ARAÚJO, Efraim Martins. Utilização do sensoriamento remoto para detecção de diferentes alvos no entorno de reservatórios no semiárido. 2017. 159 f. Tese (Doutorado em Engenharia Agrícola)-Universidade Federal do Ceará, Fortaleza, 2017. / Submitted by Aline Mendes (alinemendes.ufc@gmail.com) on 2017-05-30T20:44:38Z No. of bitstreams: 1 2017_tese_emaraujo.pdf: 10444465 bytes, checksum: 54198305b9d650c104ee92d5588717ee (MD5) / Approved for entry into archive by Aline Mendes (alinemendes.ufc@gmail.com) on 2017-05-30T21:13:40Z (GMT) No. of bitstreams: 1 2017_tese_emaraujo.pdf: 10444465 bytes, checksum: 54198305b9d650c104ee92d5588717ee (MD5) / Made available in DSpace on 2017-05-30T21:13:40Z (GMT). No. of bitstreams: 1 2017_tese_emaraujo.pdf: 10444465 bytes, checksum: 54198305b9d650c104ee92d5588717ee (MD5) Previous issue date: 2017 / The main goal of this work is to evaluate the potential of discrimination for soil use and occupation in the surroundings of reservoirs located in the semi-arid region, using spectral information obtained by remote sensor considering multispectral and hyperspectral satellites images. The satellite images selected for the survey are Landsat 8 and Hyperion images. The research evaluated and compared the performance of different techniques for image classification applied to multispectral (Landsat 8) and hyperspectral (Hyperion) sensors aiming the detection and delineation of the land uses around the reservoirs Paus Brancos, Nova Vida and Marengo, located in the 25 de Maio settlement, Madalena – CE, belongin the hydrographic basin of the Banabuiú reservoir. The classes identified based on surveys conducted in 2014 and 2015 campaigns around the reservoirs were: water (water bodies), macrophytes, exposed soil, native vegetation, agriculture, sparse vegetation and fload plaind crop, in addition to cloud and shadow targets. Different techniques for image processing are tested and compared, such as NDVI (Vegetation Index by Normative Difference), non-supervised classifier (ISODATA) and supervised classifiers (Maximum Likelihood, K-Nearest Neighbours - KNN, Minimal Distance and Random Forest). For processing hyperspectral images, we use SVM (Support Vector Machine) classifier, which provides to analyze all the 155 radiometrically calibrated bands of the Hyperion sensor, assigning them weights in the classification process. According to the results provided by SVM classifier, RGB compositions of the 10 best ranked bands are evaluated aiming the identification of the best successful combination for delineating classes in the surroundings of the three studied reservoirs (bands R – 51, G – 161, B – 19). The analysis of NDVI multispectral images behaved inaccurate for delineating classes, mainly considering targets with similar spectral response, such as some kinds of vegetation. Meanwhile, the unsupervised classification proved to be deficient, not being able to discriminate water bodies from cloud shadow, even after applying contrast enhancing techniques within the Matlab computing program environment. The spectral and temporal analysis of soil use reflectance allowed to identify the spectral behavior of the nine classes considered in this study and also the spectral bands with the highest potential for discriminating the referred classes. Indeed, even within these optimal bands, some targets present similar spectral behaviors, difficulting their discrimination. On the other hand, the supervised classification applied to Landsat 8 and Hyperion images achieved to be succeed in the delineation of either distinct (water, soil and vegetation) and similar (macrophytes, fload plaind crop, native vegetation, agriculture and sparse vegetation) targets. It should be emphasized that the performance results of the classifiers applied to the Hyperion images are generally superior to those obtained respectively by the same classifiers over the Landsat 8 images. This can be explained by the higher spectral resolution of the first sensor, which increases the potential for delineating targets with similar spectral response. Concerning the supervised classifiers, in the stage of performance test, it was observed that KNN method is more accurate than the others for Landsat 8 images, with a maximum Kappa coefficient equal to 0.68. Meanwhile, for Hyperion images, the Maximum Likelihood method achieves the highest performance result, with a maximum Kappa coefficient equal to 0,78. Additionally, a sensitivity analysis of the supervised classification applied to Landsat 8 and Hyperion images is performed regarding the number of samples per class randomly collected