Close
Metadata

@Article{RizziRudoAdam:2006:EsÁrSo,
               author = "Rizzi, Rodrigo and Rudorff, Bernado Friedrich Theodor and Adami, 
                         Marcos",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)}",
                title = "Estimativa da {\'a}rea de soja no estado do Rio Grande do Sul por 
                         um m{\'e}todo de amostragem / Soybean crop area estimate in Rio 
                         Grande do Sul State through a sampling method",
              journal = "Ci{\^e}ncia Rural",
                 year = "2006",
               volume = "36",
               number = "1",
                pages = "30--35",
                month = "jan.-fev.",
             keywords = "sensoriamento remoto, estat{\'{\i}}sticas agr{\'{\i}}colas, 
                         sistemas de informa{\c{c}}{\~a}o geogr{\'a}fica, remote 
                         sensing, agricultural statistics, geographic information system, 
                         Glycine max.",
             abstract = "Este trabalho objetivou avaliar um m{\'e}todo de amostragem por 
                         segmentos regulares na estimativa da {\'a}rea plantada com soja 
                         no Estado do Rio Grande do Sul. Um mapa tem{\'a}tico das 
                         {\'a}reas com soja, oriundo da classifica{\c{c}}{\~a}o 
                         multitemporal de imagens do sat{\'e}lite Landsat, ano-safra 
                         2000/01, foi utilizado como dado de refer{\^e}ncia para 
                         compara{\c{c}}{\~a}o dos resultados. A {\'a}rea de estudo foi 
                         dividida em segmentos regulares de 1 x 1km e estratificada em 
                         rela{\c{c}}{\~a}o ao percentual de soja cultivado no 
                         munic{\'{\i}}pio, em tr{\^e}s extratos: a) 0-20; b) 20-40 e c) 
                         40-67%. Um m{\'e}todo probabil{\'{\i}}stico foi utilizado para 
                         definir quatro n{\'u}meros amostrais, representando 0,06, 0,12, 
                         0,24 e 0,48% da {\'a}rea de estudo, sendo cada um sorteado 
                         aleatoriamente cem vezes. A estimativa da {\'a}rea de soja para 
                         cada sorteio foi calculada analisando-se a {\'a}rea de cada 
                         segmento sorteado sobre o mapa tem{\'a}tico e ent{\~a}o 
                         comparada ao dado de refer{\^e}ncia. Os melhores resultados foram 
                         obtidos para o maior n{\'u}mero amostral, o qual teve baixo 
                         Coeficiente de Varia{\c{c}}{\~a}o (5,2%), indicando que o 
                         m{\'e}todo, al{\'e}m de fornecer a {\'a}rea plantada com soja, 
                         em n{\'{\i}}vel estadual, pode ser usado para prever a {\'a}rea 
                         plantada no in{\'{\i}}cio da safra ou nos anos em que n{\~a}o 
                         se disp{\~o}e de imagens de sat{\'e}lite livres de nuvens. Os 
                         tr{\^e}s melhores sorteios para o maior n{\'u}mero amostral 
                         tiveram sua {\'a}rea de soja tamb{\'e}m quantificada 
                         atrav{\'e}s do mapeamento de imagens adquiridas no ano-safra 
                         subseq{\"u}ente (2001/02). Neste caso, foi observado um 
                         incremento entre 11,4 e 12,5% em rela{\c{c}}{\~a}o ao ano-safra 
                         2000/01, indicando que o incremento informado pelo IBGE (8,8%) 
                         est{\'a} subestimado. ABSTRACT: This paper evaluates a sampling 
                         square method to estimate soybean crop area in Rio Grande do Sul 
                         State, Brazil. A soybean thematic map obtained from multitemporal 
                         Landsat images classification for the crop year of 2000/01 was 
                         used as reference data. The State area was divided into cells of 1 
                         x 1km and stratified into three soybean area densities (0-20, 
                         20-40 and 40-67%) at municipality level. A probabilistic technique 
                         was used to determine four sample rates representing 0.06, 0.12, 
                         0.24 and 0.48% of the study area, being each one randomly sampled 
                         one hundred times. The soybean area for each sample was evaluated 
                         based on the reference data map. The one hundred estimates for 
                         each sample rate were then compared with the reference data for 
                         the entire study area. Best results were obtained for the highest 
                         sample rate with low Coefficient of Variation (5.2%), indicating 
                         that this method is not only suitable to accurate estimate soybean 
                         crop area, at State level, but it is also an appropriate 
                         alternative for early forecast or when cloud free satellite images 
                         are not available. The best three samples for the highest sample 
                         rate were selected to estimate soybean area over images acquired 
                         in the following crop year (2001/02). In this case, an increment 
                         between 11.4 and 12.5% in relation to 2000/01 was observed, 
                         indicating that the IBGE estimate (8.8%) is underestimated.",
                 issn = "0103-8478",
             language = "pt",
           targetfile = "a05v36n1.pdf",
        urlaccessdate = "2020, July 13"
}


Close