Keywords
Crop Monitoring
Precipitation
Remote Sensing
How to Cite
Abstract
Given the expansion of soybean fields in Rio Grande do Sul (RS), it is essential to investigate the impacts caused by drought associated with climate phenomena such as the El Niño-Southern Oscillation (ENSO). This study aimed to analyze the behavior of the Normalized Difference Vegetation Index (NDVI) in response to ENSO activity in soybean fields and off-season crops in the municipality of Jari (RS) between October 2022 and March 2024. The methodology used rainfall data and NDVI images obtained through Google Earth Engine from Sentinel-2 imagery, with field validation of the data. The results indicated considerable variation in monthly precipitation relative to the historical average. In 9 of the 18 months analyzed, precipitation was below the historical monthly average. Drought associated with La Niña impaired plant development, and field observations showed the need for soybean replanting in January 2023 and the use of irrigation techniques. NDVI indicated that only 13% of the area under soybean cultivation contained plants classified as very healthy. The off-season period and the transition to a wetter period associated with El Niño showed a predominance of vegetation classified as very healthy between June and October 2023. Between January and March 2024, more than 90% of the areas were classified as very healthy, indicating that there was no water shortage. It was concluded that ENSO influenced the observed NDVI values; therefore, it is essential to develop drought mitigation and adaptation strategies in the municipality of Jari (RS).
References
AGÊNCIA NACIONAL DE ÁGUAS E SANEAMENTO BÁSICO (ANA). HidroWeb: sistema de informações hidrológicas. Brasília, DF: ANA, 2025. Disponível em: https://www.snirh.gov.br/hidroweb/. Acesso em: 8 out. 2024.
AMARAL, L. R.; OLDONI, H.; BAPTISTA, G. M.; FERREIRA, G. H.; FREITAS, R. G.; MARTINS, C. L.; SANTOS, A. F. Remote sensing imagery to predict soybean yield: a case study of vegetation indices contribution. Precision Agric, v. 25, p. 2375–2393,2024. https://doi.org/10.1007/s11119-024-10174-5
ANHOLETO, C. D.; MASSUQUETTI, A. A soja brasileira e gaúcha no período 1994-2010: uma análise da produção, exportação, renda e emprego. Revista Economia e Desenvolvimento. v. 13, n. 2, 2014. Disponível em: https://periodicos.ufpb.br/index.php/economia/article/view/26561. Acesso em: 11 jun. 2026.
BASAL, O.; SZABÓ, A.; VERES, S. Physiology of soybean as affected by PEG-induced drought stress. Current Plant Biology, v. 22, p. 100135, 2020. https://doi.org/10.1016/j.cpb.2020.100135
BEILFUSS, E. Elaboração e análise do atlas geoambiental do município de Jari-RS. Trabalho de Conclusão de Curso (Bacharelado em Geografia) – Universidade Federal de Santa Maria, Santa Maria, 2022.
BEILFUSS, E. M.; PETSCH, C.; BEN, F. D.; ROBAINA, L. E. D. S.; TRENTIN, R.; SCCOTI, A. A. V. Atlas Geoambiental de Jari-RS, 2022.
https://doi.org/10.29327/5385445
BEILFUSS, E. M.; PETSCH, C.; TRENTIN, R. Dinâmica do uso e cobertura da terra em Jari (RS) e cenários de expansão da soja entre 2025-2030. Revista RA’EGA. v.60, n12, p. 209 - 229,2024. http://dx.doi.org/10.5380/raega.v60i0.95302
BEILFUSS, E. Análise espacial da cultura da soja e sua interação com o meio físico e a precipitação pluviométrica: um estudo no município de Jari (RS), utilizando técnicas de geoprocessamento. Dissertação (Mestrado em Geografia) – Universidade Federal de Santa Maria, Santa Maria, 2025.
