Integración de imágenes multitemporal y multisensores para mapeo de café con google earth engine
DOI:
https://doi.org/10.5418/ra2025.v21i44.19756Palabras clave:
Café, GEE, Landsat 8, Sentinel-2, Sentinel-1Resumen
Esta investigación investigó la integración de imágenes Landsat 8, Sentinel-2 y Sentinel-1 con índices de vegetación (NDVI, EVI, SAVI y NDWI). Se compararon dos áreas de estudio: la región del Média Mogiana y el municipio de Espirito Santo do Pinhal, ambos ubicados en el estado de São Paulo. Se adoptó la característica bienal de la producción de café para definir los ciclos de análisis (de 2017 a 2023). La selección de imágenes, creación de índices, clasificación (Random Forest) y verificación de precisión se realizaron en la plataforma de procesamiento en la nube Google Earth Engine. Los resultados resaltaron la relevancia de integrar imágenes multitemporales y multisensores para las clasificaciones de uso y ocupación de la tierra, con una precisión global del 90,2% y, para el mapeo del café, con una precisión del productor del 91%, lo que indica pocas omisiones de las áreas de plantación para este cultivo.
Descargas
Citas
ABIC, Associação Brasileira da Indústria de Café. Estatísticas. Disponível em: https://estatisticas.abic.com.br/. Acesso em: jan. 2024.
ADRIAN, Jarrett; SAGAN, Vasit; MAIMAITIJIANG, Maitiniyazi. Sentinel SAR-optical fusion for crop type mapping using deep learning and Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing. V. 175, 215–235, 2021. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0924271621000599. Acesso em: dez. 2024. DOI: https://doi.org/10.1016/j.isprsjprs.2021.02.018
CAMARGO, Ângelo Paes de.; CAMARGO, Marcelo Bento Paes de. Definição e esquematização das fases fenológicas do cafeeiro arábica nas condições tropicais do Brasil. Bragantina, V. 60, n. 1, 65–68, 2001. DOI: https://doi.org/10.1590/S0006-87052001000100008
CHAVES, Michel E. D.; PICOLI, Michelle C. A.; SANCHES, Ieda D. Recent Applications of Landsat 8/OLI and Sentinel-2/MSI for Land Use and Land Cover Mapping: A Systematic Review. Remote Sens. V. 12 (18), 3062, 2020. Disponível em: https://www.mdpi.com/2072-4292/12/18/3062. Acesso em: dez. 2024. DOI: https://doi.org/10.3390/rs12183062
CHEMURA, Abel; MUTANGA, Onisimo. Developing detailed age-specific thematic maps for coffee (Coffea arabica L.) in heterogeneous agricultural landscapes using random forests applied on Landsat 8 multispectral sensor. Geocarto International, 32: 759–776, 2017. Disponível em: https://doi.org/10.1080/10106049.2016.1178812. Acesso em: jan. 2021. DOI: https://doi.org/10.1080/10106049.2016.1178812
CHEMURA, Abel; MUTANGA, Onisimo; ODINDI, John; KUTYWAYO, Dumisani. Mapping spatial variability of foliar nitrogen in coffee (Coffea arabica L.) plantations with multispectral Sentinel-2 MSI data. ISPRS Journal of Photogrammetry and Remote Sensing, V.138, 1–11, 2018. Disponível em: https://doi.org/10.1016/j.isprsjprs.2018.02.004. Acesso em: jan. 2021. DOI: https://doi.org/10.1016/j.isprsjprs.2018.02.004
CIIAGRO, Centro Integrado de Informações Agrometeorológicas. Aptidão Ecológica da Cultura do Café. Disponível em: https://www.ciiagro.sp.gov.br/zoneamento/cafe.htm. Acesso em: jan. 2024.
CONAB, Companhia Nacional de Abastecimento. Safra Brasileira de Café. Disponível em: https://www.conab.gov.br/info-agro/safras/cafe. Acesso em: jan. 2024.
CORDERO-SANCHO, S., SADER, S.A. Spectral analysis and classification accuracy of coffee crops using Landsat and a topographic-environmental model. International Journal of Remote Sensing, V. 28 (7), 1577–1593, 2007. Disponível em: https://doi.org/10.1080/01431160600887680. Acesso em: jan. 2021. DOI: https://doi.org/10.1080/01431160600887680
EMBRAPA, Empresa Brasileira de Pesquisa Agropecuária. Unidade Embrapa Café. Disponível em: https://www.embrapa.br/cafe. Acesso em: jan. 2024.
