimétricas importadas do sistema de
restituição digital (15.258 cotas), gerou-se uma série
de outros por meio das funções de modelagem existentes no
GIS-SPANS. Utilizaram-se, para tanto, informações
alfanuméricas existentes sobre a área de estudo.
As FIGURAS 5.12 até 5.19 apresentam alguns mapas obtidos desta
forma, tais como:
* Altimetria da área de estudo com curvas de 10/10m.-,
* Classes de declividade da área de estudo;
* Proporção de cultivares de maçã existentes
por parcela e subparcela. Estes mapas basearam-se nos dados alfanuméricos
existentes da Fazenda Bom Futuro (número de plantas totais) os quais
foram georrefenciados ao nível de parcela e subparcela. Tiveram como
objetivo a comparação com os resultados classificados pelas
imagens do CASI. No entanto, tais dados contemplavam plantas de vigor e idades
variadas, cuja refletividade eletromagnética diferiu grandemente,
não proporcionando resultados comparativos esperados;
* Classes de áreas cultivadas de maçã - FUJI-
em nível de parcelas;
* Idade/Ano de plantio dos pomares por parcela da área de estudo;
* Produção da cultivar Fuji por parcela - Safra 92/93;
* Número de plantas da cultivar Fuji por parcela.
Além da geração destes diversos temas em forma de mapas,
modelou-se uma série de sobreposições de temas, como
a criação de mapas com classes de declividades com
variações nos percentuais entre classes; mapas altimétricos
com alterações das distâncias entre curvas de nível;
modelagens diversas a partir de tabelas e matrizes; modelos tridimensionais,
com recuperação por "Slides" ( apenas para visualização
na tela).
De posse destes mapas existentes no GIS/SPANS, procedeu-se a uma
série variada de análises de áreas, cruzamentos de mapas
com temas diversos, gerando tabelas com os resultados obtidos.
FIGURA 5.12 - Mapa
altimétrico da área de estudo com curvas de 10/10m. - Fraiburgo/SC.
FIGURA 5 13 - Classes de declividade
da área de estudo - Fraiburgo / SC
FIGURA 5.14 - Proporção
de cultivares de maçã por parcela segundo o número de
plantas. Área de estudo - Fraiburgo/SC.
FIGURA 5.15 -
Proporção de cultivares de maçã por subparcela
segundo o número de plantas. Área de estudo - Fraiburgo/SC.
FIGURA 5.16 - Classes de áreas
cultivadas por parcela com maçã FUJI - Área de estudo.
Fraiburgo/SC.
FIGURA 5.17 - Idade/ano de
plantio dos pomares por parcela da área de estudo - Fraiburgo/SC.
FIGURA 5.18 - Produção
da cultivar Fuji por parcela - Safra 92193.
FIGURA 5.19 - Número
de plantas da cultivar Fuji em produção por parcela - 1993.
A TABELA 5.17, apresenta a área calculada para a Fazenda Bom
Futuro e para a Área de estudo. As TABELAS 5.18 e 5.19,
apresentam as áreas ocupadas por cada parcela ( útil e
total incluindo os caminhos) e subparcelas (quadras), num total de 25
e 276, respectivamente. Estas duas tabelas são básicas,
pois todas as referências dos demais temas estão a elas relacionadas
(unidades físicas distribuição fundiária).
TABELA 5.17 - Área
da Fazenda Bom Futuro e da área de estudo, determinadas pelo
Gis/Spans.
TABELA 5.18 - Parcelas da Fazenda
Bom Futuro, área de estudo, com suas respectivas áreas ocupadas
e calculadas pelo GIS/SPANS.
TABELA 5.19 - Subparcelas
da Fazenda Bom Futuro, área de estudo, com suas respectivas áreas
ocupadas por pomares, calculadas pelo Gis/Spans.
A TABELA 5.19 apresenta também as áreas totais e úteis
(sem estradas/ riachos/bosques) em nível de parcelas/subparcelas
(quadras). As áreas úteis das parcelas/subparcelas foram obtidas
pelo cálculo, via o CAD-Microstation, das áreas
ocupadas pelas estradas, caminhos, viradouros, córregos e bosques
que delimitam ou entrecortam tais unidades físicas e diminuindo tais
valores de suas áreas totais respectivas. A área útil
ou efetiva é informação preponderante quando
se pensa em definir a área ocupada pelas culturas e que integrarão
modelos de previsão da produção ou de safras. A TABELA
5.19 também inclui a área estimada pelos produtores e usada
como base para seus cálculos de produtividade e produção
obtida. O cálculo efetuado pelos produtores para estimativa da área
ocupada pela cultura é baseado no espaçamento utilizado e pelo
número de plantas constantes da parcela e/ou subparcela (quadras).
