EXPANSÃO E INTENSIFICAÇÃO DAS LAVOURAS TEMPORÁRIAS DE SOJA, MILHO E ALGODÃO NO CENTRO-OESTE BRASILEIRO (1985–2020): ANÁLISE DE TENDÊNCIA E CONTROLE ESTATÍSTICO DE PROCESSO APLICADOS A DADOS PÚBLICOS

Autores

DOI:

https://doi.org/10.30681/rbegdr.v10i3.15723

Palavras-chave:

Fronteira Agrícola, Dupla Safra, Mann-Kendall, Declive de Sen, Capacidade de Processo

Resumo

O Centro-Oeste brasileiro concentra a maior fronteira agrícola tropical do planeta, e o monitoramento confiável de sua dinâmica é condição para o planejamento territorial e para a validação de produtos de mapeamento de uso e cobertura do solo. Este trabalho analisou a expansão e a intensificação das lavouras temporárias de soja, milho e algodão em Mato Grosso, Mato Grosso do Sul, Goiás e Distrito Federal entre 1985 e 2020, utilizando exclusivamente dados públicos: a série municipal completa da Produção Agrícola Municipal do IBGE, agregada a partir dos 467 municípios da região. Aplicaram-se o teste de tendência de Mann-Kendall e o estimador de declive de Sen, um índice de sucessão milho–soja como medida de dupla safra, e controle estatístico de processo com cartas de médias e amplitudes sobre o aproveitamento (razão entre área colhida e área plantada) e carta de individuais sobre a taxa de expansão anual da soja. A área colhida das três culturas passou de 4,04 para 27,06 milhões de hectares, um aumento de 6,7 vezes. A soja cresceu de 2,84 para 16,76 milhões de hectares (declive de Sen de 422,5 mil ha ano⁻¹), o milho de 1,05 para 9,08 milhões (184,1 mil ha ano⁻¹) e o algodão de 0,15 para 1,21 milhão (24,5 mil ha ano⁻¹); todas as tendências regionais foram significativas (p < 0,001). A participação da região no total nacional subiu de 28,0% para 45,1% na soja, de 8,9% para 49,8% no milho e de 6,5% para 74,1% no algodão. O índice de sucessão milho–soja passou de 0,37 para 0,54, com queda intermediária para 0,20 em 2005, evidenciando que a intensificação por dupla safra é fenômeno posterior a 2006 e responde por parcela crescente do crescimento da produção. O algodão sofreu reorganização espacial radical: Mato Grosso passou de 11,5% para 94,2% da área regional, enquanto Mato Grosso do Sul e Goiás recuaram 52,5% e 39,8% em área absoluta. As cartas de controle identificaram 1990, 2000 e 2016 como anos fora dos limites no aproveitamento, associados a anomalias climáticas, e detectaram deslocamento sustentado de patamar a partir de 2014, com aproveitamento médio de 0,9974 no período 2012–2020; o índice de capacidade Cpk de 1,84 indica processo capaz frente a uma especificação de aproveitamento mínimo de 0,95. Conclui-se que a combinação de estatísticas públicas, análise de tendência não paramétrica e controle estatístico de processo constitui instrumento replicável de auditoria da dinâmica agrícola regional e base de referência independente para a validação de produtos de sensoriamento remoto.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Reinaldo Mendonça Pereira, Universidade Federal de Mato Grosso

    Pesquisador e acadêmico em Ciências Naturais e Matemática pela Universidade Federal de Mato Grosso, com atuação multidisciplinar nas áreas de ciências agrárias, sustentabilidade, gestão, inovação tecnológica, biologia celular e desenvolvimento agroindustrial. Doutorando Direto em Biologia Celular e Molecular pela Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (FMRP-USP), possui graduação em Engenharia Agronômica (UniFatecie), Química (UniFatecie), Gestão Ambiental (Faculdade Unimais/Educamais) e Gestão do Agronegócio (UniFatecie), além de estudos em Administração (UNOPAR). Conta com sólida formação técnica, abrangendo Agronegócio e Segurança do Trabalho pelo CPET, Agropecuária pelo Centro Educacional Carajás / ICETEC, Apicultura pela Universidade Estadual do Maranhão (UEMA), Química pela Escola Técnica Star Brasil, Segurança do Trabalho pelo IFSUL e Agricultura pelo SENAR. Desenvolve pesquisas focadas em produção agrícola, qualidade fisiológica de sementes, biologia molecular, tecnologias aplicadas ao agronegócio, gestão agroindustrial, segurança ocupacional e desenvolvimento sustentável.

