ABSTRACT Vegetation indices are widely used to monitor crop development and generally used as input data in models to forecast yield. The first step of this study consisted of using monthly Maximum Value Composites to create correlation maps using Enhanced Vegetation Index (EVI) from Moderate Resolution Imaging Spectroradiometer (MODIS) sensor mounted on Terra satellite and historical yield during the soybean crop cycle in Paraná State, Brazil, from 2000/2001 to 2010/2011. We compared the ability of forecasting crop yield based on correlation maps and crop specific masks. We ran a preliminary regression model to test its ability on yield estimation for four municipalities during the soybean growing season. A regression model was developed for both methodologies to forecast soybean crop yield using leave-one-out cross validation. The Root Mean Squared Error (RMSE) values in the implementation of the model ranged from 0.037 t ha−1 to 0.19 t ha−1 using correlation maps, while for crop specific masks, it varied from 0.21 t ha−1 to 0.35 t ha−1. The model was able to explain 96 % to 98 % of the variance in estimated yield from correlation maps, while it was able to explain only 2 % to 67 % for crop specific mask approach. The results showed that the correlation maps could be used to predict crop yield more effectively than crop specific masks. In addition, this method can provide an indication of soybean yield prior to harvesting.

Resumo O presente artigo busca apresentar os principais conceitos envolvendo um planejamento energético específico da palha da cana-de-açúcar. Ao longo do trabalho, procurou-se contextualizar o tema por meio de questões de sustentabilidade, considerada um dos principais indutores em direção à modernização da agroenergia. Considerando a palha da cana de açúcar, avaliou-se primeiramente sua disponibilidade envolvendo aspetos técnicos e econômicos, e posteriormente caracterizou-se a cadeia de produção da palha para energia. Como proposta para auxílio ao planejamento agroenergetico, apresentou-se algumas ferramentas espaciais que até então pouco têm sido utilizadas para planejamento energético no Brasil. Deste modo, trabalhando o potencial de palha para eletricidade associado à sua cadeia de produção, desenvolveu-se um modelo conceitual para se avaliar espacialmente esse sistema bioenergético. Utilizando o modelo proposto, foi possível descrever toda a cadeia de produção da palha para energia em um nível estadual, envolvendo o potencial que cada usina pode explorar, bem como os principais custos associados à sua aquisição, investimentos relacionados à rota de recuperação e em linhas de transmissão. Por meio dos conceitos abordados, acredita-se que análise espacial pode trazer importantes informações para planos de ação no âmbito agroenergético.

ABSTRACT The present study aims to present the main concepts of the sugarcane straw to energy planning. Throughout the study, the subject is contextualized highlighting broader aspects of sustainability, which is considered the main driver towards agro-energy modernization. Concerning sugarcane straw, we first evaluated its availability regarding technical and economic aspects, and then it summarized the straw production chain for energy supply purposes. As a proposal to support agro-energy planning, it is presented some spatial tools that have been barely used in the Brazilian energy planning context so far. Therefore, working on straw to electricity associated with supply chain basis, we developed a conceptual model to spatially assess this bioenergy system. Using the model proposed, it is described the whole supply chain at state level, which accounted the potential of a single mill to explore straw, as well as main costs associated with straw acquisition, investments on the straw recovery routes and electricity transmission. Bearing these concepts in mind, it is fully believed that spatial analysis can bring important information for agro-energy action plans.

Alguns modelos já foram desenvolvidos utilizando dados agrometeorológicos e de sensoriamento remoto para estimar produtividade agrícola. Porém, espera-se novos avanços no uso de imagens orbitais nos modelos de estimativa de produtividade, como a utilização de dados provenientes de sensores de radar de abertura sintética (SAR). O objetivo deste trabalho foi estimar a produtividade agrícola de cana-de-açúcar (Saccharum spp.) por meio de modelos de regressão linear múltipla que utilizam dados de radar do sensor PALSAR/ALOS e dados agronômicos, nas safras de 2007/2008, 2008/2009 e 2009/2010. O desempenho dos modelos foi avaliado por meio de coeficiente de determinação, teste t, índice d de Willmott, erro aleatório e erro-padrão. O modelo explicou 79%, 12% e 74% das variações de produtividade observadas nas safras de 2007/2008, 2008/2009 e 2009/2010, respectivamente. O desempenho do modelo para a safra de 2008/2009 foi ruim devido a um longo período de estiagem que ocorreu nessa safra. Quando as três safras foram consideradas juntas, o modelo explicou 66%. Este trabalho constatou que os dados PALSAR podem auxiliar e complementar as informações coletadas in loco pelos técnicos da usina para estimar com maior precisão a produtividade de cana-de-açúcar.