5.7 - Imagens Digitais Classificadas - CASI
Tendo em vista a resolução do CASI, tanto espacial quanto
espectral empregados na área de estudo, procedeu-se inicialmente a
uma tentativa de classificação supervisionada, partindo-se
de imagens visuais realçadas pela técnica de principais
componentes, como auxílio da seleção das áreas
de treinamento, utilizando-se 8 bandas espectrais e pixel de
3,5x3,5 metros e a faixa de vôo 6 (P6G), conforme FIGURA
5.20. Tal faixa de vôo utilizada contemplava, na sua maioria, pomares
mais antigos, implantados em 1975/1977 e 1980 e com
substituição de algumas cultivares em 1982-1985
(sobre-enxertia), ou seja, existiam plantas bem estabelecidas, com vigor
avantajado e outras, entremeadas, mais 'jovens de implantação
mais recente. Esta classificação supervisionada possibilitou
a separação de 25 temas (cultivares, tipos de
vegetação, solo desnudo). Procedeu-se, então, à
classificação não supervisionada ou automática
da mesma faixa e condições, a qual discriminou totalmente
a cena com apenas 21 temas. Nesta etapa inicial, constatou-se
que, tendo em vista o potencial discriminatório das 8 bandas
espectrais usadas para a classificação, tanto supervisionada
como não, grande número de temas surgiram, dificultando
principalmente a definição das áreas de treinamento,
muitas vezes tão pequenas que impossibilitavam a definição
adequada dos seus polígonos na classificação supervisionada.
Como conseqüência disto, grande parte da cena ficou sem
classificação, apesar de terem sido definidos 25 temas.
Insistiu-se na sua definição e a sobreposição
foi inevitável, confundindo os resultados de sua interpretação
frente à realidade dos dados. Os resultados discriminatórios,
nestas condições, foram melhores com o uso da
classificação não supervisionada, embora sem termos
controle sobre a mesma, do que a supervisionada, frente à verdade
terrestre (dados de campo). Outro fato observado diz respeito ao tempo gasto
na classificação não supervisionada, o qual é
significativamente menor que a supervisionada.
Com base nestes resultados, adotou-se a classificação não
supervisionada como metodologia geral e de procedimento imediato. Desta forma,
classificaram-se 6 faixas de vôo do CASI que proporcionaram
a cobertura de toda a área de estudo e com sobreposição
lateral, em tomo de 30%, com exceção das faixas 6
e 7, que entre elas ficou faltando área correspondente a
32ha.(não imageada sobre a área de estudo). Para
tanto, 8 bandas espectrais imageadas foram utilizadas, com
resolução espacial de 3,5m x 3,5m (pixel). Após
este procedimento, voltou-se a classificar a Faixa 6 (P6G), de forma
supervisionada, mas com utilização das áreas de treinamento
orientadas pela classificação não supervisionada.
Também, conseguiu-se aglutinar classes ou temas discriminados pela
classificação não supervisionada, muito semelhantes
quanto ao uso (classe temática), conduzindo mais adequadamente à
definição das áreas amostrais e, conseqüentemente,
as assinaturas espectrais a serem utilizadas na classificação
supervisionada.
FIGURA 5.20 - Faixa de vôo
CASI - P6G - com resolução espacial de 3,5m X 3.5m sobre pomares
Faz. Bom Futuro/área de estudo, realçadas pela técnica
de principais componentes. (PCl,PC2,PC3). Escala aproximada de I: 18.580
- Fraiburgo/SC.
Nesta faixa, com tal procedimento, conseguiu-se diminuir para 13 o
número de temas classificados, com similar poder discriminante observado
nos resultados da classificação não supervisionada.
Em algumas classes, como no caso do Pomar P-13, conseguiu-se melhorar
sua performance, visto que na classificação não
supervisionada estava confundindo com vegetação secundária
(mata tipo II), embora não suprimindo totalmente o problema.
Estes resultados indicaram a possibilidade de utilização da
classificação não supervisionada como básica
para avaliação discriminatória global da Área
de Estudo. Também pelo fato que nas faixas imageadas 2, 3, 4, que
abrangem pomares mais jovens, grande parte ainda sem produção
( P-25 e P-26 ), não tiveram bons resultados
discriminatórios, por deficiência de cobertura vegetal das macieiras
dos pomares em análise.
Uma vez que para a cobertura da área de estudo foram utilizadas 6
faixas de vôo e que cada uma delas foi submetida a
classificação individualmente, os seus resultados apresentaram
de 16 a 32 temas discriminados, correspondentes a tipos de
culturas (espécies/cultivares), vegetações diversas,
estradas, aguadas, etc. Desta forma, com o auxílio da TABELA 4.4
(pg. 89), foi possível estabelecer um processo de
homogeinização dos temas discriminados pelo Aries-380, em
até 14 classes. A partir desta tabela e com o uso de
funções do Aries-380, aglutinaram-se os temas discriminados
para as 6 faixas, reduzindo-os para até 14 temas ou
classes. Após esta etapa, procedeu-se à correção
geométrica das imagens e à transferência dos seus arquivos
individuais (faixas e arquivos classificados de 8 em 8 temas)
para o sistema geográfico de informações
GIS/SPANS.
