RESUMO: O uso operacional de imagens de satélites de sensoriamento remoto para mapear lavouras de café em grandes áreas, para fins de obtenção de estatísticas agrícolas confiáveis e oportunas, ainda se encontra em desenvolvimento. Diversos são os fatores que dificultam a correta identificação e mapeamento do parque cafeeiro. Contudo, os avanços tecnológicos observados nos últimos anos em termos de aquisição de imagens com melhor qualidade e em maior quantidade, bem como o desenvolvimento de novas ferramentas de análise, propiciam o desenvolvimento de um método operacional que pode contribuir na formação das estatísticas agrícolas oficiais do café no Brasil. Neste sentido, o presente trabalho tem por objetivo relatar a metodologia e apresentar os resultados do mapeamento das áreas cultivadas com café nos Estados de Minas Gerais e São Paulo, utilizando imagens de sensoriamento remoto e técnicas de geoprocessamento. A abordagem metodológica consiste em quatro fases: a) restauração das imagens e georreferenciamento; b) classificação não supervisionada; c) interpretação visual na tela do computador para minimizar erros de omissão e inclusão, e d) determinação da área cultivada com café. Os resultados indicaram que a metodologia utilizada foi adequada para o mapeamento das lavouras de café de Minas Gerais e São Paulo. PALAVRAS-CHAVE:sensoriamento remoto, imagens de satélite, geoprocessamento, estatísticas agrícolas. GEOTECNOLOGIES TO MAP COFFEE FIELDS IN THE STATES OF MINAS GERAIS AND SÃO PAULO ABSTRACT:The operational use of remote sensing images to map coffee fields in large areas, in order to obtain reliable and timely agricultural statistics, is still under development. Several factors raise difficulties to correctly identify and map the coffee crop. However, technological advances observed in the last years, in terms of image acquisition with improved quality and greater quantity, as well as the development of new tools for image analysis, is favoring the development of an operational method that may contribute to establish the official coffee crop statistics in Brazil. Therefore, the present work has the objective to describe the method and to present the result of the coffee fields mapped in the states of Minas Gerais and São Paulo using remote sensing images and geoprocessing techniques. The methodological approach consisted of four steps: a) image restoration and georeferencing; b) non-supervised classification; c) visual interpretation on the computer screen to suppress omission and commission errors; and d) coffee crop area estimation. The results indicated that the applied method was appropriate to map the coffee crop in the states of Minas Gerais and São Paulo.

Resumo -O objetivo deste trabalho foi delimitar áreas favoráveis ao agroecossistema cafeeiro, em quatro municípios do Estado de Minas Gerais, pela aplicação do processo analítico hierárquico (AHP). Uma função de ponderação aritmética foi obtida, com base nas premissas de favorabilidade à cafeicultura, considerando-se as seguintes variáveis: solo, declividade, orientação de vertentes, altimetria e as possíveis áreas de preservação permanente. Essa função permitiu combinar as condições adequadas ao cultivo do café e ressaltar as áreas com maior favorabilidade. Foi verificado que os quatro municípios diferem entre si quanto à favorabilidade ao agroecossistema cafeeiro; porém, ao se considerar apenas as áreas cultivadas com café, foi verificado que os municípios de Boa Esperança e Cristais não diferem entre si.Termos para indexação: meio ambiente, ecossistema, cultura do café. Analytical hierarchical process to identify favorable areas to the coffee crop agroecosystem at municipal scaleAbstract -The objective of this work was to delimitate favorable areas to the coffee agroecosystem, in four municipalities of Minas Gerais State, Brazil, using the analytical hierarchical process (AHP). An arithmetic pondering function was obtained, based on the favorability premises to coffee crop production, with regard to the following variables: soil, slope, slope aspect, altimetry, and areas that should be under permanent protection. This function allowed to combine the adequate conditions to coffee crop cultivation and gave emphasis to the most favorable areas. It was observed that all four municipalities were different in terms of their favorability to the coffee agroecosystem; however, when considering only the coffee cultivated areas, it was observed that the municipalities of Boa Esperança and Cristais were not significantly different.

No abstract

No abstract

A cafeicultura, atividade de grande importância econômica e social para o país, é um segmento do agronegócio que não dispõe de informações atualizadas sobre o seu agroecossistema e perfil produtivo. O presente trabalho vem corroborar no sentido de desenvolver e/ou adequar metodologias fundamentadas em geotecnologias que possam contribuir significativamente para a delimitação e caracterização da cafeicultura em Minas Gerais. Como área de estudo piloto foram selecionados os municípios de Aguanil, Boa Esperança, Campo Belo e Cristais. No desenvolvimento do trabalho foram utilizadas imagens do sensor CCD a bordo do satélite CBERS, imagens do sensor TM a bordo do LANDSAT-5. As imagens foram classificadas de forma supervisionada com o classificador Maxver e posteriormente realizada a interpretação visual para a correção dos erros de omissão e inclusão. Os resultados mostraram que foi possível identificar e mapear as áreas cultivadas com café por meio de imagens de satélites de sensoriamento remoto.