ANÁLISE DA PRODUTIVIDADE DA PASTAGEM NO MUNICÍPIO DE RIBAS DO RIO PARDO M.S.

 

 

 
 

Trabalho da disciplina Sensoriamento remoto em recursos naturais, do programa de pós-graduação em desenvolvimento local – Mestrado acadêmico. Sob a orientação do Prof. Dr. Willian Tsé Horng Liu.

 

Roberti André da S. Filho

Campo Grande

2003

SUMÁRIO

 

 

1- Justificativa                                                                                                  3

2- Objetivos                                                                                                      3

3- Metodologia                                                                                                  4

4- Dados obtidos                                                                                               7

5- Gráficos                                                                                                        11

6- Conclusão                                                                                                     22

7- Referências bibliográficas                                                                            23

1. JUSTIFICATIVA

“A mente avança até o ponto onde pode chegar; mas depois passa para uma dimensão superior, sem saber como lá chegou.Todas as grandes descobertas realizaram esse salto”.

Albert Einstein

 

O estado de Mato Grosso do Sul é o maior produtor de rebanho bovino de corte do Brasil, e conseqüentemente um dos maiores do mundo, já que o Brasil é o terceiro maior exportador mundial, segundo dados da Organização Mundial do Comércio O.M.C. Sendo assim, neste ambiente cada vez mais rigoroso quanto às exigências não só de custo, mas como também de grau de naturalidade deste produto, a busca de pelo aumento da produtividade na produção de carne por carcaça de animal passa por elementos como técnicas de manejo, cruzamento industrial, melhoria genética do rebanho, alimentação adequada e natural, que foi objeto deste nosso trabalho.

Acompanhar a produtividade das pastagens de um dos maiores municípios de Mato Grosso do Sul, onde a principal fonte econômica é justamente a pecuária, pode nos dar uma indicação de como vem se comportando esta atividade ao longo dos anos e também uma perspectiva futura deste setor, bem como as implicações desta produtividade na utilização adequada do solo, tendo em vista um modelo de desenvolvimento baseado na sustentabilidade da atividade através do uso racional dos recursos ambientais envolvidos.

2. OBJETIVOS

2.1- Objetivo Geral

¨      Levantar a produtividade da pastagem do município de Ribas do Rio Pardo ao longo dos anos, e com isso ter estimativas futuras, através de um modelo científico, que leva em consideração aspectos ambientais e climáticos.

2.2- Objetivos específicos

¨      Levantar o tamanho do rebanho de 1981 a 2000.

¨      Levantar o NDVI mensal, ao longo deste mesmo período.

¨      Verificar as condições climáticas: temperatura, radiação solar, índices de chuva etc. da região.

¨      Fazer um comparativo da produtividade por kg de animal em relação ao hectare.

¨      Acompanhar a evolução da capacidade produtiva das áreas de pastagens da região.

3.- METODOLOGIA

O objetivo principal deste trabalho foi de levantar dados climatológicos da região estudada, a fim de verificar os modelos matemáticos capazes de estimar a produtividade das pastagens, principalmente, o que determina a eficiência fotossintética das pastagens que tem conseqüências diretas na geração de biomassa.

Há uma dificuldade muito grande na coleta de dados da eficiência fotossintética, uma vez que no Brasil ainda não um banco de registros que trabalhe especificamente com radiação espectral emitida pela vegetação. Foi necessário, portanto, colher dados dos registros da EMBRAPA Gado de corte M.S. desde 1981 à 2000  da energia da radiação fotossintética ativa (PAR) incidente e da matéria seca.

O modelo semi–empírico de produção de biomassa proposto por Monteith (1972), baseia-se na capacidade de uma planta absorver radiação solar e converter em radiação fotossintética ativa ou PAR – Photo synthetically Active Radiation.

A eficiência fotossintética é um fator utilizado para se determinar a capacidade de uma determinada planta converter em matéria seca o PAR representada pela equação a seguir:

 
 

        energia em matéria seca

ε= ____________________    x 100 %

        energia da PAR incidente

 

Segundo Loomis e Willians (1963), a eficiência fotossintética máxima calculada, a partir de então, pode ser obtida pela produtividade máxima estimada. Sendo que um grama de matéria seca contém 16,66 kJ ou 3730 cal. por  m2 ,  e o valor da radiação fotossintética ativa foi determinado também por este modelo em 222 cal/ m2 .          