No GIS/SPANS, dois arquivos/faixa, num total de 12, foram fundidos
(Model/Overlay/Unique Conditions) em uma faixa, o qual continha até
14 classes ( mais áreas não classificadas). Após,
tal arquivo único/faixa foi reclassificado ( retirar classe não
classificada) e finalmente os 6 arquivos (faixas) reclassificados
foram sobrepostas (Model/Overlay/Join) para formar o Mosaico Classificado
da Área de Estudo da Fazenda Pomifrai, conforme FIGURA 5.21
(r7765432), 5.22 (pomares) e 5.23 (pomares com contorno das subparcelas).
Também, procedeu-se algumas classificações não
supervisionadas com o uso de imagens obtidas pela Razão de Canais
ou Bandas (RA62, RA72, RA82), como no caso da Faixa 2 (P2F)
associadas às 8 bandas originais. Este procedimento teve como
objetivo a tentativa de melhorar a discriminação de pomares
mais jovens com pouca cobertura folhar. No entanto, não foram obtidas
melhorias no processo. Classificou-se, com a utilização de
imagens com resolução 2m x 2m e 3 bandas espectrais,
FIGURA 5.24, de forma não supervisionada, a Faixa 9, bem
como utilizando-se a Razão de Canais e Diferença pela Soma
de Canais. Os resultados, no primeiro caso, foram interiores aos obtidos
com o uso de imagens 3,5m x 3,5m e 8 bandas. No segundo caso,
resultados melhores foram obtidos, mas ainda assim inferiores aos resultados
obtidos pelas imagens 3,5cm e 8 bandas.
FIGURA 5.21 - Mosaico das
imagens CASI classificadas pelo sistema ARIES 380 da área de estudo.
Fraiburgo/SC.
FIGURA 5.22 - Mosaico
classificado dos pomares da Fazenda Bom Futuro/área de estudo, cultivares
Gala, Golden Delicious, Fuji/Granny Smith, Belgolden, Fuji Gala/Golden/Outras.
FIGURA 5 23 - Mosaico
classificado dos pomares da Fazenda Bom Futuro/ área de estudo, sobreposto
por mapa vetorizado das subparcelas - Fraiburgo/ SC
FIGURA 5 24 - Faixa de vôo
CASI (P09) com resolução espacial de 2,0 m X 2,0 m e três
bandas espectrais originais sobre os pomares da Faz. Bom Futuro / área
de estudo. Escala aproximada de 1:20000. - Fraiburgo / SC.
Como o processo discriminatório está diretamente associado
ao número de bandas utilizadas para a classificação,
contanto é claro que contemplem aqueles segmentos do espectro
eletromagnético mais interligados ao alvo (macieiras), e também
pela resolução espacial, pode-se concluir que o conjunto de
imagens com 8 bandas espectrais e resolução de 3,5m
x 3,5m, têm potencial discriminante maior do que as 3 bandas
com pixel de 2m x 2m. Este caso nos parece muito similar aos resultados
comparativos encontrados entre as imagens multiespectrais do satélite
SPOT (3 bandas, pixel 20mx20m) e do LANDSAT - TM (7 bandas,
pixel 30mx30m), onde este último, tem poder discriminante igual
ou mesmo superior ao outro.
Desta forma, concluímos pela utilização e análise
das imagens classificadas e geradas a partir das 8 bandas do CASI com
resolução espacial de 3,5m x 3,5m .
5.8 - Comparação dos Resultados entre
imagens classificadas versus a realidade (verdade) do campo
A partir do mosaico de imagens classificadas e de funções
de análise existentes no GIS/SPANS, procedeu-se cruzamentos
desse com outros mapas contendo polígonos das parcelas/subparcelas
(quadras) advindos da restituição aerofotogramétrica
digital, vetorizados e rasterizados, FIGURA 5.23. Os resultados obtidos,
por meio de tabelas, permitiram definir quais cultivares de maçã
(classes) foram classificadas em cada parcela/subparcela em termos de área
ocupada, e da sua comparação com a verdade terrestre, por
meio de inventário dos pomares existentes (área plantada,
número de plantas), concluiu-se pela discriminação ou
não das 261 subparcelas imageadas (276 - 15 não
imageadas) na área de estudo. Considerou-se discriminada a
subparcela (pomar) quando mais de 80% das cultivares predominantes eram as
mesmas e em proporções de área ocupada semelhantes,
com relação à verdade terrestre. Parcial, quando
50 a 80% das cultivares na subparcela (pomar) eram as mesmas. Quando a
proporção das cultivares afastava-se muito da realidade e em
área ocupada menor do que 50%, considerava-se não discriminada,
embora as cultivares em apreço poderiam ser as mesmas. Este último
critério é devido à concentração da área
ocupada pelas cultivares, discriminada pelo CASI, poder variar muito
por diversos fatores, em comparação com a área real
(útil) da parcela/subparcela (restituída) ou mesmo daquela
advinda do espaçamento utilizado. Estes fatores poderiam ser: vigor
das plantas na parcela, replantios recentes, eventuais falhas de solo
(pedregosidade), fertilidade ou mesmo sanidade (viroses). Os resultados da
discriminação fazem parte, também, da TABELA 5.19.
