Onion area estimation using satellite images for the municipalities of ituporanga and imbuia, SC, Brazil

Authors

DOI:

https://doi.org/10.52945/rac.v36i1.1458

Keywords:

Allium cepa, agricultural mapping, orbital images, annual crops

Abstract

This study used Landsat 8-OLI and Sentinel 2A/2B-MSI images to estimate the land area used for onion production in two municipalities of the State of Santa Catarina (Ituporanga and Imbuia) during the 2020/2021 crop year. Since onion crop in the study region occupy small-cultivated areas of about 2 hectares, the land-uses were identified using visual interpretation of multi -temporal color compositions created by combining spectral bands of red, near infrared, and short-wave infrared. Satellite images showed that the onion covered 3,136 hectares in Ituporanga and 934 hectares in Imbuia during 2020/2021 crop year. In both municipalities assessed, the area occupied with onion crops esti mated by satellite imagery was smaller than the areas
obtained by indirect surveys based on stakeholder statements or data from traded agricultural inputs. The study showed that Landsat 8-OLI and Sentinel 2A/2B-MSI images are suitable to esti mate area used for onion production in Santa Catarina State. Therefore, satellite imagery can support conventional surveys carried out by the official bureau responsible for agricultural statistics.

Metrics

Metrics Loading ...

Author Biographies

Lucas Kreutzfeld, Universidade Federal de Santa Catarina

Graduado em Agronomia pela Universidade Federal de Santa Catarina, Campus Florianópolis. Analista de Geoprocessamento na empresa Agrosatélite Geotecnologia Aplicada.

Caio Bustani Andrade, Universidade Federal de Santa Catarina

Graduação em Forestry and Nature Management, pela Van Hall Larenstein, University of Applied Sciences, Holanda; graduado em Agronomia e Mestre em Agroecossistemas pela Universidade Federal de Santa Catarina, Campus Florianópolis.

Luiz Carlos Pittol Martini, Universidade Federal de Santa Catarina

Graduado em Agronomia e Mestre em Engenharia Agrícola pela Universidade Federal de Santa Maria, RS; doutorado obtido no Programa de Pós-Graduação em Engenharia de Recursos Hídricos e Saneamento Ambiental, da Universidade Federal do Rio Grande do Sul. Professor no Departamento de Engenharia Rural da Universidade Federal de Santa Catarina.

References

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

Published

2023-03-16

How to Cite

Kreutzfeld, L., Andrade, C. B., & Martini, L. C. P. (2023). Onion area estimation using satellite images for the municipalities of ituporanga and imbuia, SC, Brazil. Agropecuária Catarinense Journal, 36(1), 30–36. https://doi.org/10.52945/rac.v36i1.1458

Issue

Vol. 36 No. 1 (2023)

Section

Scientific article

License

Copyright (c) 2023 Lucas Kreutzfeld, Caio Bustani Andrade, Luiz Carlos Pittol Martini

Creative Commons License

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