BEILFUSS, E.; PETSCH, C.; TRENTIN, R. Determinantes espaciais na expansão da cultura de soja no município de Jari (RS) entre 1985-2021. Geo UERJ, Rio de Janeiro, v. 47, 2025a.https://doi.org/10.12957/geouerj.2025.80528
BEILFUSS, E.; PETSCH, C.; TRENTIN, R. Fragmentação da paisagem causada pela recente expansão agrícola no município de Jari (RS). Revista Continentes, [S.l.], v. 1, n. 27, p. 21, oct. 2025b. https://doi.org/10.51308/continentes.v1i27.641
BEILFUSS, E.; PETSCH, C.; TRENTIN, R.; KELLEM DA ROSA, K. Análise das alterações do uso e cobertura da terra em áreas de preservação permanente em Jari (RS). Para Onde!?, Porto Alegre, v. 19, n. 2, 2025c. https://doi.org/10.22456/1982-0003.146633
CASTRO, A. Evolução da Produção de Soja no Rio Grande do Sul: Um Comparativo entre Mesorregiões do Estado. In: Anais do Salão Internacional de Ensino, Pesquisa e Extensão, v. 5, n. 2, 2020.
CERA, J. C.; STRECK, N. A.; FENSTERSEIFER, C. A. J.; FERRAZ, S. E. T.; BEXAIRA, K. P.; SILVEIRA, W. B.; CARDOSO, Â. P. Soybean yield in future climate scenarios for the state of Rio Grande do Sul, Brazil. Pesquisa Agropecuária Brasileira, v. 52, p. 380-392, 2017. https://doi.org/10.1590/S0100-204X2017000600002
CHIARAVALLOTI, R. M.; SKARLATIDOU, A.; HOYTE, S.; BADIA, M. M.; HAKLAY, M.; LEWIS, J. Extreme citizen science: Lessons learned from initiatives around the globe. Conservation Science and Practice, v. 4, n. 2, p. e577, 2022. https://doi.org/10.1111/csp2.577
COMPANHIA NACIONAL DE ABASTECIMENTO. Acompanhamento da safra brasileira de grãos: safra 2024/25. Brasília, DF: Conab, 2025.
CRUSIOL, L., SIBALDELLI, R., FARIAS, J., NANNI, M., FURLANETTO, R., OLIVEIRA JUNIOR, A. D., GONCALVES, S. 50 anos do NDVI: desmistificando o índice e ponderando sua utilização para o monitoramento da soja na era digital. 2024. Disponível em: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1164458. Acesso em: 12 ago. 2024.
CRUSIOL, L.; NANNI, M., FURLANETTO, R.; SIBALDELLI, R.; MERTZ-HENNING, L. M.; NEPOMUCENO, A.; FARIAS, J. Sensoriamento remoto como suporte ao monitoramento do déficit hídrico na cultura da soja. In: Congresso Brasileiro de Soja, 8., Goiânia. Inovação, tecnologias digitais e sustentabilidade da soja: anais. Brasília, DF: Embrapa, 2018. Disponível em: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1093188. Acesso em: 23 ago. 2024.
DA SILVA, C. A.; NANNI, M. R.; TEODORO, P. E.; SILVA, G. F. C. Vegetation indices for discrimination of soybean areas: A new approach. Agronomy Journal, v. 109, n. 4, p. 1331-1343, 2017. https://doi.org/10.2134/agronj2017.01.0003
DE LA CASA, A. C.; OVANDO, G. G.; DÍAZ, G. J. ENSO influence on corn and soybean yields as a base of an early warning system for agriculture in Córdoba, Argentina. European Journal of Agronomy, v. 129, p. 126340, 2021.
https://doi.org/10.1016/j.eja.2021.126340
GASS, S. L. B.; DA SILVA, D. M.; DE ARRUDA, S. F. A leitura e representação da paisagem rural como instrumento de gestão municipal: uma proposta para Santo Cristo, Rio Grande do Sul, Brasil. Agua y Territorio/Water and Landscape, n. 23, p. e7266-e7266, 2024. https://doi.org/10.17561/at.23.7266
GOOGLE EARTH ENGINE. Mountain View: Google, [s. d.]. Disponível em: https://earthengine.google.com/. Acesso em: 10 out. 2024.
GORELICK, N.; HANCHER, M.; DIXON, M.; ILYUSHCHENKO, S.; THAU, D.; MOORE, R. Google Earth Engine: planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, v. 202, p. 18-27, 2017.
https://doi.org/10.1016/j.rse.2017.06.031
GUARESCHI, V.; NUMMER, A. Depressões fechadas e cabeceiras de drenagem na bacia hidrográfica do arroio lajeado taquarembó - planalto meridional do rs. Revista Geonorte, [S. l.], v. 5, n. 19, p. 107–112, 2014. Disponível em: //periodicos.ufam.edu.br/index.php/revista-geonorte/article/view/1467. Acesso em: 18 out. 2024.
