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

DOI: 10.52945/rac.v35i2.1347
Publicado 31-08-2022

Autores

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

    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

      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

        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

          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.

          Métricas

          1.017
          Visualizações
          951
          Downloads

          Palavras-chave

          • Glycine max L
          • Sensoriamento Remoto
          • Satélite