Análise espectro-temporal subpixel para cultura da soja

Os resultados do perfil espectro-temporal extraídos do índice de vegetação EVI da soja apresentaram comportamento espectro-temporal distintos em comparação à cultura do arroz. As porcentagens das faixas de >0-20, >20-40 e >40- 60% de cultura de soja no pixel MODIS deram como resposta espectral-temporal comportamento semelhante dos pixels puros (100%), na mesma lógica da cultura do arroz, sendo que quanto maior a porcentagem de cultura no pixel, maior foi o valor de EVI no período de desenvolvimento da cultura e menores nos períodos de incremento e senescência da vegetação. As faixas de >60-80 e >80-100

apresentaram os valores de EVI muito próximos entre si, mas ainda distantes dos pixels “puros”.

Figura 40 - Perfis espectro-temporal das faixas de porcentagens da cultura da soja no pixel MODIS.

O perfil 0% refere-se aos mesmos pixels utilizados na comparação com a cultura do arroz e, portanto, não apresentaram o comportamento típico da cultura. Já para os pixels puros, o EVI variou de 0,22 do inicio da emergência da cultura até 0,60, pico de maior biomassa da cultura. O período da segunda quinzena de outubro até a primeira quinzena de dezembro, quando o EVI teve uma pequena variação de 0,25 a 0,22, é função do preparo da área para a semeadura da soja. Ademais, no período de senescência, o EVI variou de 0,32 a 0,30, refletindo o declínio da biomassa da cultura ocorrida nesse período.

As faixas de >60-80 e >80-100% mostraram valores de EVI distantes nos períodos de incremento e de senescência da vegetação, mas no período de pico da vegetação os valores de EVI foram similares. Porém, ainda tiveram uma diferença grande, se comparadas ao perfil dos pixels puros (100%).

Na cultura da soja a faixa que apresentou o maior número de pixels MODIS foi a que representa os pixels puros, com 31,1% do total. Em seguida, foi a que representa >0-20%, com 24,1%, conforme o exposto na Tabela 9.

0,10 0,20 0,30 0,40 0,50 0,60 289 305 321 337 353 1 17 33 49 65 81 97 113 129 145 EVI Dia Juliano 0% >0-20% >20-40% >40-60% >60-80% >80-100% 100%

Tabela 9 - Percentagem de pixels em cada faixa percentual da cultura da soja em uma imagem MODIS. % de Soja % da área >0-20% 24,15% >20-40% 11,02% >40-60% 10,61% >60-80% 8,81% >80-100% 14,30% 100% 31,11% Total 100 %

O motivo de haver um grande percentual de pixels na faixa de >0-20% possivelmente é devido à cultura da soja não possuir tantas restrições no seu manejo quanto à do arroz, havendo plantio em áreas pequenas e não tão planas e regulares. O fato de que menos de 55% dos pixels de soja nas imagens MODIS tenham perfil espectro-temporal com valores representativos das áreas dos pixels puros (>60% de soja) pode dificultar o mapeamento da cultura via metodologias que utilizam tal perfil como subsídio, conforme o observado por Weymar Jr. (2016). O mesmo autor, na tentativa de excluir as áreas de não soja via uma adaptação da metodologia CEI em imagens MODIS (RIZZI et al., 2009), obteve acerto espacial menor que 50% para a classe soja na região da Campanha Gaúcha.

5 Conclusões

A resolução espacial tem influência na exatidão do mapeamento e da estimativa da área das classes de UCS. Em geral, observaram-se subestimativas na área da ordem de 1,90, 0,94, 0,13 e 0,18% para as imagens ETM+ (30m), MSI (20 e 10m) e PAN (5m), respectivamente, em comparação ao dado de referência.

Tanto o erro em área quanto o de mapeamento tenderam a diminuir à medida que aumentou o tamanho do alvo mapeado, sendo que para a imagem Pan, a delimitação de alguns alvos ficou comprometida em função da sua baixa resolução espectral.

A partir da análise multiespectral e multitemporal das imagens Landsat, foi possível produzir um mapa temático com a distribuição espacial das áreas de arroz e soja, que estimou para o arroz uma área plantada de 16.413,30 ha, e para a soja de 11.783,25 ha no município de Tapes-RS.

As percentagens das classes arroz e soja em cada pixel das imagens do sensor MODIS tem grande influência no seu perfil espectro-temporal, principalmente abaixo de 60%. Para o arroz, 72,7% dos pixels foram puros ou possuíram perfil espectro-temporal semelhante a estes. Já para a soja apenas 31,1% dos pixels foram puros e os demais mostraram perfil espectro-temporal diferentes destes, principalmente abaixo de 60% de presença no pixel.

6 Referências

BELWARD, A.S.; SKOIEN, J.O. Who launched what, when and why; trends in global land-cover observation capacity from civilian earth observation satellites. ISPRS

Journal of Photogrammetry and Remote Sensing. n. 103, p. 115-128, 2014.

