RESUMO As imagens do sensor MODIS fornecem dados que cobrem áreas de grande extensão com alta periodicidade, características fundamentais que possibilitam o monitoramento de culturas agrícolas estratégicas para o Brasil, como as da cana-de-açúcar. Técnicas matemáticas vêm sendo empregadas no estudo de longas séries temporais de índices de vegetação, baseado nas mudanças que acontecem na superfície terrestre, o que facilita o entendimento da dinâmica temporal. O objetivo deste trabalho foi realizar a avaliação da dinâmica do cultivo da cana-de-açúcar no Estado de São Paulo por meio de perfis temporais de dados MODIS, ao longo das safras de 2004/2005 a 2011/2012. A Transformada de Wavelet Daubechies 8 aplicada à série temporal do EVI2 do MODIS mostrou ser uma técnica robusta, pois conseguiu eliminar os ruídos, propiciando, assim, melhor captura das tendências dos ciclos de desenvolvimento da cana-de-açúcar em toda a série temporal. Os perfis temporais suavizados do EVI2 puderam ser utilizados no monitoramento do cultivo da cana-de-açúcar para identificar as épocas de mudanças do uso do solo e da cobertura da terra, acompanhando as variações sazonais dos ciclos fenológicos desde o plantio ou rebrota das soqueiras até à colheita.

ABSTRACT MODIS sensor images provide data covering broad areas with high periodicity. Such features are fundamental for monitoring of strategic agricultural crops in Brazil, just as sugarcane. Mathematics techniques have been applied to time-series of remote sensing imagery to characterize vegetation phenology and to better understand its dynamics. This study aimed at assessing the dynamics of sugarcane cultivation throughout São Paulo State by means of MODIS data temporal profiles from 2004/2005 to 2011/2012 crop years. Daubechies 8 Wavelet Transformation applied to time-series MODIS EVI2 consists of a robust technique to remove noise, thereby providing a better capture of sugarcane cycle trends within the entire time-series. Smoothed EVI2 temporal profiles could be used for sugarcane cultivation monitoring and land cover change detection, accompanying seasonal variations in phenology from planting or ratoon regrowth until harvest.

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.

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.

Este trabalho apresenta um estudo de estatística espacial de áreas baseado no NDVI (índice de vegetação por diferença normalizada) e no GVI (índice de vegetação verde) da cultura da soja, obtidos de imagens de sensoriamento remoto da região oeste do Paraná. As imagens foram coletadas pelo sensor TM (Thematic Mapper) do satélite Landsat-5, durante a safra de 2004/2005. Os dados foram agrupados em cinco classes de igual amplitude, o que permitiu criar um mapa da evolução temporal da cultura da soja. Foi utilizado o índice I de Moran para estudar a autocorrelação espacial em um nível global e o índice LISA (Local Indicators of Spatial Association) para estudar a autocorrelação espacial em um nível local. Por meio destes índices, foi possível conhecer o perfil da cultura de soja nos municípios da região oeste do Paraná, permitindo identificar épocas diferentes do plantio desta cultura e subsidiar os membros da cadeia produtiva da soja que utilizam dados de produtividade em seus planejamentos.

This research aims at studying spatial autocorrelation of Landsat/TM based on normalized difference vegetation index (NDVI) and green vegetation index (GVI) of soybean of the western region of the State of Paraná. The images were collected during the 2004/2005 crop season. The data were grouped into five vegetation index classes of equal amplitude, to create a temporal map of soybean within the crop cycle. Moran I and Local Indicators of Spatial Autocorrelation (LISA) indices were applied to study the spatial correlation at the global and local levels, respectively. According to these indices, it was possible to understand the municipality-based profiles of tillage as well as to identify different sowing periods, providing important information to producers who use soybean yield data in their planning.

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.

Dada a importância da soja para a economia do Brasil, a obtenção de estimativas da área semeada e da produção com maior antecedência e confiabilidade torna-se indispensável. Técnicas ligadas ao Sensoriamento Remoto podem ajudar na obtenção dessas informações com menores custos e subjetividade em relação aos levantamentos tradicionais. O trabalho tem por objetivo estimar a área semeada com a cultura da soja, durante safra de 2008/2009, em municípios do oeste do Estado do Paraná, com base na dinâmica espectral da cultura e por meio da utilização do sistema de análises específico para imagens do satélite Landsat 5/TM. Os resultados obtidos foram satisfatórios, pois a classificação supervisionada por Máxima Verossimilhança - MaxVer, juntamente com as técnicas do sistema de análises específico de imagens de satélites, permitiu uma estimativa de área plantada com a cultura da soja (máscara de soja), obtendo valores das métricas de Exatidão Global de 79,05% em média e Índice Kappa acima de 63,50%, em todos os municípios estudados. O acompanhamento de uma área-referência foi de grande importância para a determinação do estágio vegetativo em que a cultura mais se diferencia de outros alvos, facilitando a escolha das amostras de treinamento (ROIs) e evitando erros de classificação.