ERMIDA, Sofia L.; SOARES, Patrícia.; MANTAS, Vasco.; GÖTTSCHE, Frank-M.; TRIGO, Isabel F. Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series. Remote Sens. V.12 (9), 1471, 2020. Disponível em: https://doi.org/10.3390/rs12091471. Acesso em: jan. 2023. DOI: https://doi.org/10.3390/rs12091471
ESCOBAR-LÓPEZ, Agustín; CASTILLO-SANTIAGO, Miguel Ángel; MAS, Jean F.; HERNÁNDEZ-STEFANONI, José Luis; LÓPEZ-MARTÍNEZ, Jorge Omar. Identification of coffee agroforestry systems using remote sensing data: a review of methods and sensor data, Geocarto International, V 39:1, 2297555, 2024. Disponível em: https://doi.org/10.1080/10106049.2023.2297555. Acesso em: dez. 2024. DOI: https://doi.org/10.1080/10106049.2023.2297555
HUNT, David A.; TABOR, Karyn; HEWSON, Jennifer H.; WOOD, Margot A.; REYMONDIN, Louis; KOENIG, Kellee; SCHMITT-HARSH, Mikaela; FOLLETT, Forrest. Review of Remote Sensing methods to map coffee production systems. Remote Sens, V. 12 (18), 2041, 2020. Disponível em: https://www.mdpi.com/2072-4292/12/12/2041. Acesso em: jan. 2023. DOI: https://doi.org/10.3390/rs12122041
IBGE, Instituto Brasileiro de Geografia e Estatística. IBGE Cidades. Disponível em: https://cidades.ibge.gov.br/. Acesso em: abril 2022.
IOC, International Coffee Organization. Coffee Market Report. Disponível em: https://ico.org/#. Acesso em: jan. 2024.
KAUTH, R.J.; THOMAS, G.S. The Tasseled Cap—A graphic description of the spectral-temporal development of agricultural crops as seen by Landsat. In LARS symposia, p. 159, 1976.
KAWAKUBO, Fernando Shinji; PEREZ MACHADO, Reinaldo Paul. Mapping coffee crops in southeastern Brazil using spectral mixture analysis and data mining classification. International Journal of Remote Sensing, V. 37, 14, 3414–3436. 2016. Disponível em: https://doi.org/10.1080/01431161.2016.1201226. Acesso em: jan. 2021. DOI: https://doi.org/10.1080/01431161.2016.1201226
KELLEY, Lisa C.; PITCHER, Lincoln; BACON, Chris. Using Google Earth Engine to Map Complex Shade-Grown Coffee Landscapes in Northern Nicaragua. Remote Sens, 10 (16) 952, 2018. Disponível em: https://www.mdpi.com/2072-4292/10/6/952. Acesso em: jan. 2021. DOI: https://doi.org/10.3390/rs10060952
LAMPARELLI, Rubens A C; NERY, Luiz; ROCHA; JANSLE ,V. Coffee crop mapping using principal component analysis and illumination factor for complex relief. Topografia, Fotogrametria e Sensoriamento Remoto, Engenharia Agrícola, V.31 (3), 2011. Disponível em: https://doi.org/10.1590/S0100-69162011000300018. Acesso em: jan. 2023. DOI: https://doi.org/10.1590/S0100-69162011000300018
MALAVOLTA, E.; HAAG, H. P.; MELLO, F. A. F.; BRASIL SOBRINHO, M. O. C. Nutrição mineral e adubação do cafeeiro. Nutrição mineral e adubação de plantas cultivadas. São Paulo: Pioneira, 1974.
MANOEL, Maria Cecilia; ROSA, Marcos Reis; QUEIROZ, Alfredo Pereira de. Analysis of the Biennial Productivity of Arabica Coffee with Google Earth Engine in the Northeast Region of São Paulo, Brazil. Remote Sens, V.16(20), 3833. 2024. Disponível em: https://doi.org/10.3390/rs16203833. Acesso em: jan. 2025. DOI: https://doi.org/10.3390/rs16203833
MARTELLO, Maurício; MOLIN, José Paulo; WEI, Marcelo Chan Fu; CANAL FILHO, Ricardo; NICOLETTI, João Vitor Moreira. Coffee-Yield Estimation Using High-Resolution Time-Series Satellite Images and Machine Learning. AgriEngineering, V. 4(4), 888-902, 2022. Disponível em: https://doi.org/10.3390/agriengineering4040057. Acesso em: dez. 2024. DOI: https://doi.org/10.3390/agriengineering4040057
MARTINS, Roberto Vasconcelos. Divino Espírito Santo e Nossa Senhora das Dores do Pinhal – História de Espírito Santo do Pinhal. Ribeirão Preto: Impressora Latina Ltda, 1986.