BETANHO, F. E. C. Marketing para produtos da Reforma Agrária – o arroz agroecológico de Lagoa do Junco (RS). GEPROS - Gestão da Produção,

Operações e Sistemas. Ano 2, v. 5, p. 77-88, 2007.

CÂMARA, G; SOUZA, R. C. M; FREITAS, U. M; GARRIDO, J; SPRING: Integrating remote sensing and GIS by object-oriented data modelling. Computers & Graphics, v. 20, n. 3, p. 395-403, 1996.

COELHO, V. H. R.; MONTENEGRO, S. M. G. L.; ALMEIDA, C. N.; LIMA, E. R. V.; NETO, A. R.; MOURA, G. S. S. Dinâmica do uso e ocupação do solo em uma bacia hidrográfica do semiárido brasileiro. Revista Brasileira de Engenharia Agrícola e

Ambiental, v.18, n.1, p. 64-72, 2014.

D’ARCO, E.; RIZZI, R., RUDORFF, B. F. T. Análise de combinações dos índices de vegetação EVI e NDVI derivadas do sensor MODIS para identificação de áreas de arroz irrigado. In: XII Simpósio Brasileiro de Sensoriamento Remoto. (SBSR), 2005, Goiânia. Anais... Goiânia: INPE, 2005, p. 91-93.

D’ARCO, E.; ALVARENGA, B. S.; RIZZI, R., RUDORFF, B. F. T.; MOREIRA, M. A.; ADAMI, M. Geotecnologias na estimativa da área plantada com arroz irrigado.

Revista Brasileira de Cartografia, N°. 58/03, 2006.

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: XV Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 2011, Paraná. Anais... Curitiba, 2011, INPE, p.0299 – 0306.

EPIPHANIO, J. C. N. CBERS-3/4: características e potencialidades. In: Simpósio Brasileiro de Sensoriamento Remoto, 15. (SBSR), 2011, Curitiba. Anais... São José dos Campos: INPE, 2011, p. 9009-9016.

ESA - European Space Agency. 2017. Disponível em: < https://earth.esa.int/web/sentinel/user-guides/sentinel-2-msi/resolutions/radiometric>. Acesso em: 27 jan. 2017.

GLEYZES, M. A.; PERRET, L.; KUBIK, P. Pléiades system architecture and main performances. In. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXIX-B1, 2012. Anais... Melbourne, Australia: XXII ISPRS Congress, 2012, p. 537-542.

GUSSO, A.; FORMAGGIO, A. R.; RIZZI, R.; ADAMI, M.; RUDORFF, B. F. T.

HUETE, A. R.; JUSTICE, C.; LEEUWEN VAN, W. J. D.; Modis vegetation index (MOD 13), Algorithm theoretical basis document, 1999. Disponível em: <http://modis.gsfc.nasa.gov/data/atbd/atbd_mod13.pdf>. Acesso em: 07 out. 2015. IBGE - Instituto Brasileiro de Geografia e Estatística. 2012. Disponível em: <www.cidades.ibge.gov.br/xtras/home.php>. Acesso em: 27 set. 2016.

IMMITZER, M.; VUOLO F.; ATZBERGER, C. First Experience with Sentinel-2 Data for Crop and Tree Species Classifications in Central Europe. Remote Sensing, p. 1- 27, 2016.

IRGA - Instituto Rio Grandense do Arroz. Produção por município, safra 2015/2016.

Disponível em:

<http://www.irga.rs.gov.br/upload/20160628092753produtividade_municipios_ safra_1 5_16.pdf> Acesso em: 19 jul. 2016.

JENSEN, J. R. Sensoriamento remoto do ambiente: Uma perspectiva em

recursos terrestres. Tradução Epiphanio, J.C.N et al. São José dos Campos, SP.

Editora Parêntese, 2ª ed., 598 p., 2011.

JUSTINA, D. D. D.; ROCHA, J. V.; SOUZA, C. H. W.; CERVI, W.; LAMPARELLI, R. A. C. Utilização de mapa de uso da terra derivado do sensor Landsat 8/OLI para avaliação de pixels puros e não-puros de NDVI do sensor MODIS. In: XVII Simpósio Brasileiro de Sensoriamento Remoto, Pernambuco, 2015. Anais... João Pessoa, 2015, INPE, p. 7436 – 7442.

KALAF, R.; BRASILEIRO, R.; CARDOSO, P.V.; CRUZ, C.B.M. Landsat 8: Avanços

para mapeamento em mesoescala. In. 4° Congresso Brasileiro de Geoprocessamento. 2013. Rio de Janeiro, 2013.

