Sensoramiento Remoto en el Mapeo de la Soja:

Un Análisis Comparativo de las Estimaciones del Área Plantada con Soja en Santa Catarina

Autores/as

DOI:

https://doi.org/10.52945/rac.v38i3.2023

Palabras clave:

Glycine max L.

Resumen

Ante el avance del cultivo de soja, la teledetección ha surgido como una herramienta indispensable para mejorar la estimación de las áreas plantadas. Este estudio tiene como objetivo cuantificar el área plantada con soja en Santa Catarina en la cosecha 2022/2023 utilizando imágenes Sentinel-2/MSI y Landsat-8/OLI aplicadas a la técnica de umbral CEI (Crop Enhancement Index). También pretende comparar la actual metodología Epagri/Cepa. La investigación abarca 32 municipios productores de soja del estado. La cartografía obtuvo una precisión global (AG) del 97,2% y Kappa (K) de 0,929, lo que demuestra su consistencia. Se encontraron diferencias significativas entre las estimaciones de Epagri/Cepa y la cartografía (prueba de Wilcoxon emparejada: p = 0,020; r = 0,407), atribuidas a características específicas, lo que sugiere la necesidad de ajustes para mejorar la precisión de los datos agrícolas.

 

Biografía del autor/a

  • Murilo Schramm da Silva, FURB

    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 no FlorestaSC (Inventário Florístico Florestal de Santa Catarina-IFFSC) onde aplica geotecnologias para estimativa de atributos florestais e detecção e classificação de copas de espécies arbóreas.

  • 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 1986. 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.

  • Tarik Cuchi, Epagri/Cepa

    Engenheiro Florestal pela UFSM/FW, Mestre em Engenharia Florestal pela UDESC/CAV e Doutor em Ciências Florestais pela UNICENTRO/Irati. Possui trajetória na área de Recursos Florestais, tendo experiência em Ecologia Florestal, Ecologia de Paisagens e Geoinformática, com foco na análise da vegetação no gradiente urbano-rural e gestão territorial. Atualmente é bolsista de Pesquisa na Epagri/Cepa, onde aplica Geotecnologias na classificação de culturas agrícolas.

Referencias

BETTA, M.M.D.; 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. 35, n. 2, p. 68–73, 2022. DOI: https://doi. org/10.52945/rac.v35i2.1347. Acesso em: 10 fev. 2025.

BAHRAMI, H.; MCNAIRN, H.; MAHDIANPARI, M.; HOMAYOUNI, S. A meta-analysis of remote sensing technologies and methodologies for crop characterization. Remote Sensing, v. 14, n. 22, p. 5633, 2022. DOI: https://doi.org/10.3390/rs14225633. Acesso em: 11 set. 2025.

CHEN, H.; LI, H.; LIU, Z.; ZHANG, C.; ZHANG, S.; ATKINSON, P.M. A novel Greenness and Water Content Composite Index (GWCCI) for soybean mapping from single remotely sensed multispectral images. Remote Sensing of Environment, v. 295, p. 113679, 2023. DOI: https://doi. org/10.1016/j.rse.2023.113679.

CONAB. Portal de Informações Agropecuárias. Disponível em: https://portaldeinformacoes.conab.gov.br/mapeamentos-agricolas.html. Acesso em: 27 out. 2023.

CONGALTON, R.G.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. 3. ed. Boca Raton: CRC Press, 2019.

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: https://doi.org/10.1016/j.compag.2014.02.003.

EPAGRI. Centro de Socioeconomia e Planejamento Agrícola. Epagri/Cepa. Síntese Anual da Agricultura Catarinense. Florianópolis, SC, 2022. 195p. Disponível em: https://docweb.epagri.sc.gov.br/website_cepa/publicacoes/Sintese_2020_21.pdf. Acesso em: 28 ago. 2022.

EPAGRI. Centro de Socioeconomia e Planejamento Agrícola. Metodologia e estratégia de ação — Projeto Safras. Florianópolis: Epagri/Cepa, 2025. Disponível em: https://drive.google.com/file/d/1ELcn2GrhjvCD5lXbskU1od1woS18kKbw/view.

FERRAZ, D. da P.G.B.; VICENS, R.S. Desempenho do Descritor Máxima Diferença na Classificação de Plantações de Eucalipto no Estado do Rio de Janeiro. Revista Brasileira de Cartografia, v. 71, n. 1, p. 99-121, 2019. DOI: http://dx.doi.org/10.14393/rbcv71n1-46143. Acesso em: 18 fev. 2025.

ROY, S.; GRIESER, J.; EVANS, J. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, v. 202, p. 18-27, 2017.

IBGE. 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: 28 jun. 2022.

IBGE. Malha Municipal. 2022. Disponível em: https://www.ibge.gov.br/geociencias/organizacao-do-territorio/malhas-territoriais/15774-malhas.html. Acesso em: 28 ago. 2022.

INFOAGRO. Sistema Integrado de Informações Agropecuárias. 2023. Disponível em: https://www.infoagro.sc.gov.br/index.php/safra/producao-vegetal. Acesso em: 28 ago. 2023.

MAPBIOMAS. Coleção 2023 da Série Anual de Mapas de Cobertura e Uso da Terra do Brasil. Disponível em: https://plataforma.brasil.mapbiomas.org/cobertura_10m. Acesso em: 02 fev. 2023.