Referências

ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.; GONÇALVES, J. L. M.; SPAROVEK, G. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, v. 22, p. 711-728, 2013. Disponível em: https://doi.org/10.1127/0941-2948/2013/0507. Acesso em: 3 set. 2026.

ARVOR, D.; DUBREUIL, V.; RONCHAIL, J.; SIMÕES, M.; FUNATSU, B. M. Spatial patterns of rainfall regimes related to levels of double cropping agriculture systems in Mato Grosso (Brazil). International Journal of Climatology, v. 34, p. 2622-2633, 2014. Disponível em: https://doi.org/10.1002/joc.3863. Acesso em: 3 set. 2026.

ARVOR, D.; JONATHAN, M.; MEIRELLES, M. S. P.; DUBREUIL, V.; DURIEUX, L. Classification of MODIS EVI time series for crop mapping in the state of Mato Grosso, Brazil. International Journal of Remote Sensing, v. 32, p. 7847-7871, 2011. Disponível em: https://doi.org/10.1080/01431161.2010.531783. Acesso em: 3 set. 2026.

ARVOR, D.; MEIRELLES, M. S. P.; DUBREUIL, V.; BÉGUÉ, A.; SHIMABUKURO, Y. E. Analyzing the agricultural transition in Mato Grosso, Brazil, using satellite-derived indices. Applied Geography, v. 32, p. 702-713, 2012. Disponível em: https://doi.org/10.1016/j.apgeog.2011.08.010. Acesso em: 3 set. 2026.

BÉGUÉ, A.; ARVOR, D.; BELLON, B.; BETBEDER, J.; DE ABELLEYRA, D.; FERRAZ, R. P. D. et al. Remote sensing and cropping practices: a review. Remote Sensing, v. 10, art. 99, 2018. Disponível em: https://doi.org/10.3390/rs10010099. Acesso em: 3 set. 2026.

COMPANHIA NACIONAL DE ABASTECIMENTO (CONAB). Acompanhamento da safra brasileira de grãos. Brasília: CONAB, 2026. Disponível em: https://www.gov.br/conab/pt-br/atuacao/informacoes-agropecuarias/safras. Acesso em: 3 set. 2026.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Produção Agrícola Municipal: tabela 1612. Rio de Janeiro: IBGE. Disponível em: https://sidra.ibge.gov.br/tabela/1612. Acesso em: 5 set. 2026.

KENDALL, M. G. Rank correlation methods. 4. ed. London: Charles Griffin, 1975.

KLINK, C. A.; MACHADO, R. B. Conservation of the Brazilian Cerrado. Conservation Biology, v. 19, p. 707-713, 2005. Disponível em: https://doi.org/10.1111/j.1523-1739.2005.00702.x. Acesso em: 5 set. 2026.

LAMBIN, E. F.; MEYFROIDT, P. Global land use change, economic globalization, and the looming land scarcity. Proceedings of the National Academy of Sciences of the United States of America, v. 108, p. 3465-3472, 2011. Disponível em: https://doi.org/10.1073/pnas.1100480108. Acesso em: 5 set. 2026.

MACEDO, M. N.; DEFRIES, R. S.; MORTON, D. C.; STICKLER, C. M.; GALFORD, G. L.; SHIMABUKURO, Y. E. Decoupling of deforestation and soy production in the southern Amazon during the late 2000s. Proceedings of the National Academy of Sciences of the United States of America, v. 109, p. 1341-1346, 2012. Disponível: https://doi.org/10.1073/pnas.1111374109. Acesso em: 5 set. 2026.

MANN, H. B. Nonparametric tests against trend. Econometrica, v. 13, p. 245-259, 1945. Disponível em: https://doi.org/10.2307/1907187. Acesso em: 5 set. 2026.

MONTGOMERY, D. C. Introduction to statistical quality control. 8. ed. Hoboken: Wiley, 2019.

NELSON, L. S. The Shewhart control chart: tests for special causes. Journal of Quality Technology, v. 16, p. 237-239, 1984. Disponível em: https://doi.org/10.1080/00224065.1984.11978921. Acesso em: 5 set. 2026.

OLOFSSON, P.; FOODY, G. M.; HEROLD, M.; STEHMAN, S. V.; WOODCOCK, C. E.; WULDER, M. A. Good practices for estimating area and assessing accuracy of land change. Remote Sensing of Environment, v. 148, p. 42-57, 2014. Disponível em: https://doi.org/10.1016/j.rse.2014.02.015. Acesso em: 5 set. 2026.