for training. It is clearly observed that the randomness concerning training stage allows finding subsets of samples which increase the performance results. For the evaluation of the supervised maximum likelihood classification method, Landsat 8 (24/08/2015) and Hyperion (285/08/2015) images are considered for the computing tests. The training data were collected through a research technical visit in November, 2015, around São Nicolau reservoir, also located in the 25 de Maio settlement, while the data for performance evaluation (validation) were extracted from the image generated through the overflight performed by an Unmanned Aerial Vehicle (UAV), in the same period in the Paus Brancos reservoir. The obtained results demonstrate the robustness for that classifier when applied to Hyperion image, with a Kappa of 0.83. Concerning Landsat 8 image, the computed Kappa is 0.49, which can be explained by the corresponding lower spectral resolution. Two other applications of the Maximum Likelihood classifier for Landsat 8 and Hyperion images were performed. In the first one, the accuracy of each classifier for detecting reservoirs contours was tested. In some of these reservoirs, that task is made difficult by the presence of macrophytes in the hydraulic basin. For this analysis, the intersection area between the scenes of the Landsat 8 and Hyperion sensors, which cover the area of 25 de Maio Settlement, was used, totalizing 48 reservoirs. The results showed that the classifier generally underestimates the reservoir areas, reaching 73% and 51% of the reference value in the Landsat 8 and Hyperion images, respectively. Finally, an application of the supervised Maximum Likelihood classifier was performed using Hyperion images for the detection of land uses in the surroundings of reservoirs of other regions of the State of Ceará. In the analysis of the available data, it is possible to identify a reservoir located in the municipality of Lavras da Mangabeira, displayed in the Hyperion image (26/09/2010), with low cloud cover, near the image of Google Earth (08/07/2009), also used for validation purposes. The results of the application indicate accurate performance for the classifier associated with the RGB composition selected for the Hyperion image (bands R - 51, G - 161, B - 19) concerning the detection of the uses around this reservoir, the resultant Kappa coefficient is 0.90. On the other hand, the availability of Hyperion sensor data in applications for the State of Ceará is very restricted, which makes difficult to develop continuous researches using hyperspectral images. / O objetivo deste trabalho é avaliar o potencial de discriminação dos uso e ocupação do solo no entorno de reservatórios localizados na região semiárida, mediante informações espectrais obtidas por sensor remoto com imagens de satélites multiespectrais e hiperespectrais. As imagens de satélites selecionadas para a realização da pesquisa foram imagens Landsat 8 e Hyperion. A pesquisa analisou o desempenho de diferentes técnicas de classificação de imagens aplicadas a sensores multiespectrais (Landsat 8) e hiperespectrais (Hyperion) para detecção e diferenciação das classes do solo no entorno dos reservatórios Paus Brancos, Nova Vida e Marengo, situados no Assentamento 25 de Maio, localizados no município de Madalena – CE, pertencentes a bacia hidrográfica do reservatório Banabuiú. As classes identificadas com base em levantamentos em campanhas realizadas em 2014 e 2015 no entorno dos reservatórios são: água (corpos hídricos), macrófitas, solo exposto, vegetação nativa, agricultura, vegetação rala e vazante, além dos alvos nuvem e sombra de nuvem. Testaram-se na pesquisa diferentes técnicas de processamento de imagens, tais como NDVI (Índice de Vegetação por Diferença Normatizada), classificador não supervisionado (ISODATA) e supervisionados (Máxima Verossimilhança, K-Nearest Neighbours - KNN, Mínima Distância e Random Forest). Para processamento de imagens hiperespectrais utilizou-se, adicionalmente, o classificador SVM (Support Vector Machine), por permitir o processamento de todas as 155 bandas radiometricamente calibradas do sensor Hyperion, atribuindo-lhes pesos no processo de classificação. Testaram-se, então, composições RGB das 10 melhores bandas de acordo com o ranking resultante do classificador SVM, para identificação daquela com melhor desempenho na diferenciação das classes no entorno dos três reservatórios estudados (bandas R – 51, G – 161, B – 19). A análise de imagens multiespectrais do NDVI apresentou limitações na diferenciação de classes, sobretudo em alvos com resposta espectral