RESUMO A dinâmica agrícola relacionada à expansão da soja tem sido reconhecida como um dos principais fatores da excessiva conversão da cobertura do solo no Estado de Mato Grosso, no sudoeste da Amazônia brasileira. A hipótese de que o mercado de soja exerce influência no uso do solo, foi investigada pela associação de indicadores econômicos com a dinâmica da cultura de soja no Mato Grosso. Integramos séries históricas de dados de satélite para expansão da área de cultivo de soja e de suas duas principais variáveis econômicas associadas (preço de venda e custo de produção). Enfocamos a relação entre lucro (a diferença entre as médias do preço da soja e do custo de produção) e a conversão do uso do solo para soja de 2001 a 2013. A análise espacial explícita revelou que a precisão global na comparação entre o mapa resultante de first-time-use de cultivo de soja em 2013 foi de 96,75%, com índice Kappa de 0,63. Entretanto, a divergência obtida entre os indicadores de erro por comissão e omissão, sugerem que a maior parte da expansão da soja ocorrida antes de 2013 (5,57 milhões de ha) esteve sob influência de uma intensa dinâmica de uso do solo. Embora seja claro não haver relação direta entre a taxa de desmatamento ou tendências de expansão (taxa de uso pela primeira vez) e o lucro, os resultados sugerem fortemente (R2=0,81) que o lucro exerce influência direta e não-negligenciável na evolução do uso do solo consolidado com soja no estado de Mato Grosso.

ABSTRACT The agricultural dynamics of soybean expansion have long been recognized as a major driver of excessive land cover change on the southwestern border of the Brazilian Amazon. The hypothesis that the soybean market exerts an influence on land use was investigated by the association between economic indicators and soybean crop dynamics in the state of Mato Grosso (western Brazil). We integrated a historical series of satellite data of soybean cropland expansion and the two main economic variables (selling prices and production costs) for soybean in Mato Grosso. We focused on the relation between profit (the difference between the average soybean price and production costs) and land-use transition to soybean from 2001 to 2013. The spatially explicit analysis showed that the overall accuracy between the resulting first-time use and the most recent soybean crop area in 2013 was 96.75%, with a Kappa index of 0.63. However, dissimilar values found between Omission and Commission indicators suggest that most of the expanded areas prior to 2013 (5.57 million ha) were under a high dynamical range of land uses. Although there is no direct relation between either the deforestation rate or expansion trends (first-time-use rate) and profit, the results strongly suggest (R2=0.81) that profit exerts a direct and non-negligible influence on the evolution of consolidated land use for soybean in Mato Grosso State.

Resumo: O objetivo deste trabalho foi avaliar a confiabilidade do significado fisiológico de dados do índice de vegetação “enhanced vegetation index” (EVI) no desenvolvimento de um procedimento baseado em sensoriamento remoto para estimar a produção de soja antes da colheita. Foram aplicados dados de séries temporais do “moderate resolution imaging spectroradiometer” (Modis) para investigar a relação entre as flutuações locais na produtividade da soja e as condições físicas predominantes no Estado de Mato Grosso, localizado no sul da Amazônia brasileira. A metodologia desenvolvida foi baseada no modelo acoplado (CM). O CM fornece estimativas de produção para o início de janeiro, ao utilizar imagens do período de máximo desenvolvimento da cultura. As estimativas de produção foram validadas em três escalas espaciais diferentes: estadual, municipal e local. Nos níveis estadual e municipal, os resultados obtidos a partir do CM foram comparados às estatísticas agrícolas oficiais do Instituto Brasileiro de Geografia e Estatística e da Companhia Nacional de Abastecimento, de 2001 a 2011. Os coeficientes de determinação variaram entre 0,91 e 0,98, com resultado global de R2=0,96 (p≤0,01), o que indica que o modelo se ajusta às estatísticas oficiais. No nível local, os dados espacialmente distribuídos foram comparados a dados de produção de 422 lavouras. O coeficiente de determinação (R2=0,87) confirmou a confiabilidade do EVI para ser aplicado em modelos baseados em sensoriamento remoto, para previsão da produção de soja.

Abstract: The objective of this work was to evaluate the reliability of the physiological meaning of the enhanced vegetation index (EVI) data for the development of a remote sensing-based procedure to estimate soybean production prior to crop harvest. Time-series data from the moderate resolution imaging spectroradiometer (Modis) were applied to investigate the relationship between local yield fluctuations of soybean and the prevailing physically-driven conditions in the state of Mato Grosso, located in the south of the Brazilian Amazon. The developed methodology was based on the coupled model (CM). The CM provides production estimates for early January, using images from the maximum crop development period. Production estimates were validated at three different spatial scales: state, municipality, and local. At the state and municipality levels, the results obtained from the CM were compared with official agricultural statistics from Instituto Brasileiro de Geografia e Estatística and Companhia Nacional de Abastecimento, from 2001 to 2011. The coefficients of determination ranged from 0.91 to 0.98, with overall result of R2=0.96 (p≤0.01), indicating that the model adheres to official statistics. At the local level, spatially distributed data were compared with production data from 422 crop fields. The coefficient of determination (R2=0.87) confirmed the reliability of the EVI for its applicability on remote sensing-based models for soybean production forecast.