Kumar e Monteith (1981) propuseram a seguinte equação para a determinação de massa seca que é um fator determinante para biomassa.

            n

MS  = Σ  [ εf *  a   *  PAR ]

           J=1

 

Sendo que:

MS = Matéria seca em kg/ha.

J= Período a ser analisado.

εf = Eficiência fotossintética em g / joule

a= porcentagem de PAR absorvida

PAR= Radiação fotossintética ativa em joule

Em 1982, Kumar e Monteith estudaram a relação existente entre o índice de vegetação NDVI-Normalized Difference Vegetation Index e a PAR observaram uma correlação linear entre estes fatores para a determinação da produtividade de pastagem, tal modelo foi apresentado por Prince (1996) que dá a estimativa de pastagens e definida pela equação abaixo:

            n

YP  = Σ  [ εf * NDVI *  PAR ]

           J=1

 

Sendo que:

Yp = Produtividade de pastagens em kg/ha.

J= Período a ser analisado.

εf = Eficiência fotossintética em g / joule

NDVI= porcentagem de PAR inciente

PAR= Radiação fotossintética ativa em joule

A obtenção de dados como: temperatura, radiação solar, e índices de vegetação através de satélites vêm facilitando a projeções sobre a produtividade das pastagens, pois as resoluções espectrais, dão uma melhor condição para o monitoramento das áreas plantadas. Com isso, as técnicas que utilizam as imagens de satélite como base para o desenvolvimento de modelos matemáticos passaram a ter uma precisão muito maior. O índice de vegetação NDVI-Normalized Difference Vegetation Index obtido com os dados do satélite e é definido através da relação das refletâncias dos canais do NOAA (National Oceanic and Atmospheric Administration) satélite norte-americano.

                 (R2 +R1)

NDVI=  ___________

                 (R2 -R1)

 

                                                              

                                                                     Onde: R1= Refletância do canal 1

                                                                                R2= Refletância do canal 2

O uso dos dados obtidos por satélites para a previsão de safras agrícolas através de modelos matemáticos foram impulsionados e financiados por organismos governamentais norte-americanos como o NOAA (National Oceanic and Atmospheric Administration), USDA (United States Departament of Aagriculture´s) em projetos de sensoriamento remoto a partir da década de 70 até 95. Estudos realizados apontam que NDVI é um indicador adequado para a determinação da produtividade, desde que o espectro de leitura do satélite não sofra interferências eletromagnéticas que possam influenciar nos dados obtidos.

Modelos estatísticos como o de Liu e Kogan apresentados em 2002, tendo como base a produtividade de soja no Brasil utilizou índices condicionais como o de vegetação e de temperatura, obtendo bons resultados, pois o NDVI pode ser traduzido pela quantidade de comprimento de onda verde emitido pelas vegetações através da concentração de clorofila formada a partir do processo fotossintético. Sabe-se que o crescimento das plantas depende do processo de fotossíntese é um processo fotoquímico onde a energia solar é convertida em energia química que é usada para a conversão do gás carbônico em carboidratos, podendo a energia da radiação solar ser um dos principais fatores para o aumento de massa nas plantas.    

Estudos de Prince (1991), feitos para se determinar estimativas de produtividade das áreas de pastagens em regiões da África, também apontam para a mesma direção e com resultados satisfatórios. Sendo assim, neste trabalho utilizaremos o NDVI como modelo para determinar ao longo dos anos a produtividade das áreas de pastagens do município de Ribas do Rio Pardo, bem como sua tendência.

