@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 = "2024, Apr. 29"
}