Marcio Roberto da Silva Melo, Rocha, Jansle Vieira, 1961, Lamparelli, Rubens Augusto Camargo, 1955, Moro, Edemar, Johann, Jerry Adriani, Barioni, Luis Gustavo, Picoli, Michelle Cristina Araújo, Universidade Estadual de Campinas. Faculdade de Engenharia Agrícola, Programa de Pós-Graduação em Engenharia Agrícola, and UNIVERSIDADE ESTADUAL DE CAMPINAS
Orientadores: Jansle Vieira Rocha, Rubens Augusto Camargo Lamparelli Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola Resumo: O Brasil é um dos maiores produtores mundiais de alimentos. A bovinocultura assume posição de destaque, liderando o ranking de exportação de carne bovina, com segundo maior rebanho mundial. Apesar dos números expressivos, a bovinocultura tem perdido espaço para a produção de outras atividades agrícolas. Pesquisas apontam que a expansão destas atividades tem sido, majoritariamente, em áreas de pastagem com baixos níveis produtivos. Cerca de 80% das pastagens cultivadas se encontra em algum estádio de degradação, reflexo do manejo inadequado e do reduzido investimento destinado à manutenção das pastagens, característico do sistema extensivo de produção. Embora este processo tenha sido evidenciado por estatística agrícola, ainda se faz necessária uma análise mais detalhada que contemple aspectos como, a distribuição geográfica, mapeamento e estimativas das áreas. Nesta perspectiva, o uso de SIG e Sensoriamento Remoto, no segmento agropecuário, têm contribuído para uma melhor gestão dos investimentos rurais, reduzindo impactos ambientais, permitindo o monitoramento e previsão de safra. A detecção, mapeamento e monito¬ramento das pastagens, por meio de imagens, não é uma tarefa simples, devido, principalmente, a sua elevada dinâmica anual e alta sensibilidade a sazonalidade climática, o que contribui para a confusão existente com outras culturas agrícolas no processo de classificação. A utilização de séries temporais de índices de vegetação, como o NDVI, possibilita a identificação e mapeamento de cultivos, em grandes áreas, permitindo acompanhar o desenvolvimento da cultura ao longo de seu ciclo de cultivo. Assim, este trabalho tem por objetivo desenvolver uma metodologia capaz de detectar e mapear áreas de pastagens, por meio da utilização de séries temporais do NDVI, provenientes do sensor MODIS, obtidos à bordo das plataformas Terra e Aqua, bem como, verificar a dinâmica das pastagens no estado de São Paulo. Foram analisadas estatísticas agrícola, disponibilizados pelo IEA, das 63 microrregiões do estado de São Paulo, no período de 2000 a 2015, a fim de verificar a distribuição espacial das pastagens, nas microrregiões, por meio da aplicação de SIG e do modelo Shif-Share. Nas microrregiões com maior concentração de áreas de pastagem, foi aplicada metodologia desenvolvida para o mapeamento das pastagens por meio da utilização de séries temporais do NDVI, provenientes do sensor MODIS. De posse do mapeamento das áreas de pastagem, foi analisada a intensidade das mudanças ocorridas, no uso da terra, da microrregião de Presidente Prudente, entre os anos de 2004 a 2015. A metodologia proposta baseada na utilização de séries temporais do NDVI, mostrou-se eficaz no processo de detecção da pastagem, com coeficiente de correlação linear de Pearson (r) e coeficiente de concordância aprimorado de Willmott (dr) de 0,83 e 0,8140, respectivamente. Os resultados alcançados evidenciaram a redução das áreas de pastagem, ocorrida entre os anos de 2000 a 2015, sendo com maior intensidade entre os anos de 2004 a 2007, em decorrência da competição pelo uso da terra, o que se traduziu na conversão da pastagem em áreas agrícolas Abstract: Brazil is one of the world's largest food producers. Cattle breeding plays an important role, leading the export ranking of beef, with the second largest herd in the world. Despite the expressive numbers, cattle ranching has lost territory for the production to other agricultural activities. Researches indicate that the expansion of agriculture has been, mainly, over pasture areas, with low productivity levels. About 80% of cultivated pastures are at some stage of degradation, reflecting the inadequate management and the low investment for pasture maintenance, characteristic of the extensive production system. Although this process has been evidenced by data from agricultural statistics, a more detailed analysis that includes aspects such as geographic distribution, mapping and area estimates is still necessary. In this perspective, the use of GIS and Remote Sensing techniques in the agricultural sector have contributed to better management of rural investments, reducing environmental impacts, allowing the monitoring and forecasting of the harvest. Detection, mapping and monitoring of pastures by means of satellite imagery is not a simple task, mainly due to their high annual dynamics and high sensitivity to climatic seasonality, which contributes to the confusion with other agricultural crops in the digital classification process. The use of time series of vegetation indices, such as NDVI, allows the identification and mapping of crops in large areas and monitoring their development throughout the growing cycle. The objective of this study was to develop a methodology capable of detecting and mapping pasture areas through the use of NDVI time series from the MODIS sensor obtained on board Terra and Aqua platforms, as well as to verify the dynamics of Pastures in the state of São Paulo. Data from the agricultural statistics, made available by the IEA, were analyzed from 63 microregions of the State of São Paulo, from the year 2000 to 2015, in order to verify the spatial distribution of pastures in the microregions, through the use of GIS and Shif-Share model. In the microregions with the highest concentration of pasture areas, a methodology developed was applied. Based on the pasture areas mapped with the methodology, the intensity of changes in land use and land cover in the Presidente Prudente microregion was analyzed for the period between years 2004 and 2015. The proposed methodology, based on the use of MODIS NDVI time series, proved to be effective in the pasture detection process, with Pearson's linear correlation coefficient (r) and Willmott (dr) improved concordance coefficient of 0.83 and 0.8140, respectively, according agreement with official data. The results showed a reduction of pasture areas, which occurred between 2000 and 2015, and was more intense between 2004 and 2007, as a result of competition for land use, which resulted in the conversion of pasture into agriculture Doutorado Gestão de Sistemas na Agricultura e Desenvolvimento Rural Doutor em Engenharia Agrícola FAPESP 2014/26928-2 CAPES