Mapping of Pontal do Paranapanema pasture areas to estimate ethanol production
DOI:
https://doi.org/10.33448/rsd-v11i8.30931Keywords:
Google Earth Engine; Mapping of land use and land cover; Biofuels.Abstract
The growing concern about climate change as well as increasingly stringent environmental legislation and the environmental degradation drive the consumption of biofuels in order to reduce polluting emissions. Ethanol obtained from from sugar cane has been widely used as it is a renewable energy source and produces low pollutant emissions. In Brazil, the Proálcool encourages the expansion of sugarcane flavors throughout the state of São Paulo and the region of Pontal do Paranapanema is showing a growing replacement of pasture areas by this crop. In this context, the present work aims to estimate the production of ethanol for a small region of Pontal do Paranapanema from the replacement of pasture areas by sugarcane crops. For this, a land use and land cover map of the region was generated through the supervised classification of an image from the Sentinel 2A satellite in Google Earth Engine using the Random Forest algorithm and the NDVI, NDBI, MNDWI and RS indices. The classification had excellent accuracy, with Kappa Index values of 99.7% and overall accuracy of 99.78%. Pastures occupy 48.08% of the study area, with 196,416.71 hectares and when replacing pastures for sugar cane, the area presents a production potential between 1,079,741,938.32 and 1,214,709,680.61 liters of ethanol. Thus, the shows an enormous potential for ethanol production, being attractive for investments in the sector, favoring the economy and the population of the municipalities in the region.
References
Alencar, A., Shimbo, J. Z., Lenti, F., Marques, C. B., Zimbres, B., Rosa, M., Arruda, V., Castro, I., Ribeiro, J. P. F. M., Varela, V., Alencar, I., Piontekowski, V., Ribeiro, V., Bustamante, M. C., Sano, E. E., & Barroso, M. (2020). Mapping Three Decades of Changes in the Brazilian Savanna Native Vegetation Using Landsat Data Processed in the Google Earth Engine Platform. Mdpi - Multidisciplinary Digital Publishing Institute, Basel, Switzerland, 12(6), 1-23.
Andrade, E. T., Carvalho, S. R. G., & Souza, L. F. (2009). Programa do proálcool e o etanol no brasil. Engevista, 11(2), 127-136.
Atvos (Brasil) (2021). Grupo Novonor (emp.). Sobre a Empresa.
Barreto, M. J., & Thomaz Jr, A. (2012). O cenário do agronegócio canavieiro na região do Pontal do Paranapanema-SP. In: XXI Encontro Nacional de Geografia Agrária, UFU – MG.
Belgiu, M., & Drăgut, L. (2016). Random Forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24-31.
Bento, F. S. (2020). Os impactos da expansão do agronegócio canavieiro para as relações campo-cidade no Pontal do Paranapanema (SP). Revista Geografia em Atos (Geo Atos online). 03(18), 181-205. 10.35416/geoatos.v3i18.7219.
Breiman, L. (2001). Random Forests. Machine Learning, 45, 05-32.
Campbell, J.B., & Wynne, R.H. (2011). Introduction to Remote Sensing. (4a ed.),
Cho, D. F., Schwaida, S. F., Cicerelli, R. E., Almeida, T., Ramos, A. P. M., & Sano, E. E. (2021). Desempenho do Algoritmo de Classificação de Imagens Random Forest para Mapeamento do Uso e Cobertura do Solo no Cerrado Brasileiro. Anuário do Instituto de Geociências, Rio de Janeiro, 44.
Cohen, J. A. (1960). Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement, 20(01), 37-46.
CONAB - Companhia Nacional de Abastecimento (Brasil). (2020). Acompanhamento da safra brasileira de cana-de-açúcar– Safra 2020-21, Brasília, DF, v. 7, n. 1, agosto 2020.
CONAB - Companhia Nacional de Abastecimento (Brasil). (2022). Acompanhamento da safra brasileira de cana-de-açúcar – Safra 2022-23, Brasília, DF, v. 9, n. 1, abril 2022.
Congalton, R. G., & Green, K. (2008). Assessing the accuracy of remotely sensed data: principles and practices. CRC press.
Costa, J. A. (2019). A indústria sucroalcooleira: uma análise da competitividade do setor no período 2003 a 2018. Monografia (TCC) - Curso de Ciências Econômicas, Universidade Federal do Maranhão, São Luís.
Delgado, A. A., Cesar, M. A. A., & Silva, F. C. (2019). Elementos de Tecnologia e Engenharia da Produção do Açúcar, Etanol e Energia. Fealq. 984 p.
