RESUMO No Estado do Paraná, Brasil, não há grandes mudanças nas áreas cultivadas com culturas anuais, principalmente devido a leis ambientais que não permitem expansões para novas áreas. Há grande contribuição das culturas anuais para a demanda doméstica de alimentos e econômica nas exportações. Assim, a área e distribuição das culturas anuais são informações de grande importância. Novas metodologias, como data mining, estão sendo testadas com o objetivo de analisar e melhorar seu potencial de uso para classificação do uso e cobertura da terra. Neste estudo, foram utilizados os classificadores decision tree e random forest com métricas temporais de Normalized Difference Vegetation Index (NDVI) em imagens do Operational Land Imager (OLI)/ Landsat-8. Os resultados foram comparados com os métodos tradicionais (imagens espectrais e classificador Maximum Likelihood Classifier - MLC). Inicialmente, foram mapeadas sete classes (corpos d’água, cana-de-açúcar, área urbana, culturas anuais, floresta, pastagem e áreas de reflorestamento) e posteriormente apenas duas classes foram consideradas (culturas anuais e outras classes). Ao classificar os sete alvos, ambos os métodos tiveram resultados correspondentes, mostrando exatidão global próxima a 84%. As métricas temporais de NDVI mostraram a acurácia do produtor e do usuário para a classe de cultura de 86 e 100%, respectivamente. No entanto, considerando-se apenas duas classes, as métricas temporais do NDVI alcançaram exatidão global próxima a 98% e a acurácia do produtor e do usuário acima de 94%.

ABSTRACT In the state of Paraná, Brazil, there are no major changes in areas cultivated with annual crops, mainly due to environmental laws that do not allow expansions to new areas. There is a great contribution of the annual crops to the domestic demand of food and economic demand in the exports. Thus, the area and distribution of annual crops are information of great importance. New methodologies, such as data mining, are being tested with the objective of analyzing and improving their potential use for classification of land use and land cover. This study used the classifiers decision tree and random forest with Normalized Difference Vegetation Index (NDVI) temporal metrics on images from Operational Land Imager (OLI)/Landsat-8. The results were compared with traditional methods spectral images and Maximum Likelihood Classifier (MLC). At first, seven classes were mapped (water bodies, sugarcane, urban area, annual crops, forest, pasture and reforestation areas); then, only two classes were considered (annual crops and other targets). When classifying the seven targets, both methods had corresponding results, showing global accuracy near 84%. NDVI temporal metrics showed producer’s and user’s accuracy for the annual crop class of 86 and 100%, respectively. However, if considering only two classes, the NDVI temporal metrics reached global accuracy of near 98% and producer’s and user’s accuracy above 94%.

RESUMO Aplicações de sensoriamento remoto na agricultura se apresentam como realidade muito promissora, contudo ainda há necessidade de pesquisas para a correta utilização dos dados espectrais. Objetivou-se, neste estudo, avaliar os padrões espectro-temporais de onze cultivares de trigo (Triticum aestivum L.). O experimento foi conduzido, em Cascavel, PR, no ano de 2014. Com o auxílio dos sensores terrestres GreenSeeker e FieldSpec 4 foram determinadas assinaturas espectrais e criados os perfis temporais do Índice de Vegetação por Diferença Normalizada (NDVI). Verificou-se diferenças estatísticas entre as cultivares de trigo por meio da análise de variância (ANOVA) e do teste de médias de Scott-Knott. Correlacionaram-se as produtividades de grãos obtidas com os fatores INSEY (IN-Season Estimate of Yield). O NDVI normalizado por graus-dias acumulados dos estádios de desenvolvimento Feekes 2 e 8, mostrou-se mais consistente na estimativa da produtividade de grãos, explicando aproximadamente 70% da variação. No estádio Feekes 10.1, as cultivares de trigo apresentaram padrões espectrais diferentes nas faixas do infravermelho próximo e médio. Isto sugere que essas bandas espectrais podem ser utilizadas para diferenciar as cultivares de trigo.

ABSTRACT Remote sensing applications in agriculture are presented as a very promising reality, but research is still needed for the correct use of spectral data. The objective of this study was to evaluate the spectral-temporal patterns of eleven wheat cultivars (Triticum aestivum L.). The experiment was conducted in Cascavel, PR, in the year 2014. With the help of the GreenSeeker and FieldSpec 4 terrestrial sensors, spectral signatures were determined and the temporal profiles of the Normalized Difference Vegetation Index (NDVI) were created. Statistical differences between wheat cultivars were analysed using analysis of variance (ANOVA) and Scott-Knott test. Grain yields obtained with INSEY (In-Season Estimate of Yield) factors were correlated. NDVI normalized by degree-days accumulated from the Feekes growth stages 2 and 8 showed to be more consistent in the estimation of grain yield, explaining approximately 70% of the variation. At the Feekes stage 10.1, wheat cultivars presented different spectral patterns in the near and medium infrared bands. This suggests that these spectral bands can be used to differentiate wheat cultivars.