HUANG, S.; TANG, L.; HUPY, J. P.; WANG, Y.; SHAO, G. A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing. Journal of Forestry Research, v. 32, n. 1, p. 1-6, 2021.
https://doi.org/10.1007/s11676-020-01155-1
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Malha Municipal Digital: 2020. Rio de Janeiro: IBGE, 2020. Disponível em: https://www.ibge.gov.br/geociencias/organizacao-do-territorio/malhas-territoriais/15774-malhas.html?edicao=42093. Acesso em: 10 out. 2024.
JACÓBSEN, L. O.; FONTANA, D. C.; SHIMABUKURO, Y. E. Efeitos associados ao El Niño e La Niña cobertura vegetal do Rio Grande do Sul. In: Congresso Brasileiro de Meteorologia, 12. p. 849-855. 2002.
JÚNIOR, R. D. S. N.; FRAISSE, C. W.; KARREI, M. A. Z.; CERBARO, V. A.; PERONDI, D. Effects of the El Niño Southern Oscillation phenomenon and sowing dates on soybean yield and on the occurrence of extreme weather events in southern Brazil. Agricultural and Forest Meteorology, v. 290, p. 108038, 2020.
https://doi.org/10.1016/j.agrformet.2020.108038
MANTOVANI, J. R.; LELIS, L. R. M. Algoritmo para mapeamento dos usos do solo e cobertura vegetal a partir do uso do NDVI: um estudo aplicado no nordeste de Mato Grosso do Sul. Cerrados, v. 21, n. 2, p. 3-34, 2023. https://doi.org/10.46551/rc24482692202317
MAPBIOMAS. Projeto MapBiomas: Coleção 9 da Série Anual de Mapas de Cobertura e Uso da Terra do Brasil (1985–2023). São Paulo: MapBiomas, 2024. Disponível em: https://brasil.mapbiomas.org/colecoes-mapbiomas/. Acesso em: 10 out. 2024.
MORLIN CARNEIRO, F.; ANGELI FURLANI, C. E.; ZERBATO, C.; CANDIDA DE MENEZES, P.; DA SILVA GÍRIO, L. A.; FREIRE DE OLIVEIRA, M. Comparison between vegetation indices for detecting spatial and temporal variabilities in soybean crop using canopy sensors. Precision Agric, v. 21, p. 979–1007, 2020.
https://doi.org/10.1007/s11119-019-09704-3
NOAA. ENSO: Oceanic Niño Index (ONI). Disponível em: https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php. Acesso em: 12 ago. 2024.
PAGANO, M. C.; MIRANSARI, M. The importance of soybean production worldwide. In: Abiotic and biotic stresses in soybean production. Academic Press, 2016. p. 1-26. https://doi.org/10.1016/B978-0-12-801536-0.00001-3
PEI, F.; ZHOU, Y.; XIA, Y. Application of normalized difference vegetation index (NDVI) for the detection of extreme precipitation change. Forests, v. 12, n. 5, p. 594, 2021. https://doi.org/10.3390/f12050594.
PILAU, F. G.; BATTISTI, R.; DALMAGO, G. A. Requerimento de irrigação suplementar e eficiência climática para a cultura da soja no Rio Grande do Sul. Agrometeoros, 26, 317-325. 2018. http://dx.doi.org/10.31062/agrom.v26i2.26392
PILAU, F. G.; MARIN, F. R.; GRUBERT, D. D. V.; DALMAGO, G. A.; ROMANELLI, T. L. Impact of ENSO-related rainfall variability on soybean yield in the state of Rio Grande do Sul, Brazil. Agrometeoros, v. 30, 2022. http://dx.doi.org/10.31062/agrom.v30.e027115
QGIS DEVELOPMENT TEAM. QGIS Geographic Information System. Version 3.30.0. [S. l.]: Open Source Geospatial Foundation Project, 2023.
ROSSATO, M. Os climas do Rio Grande do Sul: variabilidade, tendências e tipologia. 2011. 240 f, Tese de Doutorado. Tese (Doutorado em Geografia) - Universidade Federal do Rio Grande do Sul, Porto Alegre (RS), 2011. Disponível em: https://lume.ufrgs.br/handle/10183/32620. Acesso em: 15 ago. 2024.
ROUSE, J. W.; HASS, R.; SCHELL, J. A.; DEERING, D. W. Monitoramento de sistemas de vegetação nas grandes planícies com o ERTS. Simpósio Satélite-1 da Tecnologia dos Recursos da Terra, v. 3, p. 10-14, 1973.
