Mapeo de áreas de pastos en Pontal do Paranapanema para estimar la producción de etanol

Autores/as

DOI:

https://doi.org/10.33448/rsd-v11i8.30931

Palabras clave:

Mapeo del uso y cobertura del suelo; Google Earth Engine; Biocombustibles.

Resumen

La creciente preocupación por el cambio climático así como una legislación ambiental cada vez más estricta y el deterioro ambiental impulsan el consumo de biocombustibles con el fin de reducir las emisiones contaminantes. El etanol obtenido de la caña de azúcar ha sido ampliamente utilizado ya que es una fuente de energía renovable y produce bajas emisiones contaminantes. En Brasil, el Proálcool fomentó la expansión de los sabores de la caña de azúcar en todo el estado de São Paulo y la región de Pontal do Paranapanema está mostrando una creciente sustitución de áreas de pastos por este cultivo. En este contexto, el presente trabajo tiene como objetivo estimar la producción de etanol para una pequeña región del Pontal do Paranapanema a partir de la sustitución de áreas de pastos por cultivos de caña de azúcar. Para ello se elaboró ​​un mapa de uso y cobertura del suelo de la región mediante la clasificación supervisada de una imagen del satélite Sentinel 2A en Google Earth Engine a través del algoritmo Random Forest los índices NDVI, NDBI, MNDWI y RS. La clasificación presentó una precisión excelente, con valores del índice Kappa del 99,7 % y una precisión general del 99,78 %. Los potreros ocuparon el 48,08% del área de estudio, con 196.416,71 hectáreas y al sustituir los pastos por caña de azúcar, el área presenta un potencial de producción entre 1.079.741.938,32 y 1.214.709.680,61 litros de etanol. Por lo tanto, el área muestra un enorme potencial para la producción de etanol, siendo atractiva para inversiones en el sector, favoreciendo la economía y la población de los municipios de la región.

Biografía del autor/a

Letícia Sabo Boschi, Universidade Estadual Paulista

Graduado en Ingeniería Cartográfica por la Universidade Estadual Paulista Júlio de Mesquita Filho - FCT/UNESP (2002), Magíster en Ciencias Cartográficas por la FCT/UNESP (2005) y Doctor en Ciencias Cartográficas por la FCT/UNESP (2011). Actualmente es Profesora Asistente de la carrera de Ingeniería en Energía en el Campus Experimental de la UNESP de Rosana.Tiene experiencia en el área de Percepción Remota, con énfasis en imágenes multiespectrales, percepción remota acústica y Redes Neuronales Artificiales.

Citas

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.

Publicado

14/06/2022

Cómo citar

FERREIRA, V. S. .; ZANETTE, A. F. .; AZEVEDO, C. G. de .; BOSCHI, L. S. . Mapeo de áreas de pastos en Pontal do Paranapanema para estimar la producción de etanol. Research, Society and Development, [S. l.], v. 11, n. 8, p. e15811830931, 2022. DOI: 10.33448/rsd-v11i8.30931. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/30931. Acesso em: 28 sep. 2024.

Número

Sección

Ciencias Exactas y de la Tierra