ESA – European Spatial Agency (Paris França). (2021). Satellite Constellation. ttps://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus/Sentinel-2/Satellite_constellation.
Goés-Favoni, S., Monteiro, A. C.C., Dorta, C., Crippa, M. G., & Shigematsu, E. (2018). Fermentação alcoólica na produção de etanol e os fatores determinantes do rendimento. Revista Ibero-Americana de Ciências Ambientais, 9(4), 285-296.
Google Inc. (2021). Earth engine data. https://developers.google.com/earth-engine/datasets
Grofalo, D. F. T., Packer, A. P. C., Ramos, N. P., Kondo, V. Y., Folegatti, M. I. S., & Cabral, O. M. R. (2020). Dinâmica do cultivo de cana-de-açúcar no Brasil – 1990 a 2018. Empresa Brasileira de Pesquisa Agropecuária Embrapa Meio Ambiente e Ministério da Agricultura, Pecuária e Abastecimento.
IBGE - Instituto Brasileiro de Geografia e Estatística - Rio de Janeiro - RJ. (2021). Instituto Nacional de Estatística. Pesquisa do Censo 2020. https://www.ibge.gov.br/ibge/est%C3%ADstica/população/censo2000.
Kohlhepp, G. (2010). Análise da situação da produção de etanol e biodiesel no Brasil. Estudos Avançados, 24, 223-253. https://doi.org/10.1590/S0103- 40142010000100017.
Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(01), 159-174.
Lillesand, T. M., & Kiefer, R. W. (1995). Remote sensing, and image interpretation. New York: John Wiley e Sons Inc., 708p.
Ministério da agricultura, pecuária e abastecimento. (2022). Produção brasileira de cana-de-açúcar, açúcar e etanol. https://www.gov.br/agricultura/pt-br/assuntos/sustentabilidade/agroenergia/arquivos-producao/001PRODUOBRASILEIRADECANADEACARACAREETANOL_11052022.pdf.
NovaCana. (2021). Mapa das usinas de etanol e açúcar do Brasil. https://www.novacana.com/usinas_brasil/mapa.
Peel, M. C., Finlayson, B. L., & McMahon, T. A. (2007). Updated world map of the Köppen-Geiger climate classification. Hydrol. Earth Syst. Sci., 11, 1633-1644.
Qgis Development Team (Estados Unidos das Américas). (2021). Open-Source Geospatial Foundation. Quantum GIS. https://www.qgis.org/en/site/.
Raízen Energia (2021). Relatório Anual 2020/2021. https://www.raizen.com.br/relatorioanual/2021/pdf/raizen-rs2021-pt.pdf.
RPAnews Cana&Indústria. (2020). Como identificar, gerenciar e reduzir perdas industriais. https://revistarpanews.com.br/como-identificar-gerenciar-e-reduzir-perdas-industriais/.
Rezende, W. S. (2011). O setor sucroalcooleiro no pontal do paranapanema: uma an lise a partir do licenciamento ambiental. 128 f. TCC (Graduação) - Curso de Engenharia Ambiental, Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista Júlio de Mesquita Filho - Unesp, Presidente Prudente.
Rouse, J. H. (1974). Monitoring Vegetation Systems in the Great Plains with ERTS. In: Proceedings, Third Earth Resources Technology Satellite-1 Symposium, Greenbelt, 3010-3017.
Schott, M. (2019). Random Forest Algorithm for Machine Learning: Part 4 of a Series on Introductory Machine Learning Algorithms.
The Economist. (2021). Was COP26 in Glasgow a success? The Economist. Glasgow Scotland, 109-110.
Thomaz Júnior, A. (2009). Dinâmica Geográfica do Trabalho no Século XXI. (Limites Explicativos, Autocrítica e Desafios Teóricos). p.941, Livre Docência - Universidade Estadual Paulista. Presidente Prudente.
Vale, J. R. B. (2019). Análise da dinâmica do uso e cobertura da terra nas áreas desflorestadas do estado do pará por meio da plataforma google earth engine. 69 f. TCC (Graduação) - Curso de Engenharia Cartográfica e de Agrimensura, Universidade Federal Rural da Amazônia, Belém – PA.
Umoe Bioenergy (Brasil). (2021). Umoe As. Sobre a Empresa.
Xu, H. (2006). Modification of normalized difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3025-3033.
Zha, Y, Gao, J, & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583-594.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Victor Siqueira Ferreira; Andréia Fátima Zanette; Cláudia Gonçalves de Azevedo; Letícia Sabo Boschi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
1) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2) Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3) Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
