| Summary: | O Brasil é um dos líderes mundiais na produção e exportação de vários produtos agropecuários, sendo o maior produtor e exportador de açúcar e álcool do mundo. O Estado de São Paulo é responsável por aproximadamente 60% de toda produção nacional de cana, álcool e açúcar e por 70% das exportações. No atual mercado globalizado é grande a demanda por informações confiáveis e objetivas sobre a quantidade de matéria prima disponível para a produção de açúcar e álcool, uma vez que isto afeta diretamente a cotação destes produtos na bolsa de valores. Em adição, informações sobre o modo de colheita da cana (com queima ou sem queima - cana crua) ganham importância no contexto ambiental. O sensoriamento remoto, associado às técnicas de geoinformação, tem um grande potencial para monitorar a atividade canavieira e fornecer informações confiáveis e objetivas sobre área colhida e o modo de colheita. Levando em consideração que a cultura da cana-de-açúcar possui características favoráveis à sua identificação, mapeamento e monitoramento em imagens de satélites, o uso do sensor MODIS para estimativa de área de cana colhida ao longo da safra torna-se uma opção válida. Esta hipótese está baseada na distribuição gratuita das imagens do sensor MODIS, que apresenta alta resolução temporal, maximizando a probabilidade de se obter imagens livres de nuvens. Desta forma, este trabalho teve como objetivo desenvolver uma metodologia operacional com o uso destas imagens aplicada no Estado de São Paulo, a fim de fornecer informações objetivas sobre a atividade de colheita. Para cumprir tal objetivo, foram testadas diferentes técnicas de processamento de imagens, i.e, modelo linear de mistura espectral, álgebra de imagens e uso de índice de vegetação (NDVI) com o intuito de apontar as vantagens e as limitações de cada técnica para estimativa de área de cana colhida. Estas técnicas foram aplicadas sobre composições multitemporais de NDVI (MOD13Q1), composições desenvolvidas para detecção do corte da cana (MODCSH) e imagens diárias. Para validação das estimativas foram utilizados imagens de sensores de média resolução espacial (Landsat-5 e CBERS-2) e dados de campo provenientes de uma usina sucroalcooleira. Os melhores resultados da estimativa de área foram obtidos com a subtração entre as composições MODCSH que estimou 95,2% da área de referência e obteve a melhor precisão temporal (R = 0,95; para regressão entre as datas de colheita referência e as datas de colheita estimadas). Foi possível identificar o modo de colheita da cana por meio da aplicação do modelo linear de mistura espectral sobre as imagens de reflectância diárias MODIS. Por fim, a metodologia apresentada, com o uso das imagens MODIS, possibilitou o monitoramento da colheita da cana-de-açúcar. === Brazil is among the world leaders in producing and exporting several agricultural products and is the largest producer and exporter of sugar and alcohol. The State of São Paulo is responsible for approximately 60% of the entire national production of cane, alcohol and sugar and for 70% of the exportations. In the current globalized market there is a great demand for reliable and objective information on the amount of raw material available to sugar and alcohol production, since this affects directly the quotation of theses products in stock exchange. In addition, information about the type of harvest (with burning or without burning raw cane) is relevant to the environmental. Remote sensing techniques associated to GIS technology have a great potential to monitor the sugarcane harvest activity and provide reliable and objective information not only on the amount of harvested area but also on the type of harvest. Considering that the sugarcane crop has several favorable characteristics to be identified, mapped and monitored through remote sensing satellite images it seems that free of charge MODIS images are a promising alternative to monitor the sugarcane harvest activity. This hypothesis is based on the high temporal resolution of the MODIS images which maximizes the chance of obtaining cloud free images. Therefore, the objective of this work was to develop an operational procedure using MODIS images in São Paulo State in order to provide objective information about the sugarcane harvest activity. To achieve this objective different image processing techniques were tested, i.e., linear spectral mixture model, image algebra and the use of vegetation index (NDVI) with the intention to point out advantages and disadvantages of each technique to estimate sugarcane harvested area. These techniques were applied over multitemporal compositions of NDVI (MOD13Q1), compositions developed to detect the type of harvest (MODCSH) and daily reflectance images. To validate the estimates medium spatial resolution images were used (Landsat-5 and CBERS-2) and field data provided by a sugar and alcohol Plant. Best results of area estimates were obtained with the subtraction between the MODCSH compositions which estimated 95.2% of the reference area and achieved best temporal precision (R=0.95; for the regression between dates of reference and harvested estimates). It was possible to estimate the type of sugarcane harvest applying linear spectral mixture model over the daily reflectance MODIS images. Finally, the presented methodology, with the use of MODIS images, allowed to monitoring the harvest activity of the sugarcane crop.
|
|---|