Some models have been developed using agrometeorological and remote sensing data to estimate agriculture production. However, it is expected that the use of SAR images can improve their performance. The main objective of this study was to estimate the sugarcane production using a multiple linear regression model which considers agronomic data and ALOS/PALSAR images obtained from 2007/08, 2008/09 and 2009/10 cropping seasons. The performance of models was evaluated by coefficient of determination, t-test, Willmott agreement index (d), random error and standard error. The model was able to explain 79%, 12% and 74% of the variation in the observed productions of the 2007/08, 2008/09 and 2009/10 cropping seasons, respectively. Performance of the model for the 2008/09 cropping season was poor because of the occurrence of a long period of drought in that season. When the three seasons were considered all together, the model explained 66% of the variation. Results showed that SAR-based yield prediction models can contribute and assist sugar mill technicians to improve such estimates.

No Brasil, uma das frentes de expansão do cultivo da cana-de-açúcar para atender à crescente demanda por biocombustíveis localiza-se no Estado de Goiás. O objetivo principal deste estudo foi identificar os municípios goianos onde houve substituição de culturas anuais (grãos) pela cana-de-açúcar, em Goiás, bem como indicar correlações entre a expansão da cana-de-açúcar e a produção agrícola familiar, no período compreendido entre 2005 e 2010. Para tanto, foi feito um cruzamento entre máscaras de grãos e de cana-de-açúcar obtidas a partir de imagens de satélites e técnicas de geoprocessamento. Também foram utilizados dados do IBGE de área plantada e produção de cana-de-açúcar, e dados de agricultura familiar (número de cooperativas e de agricultores familiares atendidos), vinculados ao Programa de Aquisição de Alimentos (PAA). As máscaras de culturas e as tabelas do PAA foram disponibilizadas pela Companhia Nacional de Abastecimento (Conab). Foram 95 municípios que apresentaram substituição de culturas, totalizando 281.554 hectares de grãos convertidos em cana-de-açúcar. Destacam-se os municípios de Santa Isabel, Iaciara, Maurilândia e Itapaci, onde essa mudança representou mais da metade de suas áreas agrícolas. Quanto à agricultura familiar, a expansão da cana-de-açúcar em Goiás não interferiu em suas atividades durante o período estudado.

In Brazil, the State of Goiás is one of sugarcane expansion's frontiers to meet the growing demand for biofuels. The objective of this study was to identify the municipalities where there were replacement of annual crops (mainly grains) by sugarcane in the state of Goiás, as well as indicate correlations between the sugarcane expansion and the family farming production, in the period between 2005 and 2010. For this purpose, grains crop mask and sugarcane crop mask, obtained from satellite images, were intersected using geoprocessing techniques. It was also used IBGE data of sugarcane production and planted area, and data of family farming production linked with the National Food Acquisition Program (PAA), in relation to the number of cooperatives and family farmers. The crops masks and data tables of the National Food Acquisition Program were provided by National Food Supply Agency. There were 95 municipalities that had crops replacement, totaling 281,554 hectares of grains converted to sugarcane. We highlight the municipalities of Santa Isabel, Iaciara, Maurilândia, and Itapaci, where this change represented more than half of their agricultural areas. In relation to family farming, the sugarcane expansion in the state of Goiás has not affected their activities during the period studied.