S.C. Wrublack, V.H.R. Prudente, E. Mercante, and S.R.M Coelho. 2013. Spatial distribution of Canola culture in the State of Paraná (Brazil) between the agricultural years of 2005 and 2009. Cien. Inv. Agr. 40(3): 513-521. There are a number of crops that are viable for small farms. To increase our knowledge of the occurrence of canola cultivation in the State of Paraná, the present study aimed to identify the areas sown with canola (ha) and to examine canola production (t) during the growing seasons of 2005 to 2009. The methodology involved a literature review and analysis of spatial data from the Secretaria da Agricultura e do Abastecimento do Paraná (SEAB/PR). We used the software ArcGis 9.3 for elaboration of thematic maps of variables as well as the free software GeoDa 0.9.5-i. The identification of spatial dependence was conducted through global univariate spatial autocorrelation using Moran's Index (I) statistic and, at a local level, using Local Indicators of Spatial Association (LISA). Spatial correlation was detected in the data on the area sown (ha) and production (t) for the canola crop. The results also indicated the possibility of expansion of cultivated areas in the State of Paraná, in addition to providing interesting options regarding the composition of systems of crop rotation and soil cover. The application of the spatial statistical area contributed to the recognition of the evolution of the canola crop in the State of Paraná, based on the spatialization of production and sown areas in its municipalities. It is evident that most municipalities show no significant pattern, demonstrating the potential for the expansion of sown areas in the State. For the High-High standard, it was noted that the municipalities were grouped mainly in the western and south-central State of Paraná.

S.C. Wrublack, V.H.R. Prudente, E. Mercante y S.R.M. Coelho. 2013. Distribución espacial del cultivo de canola en el Estado de Paraná (Brasil) entre los años agrícolas de 2005 a 2009. Cien. Inv. Agr. 40(3): 513-521. Hay varios cultivos viables para las pequeñas fincas. A fin de proporcionar un mayor conocimiento de la ocurrencia del cultivo de canola en el Estado de Paraná, el presente estudio tuvo como objetivo identificar la superficie sembrada (ha) y producción de canola (t) durante el período de 2005 a 2009. La metodología implicó en una revisión de literatura y análisis de datos espaciales del Secretaria da Agricultura e do Abastecimento do Paraná (SEAB/PR). Se utilizó el software ArcGIS 9.3 para la preparación de mapas temáticos de las variables y el software libre OpenGeoda 0.9.9.6. La identificación de la dependencia espacial se realizó a nivel global mediante la autocorrelación espacial univariado por intermedio de la estadística I de Moran y a nivel local por el indicador local de asociación espacial (LISA). Fue observada la existencia de correlación espacial en el área de datos sembrada (ha) y producción (t) con cultivo de canola. Los resultados también indican que el Estado de Paraná tiene un gran potencial para la expansión del cultivo, además de ser una opción interesante para componer sistemas de rotación de cultivos y la cobertura del suelo. La aplicación de la estadística espacial de área, contribuyó al reconocimiento de la evolución de los cultivos de canola en el Estado de Paraná, a través de la distribución espacial de la producción y de las superficies sembradas de los municipios. Es evidente un mayor número de municipios sin un patrón significativo, lo que demuestra el potencial de expansión de la superficie a sembrar en el Estado. En el estándar Alto-Alto, se observó que los municipios se agrupan principalmente en la región occidental y centro-sur del estado del Paraná.