SAMPAIO, M. I. R.; KUNZ, A.; HILLEBRAND, F. L. ZAMBERLAM, J. F.; IDALINO, F. D. Análise dos índices de vegetação NDVI e NDRE em imagens obtidas por meio de sensor embarcado em um RPAS para as culturas da soja (Glycine max) e milho (Zea mays) irrigados. Revista Brasileira de Geomática, Curitiba, v. 9, n. 4, p. 350-362, out./dez. 2021.
https://doi.org/10.3895/rbgeo.v9n4.14449
SILVA, E. C.; TRENTIN, C. B.; SILVA, I. S. O índice de vegetação NDVI e EVI no monitoramento do cultivo da soja no município de Querência - MT, safra 2020/2021. Revista Contexto Geográfico, Maceió, v.8, n. 16, p.90-99, jul. 2023.
https://doi.org/10.28998/contegeo.8i16.15694
SOBRINHO NETO, F. S.; DANELICHEN, V. H. Estudo do Uso de Índices de Vegetação nas Culturas do Brasil. Uniciências, [S. l.], v. 26, n. 2, p. 100–107, 2023.
https://doi.org/10.17921/1415-5141.2022v26n2p100-107
SONG, X. P.; HANSEN, M. C.; POTAPOV, P.; ADUSEI, B.; PICKERING, J.; ADAMI, M.; TYUKAVINA, A. Massive soybean expansion in South America since 2000 and implications for conservation. Nature Sustainability, v. 4, n. 9, p. 784-792, 2021. https://doi.org/10.1038/s41893-021-00729-z
SOUZA JR, C. M.; Z. SHIMBO, J.; ROSA, M. R.; PARENTE, L. L.; A. ALENCAR, A.; RUDORFF, B. F.; AZEVEDO, T. Reconstructing three decades of land use and land cover changes in Brazilian biomes with Landsat archive and earth engine. Remote Sensing, v. 12, n. 17, p. 2735, 2020. https://doi.org/10.3390/rs12172735
STRECK, E. V. Solos do Rio Grande do Sul. UFRGS, Universidade Federal do Rio Grande do Sul, Departamento de Solos, Faculdade de Agronomia, 2018.
TAVARES, C. J.; RIBEIRO JUNIOR, W. Q.; RAMOS, M. L. G.; PEREIRA, L. F.; CASARI, R. A. D. C. N.; PEREIRA, A. F.; MERTZ-HENNING, L. M. Water stress alters morphophysiological, grain quality and vegetation indices of soybean cultivars. Plants, v. 11, n. 4, p. 559, 2022. https://doi.org/10.3390/plants11040559
TORRES, R.; ZORZI, A. L.; OZAKI, V. A.; MARTINS, G. Expansão do cultivo de soja no Rio Grande do Sul: Seu efeito sobre a gestão de riscos e composição agrícola. Desenvolvimento em Questão, v. 21, n. 59, p. e14086-e14086, 2023. https://doi.org/10.21527/2237-6453.2023.59.14086
WEST, H.; QUINN, N.; HORSWELL, M. Remote sensing for drought monitoring & impact assessment: Progress, past challenges and future opportunities. Remote Sensing of Environment, [S.l.], v. 232, 2019. https://doi.org/10.1016/j.rse.2019.111291
YAGCI, A. L.; DI, L.; DENG, M. The effect of corn–soybean rotation on the NDVI-based drought indicators: a case study in Iowa, USA, using Vegetation Condition Index. GIScience e Remote Sensing, v. 52, n. 3, p. 290-314, 2015. https://doi.org/10.1080/15481603.2015.1038427
ZANON, A. J.; STRECK, N. A.; GRASSINI, P. Climate and management factors influence soybean yield potential in a subtropical environment. Agronomy Journal, v. 108, n. 4, p. 1447-1454, 2016. https://doi.org/10.2134/agronj2015.0535
ZHANG, Y.; ZHANG, L.; WANG, J.; DONG, G.; WEI, Y. Quantitative analysis of NDVI driving factors based on the geographical detector model in the Chengdu-Chongqing region, China. Ecological Indicators, v. 155, p. 110978, 2023. https://doi.org/10.1016/j.ecolind.2023.110978
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright (c) 2025 Eric Moises Beilfuss, Carina Petsch, Romario Trentin