For agronomic, environmental, and economic reasons, the need for spatialized information about agricultural practices is expected to rapidly increase. In this context, we reviewed the literature on remote sensing for mapping cropping practices. The reviewed studies were grouped into three categories of practices: crop succession (crop rotation and fallowing), cropping pattern (single tree crop planting pattern, sequential cropping, and intercropping/agroforestry), and cropping techniques (irrigation, soil tillage, harvest and post-harvest practices, crop varieties, and agro-ecological infrastructures). We observed that the majority of the studies were exploratory investigations, tested on a local scale with a high dependence on ground data, and used only one type of remote sensing sensor. Furthermore, to be correctly implemented, most of the methods relied heavily on local knowledge on the management practices, the environment, and the biological material. These limitations point to future research directions, such as the use of land stratification, multi-sensor data combination, and expert knowledge-driven methods. Finally, the new spatial technologies, and particularly the Sentinel constellation, are expected to improve the monitoring of cropping practices in the challenging context of food security and better management of agro-environmental issues.

Due to different combinations of agriculture, livestock and forestry managed by rotation, succession and intercropping practices, integrated agriculture production systems such as integrated crop–livestock systems (iCL) constitute a very complex target and a challenge for automatic mapping of cropping practices based on remote sensing data. The overall objective of this study was to develop a classification strategy for the annual mapping of integrated Crop–Livestock systems (iCL) at a regional scale. This strategy was designed and tested in the six agro-climatic regions of Mato Grosso, the largest Brazilian soybean producer state, using MODIS satellite time-series images acquired between 2012 and 2019, ground data with heterogeneous distribution in space and time and a Random Forest classifier. The results showed that: 1. the use of unbalanced training samples with a class composition close to the real one was the right classifier training strategy; 2. the use of a single training database (pooling samples from different years and regions) to classify each region and year individually proved to be robust enough to provide similar classification accuracies in comparison to those based on the use of a database acquired for each region and for each year. The final hierarchical classification overall accuracy was 0.89 for Level 1, the cropping pattern level (single and double crops DC); 0.84 for Level 2, the DC category level (integrated system iCL soy-pasture/brachiaria, soy-cotton and soy-cereal); 0.77 for Level 3, the iCL level (iCL1 soy-pasture and iCL2 soy-pasture mixed with corn). The F-scores for DC, iCL and iCL1 cropping systems presented high accuracy (0.89, 0.85 and 0.84), while iCL2 was more difficult to classify (0.63). This approach will next be applied across the entire Brazilian soybean corridor, leading to an operational tool for monitoring the adoption of sustainable intensification practices recognized by Brazil’s Agriculture Low Carbon Plan (ABC PLAN).

A erosão hídrica do solo no município de Vassouras (RJ) estão associados, em grande medida, às transformações históricas do uso da terra e às formas de manejo agropecuário adotadas em áreas de encosta. Diante desse quadro, o artigo objetiva conectar a literatura sobre a transformação do uso do solo em Vassouras e seus desdobramentos ambientais. Para tal, aborda o papel do ciclo do café na reorganização territorial e na conversão da Mata Atlântica; caracteriza a transição subsequente para pastagens extensivas e os mecanismos associados à degradação do solo; sintetiza os impactos da erosão hídrica do solo e da fragmentação da cobertura florestal; por fim, identifica iniciativas governamentais e instrumentos voltados à conservação e recuperação do solo, incluindo ações com efeitos indiretos. Adota-se uma revisão narrativa de caráter interdisciplinar, fundamentada em história ambiental, geografia histórica, geomorfologia e ciência do solo, complementada por documentos institucionais, marcos legais e bases de dados de mapeamento de uso e cobertura do solo. Conclui-se que estratégias de recuperação em Vassouras demandam a integração entre conservação de solo e água, restauração da vegetação nativa em áreas sensíveis e instrumentos de governança, apoiados por monitoramento e mapeamentos das áreas que necessitam ser priorizadas na aplicação de recursos oriundos das políticas e programas governamentais

O presente artigo objetivou apresentar os procedimentos metodológicos e as técnicas de geoprocessamento utilizadas para a extração de dados de modelos espacializados ou de bases cartográficas temáticas visando o cálculo de indicadores para a avaliação do processo de expansão da cultura canavieira em quatro Microrregiões do Estado de Goiás: Sudoeste de Goiás, Vale do Rio dos Bois, Quirinópolis e Meia Ponte. Os diversos dados espaciais em formato shape, adquiridos de fontes secundárias ou de modelos especificamente elaborados, foram introduzidos em um Sistema de Informações Geográficas (SIG), no qual, por meio de técnicas simples de geoprocessamento, foram realizados ajustes e a integração dos dados espaciais para a obtenção dos dados (grandezas físicas) requeridos para o cálculo de diversos índices propostos pelo Sistema de Indicadores para a Avaliação do Potencial de Sustentabilidade Hídrica da Atividade Canavieira - SISH-Cana (FERRAZ, 2012). Os resultados demonstram a pertinência das técnicas utilizadas. O nível de detalhamento dos modelos espaciais adotados foi adequado, considerando que os índices propostos se aplicam à caracterização de unidades territoriais de analise de grande abrangência geográfica (microrregiões) em subsídio a planejamentos setoriais (Recursos hídricos; Agricultura) de nível estratégico.

Anais do 61º Congresso da Sociedade Brasileira de Economia, Administração e Sociologia Rural (SOBER) (978-85-5722-931-0) - Fontes De Dados Para Compor O Indicador “Área Agropecuária” Da Ocde

Entre as principais potências agropecuárias, o Brasil se destaca como um dos poucos países que ainda dispõe de extensas áreas de terra com potencial de produção agropecuária, sem a necessidade do desmatamento. O país busca reverter a degradação do solo por meio de políticas públicas, incluindo a criação de indicadores Sócio-Agro-Ambientais multiescalares. Este trabalho tem como objetivo desenvolver uma solução para diagnosticar áreas degradadas, oferecendo recomendações técnicas regionalizadas para a conservação, recuperação e reintegração dessas áreas à cadeia produtiva de alto rendimento. Duas abordagens inovadoras foram adotadas: (i) uso de deep learning, com uma acurácia de 95,9% para diagnósticos locais por smartphones; (ii) baseada em machine learning e satélites, que alcançou 95,90% de acurácia para avaliações regionais. Ambas as metodologias convergem para soluções acessíveis e inovadoras, estimulando ações de recuperação de áreas degradadas.