Aplicação de instrumentação em cultivo de algodão: revisão sistemática da literatura
DOI:
https://doi.org/10.33448/rsd-v11i9.30581Palavras-chave:
Agricultura; Agricultura de Precisão; Instrumentação Agrícola; Máquinas agrícolas.Resumo
O presente trabalho tem como objetivo a realização de uma Revisão Sistemática da Literatura, de modo a entender o uso da instrumentação aplicada na cultura de algodão. Para tanto, foi feita uma busca em quatro bases de dados e para análise dos dados e seleção dos trabalhos foi utilizado o software StArt. Para um total de 1.914 trabalhos obtidos nas bases de dados, a partir de critérios de seleção 30 foram selecionados para a leitura na íntegra. Ao final, concluiu-se que os trabalhos têm diversas aplicações, principalmente relacionado na classificação do algodão para a indústria, além disso, o trabalho também apontou grande possibilidade de investimento e aplicação da instrumentação na cultura do algodão em diversas etapas de sua cadeia produtiva.
Referências
AMPA – Associação Mato-Grossense Dos Produtores De Algodão (2021). História do Algodão. Disponível em: https://ampa.com.br/historia-doalgodao/. Acesso em 24 out. 2021.
Baio, F. H. R et al (2017). Financial analysis of the investment in precision agriculture techniques on cotton crop. Engenharia Agrícola, v. 37, p. 838-847, 2017. DOI: 10.1590/1809-4430Eng.Agric.v37n4p838-847/2017
Baio, F. H. R. et al (2019). In situ remote sensing as a strategy to predict cotton seed yield. Bioscience Journal, v. 35, n. 6, 2019. DOI: 10.14393/BJ-v35n6a2019-42261
Baio, F. H. R et al (2018). Relationship between cotton productivity and variability of NDVI obtained by Landsat images. Bioscience Journal, v. 34, n. 6, 2018. DOI: 10.14393/BJ-v34n6a2018-39583
Bronson, K. F. et al (2021). Use of an ultrasonic sensor for plant height estimation in irrigated cotton. Agronomy Journal, v. 113, n. 2, p. 2175-2183, 2021. DOI: 10.1002/agj2.20552
Butler, S. et al (2020). Making the Cotton Replant Decision: A Novel and Simplistic Method to Estimate Cotton Plant Population from UAScalculated NDVI. The Journal of Cotton Science, 24:104-111, 2020.
Cao, L. et al (2017). Potential dermal and inhalation exposure to imidacloprid and risk assessment among applicators during treatment in cotton field in China. Science of the total environment, v. 624, p. 1195-1201, 2018. DOI: 10.1016/j.scitotenv.2017.12.238
CONAB – Companhia Nacional De Abastecimento (2021). Acompanhamento da safra brasileira de grãos. Safra 2020/21, 7º levantamento. Disponível em: https://www.conab.gov.br/info-agro/safras/. Acesso em 24 out. 2021.
Coêlho, J. D. (2021). Algodão: Produção e Mercados. Caderno Setorial, Banco do Nordeste. Disponível em: https://www.bnb.gov.br/s482dspace/bitstream/123456789/808/1/2021_CDS_ 166.pdf. Acesso em 24 out. 2021.
Chen, X. et al (2020). Evaluation of a new irrigation decision support system in improving cotton yield and water productivity in an arid climate. Agricultural Water Management, v. 234, p. 106139, 2020. DOI: 10.1016/j.agwat.2020.106139
Delhom, C.D. et al (2020). Engineering And Ginning. The Journal of Cotton Science, 24:189-196, 2020.
Feng, A. et al (2020). Yield estimation in cotton using UAV-based multi-sensor imagery. Biosystems Engineering, v. 193, p. 101-114, 2020. DOI: 10.1016/j.biosystemseng.2020.02.014
Fue, K. et al (2020). Autonomous Navigation of a Center-Articulated and Hydrostatic Transmission Rover using a Modified Pure Pursuit Algorithm in a Cotton Field. Sensors, v. 20, n. 16, p. 4412, 2020. DOI: 10.3390/s20164412
Gaikwad, S. V. et al (2021). An innovative IoT based system for precision farming. Computers and Electronics in Agriculture, v. 187, p. 106291, 2021. DOI: 10.1016/j.compag.2021.106291
Ibragimov, N et al (2021). Cotton irrigation scheduling improvements using wetting front detectors in Uzbekistan. Agricultural Water Management, v. 244, p. 106538, 2021. DOI: 10.1016/j.agwat.2020.106538
Larson, J. A. et al (2020). Effects of landscape, soils, and weather on yields, nitrogen use, and profitability with sensor-based variable rate nitrogen management in cotton. Agronomy, v. 10, n. 12, p. 1858, 2020. DOI: 10.3390/agronomy10121858
LV, Y et al (2020). Cotton Appearance Grade Classification Based on Machine Learning. Procedia Computer Science, v. 174, p. 729-734, 2020. DOI: 10.1016/j.procs.2020.06.149
Martin, D. E.& Latheef, M. A. (2018). Active optical sensor assessment of spider mite damage on greenhouse beans and cotton. Experimental and Applied Acarology, v. 74, n. 2, p. 147-158, 2018. DOI: 10.1007/s10493-018-0213-7
Martin, D. E.& Latheef, M. A. (2017). Remote sensing evaluation of two-spotted spider mite damage on greenhouse cotton. JoVE (Journal of Visualized Experiments), n. 122, p. e54314, 2017. DOI: 10.3791/54314
Papadopoulos, A. V. et al (2018). Weed mapping in cotton using groundbased sensors and GIS. Environmental monitoring and assessment, v. 190, n. 10, p. 1-17, 2018. DOI: 10.1007/s10661-018-6991-x
PelletieR, M. G.& Wanjura, J D.& Holt, G. A. (2019). Electronic design of a cotton harvester yield monitor calibration system. AgriEngineering, v. 1, n. 4, p. 523-538, 2019. DOI: 10.3390/agriengineering1040038
Pelletier, M. G. & Wanjura, J. D.& Holt, G. A. (2019). Embedded micro-controller software design of a cotton harvester yield monitor calibration system. AgriEngineering, v. 1, n. 4, p. 485-495, 2019. DOI: 10.3390/agriengineering1040035
Pelletier, M. G. & Wanjura, J. D.& Holt, G. A. (2019). Man-MachineInterface Software Design of a Cotton Harvester Yield Monitor Calibration System. AgriEngineering, v. 1, n. 4, p. 511-522, 2019. DOI: 10.3390/agriengineering1040037
Podestà, I. D. (2021). Valor Bruto da Produção está estimado em R$ 1,109 trilhões para este ano. Ministério da Agricultura, Pecuária e Abastecimento. Disponível em <https://www.gov.br/agricultura/pt-br/assuntos/noticias/valor-bruto-daproducao-esta- estimado-em-r-1-109-trilhao-para-este-an>. Acesso em 24 out. 2021.