4- DADOS OBTIDOS

Tabela 1.               Radiação solar mensal (cal/m2)                     

Mês

Jan

Fev

Mar

Abr

Mai

Jun

Jul

Ago

Set

Out

Nov

Dez

2000

462,77

365,69

329,04

491,13

361,28

347,32

360,56

428,09

389,91

495,94

525,78

485,18

1999

378,82

411,06

406,38

468,93

411,41

333,29

410,01

529,74

539,53

530,94

503,55

462,38

1998

420,11

347,16

397,14

393,36

343,45

353,30

389,63

427,36

458,87

459,16

479,49

493,15

1997

377,16

402,83

435,80

422,45

347,51

303,63

442,93

469,63

536,34

516,39

419,36

503,05

1996

367,33

366,22

416,13

441,00

313,68

375,52

583,83

382,99

448,43

449,56

442,78

387,57

1995

387,10

371,66

461,28

607,53

380,50

355,64

388,31

507,22

513,80

466,70

526,64

452,30

1994

 

 

 

 

 

 

 

 

 

 

 

 

1993

477,13

431,15

431,13

461,90

402,38

346,00

332,62

410,82

676,43

510,84

485,54

447,14

1992

454,48

450,35

423,02

400,91

340,02

370,68

377,63

418,93

392,75

483,86

513,13

491,25

1991

427,64

436,76

435,09

447,03

414,14

326,97

400,52

457,76

462,18

491,02

541,51

503,08

1990

360,00

423,35

411,10

380,16

321,79

321,28

368,45

423,42

461,03

492,18

528,59

436,47

1989

334,86

395,33

409,01

389,13

411,83

338,51

414,19

426,50

496,99

532,41

483,97

353,01

1988

415,83

395,18

419,04

394,95

302,20

398,34

454,02

570,76

551,89

517,03

514,15

440,50

1987

411,11

415,23

462,27

433,73

334,80

386,58

441,29

500,43

469,25

474,84

542,93

456,12

1986

386,78

354,33

411,17

463,88

333,82

388,03

428,31

380,51

518,51

525,41

487,26

402,61

1985

440,16

396,79

395,18

381,90

394,43

398,75

432,27

507,36

545,13

475,78

545,75

586,47

1984

389,79

422,23

352,43

408,05

392,91

379,81

437,74

437,72

504,18

530,53

398,68

384,64

1983

363,72

391,82

463,74

396,63

305,52

265,55

330,84

519,04

415,14

429,00

424,53

434,60

1982

474,89

366,34

315,26

446,45

390,35

286,25

411,20

403,63

414,59

475,51

432,59

439,55

1981

347,68

378,31

689,64

414,30

401,73

275,25

399,15

475,16

511,85

410,86

421,49

365,01

Fonte: NOAA

Fator de PAR utilizado   -    0,44 MJ (Mega Joule)

Tabela 2.          Dados do NDVI mensal

Mês

Jan

Fev

Mar

Abr

Mai

Jun

Jul

Ago

Set

Out

Nov

Dez

2000

0,567

0,565

0,614

0,656

0,675

0,622

0,496

0,388

0,438

0,551

0,552

0,509

1999

0,575

0,587

0,598

0,615

0,618

0,514

0,491

0,422

0,330

0,378

0,501

0,559

1998

0,587

0,557

0,628

0,673

0,646

0,593

0,578

0,412

0,552

0,531

0,595

0,622

1997

0,515

0,583

0,523

0,582

0,558

0,603

0,545

0,501

0,402

0,540

0,529

0,573

1996

0,534

0,569

0,562

0,650

0,572

0,578

0,538

0,454

0,449

0,512

0,555

0,490

1995

0,511

0,562

0,568

0,639

0,601

0,545

0,498

0,419

0,325

0,493

0,508

0,508

1994

0,665

0,666

0,639

0,591

0,542

0,494

0,445

0,392

 

 

 

 

1993

0,598

0,571

0,621

0,630

0,664

0,652

0,491

0,435

0,449

0,573

0,577

0,623

1992

0,502

0,542

0,543

0,531

0,596

0,560

0,530

0,478

0,435

0,463

0,547

0,563

1991

0,574

0,605

0,610

0,656

0,634

0,611

0,571

0,467

0,277

0,435

0,561

0,484

1990

0,544

0,585

0,594

0,605

0,658

0,630

0,596

0,502

0,530

0,557

0,624

0,585

1989

0,515

0,561

0,591

0,615

0,639

0,606

0,590

0,563

0,542

0,537

0,621

0,595

1988

0,590

0,603

0,664

0,624

0,635

0,645

0,600

0,408

0,247

0,351

0,558

0,537

1987

0,570

0,569

0,666

0,665

0,611

0,654

0,540

0,520

0,270

0,517

0,581

0,643

1986

0,522

0,525

0,622

0,635

0,635

0,675

0,629

0,475

0,522

0,579

0,563

0,578

1985

0,697

0,657

0,600

0,575

0,674

0,669

0,608

0,478

0,443

0,539

0,549

0,591

1984

0,608

0,646

0,658

0,669

0,700

0,665

0,622

0,538

0,572

0,585

0,657

0,686

1983

0,382

0,601

0,611

0,627

0,645

0,659

0,557

0,575

0,335

0,552

0,630

0,594

1982

0,606

0,589

0,578

0,677

0,666

0,635

0,623

0,538

0,495

0,475

0,577

0,595

1981

 

