Palavras-chave
Sensoriamento remoto
Cerrado
Monitoramento agr´ícola
Como Citar
Dados de financiamento
-
Fundação de Amparo à Pesquisa do Estado de São Paulo
Números do Financiamento 2019/26222-6 -
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Números do Financiamento 001
Resumo
Este trabalho teve, como objetivo, avaliar a forte expansão de sistemas de irrigação por pivôs centrais (SIPCs) no município paulista de Casa Branca, entre 1985 e 2019, por meio da análise da dinâmica espaço-temporal da produção agrícola, além dos possíveis impactos ambientais e do papel do sensoriamento remoto no seu monitoramento. Neste período, Casa Branca tornou-se o segundo município do Brasil com maior área relativa ocupada por SIPCs, consolidando-se como o mais relevante dentre os municípios do Polo Nacional de Irrigação Vertentes do Rio Pardo e Mogi-Guaçu (PRPMG). A expansão dos SIPCs ocorreu sobre áreas anteriormente ocupadas por lavouras de sequeiro e pastagens, sem supressão da vegetação nativa. Houve aumento expressivo da produção e no portfólio de lavouras temporárias, desconcentração das terras, com aumento no número de estabelecimentos rurais de menor área, e consolidação de Casa Branca como um município de agricultura de elevada diversificação. No entanto, o município também é o maior usuário de recursos hídricos da Bacia Hidrográfica do Rio Pardo. Considerando-se os impactos ambientais associados à prática intensiva da irrigação, com implicações diretas nas mudanças climáticas, o monitoramento da sua dinâmica agrícola é crucial para a sustentabilidade ambiental e econômica. Nesse sentido, estudos mostraram que o sensoriamento remoto, ao aliar imagens de satélite a técnicas de aprendizado de máquina ou aprendizado profundo, é uma ferramenta adequada para detecção e mapeamento da dinâmica de sistemas irrigados de produção, beneficiando estratégias de monitoramento de práticas agrícolas que visam maior eficiência e sustentabilidade na agricultura, tais como as de Mensuração, Reportagem/Relato e Verificação (MRV).
Referências
Acharya, P., Ghimire, R., Paye, W.S., Ganguli, A. C., & DelGrosso, S. J. (2022). Net greenhouse gas balance with cover crops in semi-arid irrigated cropping systems. Scientific Reports, 12, 12386. https://doi.org/10.1038/s41598-022-16719-w.
Agência Nacional de Águas (ANA). (2021, fevereiro). Atlas Irrigação 2021: Uso da Água na Agricultura Irrigada (2ª edição). https://metadados.snirh.gov.br/geonetwork/srv/api/records/1b19cbb4-10fa-4be4-96db-b3dcd8975db0.
Agência Nacional de Águas (ANA). (2023, janeiro). Agricultura Irrigada por Pivôs Centrais no Brasil. https://metadados.snirh.gov.br/geonetwork/srv/api/records/e2d38e3f-5e62-41ad-87ab-990490841073.
Albuquerque, A. O., Carvalho Jr., O. A., Carvalho, O. L. F., Bem, P. P., Ferreira, P. H. G., Moura, R. S., Silva, C. R. S., Gomes, R. A. T., & Guimarães, R. F. (2020). Deep semantic segmentation of center pivot irrigation systems from remotely sensed data. Remote Sensing, 12(13), 2159. https://doi.org/10.3390/rs12132159.
Albuquerque, A. O., Carvalho, O. L. F., Silva, C. R., Bem, P. P., Gomes, R. A. T. & Borges, D. L. (2021). Instance segmentation of center pivot irrigation systems using multi-temporal SENTINEL-1 SAR images. Remote Sensing Applications: Society and Environment, 12, 100537. https://doi.org/10.1016/j.rsase.2021.100537.
Alvares, C. A., Stape, J. L., Sentelhas, P. C., Gonçalves, J. L. M., & Spavorek, G. (2013). Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, 22(6), 711-728. https://doi.org/10.1127/0941-2948/2013/0507.
Amaral, A. M. C., Reis, F. A. G. V., Giordano, L. C., Corrêa, C. V. S., Chaves, C. J. (2015). Compartimentação fisiográfica pela análise integrada: estudo de caso no município de Casa Branca (SP). Geologia USP. Série Científica, 15(1), 15-28. http://dx.doi.org/10.11606/issn.2316-9095.v15i1p15-28.
Angnes, G., Diotto, A.V., Rodias, E., & Romanelli, T. L. (2023). Water and Carbon Footprints of Biomass Production Assets: Drip and Center Pivot Irrigation Systems. Sustainability, 15, 8199. https://doi.org/10.3390/su15108199.