Rozenstein, O. et al. Estimating cotton water consumption using a time series of Sentinel-2 imagery. Agricultural water management, v. 207, p. 44-52, 2018. DOI: 10.1016/j.agwat.2018.05.017
Rozenstein, O. et al. Validation of the cotton crop coefficient estimation model based on Sentinel-2 imagery and eddy covariance measurements. Agricultural Water Management, v. 223, p. 105715, 2019. DOI: 10.1016/j.agwat.2019.105715
Souza, H. B. & Baio, F. H. & Neves, D C. (2017). Using passive and active multispectral sensors on the correlation with the phenological indices of cotton. Engenharia Agrícola, v. 37, p. 782-789, 2017. DOI: 10.1590/1809-4430- Eng.Agric.v37n4p782-789/2017
Suassuna, N. D.& Silva, J. C. D.& Bettiol (2019), W. Uso do Trichoderma na cultura do algodão. In: Meyer, M. C.& Mazaro, S. M.& Silva, J. C. Trichoderma: Uso na agricultura. 1 ed. Brasília -DF: Embrapa, 2019, p. 361 – 380. Disponível em: https://www.researchgate.net/profile/Gabriel-Moura-Mascarin/publication/340331300_
Industrial_production_of_Trichoderma_Chapter_08__in_Portuguese/links/5e8 3fa9d299bf1 30796dc569/Industrial-production-of-Trichoderma-Chapter-08in Portuguese.pdf#page=361. Acesso em 24 out. 2021
IBGE – Instituto Brasileiro de Geografia e Estatística (2021). Produção de Algodão herbáceo. Disponível em: https://www.ibge.gov.br/explica/producao- agropecuaria/algodao-herbaceo/br. Acesso em 24 out. 2021
Thompson, Alison L. et al (2019). Comparing nadir and multi-angle view sensor technologies for measuring in-field plant height of upland cotton. Remote Sensing, v. 11, n. 6, p. 700, 2019. DOI: 10.3390/rs11060700
Thorp, Kelly R. et al (2017). Cotton irrigation scheduling using a crop growth model and FAO-56 methods: Field and simulation studies. Transactions of the ASABE, v. 60, n. 6, p. 2023- 2039, 2017. DOI: 10.13031/trans.12323
Thorp, Kelly R. et al (2019). Novel methodology to evaluate and compare evapotranspiration algorithms in an agroecosystem model. Environmental Modelling & Software, v. 119, p. 214-227, 2019. DOI: 10.1016/j.envsoft.2019.06.007
Trevisan, Rodrigo Gonçalves et al (2018). Management of Plant Growth Regulators in Cotton Using Active Crop Canopy Sensors. Agriculture, v. 8, n. 7, p. 101, 2018. DOI: 10.3390/agriculture8070101
Uddin, Jasim et al (2018). Smart automated furrow irrigation of cotton. Journal of Irrigation and Drainage Engineering, v. 144, n. 5, p. 04018005, 2018. DOI:10.1061/(ASCE)IR.1943- 4774.0001282
USDA – United States Department Of Agriculture (2021). Cotton: World Markets and Tarde. Disponível em: https://apps.fas.usda.gov/psdonline/app/index.html#/app/downloads. Acesso em 24 out. 2021.
Yu, Jianming et al (2019). Nitrogen Consumption and Productivity of Cotton under Sensor‐based Variable‐rate Nitrogen Fertilization. Agronomy Journal, v. 111, n. 6, p. 3320-3328, 2019. DOI: 10.2134/agronj2019.03.0197
Zare, Ehsan et al (2020). Two-dimensional time-lapse imaging of soil wetting and drying cycle using EM38 data across a flood irrigation cotton field. Agricultural Water Management, v. 241, p. 106383, 2020. DOI:10.1016/j.agwat.2020.106383
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Natalia de Lima Batista; Thiago Santana Aranha; Kassandra Sussi Mustafé Oliveira; Mariana Matulovic da Silva Rodrigueiro; Mario Mollo Neto; Paulo Sérgio Barbosa dos Santos
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
