Título:	Efficient use of Landsat-8 Data to minimize cloud coverage in the analysis of soybean, corn, and cotton cultivation.
Autor:	DOMPIERI, M. H. G. COUTINHO, P. A. Q. SILVA, M. A. S. da
Afiliación:	MARCIA HELENA GALINA DOMPIERI, CNPM; PEDRO ALVES QUILICI COUTINHO, UNIVERSIDADE ESTADUAL DE CAMPINAS; MARCOS AURELIO SANTOS DA SILVA, CPATC.
Año:	2025
Referencia:	In: CATAPAN, D. C. (org.). Envirnmental education and global consciousness. Curitiba: Contemporânea, 2025. cap. 04.
Páginas:	p. 54-68.
Descripción:	Abstract: This study aimed to manipulate databases from the Landsat-8 project to select orbital scenes with minimal cloud coverage aligned with the growth periods of cotton, corn, and soybean crops in the Cerrado biome. Employing an Extract, Transform, Load (ETL) approach, the research focused on extracting and transforming large datasets by integrating georeferenced information from IBGE and data from the Agricultural Risk Zoning (ZARC). The planting windows for the 2014 to 2019 harvests were identified with a 20% or lower climate risk, considering variables such as soil and climate conditions. The results indicated that the availability of images with low cloud coverage is inversely related to the planting windows, especially during critical periods. To streamline the processing, algorithms were developed in R and Python, and a script for automatic image downloading was implemented. Despite data standardization challenges, applying big data techniques proved essential for the analysis. This study enhances efficiency in agricultural planning and emphasizes the importance of further exploring remote sensing technologies in response to current food security and sustainability demands. Resumo: Este trabalho teve como objetivo a manipulação de grandes bases de dados do projeto Landsat-8 para selecionar cenas orbitais com menor cobertura de nuvens, correspondendo ao período de desenvolvimento das culturas de algodão, milho e soja no bioma do Cerrado. Utilizando uma abordagem de Extração, Transformação e Carregamento (ETL), o estudo focou na extração e transformação de grandes bases de dados, integrando informações georreferenciadas do IBGE e dados do Zoneamento Agrícola de Risco Climático (ZARC). As janelas de plantio para as safras de 2014 a 2019 foram identificadas com um risco climático de 20% ou menos, considerando variáveis como solo e clima. Os resultados mostraram que a disponibilidade de imagens com baixa cobertura de nuvens é inversamente proporcional às janelas de cultivo, especialmente durante períodos críticos. Para facilitar o processamento, foram desenvolvidos algoritmos em R e Python, e um script para download automático de imagens com baixa cobertura de nuvens foi implementado. Apesar dos desafios na padronização dos dados, este estudo teve como objetivo contribuir para a eficiência do planejamento agrícola e destacar a importância de continuar a explorar tecnologias de sensoriamento remoto diante das demandas atuais por segurança alimentar e sustentabilidade.
NAL Thesaurus:	Classification Spatial data
Palabras clave:	Mapping Agricultural sustainability Mapeamento Classificação Dados espaciais Sustentabilidade agrícola
ISBN:	978-65-83227-08-9
Tipo de Material:	Parte de livro
Acceso:	openAccess
Aparece en las colecciones:	Capítulo em livro técnico (CNPM)