Bendini, H. N., Fonseca, L. M. G., Schwieder, M., Körtig, T. S., Rufin, P., Sanches, I. D., Leitão, P. J., & Hostert, P. (2019). Detailed agricultural land classification in the Brazilian cerrado based on phenological information from dense satellite image time series. International Journal of Applied Earth Observation and Geoinformation, v. 82, 101872, 2019. https://doi.org/10.1016/j.jag.2019.05.005.
Bolfe, É. L., Parreiras, T. C., Silva, L. A. P. d., Sano, E. E., Bettiol, G. M., Victoria, D. d. C., Sanches, I. D., & Vicente, L. E. (2023). Mapping Agricultural Intensification in the Brazilian Savanna: A Machine Learning Approach Using Harmonized Data from Landsat Sentinel-2. ISPRS International Journal of Geo-Information, 12(7), 263. https://doi.org/10.3390/ijgi12070263.
Cardozo, N. P., Bordonal, R. C., & La Scala Jr., N. (2016). Greenhouse gas emission estimate in sugarcane irrigation in Brazil: is it possible to reduce it, and still increase crop yield? Journal of Cleaner Production, 112, 3988-3997. http://dx.doi.org/10.1016/j.jclepro.2015.09.040.
Carvalho, O. L., Carvalho Jr., O. A., Albuquerque, A. O., Bem, P. P., Silva, C. R., Ferreira, P. H. G., Moura, R. S. et al. (2021). Instance segmentation for large, multi-channel remote sensing imagery using Mask-RCNN and a mosaicking approach. Remote Sensing, 13(1), 39. https://doi.org/10.3390/rs13010039.
Claverie, M., Ju, J., Masek, J. G., Dungan, J. L., Vermote, E. F., Roger, J. C., Skakun, S., & Justice, C. (2018). The Landsat and Sentinel-2 Surface reflectance data set. Remote Sensing of Environment, 219, 145-161. https://doi.org/10.1016/j.rse.2018.09.002.
Comitê da Bacia Hidrográfica do Rio Pardo. (2016). Relatório de situação dos recursos hídricos da bacia hidrográfica. https://drive.google.com/drive/folders/1e4-rEh2onvUiOtuR5dUeo-cKWZkUEFJV.
CPT – Comissão Pastoral da Terra. [2022). Conflitos, massacres e memórias das lutadoras e lutadores do Cerrado. https://www.cptnacional.org.br/publicacao/category/75-publicacoes-cerrado.
Ferreira, A. B. R., Pereira, G., Fonseca, B. M., & Silva Cardozo, F. (2021). As mudanças no uso e cobertura da terra na região oeste da Bahia a partir da expansão agrícola. Formação, 28(53), 389-412. https://doi.org/10.33081/formacao.v28i53.7871.
Grecchi, R. C., Beuchle, R., Shimabukuro, Y. E., & Seliger, R. (2014). Land use and land cover changes in the Brazilian Cerrado: A multidisciplinary approach to assess the impacts of agricultural expansion. Applied Geography, 55, 300-312. https://doi.org/10.1016/j.apgeog.2014.09.014.
Instituto Brasileiro de Geografia e Estatística (IBGE). (2023). Cidades e Estados. Casa Branca. https://www.ibge.gov.br/cidades-e-estados/sp/casa-branca.html.
Landau, D. P., & Guimarães, E. C. (2014). Levantamento da Agricultura Irrigada por Pivôs Centrais no Brasil em 2013. Embrapa. https://ainfo.cnptia.embrapa.br/digital/bitstream/item/118126/1/bol-106.pdf.
Levantamento censitário das unidades de produção agropecuária do Estado de São Paulo (LUPA). Dados consolidados municipais. (1996). Secretaria de Agricultura e Abastecimento. Governo do Estado de São Paulo. https://www.cati.sp.gov.br/projetolupa/dadosmunicipais9596.php.
Levantamento censitário das unidades de produção agropecuária do Estado de São Paulo (LUPA). Dados consolidados municipais. (2008). Secretaria de Agricultura e Abastecimento. Governo do Estado de São Paulo. https://www.cati.sp.gov.br/projetolupa/dadosmunicipais.php.
Levantamento censitário das unidades de produção agropecuária do Estado de São Paulo (LUPA). Dados consolidados municipais. (2017). Secretaria de Agricultura e Abastecimento. Governo do Estado de São Paulo. https://www.cati.sp.gov.br/projetolupa/dadosmunicipais1617.php.
Maraseni, T. N., & Cockfield, G. (2012). Agricultural Water Management, 103, 25-32. https://doi.org/10.1016/j.agwat.2011.10.014.
MapBiomas. Coleções MapBiomas. Coleção 8ª da Série Anual de Mapas de Cobertura e Uso da Terra do Brasil. (2023). https://brasil.mapbiomas.org/colecoes-mapbiomas/.