similar como tipos de vegetação. Já a classificação não-supervisionada mostrou-se deficiente por não conseguir separar corpos hídricos de sombra de nuvem, mesmo após a aplicação de técnicas de realces implementados dentro do ambiente Matlab. A análise espectral e temporal da reflectância de classes permitiu identificar o comportamento espectral das nove classes analisadas neste estudo, indicando as faixas espectrais com maior potencial de diferenciação, embora se perceba que, mesmo nestas faixas, alguns alvos apresentam comportamento espectral similar, não sendo facilmente separados. A classificação supervisionada, por sua vez, destacou-se por conseguir separar tanto alvos distintos (água, solo e vegetação) como alvos semelhantes (macrófitas, vazante, vegetação nativa, agricultura e vegetação rala) quando aplicadas as imagens dos sensores Landsat 8 e Hyperion. Cabe destacar, entretanto, que o desempenho dos classificadores aplicados à imagem do sensor Hyperion foi, em geral, superior aos obtidos em imagem Landsat 8, o que pode ser explicado pela alta resolução espectral do primeiro, que facilita a diferenciação de alvos com reposta espectral similar. Na etapa de teste de desempenho dos classificadores supervisionados, observou-se que o método KNN foi superior aos demais no processamento de imagem Landsat 8, com coeficiente Kappa de 0,68. Já no caso do Hyperion, o método de Máxima Verossimilhança teve melhor desempenho com Kappa de 0,78. Adicionalmente, realizou-se uma análise de sensibilidade da classificação supervisionada aplicada a imagens Landsat 8 e Hyperion quanto ao número de amostras por classe usadas no treinamento, indicando que, em geral, o caráter aleatório de escolha das amostras potencializa o desempenho dos classificadores. Para validação do método de classificação supervisionada de Máxima Verossimilhança, utilizaram-se imagens Landsat 8 (24/08/2015) e Hyperion (28/08/2015). Os dados de treinamento do classificador foram coletados na campanha de novembro de 2015, no entorno do reservatório São Nicolau, também localizado no Assentamento 25 de Maio, enquanto que os dados de verificação do desempenho do método foram extraídos da imagem gerada no sobrevoo realizado, no mesmo período, no reservatório Paus Branco, usando um VANT (veículo aéreo não tripulado). Os resultados mostraram um excelente desempenho do classificador quando aplicado à imagem do sensor Hyperion, com Kappa de 0,83. Já a aplicação para a imagem do sensor Landsat 8 resultou em um Kappa de 0,49, o que pode ser explicado por sua baixa resolução espectral. Realizaram-se, ainda, duas aplicações do classificador supervisionado de Máxima Verossimilhança em imagens Landsat 8 e Hyperion para testar a eficiência do método. Na primeira, verificou-se a habilidade do classificador na detecção de contornos de reservatórios, em alguns dificultada pela presença de macrófitas na bacia hidráulica. Para isso, utilizou-se a área de interseção entre as cenas dos sensores Landsat 8 e Hyperion, que cobrem a área do Assentamento 25 de Maio, identificando 48 reservatórios. Os resultados mostraram que, em geral, o classificador subestima as áreas dos reservatórios, atingindo 73% e 51% do valor referência nas imagens Landsat 8 e Hyperion, respectivamente. Por fim, realizou-se uma aplicação do classificador supervisionado de Máxima Verossimilhança em imagens Hyperion para detecção de classes no entorno de reservatórios de outras regiões do Estado do Ceará. Na análise dos dados disponíveis, identificou-se um reservatório no município de Lavras da Mangabeira-CE, presente na imagem Hyperion (26/09/2010), com baixa cobertura de nuvens, em período próximo à imagem do google Earth (08/07/2009), usada para validação dos resultados. Os resultados da aplicação indicaram um bom desempenho do classificador associado à composição RGB da imagem Hyperion escolhida (bandas R – 51, G – 161, B – 19) na detecção das classes no entorno deste reservatório, produzindo um coeficiente Kappa de 0,90. Por outro lado, a disponibilidade de dados do sensor Hyperion em aplicações para o Estado do Ceará é bem restrita, o que dificulta o desenvolvimento de pesquisas continuadas usando imagens hiperespectrais.