Pela análise da TABELA 5.19, pode-se concluir que dos pomares
implantados até 1.980 (parcelas P-01 a P-10), com espaçamento
3m x 5m ou área de aproximadamente l5m2 /planta, tiveram
uma discriminação quase que total das cultivares, Fuji (Granny
S.), Golden/Belgolden e Gala, ou seja, de 84 subparcelas, 76 foram discriminadas
totalmente e 8 parcialmente. Ou de outra forma, 90,5% dos pomares de P-01
a P-10 foram totalmente discriminados quanto às cultivares existentes
e 9,5% parcialmente. A cultivar Belgolden, similar à Golden Delicious,
foi discriminada nos pomares onde sua concentração era dominante,
como na parcela P-10. Nas demais parcelas (pomares) onde ela existia
em menor proporção, houve confusão com a Golden Delicious,
em alguns casos. Entretanto, tal confusão pode ter duas origens: uma
decorrente do próprio controle deficitário de campo
(relatórios) e mesmo pela dificuldade prática na sua
diferenciação. Alguns relatórios traziam como Golden
Delicious, outros como Belgolden. A outra, poderia ser pela impossibilidade
espectral de diferenciá-las quando associadas a certas
condições de vigor da planta (fracas, médias, fortes),
densidade de plantio, etc. Os pomares P-02 a P-04 sofreram mudança
de cultivares em 1985, quando a cultivar Golden Delicious, consorciada com
Fuji, foi reenchertada pela Gala. Além disso, nos últimos anos
esta cultivar (Gala) sofreu um processo de adensamento, ou seja, concentrou-se
mais plantas entre as já existentes. Esta concentração
de plantas de Gala (alta densidade) provocou uma mudança na
composição vegetativa (folhagem) da mesma, com possível
mudança de reflectância. Desta forma, passaram a responder muito
similarmente à própria cultivar Fuji ou mesmo Golden
Delicious.
A parcela P-01 até P-04, mais a P-08 e
P-09, possuíam um tipo de plantio característico. Eram
constituídas de 3, 4 ou 5 filas contendo uma cultivar (Fuji) e 3 ou
4 com outra (Gala ou Golden). Tal fato, no entanto, não dificultou
a sua discriminação. A discriminação das parcelas
P-01 a P-10, no entanto, foi total, considerando-se a espécie
maçã, perfazendo 165,64ha já descontados 29,56ha não
imageados nestas parcelas. A área total ocupada pelos pomares (+caminhos)
era de 559,36ha. Descontando a área não imageada, perfazia
529,8Oha. Os pomares em produção comercial perfaziam 428,43ha,
dos quais 38,66% dos pomares (P-01 ao P-10) tiveram
discriminação total (90,5%) e parcial (9,55).
Uma informação importante que colaborou para a
discriminação, constante de relatório de levantamento
de campo detalhado efetuado na primavera de 1992 pela POMIFRAI
- S/A, diz respeito ao VIGOR e ao número de plantas por
subparcelas (quadras). Continha, tal relatório, uma
comparação relativa do vigor entre plantas de mesma cultivar,
em fracas, médias e fortes. Este dado foi fundamental para o processo
comparativo, pois não apenas o número de plantas/área
tem relação com a refletividade mas também o vigor e
o estado sanitário das plantas (estresse).
A partir da Parcela P-11, implantada após 1980, até
a última analisada (P-26), houve uma modificação
técnica na condução dos pomares, com diminuição
dos espaçamentos, com valores entre 5m2 /planta até
l0m2 /planta, dos pomares em produção. As parcelas
P-25 e P-26, apresentavam de 10 a 12 m2 /planta,
mas tais pomares foram implantados a partir de 1990, não estando
em produção comercial. Modificações ocorreram,
também, quanto aos porta-enxertos, com utilização de
espécies menos robustas, muitas livres de viroses. O tipo de plantio
foi alterado para um sistema mais homogêneo, onde predomina uma cultivar,
contendo menos de 10% de outras variedades, normalmente. Outro aspecto importante
diz respeito a época do imageamento efetuada pelo CASI, ocorrida
em fase fenológica (final da floração) inadequada, pois
a cobertura foliar não estava completa. A combinação
destas alterações em nível de campo, proporcionou
variações no padrão de uniformidade de vigor das plantas,
além da sua concentração em função do
espaçamento (m2 /planta ). Assim, num mesmo pomar, há
subparcelas (quadras), com vigor de plantas bem diferenciados.