OBSERVATÓRIO AGRO CATARINENSE. Painel de produção Agropecuária. Disponível em: https://www.observatorioagro.sc.gov.br/areas-tematicas/producao-agropecuaria/paineis/#nav-794. Acesso em: 11 fev. 2025.

PALUDO, A.; BECKER, W.R.; RICHETTI, J.; SILVA, L.C.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. DOI: http://dx.doi.org/10.1080/17538947.2020.1772893.

RHODES, C.J.; HENRYS, P.; SIRIWARDENA, G.M.; WHITTINGHAM, M.J.; NORTON, L.R. The relative value of field survey and remote sensing for biodiversity assessment. Methods in Ecology and Evolution, v. 6, n. 7, p. 772–781, 2015. DOI: https://doi.org/10.1111/2041-210X.12385.

RIZZI, R.; RISSO, J.; EPIPHANIO, R.D.V.; RUDORFF, B.F.T.; FORMAGGIO, A.R.; SHIMABUKURO, Y.E.; FERNANDES, S.L. Estimativa da área de soja no Mato Grosso por meio de imagens MODIS. Simpósio Brasileiro de Sensoriamento Remoto, v. 14, p. 387-394, 2009. Acesso em: 11 jul. 2022.

SILVA JUNIOR, C.A.; NANNI, M.R.; TEODORO, P.E.; SILVA, G.F.C. Vegetation Indices for Discrimination of Soybean Areas: A New Approach. Agronomy Journal, v. 109, n. 4, p. 1331–1343, 2017. DOI: https://doi.org/10.2134/agronj2017.01.0003.

SILVA JUNIOR, C.A. da; LEONEL-JUNIOR, A.H.S; ROSSI, F.S.; CORREIA FILHO, W.L.F.; SANTIAGO, D.B.; OLIVEIRA-JÚNIOR, J.F. de; TEODORO, P.E.; LIMA, M.; CAPRISTO-SILVA, G.F. Mapping soybean planting area in midwest Brazil with remotely sensed images and phenology-based algorithm using the Google Earth Engine platform. Computers and Electronics in Agriculture, v. 169, p. 105194, 2020. ISSN: 0168-1699. DOI: https://doi.org/10.1016/j.compag.2019.105194.

SILVA JUNIOR, C.A. da; TEODORO, P.E.; DELLA-SILVA, J.L.; ROSSI, F.S.; NANNI, M.R. Perpendicular Crop Enhancement Index: A New Approach To Soybean Monitoring Using Time-Series. In: Simpósio Brasileiro de Sensoriamento Remoto, 20., 2023, Florianópolis. Anais [...]. Florianópolis: INPE, 2023 p. 156226. Disponível em: https://proceedings.science/sbsr-2023/trabalhos/perpendicular-crop-enhancement-index-a-new-approach-to-soybean-monitoring-using?lang=en. Acesso em: 10 fev. 2025.

SOUZA, C. M., JR., Z. SHIMBO, J., ROSA, M. R., PARENTE, L. L., A. ALENCAR, A., RUDORFF, B. F. T., HASENACK, H., MATSUMOTO, M., G. FERREIRA, L., SOUZA-FILHO, P. W. M., DE OLIVEIRA, S. W., ROCHA, W. F., FONSECA, A. V., MARQUES, C. B., DINIZ, C. G., COSTA, D., MONTEIRO, D., ROSA, E. R., VÉLEZ-MARTIN, E., ... 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, n.v17, p. 2735, 2020. DOI: https://doi.org/10.3390/rs12172735.

USDA. Production: Soybeans. Washington, DC: USDA, 2024. Disponível em: https://www.fas.usda.gov/data/production/commodity/2222000. Acesso em: 18 fev. 2025.

XIAO, G.; HUANG, J.; SONG, J.; LI, X.; DU, K.; HUANG, H.; SU, W.; MIAO, S. A novel soybean mapping index within the global optimal time window. ISPRS Journal of Photogrammetry and Remote Sensing, v. 217, p. 120–133, 2024. DOI: https://doi.org/10.1016/j.isprsjprs.2024.08.006.

ZHANG, H.; LOU, Z.; PENG, D.; ZHANG, B.; LUO, W.; HUANG, J.; ZHANG, X.; YU, L.; WANG, F.; HUANG, L.; LIU, G.; GAO, S.; HU, J.; YANG, S.; CHENG, E. Mapping annual 10-m soybean cropland with spatiotemporal sample migration. Scientific Data, v. 11, n. 1, p. 439, 2024. DOI: https://doi.org/10.1038/s41597-024-03273-5.

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.

Descargas

Publicado

2025-12-18

Número

Vol. 38 Núm. 3 (2025)

Sección

Artigo Científico

Licencia

Derechos de autor 2025 Murilo Schramm da Silva, Kleber Trabaquini, Haroldo Tavares Elias, Tarik Cuchi

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Cómo citar

Sensoramiento Remoto en el Mapeo de la Soja:: Un Análisis Comparativo de las Estimaciones del Área Plantada con Soja en Santa Catarina. (2025). Agropecuária Catarinense, 38(3), 52-57. https://doi.org/10.52945/rac.v38i3.2023

Artículos similares

1-10 de 1098

También puede Iniciar una búsqueda de similitud avanzada para este artículo.

Artículos más leídos del mismo autor/a

1 2 > >>