Mapeamento da soja por meio de imagens Landsat e Sentinel-2 nos municípios de Lages e Capão Alto em Santa Catarina

Autores

DOI:

https://doi.org/10.52945/rac.v35i2.1347

Palavras-chave:

Glycine max L, Sensoriamento Remoto, Satélite

Resumo

A soja é uma cultura cujo aumento da oferta mundial dobrou nos últimos anos, impulsionado pelo maior consumo humano e animal. O objetivo deste trabalho foi mapear as áreas plantadas com soja nos municípios de Lages e Capão Alto por meio de técnicas de Sensoriamento Remoto nas safras 2012/2013 e 2020/2021. Utilizaram-se imagens dos satélites Landsat-7, Landsat-8 e Sentinel-2 e a identificação das áreas foi feita por meio de interpretação visual das imagens submetidas a uma composição colorida que destacou as lavouras de soja. Os resultados foram comparados com dados oficiais da Epagri/Cepa, mostrando 23% e 6% de diferença entre os métodos para as safras 2012/2013 e 2020/2021, respectivamente. Foi constatado aumento de área de 13 mil ha entre as safras e que a conversão tem ocorrido, principalmente, sobre campos nativos. A análise com dados altimétricos indicou que a expansão foi mais frequente em áreas mais altas e se manteve na classe de relevo suave-ondulado.

Métricas

Carregando Métricas ...

Publication Facts

Metric
This article
Other articles
Peer reviewers 
3
2.4

Reviewer profiles  Indisp.

Author statements

Author statements
This article
Other articles
Data availability 
N/A
16%
External funding 
No
32%
Competing interests 
Indisp.
11%
Metric
This journal
Other journals
Articles accepted 
34%
33%
Days to publication 
309
145

Indexed in

Editor & editorial board
profiles
Academic society 
Epagri - Revista Agropecuária Catarinense
Publisher 
Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina - Epagri

Biografia do Autor

Marina Marly Dalla Betta, Universidade Federal de Santa Catarina

Engenheira Agrônoma formada pela Universidade Federal de Santa Catarina (UFSC) em 2021. Possui experiência com geoprocessamento e sensoriamento remoto, tendo trabalhado com mapeamento do uso e cobertura do solo com destaque para a identificação de culturas agrícolas. Atualmente ocupa o cargo de Visiting Research Scholar na University of Nebraska-Lincoln trabalhando com fertilidade do solo e agricultura de precisão.

Kleber Trabaquini, Epagri/ Ciram

Engenheiro Agrônomo formado pela Universidade Estadual de Londrina (UEL) em 2005. Possui especialização em Análise Ambiental em Ciências da Terra (UEL), mestrado em Agronomia (UEL) e doutorado em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE). Atualmente, é pesquisador na Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina (EPAGRI) com foco em Sensoriamento Remoto Orbital.

Haroldo Tavares Elias, Epagri/ Cepa

Engenheiro Agrônomo formado pela Universidade Federal de Santa Catarina (UFSC) em 1985. Possui mestrado em Genética e Melhoramento de Plantas pela Universidade Federal de Lavras (UFLA) e doutorado em Agronomia pela Universidade Estadual de Maringá (UEM). Atualmente é analista de pesquisa em socioeconomia na Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina (EPAGRI) trabalhando com temas relacionados a análise de mercado, produção vegetal e agricultura familiar.

Murilo Schramm da Silva, Epagri/ Cepa

Engenheiro Florestal formado pela Universidade Regional de Blumenau (FURB) em 2010. Possui mestrado em Engenharia Florestal pela FURB, tendo experiência na área de Recursos Florestais com ênfase em Geoprocessamento e Sensoriamento Remoto, Dendrometria e Inventário Florestal, Silvicultura e Manejo Florestal. Atualmente é bolsista de Pesquisa em Sensoriamento Remoto e Geoprocessamento na Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina (EPAGRI).

Referências

CONRAD, C.; DECH, S.; DUBOVYK, O.; FRITSCH, S.; KLEIN, D.; LOW, F.; ZEIDLER, J. Derivation of temporal windows for accurate crop discrimination in heterogeneous croplands of Uzbekistan using multitemporal RapidEye images. Computers and Electronics in Agriculture, v.103, p.63-74, 2014. DOI: 10.1016/j.compag.2014.02.003.

CONTE, O.; PRANDO, A.M.; DE CASTRO, C.; JUNIOR, A.A.B.; FERREIRA, P.E.P.; HIRAKURI, M.H.; DEBIASI, H. A Evolução da Produção de Soja na Macrorregião Sojícola 1 (MRS1). Diagnóstico da Produção de Soja na Macrorregião Sojícola, v.86001, p.23, 2019.

CORTI, M. Multispectral and Hyperspectral sensing for Nitrogen Management in Agriculture. 2017. Tese (sentinado em Agronomia e Coltivazioni Erbacee) - Università Degli Studi di Milano. Dipartimento di Scienze Agrarie e Ambientali - Produzione, Territorio, Agroenergia. Milano – MI, Itália, 2017. DOI: 10.13130/m-corti_phd2017-03-17.

EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária. Sistema brasileiro de classificação de solos. Brasília, Serviço de Produção de Informação, 1999.

EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária. Soja. 2021. Disponível em: https://www.agencia.cnptia.embrapa.br/gestor/agroenergia/arvore/CONT000fbl23vmz02wx5eo0sawqe3vtdl7vi.html. Acesso em: 20 jul. 2021.

