Título:	Correlation between vegetation indices from sampling plots and paddock areas in tropical pastures.
Autoria:	ROCHA, D. S. da PEZZOPANE, J. R. M. BUENO, J. O. de A. PASQUINI NETO, R. BOURSCHEIDT, V. GIGLIO, L. C.
Afiliação:	DANILO SERRA DA ROCHA, CPPSE; JOSE RICARDO MACEDO PEZZOPANE, CPPSE; JOSÉ OTÁVIO DE ALMEIDA BUENO, UNIVERSIDADE DE SÃO PAULO; ROLANDO PASQUINI NETO, UNIVERSIDADE DE SÃO PAULO; VANDOIR BOURSCHEIDT, UNIVERSIDADE FEDERAL DE SÃO CARLOS; LUIZA CAMPOS GIGLIO, UNIVERSIDADE FEDERAL DE SÃO CARLOS.
Ano de publicação:	2025
Referência:	In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 5., 2025, São Carlos. Ciência, tecnologia, inovação e mercado: anais. São Carlos: Embrapa Instrumentação, 2025. p. 685-689
Conteúdo:	Abstract: This study evaluated the consistency between vegetation indices derived from small sampling plots (50×50 cm) and those extracted from entire paddock areas in tropical pastures under intensive and extensive management systems. UAV-based multispectral imagery was acquired between June 2023 and March 2025 using a DJI Matrice 210 equipped with a Sentera AGX710 sensor (Red, Green, Blue, Red Edge, NIR). Spectral indices including NDVI, NDRE, MPRI, CHL, SAVI, SRI, and MSR were calculated, and their relationships across scales were analyzed using Pearson correlation, regression models, and error metrics (MAE, RMSE). Results showed strong agreement between scales, especially for NDVI, NDRE, and MPRI, which presented the lowest errors (MAE < 0.034; RMSE < 0.046) and highest correlations (r > 0.98; R² > 0.96). In contrast, SAVI, SRI, and MSR showed greater variability, particularly under intensive management. Overall, mean values from small plots reliably represented paddock-level spectral responses, supporting simplified UAV-based monitoring strategies. This approach reduces processing demands while maintaining accuracy, offering a cost-effective and scalable alternative for tropical pasture monitoring and management. | Resumo: Este estudo avaliou a consistência entre os índices de vegetação derivados de pequenas parcelas de amostragem (50×50 cm) e aqueles extraídos de áreas inteiras de pastagens tropicais sob sistemas de manejo intensivo e extensivo. Imagens multiespectrais baseadas em ARP (Aeronave Remotamente Pilotada) foram adquiridas entre junho de 2023 e março de 2025 usando um DJI Matrice 210 equipado com um sensor Sentera AGX710 (vermelho, verde, azul, borda vermelha, NIR). Índices espectrais, incluindo NDVI, NDRE, MPRI, CHL, SAVI, SRI e MSR, foram calculados e suas relações entre escalas foram analisadas usando correlação de Pearson, modelos de regressão e métricas de erro (MAE, RMSE). Os resultados mostraram forte concordância entre as escalas, especialmente para NDVI, NDRE e MPRI, que apresentaram os menores erros (MAE < 0,034; RMSE < 0,046) e as maiores correlações (r > 0,98; R² > 0,96). Em contrapartida, SAVI, SRI e MSR mostraram maior variabilidade, particularmente sob manejo intensivo. No geral, os valores médios de pequenas parcelas representaram de forma confiável as respostas espectrais em nível de pastagem, apoiando estratégias simplificadas de monitoramento baseadas em ARP. Essa abordagem reduz as demandas de processamento, mantendo a precisão, oferecendo uma alternativa econômica e escalável para o monitoramento e gerenciamento de pastagens tropicais.
Thesagro:	Sensoriamento Remoto Pastagem Forrageira Tropical
NAL Thesaurus:	Remote sensing Correlation Vegetation index Pastures Tropical pastures
Palavras-chave:	Índice de vegetação Monitoramento de pastagem
ISSN:	2358-9132
Notas:	Editores: Paulo Sergio de Paula Herrmann Junior, Henriette Monteiro Cordeiro de Azeredo, Maria Fernanda Berlingieri Durigan, Luís Henrique Bassoi. 5 SIAGRO 2025
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CPPSE)