Uma estimativa precoce e precisa da área plantada e do volume da safra em curso de um cultivar é de fundamental importância para a economia brasileira, pois fornece informações importantes e a tempo de se implementar políticas públicas na logística de escoamento ou de armazenamento da safra desse cultivar. Atualmente, com a possibilidade de aquisição de dados de sensoriamento remoto, melhores são as informações sobre as lavouras desse cultivar, propiciando uma melhor predição da área plantada e do volume da safra, reduzindo a subjetividade. Imagens de alta resolução temporal do satélite Landsat-8 têm sido usadas para monitoramento de lavouras, inclusive, de soja, cultivar utilizado neste estudo. O objetivo deste estudo foi desenvolver uma metodologia baseada em lógica fuzzy, que utiliza classificação não supervisionada, aplicada sobre índices de vegetação via imagens do satélite Landsat-8 para estimar áreas de cultivo de soja no município de São Gabriel do Oeste, no Estado de Mato Grosso do Sul. Com isso, foi possível obter uma estimativa da área plantada, bem como o volume de produção de soja muito antes da colheita, diferentemente dos levantamentos oficiais, que podem se estender por um período além colheita utilizando dados secundários. A estimativa da área de cultivo de soja no município, com base na classificação fuzzy foi próxima das estimativas oficiais do Instituto Brasileiro de Geografia e Estatística (IBGE), obtidas após o final da colheita, com boa acurácia, com uma diferença de 2% entre o valor obtido pelo IBGE e o estimado utilizando a presente metodologia. Desse modo, estimativa da área plantada e o volume de produção de soja, com base na classificação fuzzy se mostrou altamente correlacionada com o valor da área oficial, com boa precisão e nível de erro relativo aceitável.
Palavras-chave: Previsão de Safras. Sensoriamento Remoto. Classificação Fuzzy.
Abstract
An early and accurate estimate of the planted area and the volume of a harvest in progress of a cultivar is of fundamental importance for the Brazilian economy, as it provides important information and in time to implement public policies in the storage logistics flow of that harvest. Currently, with the possibility of acquiring remote sensing data, better information is available on the crops of such cultivars, providing a better prediction of the planted area and the harvest volume, reducing subjectivity. High temporal resolution images from the Landsat - 8 satellite have been used to monitor crops, including soybeans, the cultivar used in this study. The objective of this study was to develop a methodology based on fuzzy logic, which uses unsupervised classification, applied to vegetation indices via Landsat-8 satellite images to estimate soybean cultivation areas in the municipality of São Gabriel do Oeste, in the state of Mato Grosso do Sul. With this, it was possible to obtain an estimate of the planted area, as well as, the soy production volume long before the harvest, unlike official surveys, which can extend for a period beyond harvest using secondary data. The soybean cultivation area estimate in the municipality, based on the fuzzy classification, was close to the official estimates of the Brazilian Institute of Geography and Statistics (IBGE), obtained after the end of the harvest, with good accuracy, with a difference of 2% between the value obtained by IBGE and that estimated using the present methodology. Thus, estimation of the planted area and the soybean production volume, based on the fuzzy classification, proved to be highly correlated with the value of the official area, with good precision and an acceptable level of relative error.
Keywords: Harvest forecast. Remote Sensing. Fuzzy Classification.
Remote Sensing Applied to the Environmental Regularization of Rural Properties in Mato Grosso
do Sul