O conhecimento da influência da variabilidade climática no período entre o crescimento e a colheita da cana-de-açúcar é de grande importância, pois afeta diretamente a produtividade. O sensor MODIS, devido a sua resolução espacial e temporal, permite o monitoramento da variabilidade do vigor vegetativo na superfície terrestre e, por conseguinte, a geração de perfis temporais deste comportamento a partir de seus produtos. Dados agrometeorológicos obtidos pelo modelo ECMWF, além de gratuitos e de fácil acesso, apresentam boa representatividade da realidade. Neste trabalho, foram utilizados intervalos de crescimento e colheita obtidos pela seleção de perfis temporais de NDVI com comportamento de cana-de-açúcar no Estado de São Paulo. A partir destes, foram acumulados, dentro de cada período, a soma da precipitação pluvial, evapotranspiração de referência, radiação global e comprimento do período em dias. Além disso, foi feito o somatório de graus-dia da cana-de-açúcar. Todos os resultados foram apresentados em formato de mapa, na resolução espacial do sensor MODIS de 250 metros. A análise dos resultados mostrou que foi possível identificar a variabilidade espacial das variáveis climáticas e sua relação com a realidade apresentada por órgãos oficiais.

The climate variability between the growth and harvesting of sugar cane is very important because it directly affects yield. The MODIS sensor has characteristics like spatial and temporal resolution that can be applied to monitoring of vegetative vigor variability in the land surface and then, temporal profiles generation. Agro meteorological data from ECMWF model are free and easy to access and have a good representation of reality. In this study, we used the period between sugar cane growth and harvest in the state of Sao Paulo, Brazil, from temporal profiles selecting of NDVI behavior. For each period the precipitation, evapotranspiration, global radiation, length (days) and degree-days were accumulated. The periods were presented in a map format on MODIS spatial resolution of 250 meters. The results showed the spatial variability of climate variables and the relationship to the reality presented by official data.

A produção de café esteve intimamente ligada ao desenvolvimento econômico do Brasil e ainda hoje o café é um importante produto da agricultura nacional. O Estado de Minas Gerais responde atualmente por 52% de toda a área de café do Brasil. Dados de sensoriamento remoto podem fornecer informações para o monitoramento e o mapeamento de café de maneira mais rápida e menos onerosa do que os métodos convencionais. Nesse contexto, o objetivo deste trabalho foi avaliar a eficácia do mapeamento de áreas de café do município de Monte Santo de Minas-MG, a partir de imagens-fração derivadas do sensor MODIS, nas estações de estiagem e de chuva. Através do Modelo Linear de Mistura Espectral, foram derivadas imagens-fração de solo, café e água/sombra. Estas imagens-fração serviram como dados de entrada para a classificação automática supervisionada com o método SVM - Support Vector Machine. Os melhores resultados de Exatidão Global e Índice Kappa foram obtidos na classificação do período seco, sendo 67% e 0,41, respectivamente.

Coffee production was closely linked to the economic development of Brazil and, even today, coffee is an important product of the national agriculture. The State of Minas Gerais currently accounts for 52% of the whole coffee area in Brazil. Remote sensing data can provide information for monitoring and mapping of coffee crops, faster and cheaper than conventional methods. In this context, the objective of this study was to assess the effectiveness of coffee crop mapping in Monte Santo de Minas municipality, Minas Gerais State, Brazil, from fraction images derived from MODIS data, in both dry and rainy seasons. The Spectral Linear Mixing Model was used to derive fraction images of soil, coffee, and water/shade. These fraction images served as input data for the supervised automatic classification using the SVM - Support Vector Machine approach. The best results concerning Overall Accuracy and Kappa Index were obtained in the classification of the dry season, with 67% and 0.41, respectively.

