Soybean mapping using Landsat and Sentinel-2 images in the municipalities of Lages and Capão Alto in Santa Catarina

Authors

DOI:

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

Keywords:

Glycine max L, Remote Sensing, Satellite

Abstract

Soybean is a crop whose increase in world supply has doubled in recent years, driven by greater human and animal consumption. The objective of this study was to map the soybean planted area in the municipalities of Lages and Capão Alto using remote sensing techniques in the 2012/2013 and 2020/2021 harvests. Images from the Landsat-7, Landsat-8 and Sentinel-2 satellites were used and the identification of the areas was made through visual interpretation of the images submitted to an RGB composition that allowed the soybean to be highlighted. The results were compared with official data from Epagri/Cepa, showing a 23% and 6% difference between the methods for the 2012/2013 and 2020/2021 harvests, respectively. An increase in area of ​​13 thousand ha was found between harvests and that the conversion has occurred mainly on native fields. The comparison with altitude and slope data also indicated that the expansion migrated to higher areas and remained in the smooth-wavy relief classification.

Metrics

Metrics Loading ...

Author Biographies

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).

References

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

Published

2022-08-31

How to Cite

Dalla Betta, M. M., Trabaquini, K. ., Tavares Elias, H. ., & Silva, M. S. da . (2022). Soybean mapping using Landsat and Sentinel-2 images in the municipalities of Lages and Capão Alto in Santa Catarina. Agropecuária Catarinense Journal, 35(2), 68–73. https://doi.org/10.52945/rac.v35i2.1347

Issue

Vol. 35 No. 2 (2022)

Section

Scientific article

License

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

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Most read articles by the same author(s)