Calendário agrícola de soja e milho baseado em imagens de satélite de moderada resolução para o sul do Brasil
DOI:
https://doi.org/10.5433/1679-0359.2020v41n5supl1p2419Palavras-chave:
Índice de Vegetação Melhorado, Timesat, Data de Semeadura, Data de Colheita.Resumo
O conhecimento do calendário agrícola das culturas é essencial para melhor estimar e prever o cultivo de culturas em larga escala. O objetivo deste estudo foi estimar a data da semeadura (SD), a data de data de maximo desenvolvimento vegetativo (DMVD) e a data da colheita (HD) de soja e milho no estado do Paraná, Brasil. Datas de 102 fazendas e o Índice de Vegetação Aprimorado (EVI) do Espectrorradiômetro de Imagem de Resolução Moderada (MODIS) de 2011 a 2014 foram utilizados em uma análise de tendência sazonal para obter padrões sazonais de soja e milho. Os resultados indicam que a maioria da soja é semeada em outubro e a DMVD ocorre entre o segundo decêndio de dezembro e o primeiro decêndio de janeiro. Devido à variabilidade espacial do SD, à diferença nos ciclos de maturação das cultivares e à variação climática regional, a HD da soja variou bastante durante as safras estudadas, variando de meados de fevereiro a final de março. A SD do milho é anterior a da soja e ocorre principalmente no final de setembro a meados de outubro. O DMVD ocorre principalmente em dezembro e a HD está distribuída entre janeiro e março no Paraná. Ao comparar as datas estimadas com as datas observadas, o erro médio (ME) variou de 0,2 dias antes a 3,3 dias após a data observada para a soja com a raiz do erro quadrático médio (RMSE) de 1,93 a 14,73 dias. Para o milho, o ME variou de 10,3 dias a 18,5 dias após a data observada, com RMSE de 18,02 a 27,82 dias.Downloads
Não há dados estatísticos.
Referências
Aparecido, L. E. de O., Rolim, G. de S., Richetti, J., Souza, P. S. de, & Johann, J. A. (2016). Köppen, Thornthwaite and Camargo climate classifications for climatic zoning in the State of Paraná, Brazil. Ciência e Agrotecnologia, 40(4), 405-417. doi: 10.1590/1413-70542016404003916
Becker, W. R., Johann, J. A., Richetti, J., & Silva, L. C. de A. (2017). Data mining techniques for separation of summer crop based on satellite images. Engenharia Agrícola, 37(4), 750-759. doi: 10.1590/1809-4430-eng.agric.v37n4p750-759/2017
Cima, E. G., Uribe-Opazo, M. A., Johann, J. A., Rocha, W. F. da, Jr., & Dalposso, G. H. (2018). Analysis of spatial autocorrelation of grain production and agricultural storage in Paraná. Engenharia Agrícola, 38(3), 395-402. doi: 10.1590/1809-4430-eng.agric.v38n3p395-402/2018
Companhia Nacional de Abastecimento (2019). Acompanhamento da Safra Brasileira de Grãos - Safra 2019/20 - Terceiro Levantamento. Brasília. Recuperado de http//www.conab.gov.br/info-agro/safras/ grãos/boletim-da-safra-de-graos/item/download/29866_571b1bb20d986efd905ef7f 689141329
Eklundh, L., & Jönsson, P. (2015). TIMESAT: a software package for time-series processing and assessment of vegetation dynamics. In C. Kuenzer, S. Dech, & W. Wagner (Eds.), Remote sensing time series - revealing land surface dynamics (pp. 141-158). Lund: Springer International Publishing.