C.H.W Souza, E. Mercante, V.H.R. Prudente and D.D.D. Justina. 2013. Methods of performance evaluation for the supervised classification of satellite imagery in determining land cover classes. Cien. Inv. Agr. 40(2): 419-428. Satellite imagery, in combination with remote sensing techniques, provides a new opportunity for monitoring and assessing crops with lower cost and greater objectivity than traditional surveys. The present research employed Landsat 5/TM satellite imagery to identify the land cover classes in Cafelândia (Paraná, Brasil), a predominantly agricultural town. Five supervised classification methods (parallelepiped (PL), minimum distance (MND), Mahalanobis distance (MHD), maximum likelihood classifier (MLC) and spectral angle mapper (SAM)) were tested in this work. To assess the efficiency of the classifications, accuracy indices and error metrics obtained through total confusion matrices were used. The results indicated that the Mahalanobis and SAM methods generated the smallest errors for the four studied land use classes (soybean, corn, forest, and bare soil), with overall accuracy values of 88% and 86%, respectively, and kappa index values 0.83 and 0.80, respectively. The values of these methods for the applied metrics were 0.88 and 0.86 for the sensitivity index, 0.96 and 0.95 for the total specificity index and 0.84 and 0.81 for Matthews correlation coefficient, respectively. The different classification methods clearly exhibited large variations in their performance for land cover mapping. The use of measures obtained from the error matrix is a suitable method for comparisons of thematic maps.

C.H.W. Souza, E. Mercante, V.H.R. Prudente y D.D.D. Justina. 2013. Métodos de evaluación de desempeño para la clasificación supervisada de imágenes satelitales en la determinación de las clases de cobertura terrestre. Cien. Inv. Agr. 40(2): 419-428. Imágenes satelitales junto con técnicas de sensoriarniento remoto ofrecen nuevas oportunidades para el monitoreo y evaluación de cultivos, con menores costos y una mayor objetividad en relación a los métodos tradicionales. La presente investigación utilizó imágenes de satélite Landsat 5/TM para identificar las clases de cobertura del suelo en Cafelândia (Paraná, Brasil), un municipio predominantemente agrícola. Cinco métodos de clasificación supervisada: Paralelepípedo (PL), Distancia mínima (MND), Distancia de Mahalanobis (MHD), Máximo probabilidad (MLC) y Mapeador de Ángulo Espectral (SAM) fueron probados en este trabajo. Con el fin de evaluar la eficiencia de las clasificaciones, se utilizaron índices y métricas de precisión obtenidos a través de matrices de errores y confusión total. Los resultados indicaron que los clasificadores de distancia de Mahalanobis y SAM superaron a los demás, consiguiendo los mejores resultados y proporcionando los menores errores para las cuatro clases estudiadas (soja, maíz, bosque, suelo desnudo), con valores de precisión global de 88 y 86%, respectivamente, y valores de índice de Kappa de 0,83 y 0,80, respectivamente. Para las métricas aplicadas, los valores fueron 0,88 y 0,86 para el índice de sensibilidad, 0,96 y 0,95 para el índice de especificidad y de 0,84 y 0,81 para el coeficiente de correlación de Matthews, respectivamente. La elección de los diferentes tipos de clasificadores claramente resultó en grandes variaciones en el desempeño del mapeamiento de la cobertura y uso de la tierra. El uso de las medidas obtenidas a partir de la matriz de errores es un método adecuado para hacer comparaciones entre mapas temáticos.

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.

O objetivo deste trabalho foi avaliar o comportamento das variabilidades (espacial e temporal) por meio da técnica de escalonamento de semivariogramas, da variável resistência mecânica do solo à penetração (RMSP) nas camadas de 0-0,1, 0,1-0,2, 0,2-0,3 m, para os anos de 1999 a 2001, sob duas formas de manejo: com manejo químico localizado (CML) e sem manejo químico localizado (SML). Os resultados demonstraram que a variável RMSP apresentou variabilidade espacial com comportamento distinto, conforme a camada e o ano de estudo. A variável RMSP apresentou variabilidade temporal tanto nas parcelas CML quanto nas parcelas SML. As duas formas de manejo (com manejo químico localizado (CML) e sem manejo químico localizado (SML)) não influenciaram o comportamento espacial da variável resistência mecânica do solo à penetração (RMSP). O escalonamento dos semivariogramas reduziu o tempo computacional de ajuste dos modelos, não apresentando diferenças no comportamento e amplitude da variabilidade espacial em relação aos semivariogramas não escalonados.

The objective of this work was to evaluate the behavior of the spatial and temporal variabilities with the technique of rescaling semivariograms. Study variable was the soil mechanical resistance to penetration (SMRP) in the layers 0-0.1, 0.1-0.2, 0.2-0.3 m for the years of 1999 to 2001, under two management systems: with (WSS) and without site-specific nutrient management (NoSS). Results demonstrated that the variable SMRP presented spatial variability with different behavior, according to the soil layer and study year. The variable SMRP presented temporal variability in both management systems. These two systems did not influence the space behavior of the study variable (RMSP). Reescaling of the semivariograms reduced the computing time of model adjustment, and did not present differences in behavior or range of the space variability compared to the not rescaled semivariograms.