O objetivo deste trabalho foi agrupar, por semelhança, perfis temporais do produto NDVI decendial, obtido pelo sensor SPOT Vegetation, para os municípios produtores de soja no Estado do Paraná, na safra agrícola de 2005/2006. A Mineração de Dados é uma ferramenta valiosa que permite extrair conhecimento de uma base de dados, identificando padrões válidos, novos, potencialmente úteis e compreensíveis. Neste sentido, adotou-se a abordagem de geração dos clusters pelos algoritmos K-Means, MAXVER e DBSCAN no software WEKA. Foram gerados clusters com base no perfil temporal médio de NDVI dos 277 municípios produtores de soja do Estado, e os melhores resultados foram encontrados com o algoritmo K-Means, agrupando os municípios em seis clusters, utilizando o período do início de outubro ao final de março, equivalente ao ciclo vegetativo da cultura. Metade dos clusters gerados apresentou padrão espectro-temporal característico de soja e esteve, em sua grande maioria, sob o cinturão da soja do Estado do Paraná, demonstrando os bons resultados encontrados com a metodologia proposta, em termos de identificação de áreas homogêneas. Estes resultados serão úteis na geração de "máscaras" de soja regionalizadas para estimativa de área plantada desta cultura.

The aim of this study was to group temporal profiles of 10-day composites NDVI product by similarity, which was obtained by the SPOT Vegetation sensor, for municipalities with high soybean production in the state of Paraná, Brazil, in the 2005/2006 cropping season. Data mining is a valuable tool that allows extracting knowledge from a database, identifying valid, new, potentially useful and understandable patterns. Therefore, it was used the methods for clusters generation by means of the algorithms K-Means, MAXVER and DBSCAN, implemented in the WEKA software package. Clusters were created based on the average temporal profiles of NDVI of the 277 municipalities with high soybean production in the state and the best results were found with the K-Means algorithm, grouping the municipalities into six clusters, considering the period from the beginning of October until the end of March, which is equivalent to the crop vegetative cycle. Half of the generated clusters presented spectro-temporal pattern, a characteristic of soybeans and were mostly under the soybean belt in the state of Paraná, which shows good results that were obtained with the proposed methodology as for identification of homogeneous areas. These results will be useful for the creation of regional soybean "masks" to estimate the planted area for this crop.

O objetivo deste trabalho foi estimar a área plantada com soja por meio da normalização da matriz de erros gerada a partir da classificação supervisionada de imagens TM/Landsat‑5. Foram avaliados oito municípios no Estado do Paraná, com dados referentes à safra de 2003/2004. As classificações foram realizadas por meio dos métodos paralelepípedo e máxima verossimilhança, dando origem à "máscara de soja". Os valores do índice Kappa dos oito municípios ficaram acima de 0,6. As estimativas de área de soja, corrigidas por matriz de erros, apresentaram alta correlação com as estimativas oficiais do estado e com as estimativas geradas a partir de um método alternativo denominado "expansão direta". A estimativa de área de soja por meio da normalização da matriz de erros apresenta menor custo e pode subsidiar métodos convencionais na estimativa menos subjetiva de safras.

The objective of this work was to estimate soybean crop area by the normalization of the error matrix generated from the supervised classification of TM/Landsat‑5 images. Eight municipalities of the state of Paraná, Brazil, were evaluated using data from the 2003/2004 crop season. Classifications were carried out using the parallelepiped and maximum likelihood methods, resulting in a "soybean mask". Kappa index values for the eight municipalities were above 0.6. Estimated soybean areas, corrected by the error matrix, were highly correlated with official estimates of the state and with estimates generated from an alternative method called "direct expansion". Soybean crop area estimation by the normalization of the error matrix is less costly and can aid conventional methods in estimating harvests in a less subjective manner.

O objetivo deste trabalho foi avaliar o potencial das imagens multipolarizadas do sensor‑radar Palsar/Alos em diferenciar as fases fenológicas da cana‑de‑açúcar. Valores digitais de quatro imagens do sensor, dos meses de fevereiro, maio, agosto e outubro de 2008, com polarizações HH (emissão e recebimento de onda na polarização horizontal) e HV (emissão de onda na polarização horizontal e recebimento na vertical), foram convertidos para coeficientes de retroespalhamento (σ°), para a análise de dados de cana‑de‑açúcar, cultivadas em talhões na região nordeste do Estado de São Paulo. Foram selecionadas três variedades, em diferentes estágios fenológicos: RB85‑5156, seis talhões; RB86‑7515, dez talhões; e RB92‑5345, dez talhões. As diferenças entre as fases fenológicas foram avaliadas para cada uma das variedades e, também, entre as variedades. A utilização simultânea ou não dos dados do sensor Palsar/Alos, obtidos em duas polarizações, foi capaz de discriminar as diferentes fases de crescimento da cana‑de‑açúcar, com exceção da fase de crescimento dos colmos e a fase de maturação, em que não foi observada diferença significativa.

