RESUMO

Reflectance measurements of plants of the same species can produce sets of data with differences between spectra, due to factors that can be external to the plant, like the environment where the plant grows, and to internal factors, for measurements of different varieties. This paper reports results of the analysis of radiometric measurements performed on leaves of vines of several grape varieties and on several sites. The objective of the research was, after the application of techniques of dimensionality reduction for the definition of the most relevant wavelengths, to evaluate four machine learning models applied to the observational sample aiming to discriminate classes of region and variety in vineyards. The tested machine learning classification models were Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), and Support Vector Machine (SVM). From the results, we reported that the LGBM model obtained better accuracy in spectral discrimination by region, with a value the 0.93, followed by the RF model. Regarding the discrimination between grape varieties, these two models also achieved better results, with accuracies of 0.88 and 0.89. The wavelengths more relevant for discrimination were at ultraviolet, followed by those at blue and green spectral regions. This research pointed toward the importance of defining the wavelengths more relevant to the characterization of the reflectance spectra of leaves of grape varieties and revealed the effective capability of discriminating vineyards by their region or grape variety, using machine learning models.

Medições de refletância de plantas da mesma espécie podem produzir conjuntos de dados com diferenças entre os espectros, devido a fatores que podem ser externos à planta, como o ambiente onde a planta cresce, e fatores internos, para medições com variedades de plantas. Este artigo reporta resultados da análise de medições por espectrorradiometria efetuadas em folhas de vinhas de variedades e em diferentes localidades. O objetivo desta pesquisa foi, após a aplicação de técnicas de redução de dimensionalidade para a definição dos comprimentos de onda mais relevantes, avaliar quatro modelos de aprendizado de máquina aplicados à amostra observacional visando discriminar classes de região e variedade. Os modelos de classificação de aprendizado de máquina testados foram Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF) e Support Vector Machine (SVM). A partir dos resultados, relatamos que o modelo LGBM obteve melhor acurácia na discriminação espectral por região, com valor de 0,93, seguido pelo modelo RF. Relativamente à discriminação entre castas, estes dois modelos também obtiveram melhores resultados, com acurácias de 0,88 e 0,89. Os comprimentos de onda mais importantes para as discriminações procuradas estiveram na região do ultravioleta, seguidos do azul e do verde. Este trabalho aponta para a importância de detectar os comprimentos de onda mais relevantes para a caracterização dos espectros de reflectância das folhas de variedades de vinhas, e revela a capacidade efetiva de discriminar vinhedos por suas regiões ou variedades, usando modelos de aprendizado de máquina.

Assuntos

RESUMO

ABSTRACT The agricultural dynamics of soybean expansion have long been recognized as a major driver of excessive land cover change on the southwestern border of the Brazilian Amazon. The hypothesis that the soybean market exerts an influence on land use was investigated by the association between economic indicators and soybean crop dynamics in the state of Mato Grosso (western Brazil). We integrated a historical series of satellite data of soybean cropland expansion and the two main economic variables (selling prices and production costs) for soybean in Mato Grosso. We focused on the relation between profit (the difference between the average soybean price and production costs) and land-use transition to soybean from 2001 to 2013. The spatially explicit analysis showed that the overall accuracy between the resulting first-time use and the most recent soybean crop area in 2013 was 96.75%, with a Kappa index of 0.63. However, dissimilar values found between Omission and Commission indicators suggest that most of the expanded areas prior to 2013 (5.57 million ha) were under a high dynamical range of land uses. Although there is no direct relation between either the deforestation rate or expansion trends (first-time-use rate) and profit, the results strongly suggest (R2=0.81) that profit exerts a direct and non-negligible influence on the evolution of consolidated land use for soybean in Mato Grosso State.

RESUMO A dinâmica agrícola relacionada à expansão da soja tem sido reconhecida como um dos principais fatores da excessiva conversão da cobertura do solo no Estado de Mato Grosso, no sudoeste da Amazônia brasileira. A hipótese de que o mercado de soja exerce influência no uso do solo, foi investigada pela associação de indicadores econômicos com a dinâmica da cultura de soja no Mato Grosso. Integramos séries históricas de dados de satélite para expansão da área de cultivo de soja e de suas duas principais variáveis ​​econômicas associadas (preço de venda e custo de produção). Enfocamos a relação entre lucro (a diferença entre as médias do preço da soja e do custo de produção) e a conversão do uso do solo para soja de 2001 a 2013. A análise espacial explícita revelou que a precisão global na comparação entre o mapa resultante de first-time-use de cultivo de soja em 2013 foi de 96,75%, com índice Kappa de 0,63. Entretanto, a divergência obtida entre os indicadores de erro por comissão e omissão, sugerem que a maior parte da expansão da soja ocorrida antes de 2013 (5,57 milhões de ha) esteve sob influência de uma intensa dinâmica de uso do solo. Embora seja claro não haver relação direta entre a taxa de desmatamento ou tendências de expansão (taxa de uso pela primeira vez) e o lucro, os resultados sugerem fortemente (R2=0,81) que o lucro exerce influência direta e não-negligenciável na evolução do uso do solo consolidado com soja no estado de Mato Grosso.