 

 

 

 

 

0,607

0,420

0,420

0,502

0,576

0,636

Fonte: NOAA

Fator de NDVI utilizado

 

0,7

Tabela 3          Cálculo do NDVI mensal  x  fator de NDVI

Mês

Jan

Fev

Mar

Abr

Mai

Jun

Jul

Ago

Set

Out

Nov

Dez

2000

0,810

0,807

0,877

0,937

0,964

0,889

0,709

0,554

0,626

0,787

0,788

0,728

1999

0,822

0,839

0,855

0,878

0,883

0,734

0,701

0,603

0,471

0,540

0,715

0,799

1998

0,839

0,796

0,898

0,961

0,923

0,848

0,825

0,589

0,789

0,759

0,850

0,888

1997

0,736

0,833

0,748

0,831

0,797

0,861

0,779

0,716

0,575

0,771

0,755

0,819

1996

0,763

0,813

0,803

0,928

0,817

0,826

0,769

0,649

0,641

0,731

0,793

0,701

1995

0,730

0,803

0,811

0,913

0,859

0,778

0,711

0,599

0,464

0,705

0,726

0,725

1994

0,950

0,952

0,913

0,844

0,774

0,705

0,636

0,560

0,000

0,000

0,000

0,000

1993

0,854

0,816

0,888

0,899

0,948

0,932

0,702

0,621

0,641

0,818

0,825

0,890

1992

0,718

0,774

0,775

0,758

0,852

0,799

0,757

0,683

0,621

0,662

0,781

0,805

1991

0,821

0,865

0,871

0,937

0,906

0,873

0,816

0,667

0,396

0,622

0,801

0,692

1990

0,777

0,836

0,849

0,864

0,940

0,900

0,851

0,717

0,757

0,796

0,892

0,836

1989

0,735

0,801

0,844

0,878

0,913

0,866

0,843

0,805

0,774

0,766

0,887

0,849

1988

0,844

0,861

0,948

0,891

0,907

0,921

0,857

0,583

0,353

0,502

0,797

0,767

1987

0,814

0,813

0,951

0,950

0,873

0,934

0,772

0,743

0,386

0,738

0,829

0,919

1986

0,745

0,750

0,888

0,908

0,907

0,964

0,899

0,678

0,745

0,827

0,805

0,825

1985

0,996

0,939

0,857

0,822

0,963

0,955

0,868

0,683

0,633

0,770

0,784

0,845

1984

0,869

0,923

0,941

0,956

1,000

0,950

0,889

0,768

0,817

0,836

0,939

0,980

1983

0,546

0,858

0,872

0,895

0,922

0,942

0,796

0,821

0,479

0,788

0,900

0,848

1982

0,865

0,841

0,825

0,967

0,951

0,907

0,890

0,768

0,708

0,679

0,825

0,850

1981

0,000

0,000

0,000

0,000

0,000

0,000

0,867

0,600

0,600

0,717

0,822

0,909

Tabela 4          Dados do Fator de PAR  X NDVI (em cal/cm2)