Desta forma, de um total de 122 subparcelas, 267,79ha (61,34%) dos pomares
em produção), apenas 19 (l5,57%) foram discriminados totalmente
quanto às cultivares existentes de maçã e 38 (31,15%)
de forma parcial. Dos pomares jovens, sem produção comercial,
apenas 7 (l3,21%) foram discriminados. Este fato mostra a falta de recobrimento
do solo, pois são plantas jovens plantadas em espaçamento
definitivo, tendo portanto a reflexão de alvos sobre o solo, como:
espécies rasteiras ( capim), solo desnudo, capoeira, etc. Os pomares
P-50 e P-60, correspondem a cultivos de Kiwi e Pêra,
sem interesse para o estudo, apenas como tentativa para
discriminação.
A TABELA 5.20, apresenta um resumo da análise comparativa entre
as imagens classificadas pelo CASI versus a Verdade Terrestre,
extraídas da TABELA 5.19.
TABELA 5.20 -
Comparação entre o Mosaico de imagens classificadas pelo CASI
versus verdade terrestre na identificação de cultivares de
maçã.
Queremos ressaltar que devido à época do imageamento pelo CASI
(05/11/92) ter ocorrido em época em que as plantas não
apresentavam sua melhor condição quanto à cobertura
foliar, a discriminação das cultivares de maçã
ficou prejudicada. Este fato reveste-se de maior importância nos plantios
com alta concentração de plantas, destacando aquelas
parcelas/subparcelas com maior vigor, confundindo, desta forma, cultivares
distintos mas que não tinham ainda manifestado suas características
peculiares ( arquitetura de ramos, disposição e
concentração folhar).
5.8.1 - Análise Espectral
A partir do vôo espectral realizado sobre a área em apreço,
ou seja, duas faixas de vôo com um máximo de 11
direções de visada (paralelas a linha de vôo) e
espaçadas de 16 pixels cada uma, efetuou-se análise
espectral de pomares típicos das cultivares Gala, Fuji e Golden Delicious
(Belgolden). Desta forma, selecionou-se da faixa de vôo 6 (2mx2m)
pixels representativos dos pomares: P-13/10 (parcela 13, quadra
10 - 90% Belgolden, 10% Granny Smith), P-14/01 (90% Gala, 10% Granny
S.), P-14/03 (90% Fuji, 10% Gala), P-14/04 (90% Gala, 10% Fuji),
P-25127 (91% Gala, 90/Fuji), P-25/32 (92% Fuji, 8% Gala),
área de mata nativa existente entre o pomar P-13 e P-14.
Tais pixels representativos dos pomares contém 288 bandas,
com intervalos de 1,8 um, que descrevem o comportamento espectral
dos alvos (selecionados) conforme representados nas FIGURAS 5.25 e 5.26.
Tais Figuras, criadas a partir de software específico (Specal
da Itres Research) representam a radiância (W/cm2.sr.nm
) em função do comprimento de onda das 288 bandas (um).
Pela análise da FIGURA 5.25, podemos observar que há
uma semelhança de valores (curvas) entre os pomares P-14/01
(Gala) e P-14/03 (Fuji), fato que deveria ser diferente por tratar-se
de cultivares diferentes. Os pomares P-14/01 (Gala) e P-14/04
embora de mesma cultivar, apresentam diferenças no infravermelho
próximo (700-900 um). De forma geral, não
houve diferença no âmbito do espectro visível (400-700
um), como pode ser visto nestes três pomares.
As cultivares de maçã apresentam picos distintos de
reflectância no verde (55O um) com uma maior reflectância
no infravermelho (759-900 um) com 21 W/cm2 sr.nm,
(Spectral Radiance Units - SRU's) do que em relação à
mata. Isto é devido, provavelmente, ao aumento de concentração
de clorofila (plantas com folhagens mais jovens e sadias), bem como aos tratos
culturais com fertilizantes. A baixa radiância observada em 680
nm, reflete a alta absorção pela clorofila, do espectro
correspondente ao vermelho. Significando, por conseqüência,, uma
boa cobertura vegetal das cultivares de maçã e também
da mata sobre o solo.
FIGURA 5.25 - Relação
entre a radiância e o comprimento de onda emitidos por pomares de Gala,
Belgolden, Fuji e Mata nativa da área de estudo - Fraiburgo/SC.
A FIGURA 5.26 apresenta histograma com cultivares diferentes de
maça, mas continuando a apresentar semelhança de comportamento,
principalmente entre a Gala (P-25/27) e Fuji (P25/32).
Também não houve uma menor reflectância ou
radiância de energia entre 660 e 700 nm, que é
típico de vegetação jovem (em formação
na primavera), ou seja, maior absorção do espectro vermelho
pela clorofila. Este fato, com altos valores de radiância, neste ponto,
corresponde a plantios mais recentes de maçã com insuficiente
cobertura vegetal da superfície. Assim há uma maior reflexão
pelo solo ou vegetação de fundo (background reflectance),
a qual é exibida na porção do espectro visível
como uma cor em tonalidade marrom. Este fato pode ser comprovado pelos dados
de campo (idade de plantio - 1990) e pelas próprias aerofotos.
