Mapeamento de áreas de pastagens do Pontal do Paranapanema para estimativa da produção de etanol

Autores

DOI:

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

Palavras-chave:

Mapeamento do uso e cobertura do solo; Google Earth Engine; Biocombustíveis.

Resumo

A crescente preocupação com as mudanças climáticas bem como uma legislação ambiental cada vez mais rigorosa e a degradação ambiental impulsionam o consumo de biocombustíveis visando reduzir emissões poluentes. O etanol obtido a partir da cana de açúcar tem sido amplamente utilizado uma vez que é uma fonte de energia renovável e produz baixas emissões de poluentes. No Brasil, o Proálcool incentivou a expansão de lavouras de cana de açúcar pelo estado de São Paulo e a região do Pontal do Paranapanema está presenciando uma crescente substituição de áreas de pastagem por esta cultura. Nesse contexto, o presente trabalho tem como objetivo estimar a produção de etanol para uma pequena região do Pontal do Paranapanema a partir da substituição das áreas de pastagens por cultura de cana-de-açúcar. Para tanto, foi gerado um mapa de uso e cobertura do solo da região através da classificação supervisionada de uma imagem do satélite Sentinel 2A no Google Earth Engine por meio do algoritmo Random Forest e dos índices NDVI, NDBI, MNDWI e RS. A classificação apresentou uma acurácia excelente, com valores de Índice Kappa de 99,7% e acurácia global de 99,78%. As pastagens ocuparam 48,08% da área de estudo, com 196.416,71 hectares e ao substituir as pastagens por cana de açúcar a área apresenta um potencial de produção entre 1.079.741.938,32 e 1.214.709.680,61 litros de etanol. Desse modo, a área mostra um enorme potencial de produção de etanol sendo atrativa para investimentos no setor, favorecendo a economia e a população dos municípios da região.

Biografia do Autor

Letícia Sabo Boschi, Universidade Estadual Paulista

Possui graduação em Engenharia Cartográfica pela Universidade Estadual Paulista Júlio de Mesquita Filho - FCT/UNESP (2002), mestrado em Ciências Cartográficas pela FCT/UNESP (2005) e doutorado em Ciências Cartográficas pela FCT/UNESP (2011). Atualmente é Professora Assistente Doutora do curso de Engenharia de Energia no Campus Experimental da UNESP de Rosana.Tem experiência na área de Sensoriamento Remoto, com ênfase em imagens multiespectrais, sensoriamento remoto acústico e Redes Neurais Artificiais.

Referências

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

Publicado

14/06/2022

Como Citar

FERREIRA, V. S. .; ZANETTE, A. F. .; AZEVEDO, C. G. de .; BOSCHI, L. S. . Mapeamento de áreas de pastagens do Pontal do Paranapanema para estimativa da produção 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 set. 2024.

Edição

Seção

Ciências Exatas e da Terra