Assuntos

RESUMO

ABSTRACT The agricultural dynamics of soybean expansion have long been recognized as a major driver of excessive land cover change on the southwestern border of the Brazilian Amazon. The hypothesis that the soybean market exerts an influence on land use was investigated by the association between economic indicators and soybean crop dynamics in the state of Mato Grosso (western Brazil). We integrated a historical series of satellite data of soybean cropland expansion and the two main economic variables (selling prices and production costs) for soybean in Mato Grosso. We focused on the relation between profit (the difference between the average soybean price and production costs) and land-use transition to soybean from 2001 to 2013. The spatially explicit analysis showed that the overall accuracy between the resulting first-time use and the most recent soybean crop area in 2013 was 96.75%, with a Kappa index of 0.63. However, dissimilar values found between Omission and Commission indicators suggest that most of the expanded areas prior to 2013 (5.57 million ha) were under a high dynamical range of land uses. Although there is no direct relation between either the deforestation rate or expansion trends (first-time-use rate) and profit, the results strongly suggest (R2=0.81) that profit exerts a direct and non-negligible influence on the evolution of consolidated land use for soybean in Mato Grosso State.(AU)

RESUMO A dinâmica agrícola relacionada à expansão da soja tem sido reconhecida como um dos principais fatores da excessiva conversão da cobertura do solo no Estado de Mato Grosso, no sudoeste da Amazônia brasileira. A hipótese de que o mercado de soja exerce influência no uso do solo, foi investigada pela associação de indicadores econômicos com a dinâmica da cultura de soja no Mato Grosso. Integramos séries históricas de dados de satélite para expansão da área de cultivo de soja e de suas duas principais variáveis econômicas associadas (preço de venda e custo de produção). Enfocamos a relação entre lucro (a diferença entre as médias do preço da soja e do custo de produção) e a conversão do uso do solo para soja de 2001 a 2013. A análise espacial explícita revelou que a precisão global na comparação entre o mapa resultante de first-time-use de cultivo de soja em 2013 foi de 96,75%, com índice Kappa de 0,63. Entretanto, a divergência obtida entre os indicadores de erro por comissão e omissão, sugerem que a maior parte da expansão da soja ocorrida antes de 2013 (5,57 milhões de ha) esteve sob influência de uma intensa dinâmica de uso do solo. Embora seja claro não haver relação direta entre a taxa de desmatamento ou tendências de expansão (taxa de uso pela primeira vez) e o lucro, os resultados sugerem fortemente (R2=0,81) que o lucro exerce influência direta e não-negligenciável na evolução do uso do solo consolidado com soja no estado de Mato Grosso.(AU)

Assuntos

RESUMO

Estimations of crop area were made based on the temporal profiles of the Enhanced Vegetation Index (EVI) obtained from moderate resolution imaging spectroradiometer (MODIS) images. Evaluation of the ability of the MODIS crop detection algorithm (MCDA) to estimate soybean crop areas was performed for fields in the Mato Grosso state, Brazil. Using the MCDA approach, soybean crop area estimations can be provided for December (first forecast) using images from the sowing period and for February (second forecast) using images from the sowing period and the maximum crop development period. The area estimates were compared to official agricultural statistics from the Brazilian Institute of Geography and Statistics (IBGE) and from the National Company of Food Supply (CONAB) at different crop levels from 2000/2001 to 2010/2011. At the municipality level, the estimates were highly correlated, with R (2) = 0.97 and RMSD = 13,142 ha. The MCDA was validated using field campaign data from the 2006/2007 crop year. The overall map accuracy was 88.25%, and the Kappa Index of Agreement was 0.765. By using pre-defined parameters, MCDA is able to provide the evolution of annual soybean maps, forecast of soybean cropping areas, and the crop area expansion in the Mato Grosso state.

Assuntos