The objective of this work was to evaluate the potential of multipolarized Palsar/Alos satellite images to discriminate phenological phases of sugarcane. Digital values from four digital images of February, May, August, and October 2008, with HH (sending and receiving wave in horizontal polarization) and HV polarizations (sending wave in horizontal polarization and receiving in vertical polarization), were converted to backscattering coefficients (σ°) for data analysis of sugarcane cultivated in the northeastern of the state of São Paulo, Brazil. Three varieties were selected at different phenological stages: RB85‑5156, six stands; RB86‑7515, ten stands; and RB92‑5345, ten stands. The differences between the phenological phases were analyzed for each variety, and also between varieties. The single or dual‑poralized Palsar/Alos data, obtained in two polarizations, were able of discriminating the different phases of sugarcane growth, except for the grand growth period and maturity phase, in which no significant difference was observed.

O objetivo deste trabalho foi estimar e mapear as áreas com as culturas de soja e milho, no Paraná, com uso de imagens multitemporais EVI/Modis. Foram avaliados os anos‑safra de 2004/2005 a 2007/2008. Em razão da alta dinâmica temporal e da heterogeneidade de datas de semeadura das culturas no estado, foram utilizadas cenas que contemplavam as fases de pré‑plantio e de desenvolvimento inicial das culturas, para gerar a imagem de mínimo EVI (IMIE), e cenas que consideravam o pico vegetativo das culturas, para gerar a imagem de máximo EVI (IMAE). Estas imagens foram utilizadas para gerar a composição colorida RGB (R, IMAE; GB, IMIE), o que permitiu a confecção de máscara das áreas com soja e milho. As estimativas das áreas de máscara por município foram comparadas com dados oficiais de produção agrícola municipal, tendo-se observado bons ajustes (R²>0,84, d>0,95, c>0,85) entre os dados. Para a avaliação da exatidão espacial das máscaras, imagens Landsat‑5/TM e AWiFS/IRS foram usadas como referência para construção da matriz de erros. Os resultados obtidos são indicativos de que a metodologia proposta é altamente eficiente e pode ser utilizada para mapeamento dessas culturas.

The objective of this work was to estimate and map crop areas with soybean and corn in the state of Paraná, Brazil, using EVI/Modis images. The crop seasons from 2004/2005 to 2007/2008 were evaluated. Due to the high temporal dynamics and difference in sowing dates of the cultures within the state, scenes containing the pre‑planting and initial crop development phases were used to obtain the minimum EVI image (IMIE), and scenes at the peak of the crop cycle were used to obtain the maximum EVI image (IMAE). These images were used to generate the RGB color composition (R, IMAE; GB, IMIE), which allowed for the creation of masks of the areas planted with soybean and corn. The estimation of masked areas by municipality was compared with the municipal agricultural production official data, and good fits (R²>0.84, d>0.95, c>0.85) were observed between data. For spatial accuracy assessment, Landsat‑5/TM and AWiFS/IRS images were used as references to build the error matrix. The obtained results indicate that the proposed methodology is highly efficient and may be used as a model for cropland mapping.

