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.

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

Seção

Artigo Científico