ARAÚJO, E. M. Detecção de diferentes alvos no entorno de reservatórios no semiárido através do uso de sensoriamento remoto. 2017. 161 f. Tese (Doutorado em Engenharia Agrícola)- Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Weslayne Nunes de Sales (weslaynesales@ufc.br) on 2017-06-21T11:25:55Z No. of bitstreams: 1 2017_tese_emaraujo.pdf: 9310147 bytes, checksum: d2e4fbc1a2d900355b4d2243ab7adb84 (MD5) / Approved for entry into archive by Weslayne Nunes de Sales (weslaynesales@ufc.br) on 2017-06-21T11:27:46Z (GMT) No. of bitstreams: 1 2017_tese_emaraujo.pdf: 9310147 bytes, checksum: d2e4fbc1a2d900355b4d2243ab7adb84 (MD5) / Made available in DSpace on 2017-06-21T11:27:46Z (GMT). No. of bitstreams: 1 2017_tese_emaraujo.pdf: 9310147 bytes, checksum: d2e4fbc1a2d900355b4d2243ab7adb84 (MD5) Previous issue date: 2017 / The main goal of this work is to evaluate the potential of discrimination for soil use and occupation in the surroundings of reservoirs located in the semi-arid region, using spectral information obtained by remote sensor considering multispectral and hyperspectral satellites images. The satellite images selected for the survey are Landsat 8 and Hyperion images. The research evaluated and compared the performance of different techniques for image classification applied to multispectral (Landsat 8) and hyperspectral (Hyperion) sensors aiming the detection and delineation of the land uses around the reservoirs Paus Brancos, Nova Vida and Marengo, located in the 25 de Maio settlement, Madalena – CE, belongin the hydrographic basin of the Banabuiú reservoir. The classes identified based on surveys conducted in 2014 and 2015 campaigns around the reservoirs were: water (water bodies), macrophytes, exposed soil, native vegetation, agriculture, sparse vegetation and fload plaind crop, in addition to cloud and shadow targets. Different techniques for image processing are tested and compared, such as NDVI (Vegetation Index by Normative Difference), non-supervised classifier (ISODATA) and supervised classifiers (Maximum Likelihood, K-Nearest Neighbours - KNN, Minimal Distance and Random Forest). For processing hyperspectral images, we use SVM (Support Vector Machine) classifier, which provides to analyze all the 155 radiometrically calibrated bands of the Hyperion sensor, assigning them weights in the classification process. According to the results provided by SVM classifier, RGB compositions of the 10 best ranked bands are evaluated aiming the identification of the best successful combination for delineating classes in the surroundings of the three studied reservoirs (bands R – 51, G – 161, B – 19). The analysis of NDVI multispectral images behaved inaccurate for delineating classes, mainly considering targets with similar spectral response, such as some kinds of vegetation. Meanwhile, the unsupervised classification proved to be deficient, not being able to discriminate water bodies from cloud shadow, even after applying contrast enhancing techniques within the Matlab computing program environment. The spectral and temporal analysis of soil use reflectance allowed to identify the spectral behavior of the nine classes considered in this study and also the spectral bands with the highest potential for discriminating the referred classes. Indeed, even within these optimal bands, some targets present similar spectral behaviors, difficulting their discrimination. On the other hand, the supervised classification applied to Landsat 8 and Hyperion images achieved to be succeed in the delineation of either distinct (water, soil and vegetation) and similar (macrophytes, fload plaind crop, native vegetation, agriculture and sparse vegetation) targets. It should be emphasized that the performance results of the classifiers applied to the Hyperion images are generally superior to those obtained respectively by the same classifiers over the Landsat 8 images. This can be explained by the higher spectral resolution of the first sensor, which increases the potential for delineating targets with similar spectral response. Concerning the supervised classifiers, in the stage of performance test, it was observed that KNN method is more accurate than the others for Landsat 8 images, with a maximum Kappa coefficient equal to 0.68. Meanwhile, for Hyperion images, the Maximum Likelihood method achieves the highest performance result, with a maximum Kappa coefficient equal to 0,78. Additionally, a sensitivity analysis of the supervised classification applied to Landsat 8 and Hyperion images is performed regarding the number of samples per class randomly collected for training. It is clearly observed that the randomness concerning training stage allows finding subsets of samples which increase the performance results. For the evaluation of the supervised maximum likelihood classification method, Landsat 8 (24/08/2015) and Hyperion (285/08/2015) images are considered for the computing tests. The training data were collected through a research technical visit in November, 2015, around São Nicolau