A cultivar Belgolden ( P-13/10), no entanto, por tratar-se de plantios
efetuados há mais tempo (1980), apresenta comportamento típico
e semelhante às cultivares de maçã abordadas na FIGURA
5.25. Apresentando alta absorção do espectro em 680
nm (vermelho) e alta reflexão no infravermelho (700-900 nm),
embora com limites menores, 15 W /cm2 sr.nm
FIGURA 5.26 - Relação
entre a radiância e o comprimento de onda emitidos por pomares de Gala,
Fuji e Mata nativa da área de estudo - Fraiburgo/SC.
Desta análise espectral pode-se concluir que nos plantios a partir
de 1980, com alta concentração de plantas por unidade de área
(1planta/5m2 ), com porta - enxertos semelhantes, tratamentos
tecnológicos semelhantes, toma-se mais difícil a
diferenciação entre cultivares. Observou-se, claramente, que
as cultivares não diferenciam (P-14, P-13), no espectro
correspondente ao visível ( 400-700nm), apresentando, por sua
vez, uma maior ou menor diferenciação no infravermelho
próximo.
Tal fato, sugere que antes de se realizar o vôo de cobertura espacial
com o scanner, faça-se primeiramente um levantamento espectral
exploratório para a definição de quais as bandas espectrais
que mais adequadamente discriminam os alvos de interesse. Este procedimento,
além de proporcionar um acerto maior no processo discriminatório,
via classificação supervisionada ou não, diminui o tempo
de processamento (menor número de bandas). Parece, também,
que uma maior concentração de bandas no vermelho e, principalmente,
no infravermelho próximo poderia melhorar substancialmente o processo
discriminatório das cultivares de maçã.
Acredita-se, no entanto, ser de difícil solução a
discriminação de pomares mais jovens com forte reflectância
de solo ou de vegetação de fundo (entre filas e plantas). Tal
fato, foi o causador de inclusão de áreas, fora dos pomares,
como sendo plantios de maçã, neste trabalho, devido à
inclusão de áreas de reflexão de fundo dos pomares
discriminados. Esta situação pode ser verificada nos pomares
mais jovens, de recente implantação, como o caso do P-25
e P-26, bem como outros com diferencial de vigor de plantas bastante
acentuado em subparcelas do P-17 e P-18.
5.8.2 - Distribuição de Tonalidades
(Histogramas)
Por meio da classificação supervisionada, orientada pela não
supervisionada, procedeu-se à determinação das áreas
de treinamento, via monitor de vídeo, com display das imagens
do CASI, faixa 6 (P6g), e bandas 7, 4 e 1. Desta forma,
com a utilização do ARIES-380, selecionaram-se 13
áreas de treinamento representando os temas existentes na cena imageada,
ou seja:
1 - Área com plantio de Belgolden P-10;
2 - Área com plantio de Fuji P-02, P-08, P-12,
3 - Área com plantio de Gala P- 11;
4 - Área com plantio de Golden P-05;
5 - Área com plantio de Gala/Granny Smith com espaçamento
concentrado (6,75m2/planta) P- 13;
6 - Área com Mata Nativa I (+ exuberante classe 6),
7 - Área com Mata Nativa II (- exuberante classe 7);
8 - Área com Pomar Novo/Solo Desnudo (P-22/24 Plantio 1987);
9 - Áreas com Solo Exposto/Estradas/Sedimentos Classe 11
10 - Solo Exposto, Terra Clara;
11 - Áreas com Vegetação Rasteira/Capim Classe 10;
12- Rios;
13 - Açudes não assoreados.
Após a definição das áreas de treinamento,
procedeu-se à geração das assinaturas espectrais para
cada uma, de forma a proporcionar a classificação de toda a
cena imageada (P6G), com o uso das bandas 1 a 8 do
CASI.
As FIGURAS 5.27 a 5.30 apresentam histogramas contendo
as áreas de treinamento, ou seja, a sua distribuição
dos pixels com relação às suas tonalidades
compreendidas entre 0 e 255, tendo como imagem básica
a banda espectral 7 (P6GFFCAS7 infravermelho). Nota-se que na FIGURA
5.27 a cultivar Belgolden (C) sobrepõe a Gala (A),
embora neste caso com relação à banda 7.
Também efetuou-se uma análise de dispersão de pontos,
FIGURAS 5.31 e 5.32, entre as bandas 5 (P6GFFCAS5) e 7
(P6GFFCAS7), demonstrando, também, uma sobreposição
entre os temas Belgolden (TS01) e Gala (TS03), como ocorre
na Parcela P-10 quadra 1, confundindo plantios de Belgolden com
Gala. Neste pomar havia uma concentração maciça
de plantios com forte vigor.