The soybean is important to the economy of Brazil, so the estimation of the planted area and the production with higher antecedence and reliability becomes essential. Techniques related to Remote Sensing may help to obtain this information at lower cost and less subjectivity in relation to traditional surveys. The aim of this study is to estimate the planted area with soybean culture in the crop of 2008/2009 in cities in the west of the state of Paraná, in Brazil, based on the spectral dynamics of the culture and through the use of the specific system of analysis for images of Landsat 5/TM satellite. The obtained results were satisfactory, because the classification supervised by Maximum Verisimilitude - MaxVer along with the techniques of the specific system of analysis for satellite images has allowed an estimate of soybean planted area (soybean mask), obtaining values of the metrics of Global Accuracy with an average of 79.05% and Kappa Index over 63.50% in all cities. The monitoring of a reference area was of great importance for determining the vegetative phase in which the culture is more different from the other targets, facilitating the choice of training samples (ROIs) and avoiding misclassifications.

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.

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.

Este artigo descreve o desenvolvimento de um banco de dados relacional e de uma ferramenta para a visualização de perfis temporais do NDVI MODIS, a partir dos dados do produto MOD09Q1, referente ao fator de refletância bidirecional de superfície relativa ao comprimento de onda do vermelho e do infravermelho-próximo, composição temporal em mosaicos de 8 dias, e a banda de controle de qualidade, dos talhões de cana-de-açúcar no Estado de São Paulo, para analisar a maturação da cana-soca Tardia. Das fazendas de cana-de-açúcar são obtidos os dados de históricos sobre produtividade, solo, variedade, localização de cada pixel para cada microrregião monitorada. Todos os dados são integrados em um banco de dados desenvolvido em PostgreSQL. O aplicativo foi implementado usando a linguagem Java e permitiu uma forma rápida e automática para analisar padrões fenológicos na cana-de-açúcar. Concluiu-se que o perfil temporal do NDVI MODIS obtido a partir do produto MOD09Q1 é capaz de subsidiar o monitoramento das mudanças fenológicas na cultura da cana-de-açúcar.

This paper describes the development of a relational database and a tool for viewing MODIS NDVI temporal profile, using data from MOD09Q1 product, specifically the surface bidirectional reflectance factor relative to the RED and NIR wavelength, mosaic of 8-day temporal composition, and the quality band, in sugarcane fields in the state of São Paulo, for analysis of the late stubble-cane maturation. From sugarcane farms were obtained the historical data about yield, soil, variety, location of the each pixel for each subregion monitored. All data were integrated in a database developed in PostgreSQL. The tool was implemented using Java language and allowed a fast and automatic way of analyzing sugarcane phenological patterns. It concluded that the MODIS NDVI temporal profile using data from MOD09Q1 product is able to subsidize the monitoring of phenological changes in the sugarcane.

O trabalho teve o objetivo de avaliar modelos lineares de regressão entre resposta espectral e produtividade em soja, na escala regional. Para isso, foram monitorados 36 municípios do oeste do Paraná, utilizando cinco imagens do satélite Landsat 5/TM da safra de 2004/2005. Foram realizados os procedimentos de transformação radiométrica e correção atmosférica nas imagens, determinando valores físicos das refletâncias aparente e de superfície. Posteriormente, foram calculados os índices de vegetação NDVI e GVI, os quais, por meio de regressões lineares simples e múltiplas, compararam-se com as produtividades oficiais dos municípios, obtidas das estatísticas IBGE. Aplicou-se também uma análise de diagnóstico, para detectar pontos influentes e de colinearidade. Os resultados mostraram que a média dos valores de NDVI e GVI de todas as imagens foi mais bem relacionada com a produtividade do que para cada data separadamente. O uso de regressões múltiplas com os dois índices, em todas as datas, propiciou melhores resultados de relação com a produtividade.

The main objective of this work was to evaluate the linear regression between spectral response and soybean yield in regional scale. In this study were monitored 36 municipalities from the west region of the states of Parana using five images of Landsat 5/TM during 2004/05 season. The spectral response was converted in physical values, apparent and surface reflectances, by radiometric transformation and atmospheric corrections and both used to calculate NDVI and GVI vegetation indices. Those ones were compared by multiple and simple regression with government official yield values (IBGE). Diagnostic processing method to identify influents values or collinearity was applied to the data too. The results showed that the mean surface reflectance value from all images was more correlated with yield than individual dates. Further, the multiple regressions using all dates and both vegetation indices gave better results than simple regression.