LAURANCE W. F.; SAYER J.; CASSMAN K. G. Agricultural expansion and its impactson tropical nature. Ecology&Evolution, v. 29, No. 2, p. 106 – 116, 2014. LEMOS, G. S.; RIZZI, R. Precisão do mapeamento de soja por sensoriamento remoto em uma metodologia multitemporal. In: Encontro de Pós-Graduação, 17

(ENPOS), 2015, Anais... Pelotas: UFPel, 2015.

LEMOS, G. S. Mapeamento de áreas de soja em municípios da metade sul do

Rio Grande do Sul a partir de imagens de satélite. 2016. 79f. Dissertação

(Mestrado) – Programa de Pós-Graduação em Manejo e Conservação do Solo e da Água, Universidade Federal de Pelotas, Pelotas, 2016.

MELO, D. H. C. T. B. Uso de dados Ikonos II na análise urbana: testes opera-

cionais na zona leste de São Paulo. 2002. 146p. Dissertação (Mestrado) – Instituto

Nacional de Pesquisas Espaciais - INPE, São José dos Campos, SP, 2002.

MENESES, P. R.; ALMEIDA, T. Introdução ao processamento de Imagens de

Sensoriamento Remoto. Livro online. Editoras UnB- Embrapa Cerrados. Brasília,

MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de

aplicação. 4ª ed. Atualizada e ampliada. – Viçosa, MG: Ed. UFV, 422 p., 2011.

NASA. National Aeronautics and Space Administration. Landsat Science. Disponível em: <https://landsat.gsfc.nasa.gov/wp-content/uploads/2015/06/Landsat.v.Sentinel- 2.png>. Acesso em: 20 fev. 2016.

NOVO, E. L. M. Sensoriamento remoto - princípios e aplicações. São Paulo: Edgard Blucher, p. 308, 1989.

NOVO, E. L. M. Sensoriamento remoto: princípios e aplicações. 4 ed. São Paulo: Blucher, 387 p., 2010.

PONZONI, F. J.; SHIMABUKURO, Y. E. Sensoriamento Remoto no Estudo da

Vegetação. São José dos Campos, SP: Parêntese, p. 127, ed. 2010.

QIN, Y.; XIAO, X.; DONG, J.; ZHOU, Y.; ZHU, Z.; ZHANG, G.; LI, X. Mapping paddy rice planting area in cold temperate climate region through analysis of time series Landsat 8 (OLI), Landsat 7 (ETM+) and MODIS imagery. ISPRS - Journal of

Photogrammetry and Remote Sensing, 105, p. 220–233, 2015.

RAGGAM, H. Surface mapping using image triplets – Case studies and benefit assessment in comparison to stereo image processing. Photogrammetric

Engineering and Remote Sensing, v. 72, N. 5, p. 551-563, 2006.

ROSA, R. Introdução ao sensoriamento remoto. 5 ed., Uberlândia: EDUFU, p. 228, 2003.

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. In: Simpósio Brasileiro de Sensoriamento Remoto, 2009, Natal. Anais... 2009, p. 387-394.

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, n 57/03, p. 226 - 234. 2005.

RIZZI, R. Geotecnologias em um sistema de estimativa da produção de soja:

estudo de caso no Rio Grande do Sul. Tese (Doutorado). Instituto Nacional de

Pesquisas Espaciais – INPE, São José dos Campos, SP, 212p., 2004.

RUDORFF, C. M.; RIZZI, R.; RUDORFF, B. F. T. Superfície de Resposta Espectro- temporal de imagens MODIS para classificação de área de soja no Estado do Rio Grande do Sul. Revista Ciência Rural, v. 37, n.1, p. 118-125, 2007.

SOARES, R. B.; SOARES, C. B. S. S.; COSTA, J. A. L.; COSTA, S. S. Aplicação de técnica de fusão em imagens Landsat 8/ OLI. In: Simpósio Brasileiro de Sensoriamento Remoto, 17. (SBSR), 2015. Anais... João Pessoa: INPE, 2015, p. 4836- 4843.

WEYMAR JR, L. C. N; RIZZI, R. Estimativa da área de soja em Aceguá - RS por meio de imagens landsat. In: Encontro de Pós-Graduação, 17 (ENPOS), 2015.

Anais... Pelotas: UFPel, 2015.

WEYMAR JR, L. C. N. Identificação e mapeamento de áreas de soja na região

sul do Rio Grande do Sul por meio de imagens MODIS. 2016. 79 f. Dissertação

(Mestrado) – Programa de Pós-Graduação em Manejo e Conservação do Solo e da Água, Universidade Federal de Pelotas, Pelotas, 2016.

WEBER E. J.; WAGNER A. P. L.; FONTANA D. C.; DUCATI J. R. Estimativa de área cultivada com arroz irrigado no Rio Grande do Sul na safra 2005/2006 através de imagens Landsat. In: Simpósio Brasileiro de Sensoriamento Remoto, 18 (SBSR), 2007. Anais... Florianópolis: INPE, 2007, p. 465-472.