Uma avaliação inicial das condições do desenvolvimento da safra nacional, enquanto as plantas ainda estão nos campos, é altamente necessária para o cálculo correto das projeções na tomada de decisão e políticas relacionadas com o planejamento governamental e segurança alimentar. O objetivo deste trabalho foi avaliar a adequação dos dados NOAA/AVHRR (National Oceanic and Atmospheric Administration / Advanced Very High Resolution Radiometer) em detectar mudanças nas condições da vegetação, devidas à ocorrência de estresse hídrico, na soja, por meio de uma combinação do índice NDVI (Normalized Difference Vegetation Index) e da LST (Land Surface Temperature). Os dados LST e NDVI foram combinados e comparados pixel a pixel, sobre uma área de cultivo de soja, no Rio Grande do Sul. A relação teórica inversa prevista na combinação de LST e NDVI foi detectada. Foi observado que ocorre um aumento médio na LST em uma safra de ciclo normal (de 301,02 K para 308,36 K), quando comparada a uma safra sob condição de estresse hídrico, no desenvolvimento da cultura. Uma redução média do NDVI foi observada no ciclo normal (de 0,65 para 0,53), comparada com uma safra sob efeitos ocasionados pela estiagem no desenvolvimento da cultura. Foi observado maior correlação da produtividade municipal com LST (R2=0,78) do que com o NDVI (R2 = 0,59). Os resultados obtidos indicam que a integração de imagens do sensor AVHRR, proveniente de diferentes instituições, proporciona a adequada combinação espacial e temporal dos dados LST e NDVI, a fim de detectar a ocorrência de estresse hídrico, bem como sua intensidade, caracterizando as condições do ciclo de desenvolvimento da soja.

An early assessment of national crop development conditions while the plants are still in the fields is highly needed to calculate correctly projections for decision-making and policies related to government planning and food security. The aim of this study was to evaluate the suitability of NOAA /AVHRR (National Oceanic and Atmospheric Administration / Advanced Very High Resolution Radiometer) to detect changes in vegetation conditions, due to water stress during soybean crop, by means a combination of Land Surface Temperature (LST) and Normalized Difference Vegetation Index (NDVI). Both LST and NDVI data were combined and compared in a pixel basis over a soybean crop area in Rio Grande do Sul State. The predicted theoretical inverse relationship for the combination of LST and NDVI was detected. An average increase of LST was observed in a normal crop cycle ( from 301.02 K to 308.36 K) compared to a crop cycle under water stress condition. An average reduction in NDVI was observed for normal crop cycle development (from 0.65 to 0.53) compared to a crop cycle under drought-induced effects. It was observed a higher correlation of municipality yield with LST (R2=0.78) than NDVI (R2=0.59). Results obtained indicate that the aggregation of AVHRR images, from different institutions, provides the appropriate combination of spatial and temporal data LST and NDVI in order to detect the occurrence of drought stress, as well as its intensity, characterizing the conditions of the crop cycle development of soybean.

O objetivo deste trabalho foi desenvolver uma metodologia para estimar a área plantada de soja no Estado do Rio Grande do Sul. As estimativas foram feitas com base no perfil temporal do "enhanced vegetation index" (Evi) calculado a partir de imagens "moderate resolution imaging spectroradiometer" (Modis). A metodologia desenvolvida para a classificação da soja foi denominada "Modis crop detection algorithm" (MCDA). O MCDA fornece estimativas de área da soja em dezembro (primeira previsão), com imagens do período de plantio, e em março (segunda previsão), com imagens dos períodos de plantio e de máximo desenvolvimento vegetativo. Os resultados do MCDA foram comparados às estimativas oficiais de área de soja do Instituto Brasileiro de Geografia e Estatística. Os coeficientes de determinação variaram de 0,91 a 0,95, o que indica bom ajuste entre as estimativas. Para a safra 2000/2001, o mapa da cultura da soja gerado pelo MCDA foi avaliado com um mapa da cultura da soja oriundo de imagens Landsat, e a precisão global do mapa foi de aproximadamente 82%, com erros similares de comissão e omissão. O MCDA foi capaz de estimar a área plantada com soja no Estado do Rio Grande do Sul e gerar mapas temáticos anuais com a localização geográfica dos talhões. As estimativas de área plantada a partir do MCDA estão em concordância com as estatísticas agrícolas oficiais.

The objective of this work was to develop a procedure to estimate soybean crop areas in Rio Grande do Sul state, Brazil. Estimations were made based on the temporal profiles of the enhanced vegetation index (Evi) calculated from moderate resolution imaging spectroradiometer (Modis) images. The methodology developed for soybean classification was named Modis crop detection algorithm (MCDA). The MCDA provides soybean area estimates in December (first forecast), using images from the sowing period, and March (second forecast), using images from the sowing and maximum crop development periods. The results obtained by the MCDA were compared with the official estimates on soybean area of the Instituto Brasileiro de Geografia e Estatística. The coefficients of determination ranged from 0.91 to 0.95, indicating good agreement between the estimates. For the 2000/2001 crop year, the MCDA soybean crop map was evaluated using a soybean crop map derived from Landsat images, and the overall map accuracy was approximately 82%, with similar commission and omission errors. The MCDA was able to estimate soybean crop areas in Rio Grande do Sul State and to generate an annual thematic map with the geographic position of the soybean fields. The soybean crop area estimates by the MCDA are in good agreement with the official agricultural statistics.