Mês

Jan

Fev

Mar

Abr

Mai

Jun

Jul

Ago

Set

Out

Nov

Dez

2000

164,90

129,87

126,98

202,44

153,26

135,82

112,51

104,39

107,40

171,77

182,28

155,32

1999

136,94

151,76

152,82

181,26

159,81

107,59

126,53

140,46

111,81

126,17

158,47

162,60

1998

155,06

121,61

156,88

166,41

139,53

131,75

141,52

110,69

159,33

153,26

179,39

192,68

1997

122,12

147,63

143,39

154,50

121,82

115,03

151,76

147,93

135,69

175,19

139,37

181,27

1996

123,32

131,06

146,99

180,05

112,74

136,52

197,47

109,29

126,54

144,58

154,41

119,46

1995

124,33

131,35

164,59

243,98

143,75

121,80

121,47

133,71

104,82

144,75

168,16

144,33

1994

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

1993

179,23

154,76

168,36

182,79

167,87

141,88

102,73

112,34

190,90

183,87

176,24

175,01

1992

143,51

153,47

144,32

133,74

127,49

130,39

125,83

125,87

107,29

140,97

176,33

173,94

1991

154,42

166,18

166,76

184,25

165,16

125,60

143,84

134,38

80,46

134,32

190,80

153,10

1990

123,01

155,74

153,58

144,48

133,08

127,22

137,98

133,59

153,50

172,33

207,35

160,55

1989

108,32

139,36

151,91

150,41

165,42

128,97

153,59

150,98

169,34

179,55

188,97

131,93

1988

154,33

149,69

174,81

154,89

120,62

161,44

171,26

146,33

85,71

114,13

180,24

148,75

1987

147,29

148,59

193,46

181,30

128,58

158,87

149,88

163,55

79,71

154,25

198,13

184,38

1986

126,82

116,90

160,63

185,27

133,17

164,52

169,35

113,53

170,03

191,26

172,54

146,23

1985

192,82

163,96

148,99

138,07

167,14

167,63

165,08

152,55

151,78

161,15

188,20

217,98

1984

148,98

171,44

145,86

171,65

172,88

158,76

171,16

147,95

181,17

195,15

164,71

165,92

1983

87,32

147,98

178,02

156,22

123,94

110,02

115,91

187,55

87,48

148,77

168,14

162,13

1982

180,82

135,54

114,46

189,95

163,33

114,26

161,00

136,40

129,07

142,12

156,98

164,47

1981

0,00

0,00

0,00

0,00

0,00

0,00

152,22

125,54

135,20

129,65

152,53

145,94

Tabela 5      Somatória do fator de PAR x NDVI anual (MJ/m2 /ano)

1989

76,226

2000

73,216

1988

73,856

1999

71,929

1987

79,127

1998

75,780

1986

77,546

1997

72,745

1985

84,465

1996

70,512

1984

83,639

1995

73,221

1983

70,137

1994

0,000

1982

74,954

1993

81,139

1981

35,250

1992

70,543

1980

0,000

1991

75,409

1990

75,540

Sabe-se que 1MJ/m2 /dia = 23,86cal/ cm2 /dia    

Tabela 6      Cálculo da eficiência fotossintética  anual

 

g/m2/ano

 

Kg/m2/ano

 

Kg/Ha/ano

2000

236,49

 

0,24

 

2364,89

1999

232,33

 

0,23

 

2323,30

1998

244,77

 

0,24

 

2447,69

1997

234,97

 

0,23

 

2349,66

1996

227,75

 

0,23

 

2277,55

1995

236,50

 

0,24

 

2365,03

1994

0,00

 

0,00

 

0,00

1993

262,08

 

0,26

 

2620,80

1992

227,85

 

0,23

 

2278,53

1991

243,57

 

0,24

 

2435,70

1990

243,99

 

0,24

 

2439,94

1989

246,21

 

0,25

 

2462,10

1988

238,55

 

0,24

 

2385,55

1987

255,58

 

0,26

 

2555,80

1986

250,47

 

0,25

 

2504,74

1985

272,82

 

0,27

 

2728,20

1984

270,15

 

0,27

 

2701,54

1983

226,54

 

0,23

 

2265,43

1982

242,10

 

0,24

 

2421,00

1981

113,86

 

0,11

 

 

Tabela 7   Quadro comparativo do números de animais / área de pasto

Ano

 

Efetivo do Rebanho em unid.