O objetivo deste trabalho foi estudar as mudanças no comportamento espectral da cultura da soja, por meio dos perfis espectrais temporais dos índices de vegetação NDVI e GVI, expressos em diferentes valores físicos: fator de reflectância bidirecional (FRB) aparente, de superfície e normalizado derivados de imagens Landsat 5/TM. Foi monitorada área de cultura de soja localizada próxima ao município de Cascavel - PR, utilizando cinco imagens da safra de 2004/2005, sendo realizados nessas imagens os procedimentos de transformação radiométrica, correção atmosférica e normalização, determinando valores físicos dos fatores de reflectância bidirecional aparente, de superfície e normalizado, respectivamente. Com o intuito de caracterizar a resposta espectral da biomassa da soja, geraram-se imagens referentes aos índices de vegetação NDVI e GVI. Como resultado, a cultura mostrou-se diferente para os tratamentos dos fatores de reflectância bidirecional aparente, de superfície e de normalização. Por meio dos perfis médios espectrais do NDVI e GVI, foi possível acompanhar todo o ciclo da cultura da soja, caracterizando o seu desenvolvimento. Observou-se, ainda, que os dados provenientes do fator de reflectância bidirecional normalizado descaracterizaram a curva espectral da cultura da soja, principalmente em meio à fase de crescimento vegetativo, na data de 9-12-2004.

The objective of this study was to analyze changes in the spectral behavior of the soybean crop through spectral profiles of the vegetation indexes NDVI and GVI, expressed by different physical values such as apparent bi-directional reflectance factor (BRF), surface BRF, and normalized BRF derived from images of the Landsat 5/TM. A soybean area located in Cascavel, Paraná, was monitored by using five images of Landsat 5/TM during the 2004/2005 harvesting season. The images were submitted to radiometric transformation, atmospheric correction and normalization, determining physical values of apparent BRF, surface BRF and normalized BRF. NDVI and GVI images were generated in order to distinguish the soybean biomass spectral response. The treatments showed different results for apparent, surface and normalized BRF. Through the profiles of average NDVI and GVI, it was possible to monitor the entire soybean cycle, characterizing its development. It was also observed that the data from normalized BRF negatively affected the spectral curve of soybean crop, mainly, during the phase of vegetative growth, in the 12-9-2004 image.

O objetivo deste trabalho foi comparar mapeamentos de semeadura da cultura da soja na região oeste do Paraná, realizados com imagens MODIS/Terra e TM/Landsat 5. Primeiramente, construiu-se máscara de referência, considerando seis imagens TM ao longo do ciclo da cultura, utilizando-se dos algoritmos Paralelepípedo e MaxVer com posterior análise visual. As imagens MODIS foram classificadas com o algorítimo Paralelepípedo, em quatro passagens referentes ao pico vegetativo. O desempenho das classificações foi avaliado por meio de Matrizes de Erros, calculadas pela análise de 100 pontos amostrais (soja ou não-soja), aleatoriamente distribuídos em cada um dos oito municípios da área de estudo. Os principais resultados mostraram que a Exatidão Global (EG) e o Índice Kappa (IK), que variaram entre 0,55 e 0,80, em ambos os sensores, são considerados bons a muito bons. Quando EG e IK dos sensores TM e MODIS foram comparados, não se encontrou diferença significativa. O mapeamento da soja utilizando o sensor MODIS produziu 70% de confiabilidade sob o ponto de vista do usuário. A principal conclusão é a viabilidade de mapear a soja pelo sensor MODIS com as vantagens de que as imagens MODIS têm melhor resolução temporal e são disponibilizadas gratuitamente na Internet.

The objective of this work was to compare the soybean crop mapping in the western of Parana State by MODIS/Terra and TM/Landsat 5 images. Firstly, it was generated a soybean crop mask using six TM images covering the crop season, which was used as a reference. The images were submitted to Parallelepiped and Maximum Likelihood digital classification algorithms, followed by visual inspection. Four MODIS images, covering the vegetative peak, were classified using the Parallelepiped method. The quality assessment of MODIS and TM classification was carried out through an Error Matrix, considering 100 sample points between soybean or not soybean, randomly allocated in each of the eight municipalities within the study area. The results showed that both the Overall Classification (OC) and the Kappa Index (KI) have produced values ranging from 0.55 to 0.80, considered good to very good performances, either in TM or MODIS images. When OC and KI, from both sensors were compared, it wasn't found no statistical difference between them. The soybean mapping, using MODIS, has produced 70% of reliance in terms of users. The main conclusion is that the mapping of soybean by MODIS is feasible, with the advantage to have better temporal resolution than Landsat, and to be available on the internet, free of charge.