Estimativa da área de cebola por meio de imagens de satélites para os municípios de Ituporanga e Imbuia, SC, Brasil
DOI:
https://doi.org/10.52945/rac.v36i1.1458Palavras-chave:
Allium cepa, mapeamento agrícola, imagens orbitais, cultivos anuaisResumo
Este estudo utilizou imagens Landsat 8-OLI e Sentinel 2A/2B-MSI para estimar a área destinada à produção de cebola em dois municípios do estado de Santa Catarina (Ituporanga e Imbuia) durante a safra 2020/2021. Uma vez que as lavouras de cebola na região de estudo ocupam pequenas áreas com cerca de 2 hectares, os usos das terras foram identificados
usando a interpretação visual de composições coloridas multi temporais geradas pela combinação de bandas espectrais do vermelho, infravermelho próximo e infravermelho de ondas curtas. As imagens de satélite mostraram que a cebola cobriu 3.136 hectares em Ituporanga e 934 hectares em Imbuia na safra 2020/2021. Em ambos os municípios avaliados, as estimativas obtidas a partir de imagens de satélite foram menores do que as esti mati vas obti das por levantamentos indiretos baseados em declarações das partes locais envolvidas na ati vidade ou na quantidade comercializada de insumos. O estudo mostrou que as imagens Landsat 8-OLI e Sentinel 2A/2B-MSI são adequadas para identificar e estimar áreas cultivadas com cebola na região produtora de Santa Catarina. Dessa forma, as imagens de satélite podem auxiliar os levantamentos estatísticos convencionais utilizados pelos organismos oficiais responsáveis pelas estatísticas agrícolas.
Métricas
Referências
BOEING, G. Fatores que afetam a qualidade da cebola na agricultura familiar catarinense. Florianópolis: Instituto CEPA/SC, 2002. 80p.
BRASIL. Lei Nº 11.326, de 24 de julho de 2006. Estabelece as diretrizes para a formulação da política nacional da agricultura
familiar e empreendimentos familiares rurais. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2004-2006/2006/lei/
l11326.htm. Acesso em: 13 fev. 2022.
CECHIM JUNIOR, C.; JOHANN, J.A.; ANTUNES, J.F.G. Mapping of sugarcane crop area in the Paraná State using Landsat/TM/
OLI and IRS/LISS-3 images. Revista Brasileira de Engenharia Agrícola e Ambiental, v.21, n.6, p.427-432, 2017.
CONAB. Companhia Nacional de Abastecimento. Acompanhamento da Safra Brasileira de Grãos. Brasília, DF: Conab. v.9, safra 2021/22, n.1 primeiro levantamento, outubro 2021.
DALLA BETTA, M.M.; TRABAQUINI, K.; ELIAS, H.T.; SILVA, M.S. da. Mapeamento da soja por meio de imagens Landsat e Sentinel-2 nos municípios de Lages e Capão Alto em Santa Catarina. Agropecuária Catarinense, v.5, n.2, p.68-73, 2022.
EBERHARDT, I.D.R.; RIZZI, R.; RISSO, J.; FERNANDES, S.L.; BERNARDY, R. Mapeamento da área de cana-de-açúcar em Porto Xavier- RS por meio de imagens Landsat. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 15, 2011, Curitiba. Anais [...] Curitiba, 2011. p. 0299.
EPAGRI. Sistema de produção para a cebola. 4a. Rev. Florianópolis, SC, 2013. 106p. (Epagri. Sistemas de Produção, 46).
EPAGRI. Epagri avança para o final do mapeamento da maçã no Estado de Santa Catarina através de imagens de satélite. 2021. Disponível em: https://ciram.epagri.sc.gov.br/index.php/2021/07/07/epagri-avancapara-o-final-do-mapeamento-da-maca-noestado-de-santa-catarina-atraves-de-imagens-de-satelite/. Acesso em: 20 jan. 2022.
ESA. The European Space Agency. Sentinel Online. Disponível em: https://sentinels.copernicus.eu/web/sentinel/home. Acesso em: 10 out. 2021.
IBGE. Pesquisas Agropecuárias. 3. ed. Rio de Janeiro, 2018. 111p. (Relatórios Metodológicos).
IBGE. Censo Agropecuário: resultados definitivos 2017. Rio de Janeiro, v.8, p.1-105, 2019.
IBGE. Banco de Dados Agregados. Sistema IBGE de Recuperação Automática – SIDRA. 2021a.
IBGE. Malha Municipal Digital da Divisão Político‐Administrativa Brasileira. 2021b.
INFOAGRO. Sistema Integrado de Informações Agropecuárias. 2022. Disponível em: https://www.infoagro.sc.gov.br/index.php/safra/producao-vegetal. Acesso em: 20 jan.
JUNGES, A.H.; FONTANA, D.C.; PINTO, D.G. Identification of croplands of winter cereals in Rio Grande do Sul State, Brazil, through unsupervised classification of normalized difference vegetation index images. Engenharia
Agrícola, Jaboticabal, v.33, n.4, p.883-895, 2013.
MERCANTE, E.; de LIMA, L.E.P.; JUSTINA, D.D.D.; URIBE-OPAZO, M.A.; LAMPARELLI, R.A.C. Detection of soybean planted areas
through orbital images based on culture spectral dynamics. Engenharia Agrícola, Jaboticabal, v.32, n.5, p.920-931, 2012.
MINGOTI, R.; HOLLER, W.A.; SPADOTTO, C.A.; LOPES, V.A.V.; BRASCO, M.A. Metodologia de análise crítica de dados estatísticos históricos sobre produção agropecuária. Campinas, SP, Embrapa Gestão Territorial, 2014. 25 p. (Boletim de Pesquisa e Desenvolvimento, 4).
PALUDO, A.; BECKER, W.R.; RICHETTI, J.; SILVA, L.C. de 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.
PANIZZA, A. de C.; FONSECA, F.P. Técnicas de interpretação visual de imagens. Geousp – Espaço e Tempo, n. 30, p. 30-43, 2011.
PINO, F.A. Estatísticas agrícolas para o século XXI. Agricultura em São Paulo, v. 46, n. 2, p.71-105, 1999.
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, p.226-234, 2005.
SEGARRA, J.; BUCHAILLOT, M.L.; ARAUS, J.L.; KEFAUVER, S.C. Remote sensing for precision agriculture: Sentinel-2 improved features and applications. Agronomy, v.10, n.641, 2020.
SICAR. Sistema de Cadastro Ambiental Rural v3.0.0. Disponível em: https://www.car.gov.br/#/. Acesso em: 19 fev. 2022.
TEN CATEN, A.; SAFANELLI, J.L.; RUIZ, L.F.C. Mapeamento multitemporal da cobertura da terra, por meio de árvore de decisão, na bacia hidrográfica do rio Marombas, SC. Engenharia Agrícola, Jaboticabal, v.35, n.6, p.1198-1209, 2015.
USGS. United States Geological Survey. The Earth Explorer (EE) user interface. Disponível em: https://earthexplorer.usgs.gov/. Acesso em: 10 out. 2021.
YANG, B.; CAO, C.; XING, Y.; LI, X. Automatic classification of remote sensing imagens using multiple classifier systems. Mathematical Problems in Engineering, v.2015, ID 954086, 10p., 2015.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Lucas Kreutzfeld, Caio Bustani Andrade, Luiz Carlos Pittol Martini
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