 

Área de pasto em Ha

 

Nº Rebanho / Ha

1982

 

165.391

710.805

0,2320675

1983

 

166.218

805.256

0,2062112

1984

 

169.542

852.482

0,1995305

1985

 

344.237

899.709

0,3822222

1986

 

406.094

917.446

0,4427481

1987

 

435.765

926.315

0,4708423

1988

 

451.016

935.185

0,4823529

1989

 

504.010

952.922

0,5288562

1990

 

626.649

994.806

0,6301508

1991

 

702.109

1.036.689

0,6769527

1992

 

796.552

1.021.412

0,7796278

1993

 

1.089.691

1.006.137

1,083499

1995

 

1.373.291

1.032.745

1,3291384

1996

 

924.595

1.041.615

0,8877159

1997

 

1.002.191

1.100.747

0,9100817

1998

 

1.029.795

1.122.437

0,9180036

1999

 

1.048.813

1.144.127

0,916958

2000

 

1.166.564

1.165.818

1,0008576

Fonte: Embarpa M.S.

6- CONCLUSÃO

Tendo em vista o modelo proposto para o estudo podemos verificar que através dos dados obtidos por satélite, que a radiação solar vem apresentando um pequeno aumento ao longo do tempo, embora a área de pastagem plantada também venha crescendo, a área de pastagem nativa vem diminuindo quase que na mesma proporção, fazendo com que a área total quase que se estabilizasse a partir da década de 90. A adequação destas variedades plantadas ao clima da região pode ser refletida na queda do índice de vegetação NDVI e do PAR.

Com a necessidade de exportação apresentada pelo Brasil, para se obter balanças comerciais mais favoráveis, aliadas ao aumento de competitividade da nossa carne no mercado internacional, o rebanho bovino de Mato Grosso do Sul, e também o de Ribas do Rio Pardo, aumentou muito nos últimos anos e com a estabilidade das áreas de pastagens, o número de animais por hectare também se elevou.  Os dados climatológicos levantados apresentam queda nos índices de precipitações médias anuais da região e puxado pela radiação solar, as temperaturas médias anuais também vêm aumentando, demonstrando um quadro que dificulta o crescimento das vegetações.

Isto reflete uma atividade econômica que tem aumentado produção sem o aumento da produtividade, e pode nos indicar também que a utilização dos recursos naturais, principalmente o solo, está sendo feita de maneira desordenada e não sustentável. A composição do solo, desmatamento, falta de manejo do pasto, bem como o relevo da região facilita a formação de erosão e com isso a degradação do solo. Diminuindo a camada de nutrientes e diminuindo sua fertilidade.

Tantos os modelos matemáticos utilizados, quanto os dados observados por satélites, ambos apresentam queda nos níveis de matéria seca por hectare nos últimos anos, refletindo a queda de produtividade nos rebanhos. Como a atividade pecuária desenvolvida na área estudada é predominantemente á campo, esta queda na produtividade vegetal influencia diretamente o comportamento da produtividade do rebanho, fazendo necessário uma reavaliação do modelo gerencial do setor e a observância a um modelo de utilização mais racional destes recursos a médio prazo, sob de estagnar produtivamente esta atividade no futuro.

7- REFERÊNCIAS BIBLIOGRÁFICAS

ALLEN, J.D.and S.A Hanuschak 1988. The remote sensing application program of the national agricultural statistics service, 1980/87. NASA Staff Report Na. SRB-88-08,U.S.A.

ALONSO,F.C;S.L. Soria and J.M. Gozado, 1991. Com-paring two methodologies for crop area estimation inspainusing landsat TM imagens and ground-gathred data – remot sens Environ. 35:29-35

BAUER, M.E; M.M  Hixson ; B.J Davis; and J.B. Eitherdege,1978. Area estimation of crops by digital analysis of landsat data. Photogram.Eng.And rem. Sens. 44(8):1033-1043

BOUMAN, B.A.M., 1995 Crop modelling and remote sensing for yield predection, Neteherlands J.Agricul Science, 43:143-161.

CLEVERS J.G E H.J van Leeuwen,1996. Combined use of optical and microware remote sensing data for crop growth monitoting. Rem. Sens . Environ. 56:42-51

DUSEK,  D.A and J.T. Musick, 1986. Spectral vegetation indices for estimating corn, sorghum, and wheat growth parameters. Am. Soc. Agric. Eng. Paper nº 3375.

EUCLIDES, Valéria P.B.; EUCLIDES FILHO, Kepler. Uso de animais na avaliação de forrageiras. Campo Grande: EMBRAPA – CNPGC, 1998. 59p. Anais do 15º Simpósio  sobre Manejo de Pastagem. Edt Aristeu Mendes P., José C. de Moura, Vidal Pedroso de  F. Piracicaba: FEALQ, 1998.296 p.

