Áreas com diferentes potenciais de rendimento dentro de uma lavoura necessitam ser manejadas separadamente, para fins de aplicação da adubação nitrogenada em cobertura. O equipamento baseado em sensoriamento remoto terrestre (GreenSeeker) é um dos instrumentos utilizados para separar diferentes zonas de manejo. Para fazer isso, o sensor permite a definição de classes para estimar o potencial produtivo de forma ágil, precisa e em tempo real. Com o instrumento, foi desenvolvido um modelo para estimativa do potencial produtivo em trigo e cevada, correlacionando o Índice de Vegetação por Diferença Normalizada (NDVI) com a biomassa seca acumulada na parte aérea, por ocasião da emissão da sexta folha do colmo principal. A base do modelo foi a formação de classes de potencial produtivo correspondentes a zonas específicas de manejo da lavoura. Essas classes não necessitam ser específicas para diferentes cultivares e/ou espécies, visto que não se detectaram diferenças que justificassem a formação de grupos para elas. As superfícies de fundo (resíduos de restevas de soja e milho) tiveram efeitos significativos nas leituras do sensor. O modelo continua válido mesmo se as leituras de NDVI forem feitas antes ou após o período recomendado para tal, podendo ser ajustado com sub ou superestimação. As análises de variabilidade espacial, futuramente, podem avaliar se, as zonas de potencial produtivo estimadas pelas classes de NDVI propostas pelo modelo, correspondem à flutuação espacial da biomassa, doses de N aplicadas e rendimento de grãos.

Areas with different yield potential within a field need to be managed separately as for nitrogen application in small grain cereals. Terrestrial remote sensing-based equipment such as the GreenSeeker sensor is one of the tools available to handle different management zones. To do this, the sensor allows the definition of classes to estimate yield potential. A model which correlated the Normalized Difference Vegetation Index (NDVI) to shoot dry biomass at the 6-leaf-stage was developed for estimating yield potential classes for wheat and barley. The model eliminated differences between species and cultivars as no correction for these factors is necessary. The effects of surface background (corn or soybean crop residues) were considered in this model. When readings are carried out before or after the recommended period, the model can be adjusted for under or overestimation. Spatial variability analysis may evaluate if yield potential zones estimated by the NDVI classes proposed in the model are related to spatial variability of shoot biomass, N rates applied and grain yield.