reservoir, also located in the 25 de Maio settlement, while the data for performance evaluation (validation) were extracted from the image generated through the overflight performed by an Unmanned Aerial Vehicle (UAV), in the same period in the Paus Brancos reservoir. The obtained results demonstrate the robustness for that classifier when applied to Hyperion image, with a Kappa of 0.83. Concerning Landsat 8 image, the computed Kappa is 0.49, which can be explained by the corresponding lower spectral resolution. Two other applications of the Maximum Likelihood classifier for Landsat 8 and Hyperion images were performed. In the first one, the accuracy of each classifier for detecting reservoirs contours was tested. In some of these reservoirs, that task is made difficult by the presence of macrophytes in the hydraulic basin. For this analysis, the intersection area between the scenes of the Landsat 8 and Hyperion sensors, which cover the area of 25 de Maio Settlement, was used, totalizing 48 reservoirs. The results showed that the classifier generally underestimates the reservoir areas, reaching 73% and 51% of the reference value in the Landsat 8 and Hyperion images, respectively. Finally, an application of the supervised Maximum Likelihood classifier was performed using Hyperion images for the detection of land uses in the surroundings of reservoirs of other regions of the State of Ceará. In the analysis of the available data, it is possible to identify a reservoir located in the municipality of Lavras da Mangabeira, displayed in the Hyperion image (26/09/2010), with low cloud cover, near the image of Google Earth (08/07/2009), also used for validation purposes. The results of the application indicate accurate performance for the classifier associated with the RGB composition selected for the Hyperion image (bands R - 51, G - 161, B - 19) concerning the detection of the uses around this reservoir, the resultant Kappa coefficient is 0.90. On the other hand, the availability of Hyperion sensor data in applications for the State of Ceará is very restricted, which makes difficult to develop continuous researches using hyperspectral images. / O objetivo deste trabalho é avaliar o potencial de discriminação dos uso e ocupação do solo no entorno de reservatórios localizados na região semiárida, mediante informações espectrais obtidas por sensor remoto com imagens de satélites multiespectrais e hiperespectrais. As imagens de satélites selecionadas para a realização da pesquisa foram imagens Landsat 8 e Hyperion. A pesquisa analisou o desempenho de diferentes técnicas de classificação de imagens aplicadas a sensores multiespectrais (Landsat 8) e hiperespectrais (Hyperion) para detecção e diferenciação das classes do solo no entorno dos reservatórios Paus Brancos, Nova Vida e Marengo, situados no Assentamento 25 de Maio, localizados no município de Madalena – CE, pertencentes a bacia hidrográfica do reservatório Banabuiú. As classes identificadas com base em levantamentos em campanhas realizadas em 2014 e 2015 no entorno dos reservatórios são: água (corpos hídricos), macrófitas, solo exposto, vegetação nativa, agricultura, vegetação rala e vazante, além dos alvos nuvem e sombra de nuvem. Testaram-se na pesquisa diferentes técnicas de processamento de imagens, tais como NDVI (Índice de Vegetação por Diferença Normatizada), classificador não supervisionado (ISODATA) e supervisionados (Máxima Verossimilhança, K-Nearest Neighbours - KNN, Mínima Distância e Random Forest). Para processamento de imagens hiperespectrais utilizou-se, adicionalmente, o classificador SVM (Support Vector Machine), por permitir o processamento de todas as 155 bandas radiometricamente calibradas do sensor Hyperion, atribuindo-lhes pesos no processo de classificação. Testaram-se, então, composições RGB das 10 melhores bandas de acordo com o ranking resultante do classificador SVM, para identificação daquela com melhor desempenho na diferenciação das classes no entorno dos três reservatórios estudados (bandas R – 51, G – 161, B – 19). A análise de imagens multiespectrais do NDVI apresentou limitações na diferenciação de classes, sobretudo em alvos com resposta espectral similar como tipos de vegetação. Já a classificação não-supervisionada mostrou-se deficiente por não conseguir separar corpos hídricos de sombra de nuvem, mesmo após a aplicação de técnicas de realces implementados dentro do ambiente Matlab. A análise espectral e temporal da reflectância de classes permitiu identificar o comportamento espectral das nove classes analisadas neste estudo, indicando as faixas espectrais com maior potencial