No ANEXO D, constam relatórios na forma de tabelas com
análise estatística de cada área de treinamento quanto
a concentração de tonalidades entre 0 - 255, sua
média, desvio padrão, coeficiente de correlação
e matriz de covariância de cada banda espectral utilizada (8) e
das bandas (feições) geradas pela técnica de realce
por principais componentes (3), bem como a relação existente
em cada uma.
Estes dados caracterizam, entre outros fatores, quais as bandas que realmente
estão discriminando (< coeficiente de correlação)
os alvos ou temas em análise.
FIGURA 5.27 - Histogramas
de áreas de treinamento de pomares contidos na faixa de vôo
- P6G, com a distribuição das tonalidades dos Pixels entre
0-255, bandas espectral 7.
FIGURA 5 28 - Histogramas
de áreas de treinamento de diversas classes contidas na faixa de vôo
P6G, com a distribuição das tonalidades dos pixels entre 0-255,
banda espectral 7.
FIGURA 5 29 - Histogramas de
áreas de treinamento de diversas classes contidas na faixa de vôo
P6G, com a distribuição das tonalidades dos pixels entre 0-255,
banda espectral 7.
FIGURA 5 30 - Histograma da
área de treinamento de açudes não assoreados, faixa
de vôo P6G, com a distgribuição das tonalidades dos pixels
entre 0-255, banda espectral 7.
FIGURA 5 31 - Dispersão
de pontos (tonalidades 0-255) entre as bandas 5 e 7 da Faixa P6G de áreas
de treinamento de pomares diversos. Fraiburgo/SC.
FIGURA 5.32 - Dispersão
de pontos (tonalidades 0- 255) entre as bandas 5e 7 da Faixa P6G de áreas
de treinamento de temas diversos (classes). Fraiburgo/SC.
5.9 - Análise sobre determinação
de áreas cultivadas
5.9.1 - Resultados sobre os métodos
envolvidos
Baseando-se nos resultados apresentados nas TABELAS 5.18 e 5.19,
chegou-se às seguintes conclusões sobre as áreas
calculadas, pelos diferentes métodos, das culturas (pomares) existentes
sobre a área de estudo:
1 - Somatório da área total = 559,36ha;
2 - Somatório da área útil = 524,l9ha;
3 - Somatório da área pelo espaçamento = 465,9Oha;
4 - Somatório da área discriminada pelo CASI = 384,29;
5 - Área de pomares não imageada = 25,67 (estimada pelo
espaçamento);
6 - Diferença absoluta entre 3 e (4+5) = 55,94ha;
7 - Diferença relativa entre 3 e (4+5) = 6/3 12%.
A diferença relativa de 12% entre a área discriminada como
cultura agrícola (pomares) pelo CASI em relação
a área obtida via espaçamento e número de plantas
existentes, pode ter as seguintes origens:
1) - Como as espécies e cultivares analisadas são culturas
permanentes, isto é, plantadas em espaçamento definitivo,
áreas entre as fileiras de plantas e nos contornos, principalmente
em plantios mais jovens, podem ter sido classificadas como vegetações
diversas (capoeira, solo desnudo, pastagens, ... );
2) - Possível imperfeição no processo de mosaicagem
das diversas faixas imageadas e no processo de correção
geométrica, os quais não permitiram uma perfeita
sobreposição de imagens restituídas (subparcelas) e
classificadas pelo CASI (mosaico). Conseqüentemente,
obtenção de diferentes áreas quando do cruzamento de
informações (área cross tabulation) e geração
do relatório final entre subparcelas ou parcelas e áreas
discriminadas pelo CASI (culturas);
3) - Imperfeição ou impossibilidade técnica,
até o momento, de resolução da perfeita junção
de faixas imageadas digitalmente, obtidas por scanner sem GPS
acoplado, devidas às oscilações verticais e laterais,
tanto entre e dentro de faixas de vôo.
Com base ainda na TABELA 5.19, obtida pelo cruzamento das áreas
das subparcelas com o mosaico contendo os pomares, considerando-se apenas
109 subparcelas consideradas discriminadas pelo CASI, concluiu-se:
1 - Somatório da área total = 238,44ha;
2 - Somatório da área útil = 222,55há;
3 - Somatório da área pelo espaçamento = 198,24ha;
4 - Somatório da área pelo CASI = 174,9Oha;
5 - Diferença absoluta entre 3 e 4 = 23,34ha;
6 - Diferença relativa entre 3 e 4 = 5/4 11,77% 12%.
As explicações sobre a diferença de 12% são as
mesmas já dadas acima para os valores globais discriminados.
Com base na TABELA 5.21, obtida pelo cruzamento de áreas do
mapa de contorno da área de estudo (mapa-base) e pelo mosaico global
classificado (r7765432) e pela TABELA 5.18, pode-se concluir:
1 - Área total imageada e classificada (CASI - mosaico) = 831,49há;
2 - Área total não imageada pelo CASI no polígono da
área de estudo = 32,00ha;
3 - Área total classificada como pomares = 455,58ha;
4 - Área ocupada com pomares não imageada = 25,67ha (estimada
pelo espaçamento);
5 - Área total do polígono da área de estudo = 920,00ha;
6 - Diferença absoluta entre 5 e (1+2) = 56,5 lha;
7 - Diferença relativa entre 5 e (1+2) = 6/5 6,14%.