Ozdogan, M., Yang, Y., Allez, G., & Cervantes, C. (2010). Remote Sensing of Irrigated Agriculture: Opportunities and Challenges. Remote Sensing, 2(9), 2274-2304. https://doi.org/10.3390/rs2092274.
Parré, J. L., & Chagas, A. L. S. (2022). Determinants of agricultural diversification in Brazil: a spatial econometric analysis. Letters in Spatial and Resource Sciences, 15, 173-195. https://doi.org/10.1007/s12076-021-00295-0.
Parreiras, T. C., Bolfe, É. L., Chaves, M. E. D., Sanches, I. D., Sano, E. E., Victoria, D. d. C., Bettiol, G. M., & Vicente, L. E. (2022). Hierarchical Classification of Soybean in the Brazilian Savanna Based on Harmonized Landsat Sentinel Data. Remote Sensing, 14(15), 3736. https://doi.org/10.3390/rs14153736.
Perosa, B. B., Gurgel, A. C., Vicente, L. E., Vicente, A. K., & Spinelli-Araújo, L. (2019). Agricultura de Baixo Carbono no Brasil: potencialidade e desafios para construção de um sistema MRV. Anais do XIII Encontro Nacional da Sociedade Brasileira de Economia Ecológica, Campinas, Brasil, 13. https://www.alice.cnptia.embrapa.br/alice/bitstream/doc/1116505/1/VicenteAgriculturaCarbono2019.pdf.
Ratter, J. A., Ribeiro, J. F., & Bridgewater, S. (1997). The Brazilian cerrado vegetation and threats to its biodiversity. Annals of Botany, 80(3), 223-230. https://doi.org/10.1006/anbo.1997.0469.
Reis, F. A. G. V., Amaral, A. M. C., Giordano, L. C., Corrêa, C. V. S., & Chaves, C. J. (2018). Mapeamento geoambiental do município de Casa Branca (SP) como subsídio ao planejamento territorial. Geologia USP, 18(2), 29-44. https://doi.org/10.11606/issn.2316-9095.v18-133330.
Salmona, Y. B., Matricardi, E. A. T., Skole, D. L., Silva, J. F. A., Coelho Filho, O. A., Pedlowski, M. A., Sampaio, J. M., Castrillón, L. C. R., Brandão, R. A., Silva, A. L. et al. (2023). A Worrying Future for River Flows in the Brazilian Cerrado Provoked by Land Use and Climate Changes. Sustainability 15, 4251. https://doi.org/10.3390/su15054251.
Sambuichi, R. H. R., Galindo, E. P., Pereira, R. M., Constantino, M., & Rabetti, M. D. S. (2016). Diversidade da Produção nos Estabelecimentos da Agricultura Familiar no Brasil: 623 uma análise econométrica baseada no cadastro da Declaração de Aptidão ao Pronaf (DAP). In: Monasterio, L. M., Neri, M. C., & Soares, S. S. D. (Ed.). Brasil em desenvolvimento 2014: Estado, planejamento e políticas públicas. Ipea. https://www.ipea.gov.br/portal/images/stories/PDFs/TDs/td_2202.pdf.
Sano, E. E., Bolfe, É. L., Parreiras, T. C., Bettiol, G. M., Vicente, L. E., Sanches, I. D., & Victoria, D. d. C. (2023). Estimating Double Cropping Plantations in the Brazilian Cerrado through PlanetScope Monthly Mosaics. Land, 12(3), 581. https://doi.org/10.3390/land12030581.
Saraiva, M., Protas, E., Salgado, M., & Souza, C. (2020). Automatic mapping of center pivot irrigation systems from satellite images using Deep Learning. Remote Sensing, 12(3), 558. https://doi.org/10.3390/rs12030558.
Shah, K. K., Modi, B., Pandei, H. P., Subedi, A., Aryal, G., Pandey, M., & Shrestha, J. (2021). Diversified crop rotation: an approach for sustainable agriculture production. Advances in Agriculture, 2021, 8924087. https://doi.org/10.1155/2021/8924087.
Spinelli-Araújo, L., Vicente, L. E., Manzatto, C. V., Skorupa, L. A., Victoria, D. C., & Soares, A. R. (2019). AgroTag: um sistema de coleta, análise e compartilhamento de dados de campo para qualificação do uso e cobertura das terras no Brasil. (2019). In: Anais do XIX Simpósio Brasileiro de Sensoriamento Remoto, Santos SP, Brasil, 14-17 Abril 2019; INPE – Instituto Nacional de Pesquisas Espaciais: São José dos Campos SP, Brasil, 2019; pp. 451-454.
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2024 Taya Parreiras, Édson Bolfe, Edson Sano, Lucas Augusto Pereira da Silva
Downloads