Grzegozewski, D. M., Johann, J. A., Uribe-Opazo, M. A., Mercante, E., & Coutinho, A. C. (2016). Mapping soya bean and corn crops in the State of Paraná, Brazil, using EVI images from the MODIS sensor. International Journal of Remote Sensing, 37(6), 1257-1275. doi: 10.1080/01431161.2016.1148285
Instituto Brasileiro de Geografia e Estatística. (2002). Pesquisa Agropecuária. (Vol. 6). Recuperado de ftp://ftp.ibge.gov.br/Producao_Agricola/Producao_da_Extracao_Vegetal_e_da_Silvicultura_[anual]/ Metodologia_da_Pesquisa/PesquisasAgropecuarias. pdf
Johann, J. A., Becker, W. R., Uribe-Opazo, M. A., & Mercante, E. (2016). Estimating soybean development stages in Paraná State - Brazil through orbital modis images. Engenharia Agrícola, 36(1), 126-142. doi: 10.1590/1809-4430-Eng.Agric.v36n1p126-142/2016
Johann, J. A., Rocha, J. V., Duft, D. G., & Lamparelli, R. A. C. (2012). Estimation of Summer Crop Areas in the State of Paraná, Brazil, Using Multitemporal EVI/Modis Images. Pesquisa Agropecuária Brasileira, 47(9), 1295–1306. doi: 10.1590/S0100-204X2012000900015
Mathison, C., Deva, C., Falloon, P., & Challinor, A. J. (2018). Estimating sowing and harvest dates based on the Asian summer monsoon. Earth System Dynamics, 9(2), 563-592. doi: 10.5194/esd-9-563-2018
Ren, J., Campbell, J., & Shao, Y. (2017). Estimation of SOS and EOS for Midwestern US corn and soybean crops. Remote Sensing, 9(7), 722. doi: 10.3390/rs9070722
Richetti, J., Judge, J., Boote, K. J., Johann, J. A., Uribe-Opazo, M. A., Becker, W. R.,… Silva, L. C. de A. (2018). Using phenology-based enhanced vegetation index and machine learning for soybean yield estimation in Paraná State, Brazil. Journal of Applied Remote Sensing, 12(02), 1. doi: 10.1117/1. JRS.12.026029
Secretaria da Agricultura e do Abastecimento/Departamento de Economia Rural (2019). Divisão de Estatísticas Básicas - DEB. Recuperado de http://www.agricultura.pr.gov.br/deral/safras
Souza, C. H. W. de, Mercante, E., Johann, J. A., Lamparelli, R. A. C., & Uribe-Opazo, M. A. (2015). Mapping and discrimination of soya bean and corn crops using spectro-temporal profiles of vegetation indices. International Journal of Remote Sensing, 36(7), 1809-1824. doi: 10.1080/01431161.2015. 1026956
Terler, G., Gruber, L., & Knaus, W. F. (2017). Effect of variety and harvest date on nutritive value and ruminal degradability of ensiled maize ears. Archives of Animal Nutrition, 71(5), 333-346. doi: 10.1080/ 1745039X.2017.1358537
United States Departament of Agriculture. (2019). World Agricultural Production. 19(12). Retrieved from https://apps.fas.usda.gov/psdonline/circulars/production.pdf.
Wardlow, B. D., Kastens, J. H., & Egbert, S. L. (2006). Using USDA crop progress data for the evaluation of greenup onset date calculated from MODIS 250-Meter Data. Photogrammetric Engineering & Remote Sensing, 72(11), 1225-1234. doi: 10.14358/PERS.72.11.1225
Becker, W. R., Johann, J. A., Richetti, J., & Silva, L. C. de A. (2017). Data mining techniques for separation of summer crop based on satellite images. Engenharia Agrícola, 37(4), 750-759. doi: 10.1590/1809-4430-eng.agric.v37n4p750-759/2017
Cima, E. G., Uribe-Opazo, M. A., Johann, J. A., Rocha, W. F. da, Jr., & Dalposso, G. H. (2018). Analysis of spatial autocorrelation of grain production and agricultural storage in Paraná. Engenharia Agrícola, 38(3), 395-402. doi: 10.1590/1809-4430-eng.agric.v38n3p395-402/2018
Companhia Nacional de Abastecimento (2019). Acompanhamento da Safra Brasileira de Grãos - Safra 2019/20 - Terceiro Levantamento. Brasília. Recuperado de http//www.conab.gov.br/info-agro/safras/ grãos/boletim-da-safra-de-graos/item/download/29866_571b1bb20d986efd905ef7f 689141329
Eklundh, L., & Jönsson, P. (2015). TIMESAT: a software package for time-series processing and assessment of vegetation dynamics. In C. Kuenzer, S. Dech, & W. Wagner (Eds.), Remote sensing time series - revealing land surface dynamics (pp. 141-158). Lund: Springer International Publishing.