EUCLIDES, Valéria P.B.; EUCLIDES FILHO, Kepler; ARRUDA, Z. J. Desempenho de novilhos em pastagens de Brachiaria decumbens submetidos a diferentes regimes alimentares. Revista Brasileira de Zootecnia, Viçosa, v.27, n.2,p. 246 – 254,1998ª

GALLEGO J. and J. Delincé, 1996. Area estimastion by segment sampling. Special Report: The Mars Project, Action 1,: Regional Inventories. Europian Community Commission,Ispra,Italy. P.1-28.

GARDNER, A.L. Técnicas de pesquisa em pastagens e a aplicabilidade de resultados em sistemas de produção. Brasília: IICD/EMBRAPA-CNPGL, 1986, 197p.

HAYES M.J.  e W.L. Decker, 1996. Using NOAA AVHRR data to estimate maize production in theUScorn belt. Int. J. Rem. Sens. 17:3189-3200.

HIXON, M.M: M.E Bauer and W. Cholz, 1980 Na assessment of LANDSAT data acquisition history on identification and area estimation of corn and soybean. Proc. Symp. On Machine Processing of Rem. Sens. Data”. Purdue Univ. EUA.

HUNT E.R Jr. 1994. Relationship between woody biomass and PAR conversion efficiency for estimating net primary production from NDVI. Int. J. Rem. Sens. 15:1725-1730.

JOHNSON, G.E.; A. Van Dijk and C.M. Sakamoto, 1987. The use of AVHRR data in operational agricultural assessment inAfrica. Geocarto International, 1:41-60

KUMAR  M AND MONTEITH J.L., 1982 Remote sensing ofplant growth. In Plant and Daylight Spectrum, edited by H. Smith,London, Academic Press. P133-144.

LEMON E.R., 1969. Important microclimate factors in soli-water-plant relationship.Great PlainsAgr. Council Publ. Nº. 30:117-137.

LIU W.T.H. AND F. KOGAN, 1996.  Monitoring regional drought using vegetation condition index. Int. Journal of Remote Sensing, 17:2761-2782

LIU W.T. AND R. N. JUAREZ, 2001. ENSO drought Prediction of Northeast Brazil Using NDVI. International journal of Remote Sensing, V22(17):3483-3501

R.N JUÁREZ AND W.T. LIU, 2001 “FFT analysis of NDVI annual cycle and climatic regionality in northeast Brasil”. International Journal of Climatology, V21(14):1803-1820.

LIU W. AND F. KOGAN, 2002. “Monitroring Brazilian Soybeans Production Using NOAA/AVHRR Based Vegetation Condition Indices” , International Journal of Remote Sensing, vol. 23, no. 6, 1161-1179. 2002.

MONTEITH, J.L. 1972. Solar radiation andproductivityin tropical ecosystems. Journal of Applied Ecology. 9:747-766.

PRICE J. C.  AND W. C. BAUSCH, 1995. Leaf area index estimation from visible and near-infrared reflectance data. Rem Sens. Environ. 52:55-65.

PRINCE, S.D., 1991a. Satellite remote sensing of primary production: comparison of results for Sahelian grasslands 1981-1988. Int J. Remote Sens. 12(6):1301-1312.

PRINCE, S.D., 1991b. A model of  regional primary production for use with coarse resolution satellite data. Int. J. Remote Sens. 12(6):1313-1333.

QUARMBY N.ª, J.R. TOWNSHEND, P.J. K.H. WHITE, M, MILNES, T.L. HINDLE AND N. SILLEOS,1992. Linear mixture modelling  applied to AVHRR data for crop area estimation. Int. J. Rem. Sens. 13:415-426.

SAKAMOTO, C.M. and L.T. Steyart, 1987. International drought early warming program of NOAA/NESDIS. In Planning for drought: Toward a Reduction of Social. Vulnerability. eds. pp. 267-273.

STEINMETZ S., M. Guerif, R. Delecolle e F. Baret, 1990. Spectral estimates of the absorbed photosynthetically active radiation and light use efficiency of a winter wheat crop subjected to nitrogen and water deficiencies. Int. J. Rem. Sens. 11:1797-1808.