EPAGRI/CEPA. Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina/Centro de Socioeconomia e Planejamento Agrícola. Síntese Anual da Agricultura Catarinense. Soja. Disponível em: https://docweb.epagri.sc.gov.br/website_cepa/publicacoes/Sintese_2019_20.pdf. Acesso em: 28 ago. 2021.

EUROPEAN COMISSION. Agricultural for Markets and Income. Agriculture and Rural Development. European Commission. 2019. Disponível em: https://ec.europa.eu/info/sites/info/files/food-farming-fisheries/farming/documents/agricultural-outlook-2019-report_en.pdf. Acesso em: 17 ago. 2021.

FORMAGGIO, A.R.; SANCHES, I.D. Sensoriamento Remoto em Agricultura. 1a ed. São Paulo, ISBN: 978-85-7975-277-3; eISBN: 978-85-7975-282-7, 2017. p.285.

IBGE. Instituto Brasileiro de Geografia e Estatística. Levantamento Sistemático da Produção Agrícola. 2021. Disponível em: https://www.ibge.gov.br/estatisticas/economicas/agricultura-e-pecuaria/9201-levantamento-sistematico-da-producao-agricola.html?=&t=o-que-e. Acesso em: 15 jun. 2021.

INFOAGRO. Sistema Integrado de Informações Agropecuárias. 2021. Disponível em: https://www.infoagro.sc.gov.br/index.php/safra/producao-vegetal. Acesso em 17 ago. 2021.

LUIZ, A.J.B. Estatísticas agrícolas por amostragem auxiliadas pelo sensoriamento remoto. In: Embrapa Meio Ambiente-Artigo em anais de congresso (ALICE). Simpósio Brasileiro de Sensoriamento Remoto, 3., 2005, Goiânia/GO. Anais[...] Goiânia/GO: INPE, 2005. p.181-188.

NASA. Moderate Resolution Imaging Spectroradiometer. 2006. Disponível em: http://modis.gsfc.nasa.gov/. Acesso em: 19 ago. 2021.

PALUDO, A.; BECKER, W.R.; RICHETTI, J.; SILVA, L.C.D.A; JOHANN, J.A. Mapping summer soybean and corn with remote sensing on Google Earth Engine cloud computing in Parana state - Brazil. International Journal of Digital Earth, v.13, n.12, p.1624-1636, 2020. DOI: 10.1080/17538947.2020.1772893.

POLÊSE, C. Coxilha rica: subsídios a uma proposta de conservação para o sul do município de Lages-SC. 2014. Tese (Mestrado em Planejamento Territorial e Desenvolvimento Socioambiental) – Universidade do Estado de Santa Catarina, Florianópolis, SC, 2014.

RIZZI, R.; RUDORFF, B.F.T. Estimativa da área de soja no Rio Grande do Sul por meio de imagens Landsat. Revista Brasileira de Cartografia, v.57, n.3, 2005.

SILVA, L. C. A.; RICHETTI, J.; BECKER, W.R.; PALUDO, A.; VERICA, W.R.; JOHANN, J.A. Algoritmos de Aprendizado de Máquina para classificação de soja em imagens Landsat-8. Acta Iguazu, v.6, n.3, p.65-78, 2017. DOI: 10.48075/actaiguaz.v6i3.17477.

SILVA, M.A.O.; LIPORACE, F.S. Detecção automática de nuvem e sombra de nuvem em imagens de sensoriamento remoto. Boletim de Ciências Geodésicas, v.22, p.369-388, 2016. DOI: https://doi.org/10.1590/S1982-21702016000200021.

SONG, X.P.; POTAPOV, P.V.; KRYLOV, A.; KING, L.; DI BELLA, C. M.; HUDSON, A.; HANSEN. M.C. National-scale soybean mapping and area estimation in the United States using medium resolution satellite imagery and field survey. Remote sensing of environment, v.190, p.383-395, 2017. DOI: https://doi.org/10.1016/j.rse.2017.01.008.

SOUZA, C.M.; Z SHIMBO, J.; ROSA, M.R.; PARENTE, L.L.; ALENCAR, A.; RUDORFF, B. F.; AZEVEDO, T. Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth Engine. Remote Sensing, v.12, p.2735, 2020. DOI: https://doi.org/10.3390/rs12172735.

ZHONG, L.; GONG, P.; BIGING, G.S. Efficient corn and soybean mapping with temporal extendability: A multi-year experiment using Landsat imagery. Remote Sensing of Environment, v.140, p.1-13, 2014. DOI: https://doi.org/10.1016/j.rse.2013.08.023.

Downloads

Publicado

2022-08-31

Como Citar

Dalla Betta, M. M., Trabaquini, K. ., Tavares Elias, H. ., & Silva, M. S. da . (2022). Mapeamento da soja por meio de imagens Landsat e Sentinel-2 nos municípios de Lages e Capão Alto em Santa Catarina. Agropecuária Catarinense, 35(2), 68–73. https://doi.org/10.52945/rac.v35i2.1347

Edição

v. 35 n. 2 (2022)

Seção

Artigo Científico

Licença

Copyright (c) 2022 Marina Betta, Kleber Trabaquini, Haroldo Tavares Elias, Murilo Schramm da Silva

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Artigos mais lidos pelo mesmo(s) autor(es)