Grzegozewski, D. M., Johann, J. A., Uribe-Opazo, M. A., Mercante, E., & Coutinho, A. C. (2016). Mapping soya bean and corn crops in the State of Paraná, Brazil, using EVI images from the MODIS sensor. International Journal of Remote Sensing, 37(6), 1257-1275. doi: 10.1080/01431161.2016.1148285
Instituto Brasileiro de Geografia e Estatística. (2002). Pesquisa Agropecuária. (Vol. 6). Recuperado de ftp://ftp.ibge.gov.br/Producao_Agricola/Producao_da_Extracao_Vegetal_e_da_Silvicultura_[anual]/ Metodologia_da_Pesquisa/PesquisasAgropecuarias. pdf
Johann, J. A., Becker, W. R., Uribe-Opazo, M. A., & Mercante, E. (2016). Estimating soybean development stages in Paraná State - Brazil through orbital modis images. Engenharia Agrícola, 36(1), 126-142. doi: 10.1590/1809-4430-Eng.Agric.v36n1p126-142/2016
Johann, J. A., Rocha, J. V., Duft, D. G., & Lamparelli, R. A. C. (2012). Estimation of Summer Crop Areas in the State of Paraná, Brazil, Using Multitemporal EVI/Modis Images. Pesquisa Agropecuária Brasileira, 47(9), 1295–1306. doi: 10.1590/S0100-204X2012000900015
Mathison, C., Deva, C., Falloon, P., & Challinor, A. J. (2018). Estimating sowing and harvest dates based on the Asian summer monsoon. Earth System Dynamics, 9(2), 563-592. doi: 10.5194/esd-9-563-2018
Ren, J., Campbell, J., & Shao, Y. (2017). Estimation of SOS and EOS for Midwestern US corn and soybean crops. Remote Sensing, 9(7), 722. doi: 10.3390/rs9070722
Richetti, J., Judge, J., Boote, K. J., Johann, J. A., Uribe-Opazo, M. A., Becker, W. R.,… Silva, L. C. de A. (2018). Using phenology-based enhanced vegetation index and machine learning for soybean yield estimation in Paraná State, Brazil. Journal of Applied Remote Sensing, 12(02), 1. doi: 10.1117/1. JRS.12.026029
Secretaria da Agricultura e do Abastecimento/Departamento de Economia Rural (2019). Divisão de Estatísticas Básicas - DEB. Recuperado de http://www.agricultura.pr.gov.br/deral/safras
Souza, C. H. W. de, Mercante, E., Johann, J. A., Lamparelli, R. A. C., & Uribe-Opazo, M. A. (2015). Mapping and discrimination of soya bean and corn crops using spectro-temporal profiles of vegetation indices. International Journal of Remote Sensing, 36(7), 1809-1824. doi: 10.1080/01431161.2015. 1026956
Terler, G., Gruber, L., & Knaus, W. F. (2017). Effect of variety and harvest date on nutritive value and ruminal degradability of ensiled maize ears. Archives of Animal Nutrition, 71(5), 333-346. doi: 10.1080/ 1745039X.2017.1358537
United States Departament of Agriculture. (2019). World Agricultural Production. 19(12). Retrieved from https://apps.fas.usda.gov/psdonline/circulars/production.pdf.
Wardlow, B. D., Kastens, J. H., & Egbert, S. L. (2006). Using USDA crop progress data for the evaluation of greenup onset date calculated from MODIS 250-Meter Data. Photogrammetric Engineering & Remote Sensing, 72(11), 1225-1234. doi: 10.14358/PERS.72.11.1225
Downloads
Publicado
2020-08-07
Como Citar
Becker, W. R., Richetti, J., Mercante, E., Esquerdo, J. C. D. M., Silva Junior, C. A. da, Paludo, A., & Johann, J. A. (2020). Calendário agrícola de soja e milho baseado em imagens de satélite de moderada resolução para o sul do Brasil. Semina: Ciências Agrárias, 41(5supl1), 2419–2428. https://doi.org/10.5433/1679-0359.2020v41n5supl1p2419
Edição
Seção
Comunicações
Licença
Copyright (c) 2020 Semina: Ciências Agrárias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Semina: Ciências Agrárias adota para suas publicações a licença CC-BY-NC, sendo os direitos autorais do autor, em casos de republicação recomendamos aos autores a indicação de primeira publicação nesta revista.
Esta licença permite copiar e redistribuir o material em qualquer meio ou formato, remixar, transformar e desenvolver o material, desde que não seja para fins comerciais. E deve-se atribuir o devido crédito ao criador.
As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores. Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário.