PICOLI, M. C. A.; CAMARA, G.; SANCHES, I.; SIMÕES, R.; CARVALHO, A.; MACIEL, A. et al. Big earth observation time series analysis for monitoring Brazilian agriculture. ISPRS Journal of Photogrammetry and Remote Sensing, v. 145, p. 328-339, 2018. Disponível em: https://doi.org/10.1016/j.isprsjprs.2018.09.002. Acesso em: 5 set. 2026.

PROJETO MAPBIOMAS. Coleção 11 da Série Anual de Mapas de Cobertura e Uso da Terra do Brasil (1985-2025). São Paulo: MapBiomas, 2026. Disponível em: https://brasil.mapbiomas.org. Acesso em: 5 set. 2026.

QGIS DEVELOPMENT TEAM. QGIS Geographic Information System: versão 3.34 LTR. [S. l.]: Open Source Geospatial Foundation Project, 2024. Disponível em: https://qgis.org. Acesso em: 5 set. 2026.

R CORE TEAM. R: a language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2024. Disponível em: https://www.R-project.org. Acesso em: 5 set. 2026.

SCRUCCA, L. qcc: an R package for quality control charting and statistical process control. R News, v. 4, p. 11-17, 2004. Disponível em: https://journal.r-project.org/articles/RN-2004-003/RN-2004-003.pdf. Acesso em: 5 set. 2026.

SEN, P. K. Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association, v. 63, p. 1379-1389, 1968. Disponível em: https://doi.org/10.1080/01621459.1968.10480934. Acesso em: 5 set. 2026.

SHEWHART, W. A. Economic control of quality of manufactured product. New York: D. Van Nostrand, 1931.

SONG, X.-P.; HANSEN, M. C.; POTAPOV, P.; ADUSEI, B.; PICKERING, J.; ADAMI, M. et al. Massive soybean expansion in South America since 2000 and implications for conservation. Nature Sustainability, v. 4, p. 784-792, 2021. Disponível em: https://doi.org/10.1038/s41893-021-00729-z. Acesso em: 5 set. 2026.

SOUZA JR., C. M.; SHIMBO, J. Z.; ROSA, M. R. et al. Reconstructing three decades of land use and land cover changes in Brazilian biomes with Landsat archive and Earth Engine. Remote Sensing, v. 12, art. 2735, 2020. Disponível em: https://doi.org/10.3390/rs12172735. Acesso em: 5 set. 2026.

SPERA, S. A.; COHN, A. S.; VANWEY, L. K.; MUSTARD, J. F.; RUDORFF, B. F.; RISSO, J.; ADAMI, M. Recent cropping frequency, expansion, and abandonment in Mato Grosso, Brazil had selective land characteristics. Environmental Research Letters, v. 9, art. 064010, 2014. Disponível em: https://doi.org/10.1088/1748-9326/9/6/064010. Acesso em: 5 set. 2026.

SPERA, S. A.; GALFORD, G. L.; COE, M. T.; MACEDO, M. N.; MUSTARD, J. F. Land use change affects water recycling in Brazil’s last agricultural frontier. Global Change Biology, v. 22, p. 3405-3413, 2016. Disponível em: https://doi.org/10.1111/gcb.13298. Acesso em: 5 set. 2026.

STRASSBURG, B. B. N.; BROOKS, T.; FELTRAN-BARBIERI, R. et al. Moment of truth for the Cerrado hotspot. Nature Ecology & Evolution, v. 1, art. 0099, 2017. Disponível em: https://doi.org/10.1038/s41559-017-0099. Acesso em: 5 set. 2026.

ZALLES, V.; HANSEN, M. C.; POTAPOV, P. V.; STEHMAN, S. V.; TYUKAVINA, A.; PICKENS, A.; SONG, X.-P.; ADUSEI, B.; OKPA, C.; AGUILAR, R.; JOHN, N.; CHAVEZ, S. Near doubling of Brazil’s intensive row crop area since 2000. Proceedings of the National Academy of Sciences of the United States of America, v. 116, p. 428-435, 2019. Disponível em: https://doi.org/10.1073/pnas.1810301115. Acesso em: 5 set. 2026.

Downloads

Publicado

2026-11-20

Edição

Seção

Artigos

Como Citar

EXPANSÃO E INTENSIFICAÇÃO DAS LAVOURAS TEMPORÁRIAS DE SOJA, MILHO E ALGODÃO NO CENTRO-OESTE BRASILEIRO (1985–2020): ANÁLISE DE TENDÊNCIA E CONTROLE ESTATÍSTICO DE PROCESSO APLICADOS A DADOS PÚBLICOS. (2026). Revista Brasileira de Estudos de Gestão e Desenvolvimento Regional, 10(3), 70-96. https://doi.org/10.30681/rbegdr.v10i3.15723

Artigos Semelhantes

1-10 de 31

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.