Este trabalho teve o objetivo de identificar diferentes condições na cultura do café, após a colheita, utilizando mineração de dados e curvas espectrais obtidas do sensor Hyperion/EO1.A imagem Hyperion, com resolução espacial de 30 m,foi obtida em 28 de agosto de 2008, fim de safra do café na área de estudo.Como pré-processamentos, foram realizadas a correção atmosférica através do algoritmo Flaash e a correção do sinal/ruído pelo algoritmo MNF (Minimum Noise Fraction Transform). Posteriormente, foram geradas curvas espectrais (38) de 150 comprimentos de onda, que foram analisadas através do algoritmo EM (Expectation-Maximization), considerando simulações de 2; 3; 4 e 5 clusters. Para verificar a igualdade das médias dos comprimentos de onda dos clusters, foi utilizado o teste t, com 5% de significância. Os resultados mostraram que foi possível separar os cafés em cinco diferentes grupos, segundo sua condição pós-colheita, possibilitando melhorar ações futuras de intervenção.

This study aimed at identifying different conditions of coffee plants after harvesting period, using data mining and spectral behavior profiles from Hyperion/EO1 sensor. The Hyperion image, with spatial resolution of 30 m, was acquired in August 28th, 2008, at the end of the coffee harvest season in the studied area. For pre-processing imaging, atmospheric and signal/noise effect corrections were carried out using Flaash and MNF (Minimum Noise Fraction Transform) algorithms, respectively. Spectral behavior profiles (38) of different coffee varieties were generated from 150 Hyperion bands. The spectral behavior profiles were analyzed by Expectation-Maximization (EM) algorithm considering 2; 3; 4 and 5 clusters. T-test with 5% of significance was used to verify the similarity among the wavelength cluster means. The results demonstrated that it is possible to separate five different clusters, which were comprised by different coffee crop conditions making possible to improve future intervention actions.

O objetivo deste trabalho foi avaliar as informações obtidas das imagens do satélite Landsat/TM5, utilizando técnicas de Análise por Componentes Principais (ACP) e Fator de Iluminação oriundo de um Modelo de Elevação do Terreno, calculado a partir de imagens ASTER, no mapeamento de áreas de café em terreno montanhoso. As imagens utilizadas (três) foram corrigidas para o efeito da atmosfera e cobriram, temporalmente, o ciclo da cultura. Foram calculadas as componentes principais e escolhidas as duas primeiras, as quais possuíam 94% das informações, para a definição das amostras. As amostras resultantes da ACP foram utilizadas na classificação supervisionada cujo resultado foi comparado com uma classificação convencional e uma classificação multitemporal convencional. A acurácia das classificações foi realizada por meio do cálculo da Exatidão Global e do Coeficiente Kappa, tendo como base uma máscara da área cafeeira da região. Os resultados mostraram que a técnica de ACP foi efetiva no estabelecimento de classes de iluminação, assim como na escolha das amostras, apesar de estas não terem representado a área efetivamente classificada. Em função disto, as classificações foram mais acuradas, principalmente aquela que considerou todos os pixels de cada imagem classificada individualmente pelo método da ACP, confirmando a importância do aspecto multitemporabilidade .

The main goal of this study was to evaluate the information produced from Landsat/TM5 images using Principal Component Analysis (PCA) and Illumination Factor built from Digital Elevation Model from ASTER images for coffee areas mapping in complex relief. Three Landsat images were used to monitor the crop cycle. The Principal Component Analysis was applied to the Landsat images and the two first components were chosen, responsible for 94% of the initial information, and used as a sample set for the supervised classification of those images. That classification was compared with a conventional supervised classification (sampled from Landsat reflectance images) and multitemporal conventional supervised classification (using the three images). The accuracies of the classifications were calculated by Kappa index of agreement and Global Accuracy, using a coffee mask as reference. The results have shown that PCA was very efficient in illumination class definition as well as in sample choice, despite the samples had not represented the area classified. Due to that, the accuracy has increased, specially the one considering all the pixels classified as coffee in each image using PCA samples, demonstrating the importance of the multitemporal aspect.