A diferença relativa de 6,14% corresponde à área não
classificada pelo sistema ARIES-380. Acredita-se que tal diferença
seja decorrente do método de classificação de imagens
(máxima verossimilhança), onde pixels mistos (de igual
probabilidade) de classes diferentes não são considerados (ou
classificados separadamente). A área classificada como pomares de
455,58ha quando comparada com a área ocupada por pomares calculada
pela ajuda do espaçamento, de 465,90ha, fornece uma diferença
de 10,32ha a menor. Tal resultado parece razoável. Entretanto, deve-se
computar ou somar 25,67ha de pomares não imageados pelo CASI, ficando:
465,90 + 25,67 = 481,25ha. Então: 481,25 - 465,90 = 15,35ha. Ou seja,
15,35ha foram classificados como pomares a mais do que o real, ditado pela
área calculada pelo espaçamento (podendo ser maior uma vez
que o imageamento define a área efetivamente ocupada pela cultura
perene que é plantada em local definitivo). As possíveis
considerações para tal fato podem ser:
1) - Nos pomares jovens, com muita reflexão de fundo, algumas
classes foram geradas e interpretadas como possíveis pomares e
incluídas como CLASSE 5 (Fuji, Gala, Golden Delicious, outras
culturas). Poderiam estar incluindo pixels de classes que não
eram somente de pomares;
2) - Também, no polígono de estudo, existiam algumas
áreas com plantios de erva-mate, as quais confundiram-se (o sistema
não discriminou) com pomares e foram incluídas, principalmente
na CLASSE 5. Tais fatos, sem dúvidas, provocaram a inclusão
de áreas diversas como pomares, e podem se notadas na FIGURA 5.22
e 5.23.
Considerando-se a área total útil disponível para os
pomares (524,l9ha), no entanto, a diferença fica em 43,94ha, para
menos. Entretanto, acredita-se haver maior proximidade entre áreas
calculadas pelo espaçamento com a discriminação e
classificação de pomares efetuadas pelo sistema
CASI/ARIES-380. Desta forma, adotou-se como método para
determinação da área plantada (pomares), aquele definido
pelo espaçamento e número de plantas existentes. Este procedimento
deve-se ao fato de ser cultura permanente, com variação de
área efetiva de um ano para outro (número de plantas em
produção) e devido o processo de área discriminada pelo
CASI não contemplar todos os pomares (não
discriminação de todos os pomares ao nível de cultivares).
O uso da área total e/ou útil, também não satisfaz
devido ser fixa e as plantas em produção variáveis de
ano para outro.
TABELA 5.21 - Resultados
da análise cruzada entre o mapa do contorno do polígono de
estudo e do mosaico classificado (r7765432).
5.9.2 - Comparação entre métodos
de determinação de áreas cultivadas
Outra forma comparativa entre os métodos de cálculo e
aproximações da área efetivamente ocupada pelas culturas
ou com fruticultura (pomares) pode ser vista pela TABELA 5.22 e FIGURA
5.33. A primeira, retrata resultados da regressão linear efetuada
entre os métodos testados: área total x área útil,
área útil x área pelo espaçamento, área
útil x área pelo CASI e área pelo espaçamento
x área pelo CASI. Maior correlação e ajustamento
foram conseguidos pela área total x área útil e pela
área útil x área pelo espaçamento. A
correlação entre área útil x área pelo
CASI e área útil x área pelo espaçamento
foi menor, conforme problemas já abordados com relação
à discriminação de pomares e cultivares, ou seja:
espaçamento definitivo, idade das plantas, Fertilidade diferenciada,
época de imageamento.
TABELA 5.22 - Resultados
das regressões lineares entre métodos de determinação
de áreas cultivadas no polígono de estudo ao nível de
subparcelas.
FIGURA 5.33 -
Representação das regressões lineares entre métodos
diferentes de determinação das áreas cultivadas no
polígono de estudo ao nível de subparcelas.
5. 10 - Visualização espacial da safra
93/94
A previsão da safra 93/94 das cultivares Gala, Golden Delicious
e Fuji, constantes do item 5.4, pode ser visualizada em mapas obtidos
com aplicação de funções de modelagem do
GIS/SPANS, conforme FIGURAS 5.34, 5.35 e 5.36.
Figura 5.34 -
Distribuição espacial da safra 93/94 - cultivar Gala - na
área de estudo/Fraiburgo - SC
Figura 5.35 -
Distribuição espacial da safra 93/93 - cultivar Fuji - na
área de estudo/Fraiburgo - SC.
Figura 5.36 -
Distribuição espacial da safra 93/93 - cultivar Golden Delicious
- na área de estudo/Fraiburgo - SC.
