Keywords
Remote sensing
Cerrado
Agricultural monitoring
How to Cite
Funding data
-
Fundação de Amparo à Pesquisa do Estado de São Paulo
Grant numbers 2019/26222-6 -
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Grant numbers 001
Abstract
This work aimed to evaluate the expansion of center pivot irrigation systems (SIPCs) in the São Paulo municipality of Casa Branca, between 1985 and 2019, through the analysis of the space-time dynamics of agricultural production, in addition to the possible impacts on environments and the role of remote sensing in their monitoring. During this period, Casa Branca became the second municipality in Brazil with the largest relative area occupied by SIPCs, consolidating itself as the most relevant player from the National Pole of Irrigation Hillside of Rio Pardo and Mogi-Guaçu (PRPMG). The expansion of the SIPCs, over 13,000 hectares, took place over areas previously occupied by rainfed crops and pastures without removing native vegetation. There was a significant increase in production and portfolio of temporary crops, deconcentration of land with smaller rural establishments, and the consolidation of Casa Branca as a highly diversified agricultural municipality. However, it is also the largest user of water resources in the Pardo River Basin. Considering the environmental impacts associated with intensive irrigation, with direct implications for climate change, monitoring its agricultural dynamics is crucial for environmental and economic sustainability. In this sense, studies have shown that remote sensing by combining satellite images of medium spatial and temporal resolution with machine learning or deep learning techniques, is an adequate tool for detecting and mapping the dynamics of irrigated production systems, benefiting strategies of monitoring agricultural practices aimed at greater efficiency and sustainability in agriculture such as Measurement, Reporting/Reporting and Verification (MRV).
References
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.
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright (c) 2024 Taya Parreiras, Édson Bolfe, Edson Sano, Lucas Augusto Pereira da Silva
Downloads