MASKELL, Gina; CHEMURA, Abel; NGUYEN, Huong; GORNOTT, Christoph; MONDAL, Pinki. Integration of Sentinel optical and radar data for mapping smallholder coffee production systems in Vietnam. Remote Sensing of Environment, V. 266, 112709, 2021. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0034425721004296. Acesso em: dez. 2021. DOI: https://doi.org/10.1016/j.rse.2021.112709
MOREIRA, Cassio Franco. Sustentabilidade de sistemas de produção de café sombreado orgânico e convencional. Tese de Doutorado - Ecologia Aplicada, Universidade de São Paulo, Piracicaba, 2009. Disponível em: https://doi.org/10.11606/T.91.2009.tde-22052009-151446. Acesso em: jan. 2021. DOI: https://doi.org/10.11606/T.91.2009.tde-22052009-151446
MUKASHEMA, A.; VELDKAMP, Antonie; VRIELING, Anton. Automated high resolution mapping of coffee in Rwanda using an expert Bayesian network. V. 33(1), 331–340, 2014. Acesso em: jan. 2021. DOI: https://doi.org/10.1016/j.jag.2014.05.005
NUMBISI, Frederick N.; COILLIE, Frieke M. B. Van; WULF, Robert De. Delineation of Cocoa Agroforests Using Multiseason Sentinel-1 SAR Images: A Low Grey Level Range Reduces Uncertainties in GLCM Texture-Based Mapping. ISPRS Int. J. Geo-Inf. V.8(4), 179, 2019. Disponível em: https://www.mdpi.com/2220-9964/8/4/179. Acesso em: dez. 2024. DOI: https://doi.org/10.3390/ijgi8040179
OLIVEIRA, J.; CAMARGO, M.; ROSSI, M.; CALDERANO FILHO, B. Mapa Pedológico do Estado de São Paulo. Congresso Brasileiro de Ciência do Solo- Brasília, 27, 1999.
OLOFSSON, P.; FOODY, G.M.; HEROLD, M.; STEHMAN, S.V.; WOODCOCK, C.E.; WULDER, M.A. Good practices for estimating area and assessing the accuracy of land change. Remote Sensing of Environment, V. 148, 42–57, 2014. DOI: https://doi.org/10.1016/j.rse.2014.02.015
ORTEGA-HUERTA, Miguel Alfonso; KOMAR, Oliver; PRICE, Kevin; VENTURA Hugo J. Mapping coffee plantations with Landsat imagery: an example from El Salvador. International Journal of Remote Sensing, V. 33(1), 220–242. 2011. Disponível em: https://doi.org/10.1080/01431161.2011.591442. Acesso em: jan. 2021. DOI: https://doi.org/10.1080/01431161.2011.591442
PEREIRA, Antônio Roberto; ANGELOCCI, Luiz Roberto; SENTELHAS, Paulo César. Agrometeorologia: Fundamentos e aplicações práticas. Guaíba: Agropecuária, 2002.
PHIRI, Darius; SIMWANDA, Matamyo; SALEKIN, Serajis; NYIRENDA, Vincent R.; MURAYAMA, Yuji; RANAGALAGE, Manjula. Sentinel-2 Data for Land Cover/Use Mapping: A Review. Remote Sens. V. 12(14), 2291, 2020.Disponível em: https://www.mdpi.com/2072-4292/12/14/2291. Acesso em: dez. 2024. DOI: https://doi.org/10.3390/rs12142291
ROSS, Jurandyr Luciano Sanches; MOROZ, Isabel Cristina. Mapa Geomorfológico do estado de São Paulo. Revista do Departamento de Geografia, V.10, 1996. Disponível em: https://doi.org/10.7154/RDG.1996.0010.0004. Acesso em: jan. 2021. DOI: https://doi.org/10.7154/RDG.1996.0010.0004
SUN, Chuanliang; BIAN, Yan; ZHOU, Tao; PAN, Jianjun. Using of Multi-Source and Multi-Temporal Remote Sensing Data Improves Crop-Type Mapping in the Subtropical Agriculture Region. Sensors, V. 19 (10), 2401, 2019. Disponível em: https://www.mdpi.com/1424-8220/19/10/2401. Acesso em: dez. 2024. DOI: https://doi.org/10.3390/s19102401
TAMIMINIA, Haifa; SALEHI, Bahram; MAHDIANPARI, Masoud; QUACKENBUSH, Lindi; ADELI, Sarina; BRISCO, Brian. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing. V. 164, 152-170, 2020. Disponível em: https://doi.org/10.1016/j.isprsjprs.2020.04.001. Acesso em: dez. 2024. DOI: https://doi.org/10.1016/j.isprsjprs.2020.04.001
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Autores que publicam nesta revista concordam com os seguintes termos:Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Atribuição-NãoComercial-CompartilhaIgual 3.0 Brasil que permitindo o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre em http://opcit.eprints.org/oacitation-biblio.html.)
Authors who publish with this journal agree to the following terms:
Authors retain copyrights and grant the Journal the right of first publication with the work simultaneously licensed under a Creative Commons Atribuição-NãoComercial-CompartilhaIgual 3.0 Brasil that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this Journal.
Authors are permitted to enter into separate, additional contractual arrangements for the non-exclusive distribution of the Journal's published version of the work (e.g., post it to an institutional repository or in a book chapter), with an acknowledgement of authorship and initial publication in this journal.
Authors are permitted and encouraged to publish and share their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as increase the impact and citation of published work (See The Effect of Open Access - http://opcit.eprints.org/oacitation-biblio.html.)