O atual sistema de previsão de safras para a cultura da cana-de-açúcar (Saccharum officinarum L.) usado no Brasil depende, em boa parte, de informações subjetivas, baseadas no conhecimento de técnicos do setor sucroalcooleiro e em informações sobre demanda de insumos na cadeia produtiva. Avaliou-se o uso de imagens decendiais de NDVI do sensor SPOT Vegetation e variáveis meteorológicas do modelo do ECMWF para inferir sobre os dados de produtividade oficiais registrados em municípios e safras previamente selecionados. Foram selecionados 20 municípios e sete safras compreendidas entre o período de 1999 e 2006. O ciclo de desenvolvimento da cultura foi dividido em quatro fases, de acordo com a fisiologia, gerando para cada fase atributos espectrais e meteorológicos. Foram selecionados os atributos mais relevantes para a classificação da produtividade média municipal e, por meio de árvore de decisão, a produtividade média municipal foi classificada. Valores extraídos do perfil temporal do NDVI entre os meses de dezembro e janeiro permitiram classificar a produtividade em três classes: abaixo da média, média e acima da média. Os resultados foram mais efetivos para as classes "média" e "acima da média", com acertos de 86,5 e 66,7%, respectivamente. O monitoramento de áreas canavieiras do estado de São Paulo por meio de imagens SPOT Vegetation permitiu inferir sobre a tendência da produtividade média municipal previamente.

The current system used in Brazil for sugarcane (Saccharum officinarum L.) crop forecasting relies mainly on subjective information provided by sugar mill technicians and on information about demands of raw agricultural products from industry. This study evaluated the feasibility to estimate the yield at municipality level in São Paulo State, Brazil, using 10-day periods of SPOT Vegetation NDVI images and ECMWF meteorological data. Twenty municipalities and seven cropping seasons were selected between 1999 and 2006. The plant development cycle was divided into four phases, according to the sugarcane physiology, obtaining spectral and meteorological attributes for each phase. The most important attributes were selected and the average yield was classified according to a decision tree. Values obtained from the NDVI time profile from December to January next year enabled to classify yields into three classes: below average, average and above average. The results were more effective for 'average' and 'above average' classes, with 86.5 and 66.7% accuracy respectively. Monitoring sugarcane planted areas using SPOT Vegetation images allowed previous analysis and predictions on the average municipal yield trend.

A busca por menor subjetividade em estimativas de área tem aumentado a utilização do sensoriamento remoto para monitoramento agrícola e previsão de safras, pois proporciona maior agilidade na aquisição de dados e menor custo em relação a métodos tradicionais de censos e pesquisas. Imagens de satélite de baixa resolução espacial e alta periodicidade são adequadas para o mapeamento, acompanhamento e desenvolvimento de culturas em áreas extensas. O objetivo deste trabalho foi mapear culturas de verão no Estado do Paraná por meio de composições decendiais de imagens NDVI do satélite SPOT Vegetation para safras de 2005/2006, 2006/2007 e 2007/2008. Para isso, foi utilizado um método de classificação digital supervisionada com algoritmo Paralelepípedo em composições RGB multitemporais das imagens, de forma a gerar máscaras das culturas de verão para cada composição decendial. A verificação da acurácia das máscaras foi realizada utilizando índice Kappa, exatidão global e índice de concordância de Willmott, resultando em bons índices de acerto. Essa metodologia possibilitou realizar, com dados gratuitos e de baixa resolução espacial, o mapeamento de culturas de verão em nível estadual.

The search for low subjectivity area estimates has increased the use of remote sensing for agricultural monitoring and crop yield prediction, leading to more flexibility in data acquisition and lower costs comparing to traditional methods such as census and surveys. Low spatial resolution satellite images with higher frequency in image acquisition have shown to be adequate for cropland mapping and monitoring in large areas. The main goal of this study was to map the Summer crops in the State of Paraná, Brazil, using 10-day composition of NDVI SPOT Vegetation data for 2005/2006, 2006/2007 and 2007/2008 cropping seasons. For this, a supervised digital classification method with Parallelepiped algorithm in multitemporal RGB image composites was used, in order to generate masks of Summer cultures for each 10-day composition. Accuracy assessment was performed using Kappa index, overall accuracy and Willmott's concordance index, resulting in good levels of accuracy. This methodology allowed the accomplishment, with free and low resolution data, of the mapping of Summer cultures at State level.