MAPEAMENTO DA ROTAÇÃO DE CULTURAS DE VERÃO UTILIZANDO SENSORIAMENTO REMOTO E APRENDIZADO DE MÁQUINA: CASO DE ESTUDO DO MUNICÍPIO DE NÃO-ME-TOQUE-RS
Summer crop rotation mapping utilizing remote sensing and machine learning: Case study for Não-Me-Toque-RS municipality
AUTORES/AUTHORS
Luan Pierre Pott1; Telmo Jorge Carneiro Amado2; Raí Augusto Schwalbert3; Geomar Mateus Corassa4; Christian Bredemeier5; Leonardo Mendes Bastos6; Lúcio de Paula Amaral7; Ignacio Antonio Ciampitti8;
1 Grupo Don Mario, luanpierrepott@hotmail.com
2 Universidade Federal de Santa Maria, proftelmoamado@gmail.com
3 Grupo Don Mario, rai.schwalbert@hotmail.com
4 Cooperativa Central Gaúcha Ltd. – CCGL, geomarmateus@hotmail.com
5 Universidade Federal do Rio Grande do Sul, bredemeier@ufrgs.br
6 University of Georgia, leonardombastos@gmail.com
7 Universidade Federal de Santa Maria, amaralufsm@gmail.com
8 Kansas State University, ciampitti@ksu.edu
RESUMO
A rotação de culturas tem seus benefícios nos sistemas de cultivo agrícola reportado com efeitos na supressão de doenças, insetos, plantas daninhas, atuação na melhoria da qualidade do solo e sustentabilidade. O mapeamento de rotação de culturas se torna uma ferramenta digital de análise de melhores estratégias de rotação, análise do efeito na produtividade de grãos, visando a sustentabilidade. Assim, o objetivo deste estudo foi realizar através de sensoriamento remoto e modelos de aprendizado de máquina a confecção de mapas de rotação de culturas agrícolas de verão dos últimos seis anos para o município de Não-Me-Toque no Rio Grande do Sul, Brasil. Foram coletados pontos georreferenciados das culturas de verão: soja e milho, as quais foram associados à imagens de Sentinel-2 e algoritmo de random forest para a classificação e mapeamento de cultivos agrícolas das safras 2017-2018 à 2022-2023 Com o estudo, identificou-se a mínima utilização de rotação de culturas nos campos agrícola onde as práticas mais comuns foram a de 1 ano de rotação e monocultivo em seis anos do estudo.
Palavras-chave: Agricultura digital. Sustentabilidade. Classificação de culturas.
ABSTRACT
Crop rotation has been reported with benefits in crop systems, being effective to suppress diseases, insects, weeds, improving soil quality and sustainability. Crop rotation mapping becomes a digital tool for analyzing better rotation strategies, analyzing the effect on grain productivity, aiming for sustainability. Thus, the objective of this study was to use remote sensing and machine learning models to create summer crop rotation maps of agricultural crops over the last six seasons for the municipality of Não-Me-Toque in Rio Grande do Sul, Brazil. Georeferenced points of summer crops were collected: soybeans and corn, which were associated with Sentinel-2 images and a random forest algorithm for the classification and mapping of agricultural crops from the 2017-2018 to 2022-2023 growing seasons. With the study, the minimum use of crop rotation was identified in agricultural fields where the most common practices were 1 year rotation and monoculture in six growing sesons of the study.
Keywords: Digital Agriculture. Sustentabilidade. Crop classification.