de diferenciação, embora se perceba que, mesmo nestas faixas, alguns alvos apresentam comportamento espectral similar, não sendo facilmente separados. A classificação supervisionada, por sua vez, destacou-se por conseguir separar tanto alvos distintos (água, solo e vegetação) como alvos semelhantes (macrófitas, vazante, vegetação nativa, agricultura e vegetação rala) quando aplicadas as imagens dos sensores Landsat 8 e Hyperion. Cabe destacar, entretanto, que o desempenho dos classificadores aplicados à imagem do sensor Hyperion foi, em geral, superior aos obtidos em imagem Landsat 8, o que pode ser explicado pela alta resolução espectral do primeiro, que facilita a diferenciação de alvos com reposta espectral similar. Na etapa de teste de desempenho dos classificadores supervisionados, observou-se que o método KNN foi superior aos demais no processamento de imagem Landsat 8, com coeficiente Kappa de 0,68. Já no caso do Hyperion, o método de Máxima Verossimilhança teve melhor desempenho com Kappa de 0,78. Adicionalmente, realizou-se uma análise de sensibilidade da classificação supervisionada aplicada a imagens Landsat 8 e Hyperion quanto ao número de amostras por classe usadas no treinamento, indicando que, em geral, o caráter aleatório de escolha das amostras potencializa o desempenho dos classificadores. Para validação do método de classificação supervisionada de Máxima Verossimilhança, utilizaram-se imagens Landsat 8 (24/08/2015) e Hyperion (28/08/2015). Os dados de treinamento do classificador foram coletados na campanha de novembro de 2015, no entorno do reservatório São Nicolau, também localizado no Assentamento 25 de Maio, enquanto que os dados de verificação do desempenho do método foram extraídos da imagem gerada no sobrevoo realizado, no mesmo período, no reservatório Paus Branco, usando um VANT (veículo aéreo não tripulado). Os resultados mostraram um excelente desempenho do classificador quando aplicado à imagem do sensor Hyperion, com Kappa de 0,83. Já a aplicação para a imagem do sensor Landsat 8 resultou em um Kappa de 0,49, o que pode ser explicado por sua baixa resolução espectral. Realizaram-se, ainda, duas aplicações do classificador supervisionado de Máxima Verossimilhança em imagens Landsat 8 e Hyperion para testar a eficiência do método. Na primeira, verificou-se a habilidade do classificador na detecção de contornos de reservatórios, em alguns dificultada pela presença de macrófitas na bacia hidráulica. Para isso, utilizou-se a área de interseção entre as cenas dos sensores Landsat 8 e Hyperion, que cobrem a área do Assentamento 25 de Maio, identificando 48 reservatórios. Os resultados mostraram que, em geral, o classificador subestima as áreas dos reservatórios, atingindo 73% e 51% do valor referência nas imagens Landsat 8 e Hyperion, respectivamente. Por fim, realizou-se uma aplicação do classificador supervisionado de Máxima Verossimilhança em imagens Hyperion para detecção de classes no entorno de reservatórios de outras regiões do Estado do Ceará. Na análise dos dados disponíveis, identificou-se um reservatório no município de Lavras da Mangabeira-CE, presente na imagem Hyperion (26/09/2010), com baixa cobertura de nuvens, em período próximo à imagem do google Earth (08/07/2009), usada para validação dos resultados. Os resultados da aplicação indicaram um bom desempenho do classificador associado à composição RGB da imagem Hyperion escolhida (bandas R – 51, G – 161, B – 19) na detecção das classes no entorno deste reservatório, produzindo um coeficiente Kappa de 0,90. Por outro lado, a disponibilidade de dados do sensor Hyperion em aplicações para o Estado do Ceará é bem restrita, o que dificulta o desenvolvimento de pesquisas continuadas usando imagens hiperespectrais.

Com a implantação da Agricultura de Precisão, o conhecimento detalhado da distribuição espacial dos solos e principalmente de seus atributos torna-se essencial. Neste sentido, o sensoriamento remoto vêm se mostrando bastante eficaz pois, em menos tempo e com menor custo, consegue-se obter informações sobre a variabilidade espacial dos solos e de seus atributos químicos, físicos e mineralógicos nos diferentes níveis de aquisição de dados. Neste sentido, este trabalho tem por objetivos avaliar quais fatores mais influenciam o comportamento espectral dos solos e correlacioná-los com seus atributos físicos, químicos e mineralógicos. Além disso, este trabalho visa estimar estes atributos a partir de equações de regressão múltipla utilizando-se um grande número de amostras de diferentes localidades e quantificar os atributos químicos de uma área específica. Para tal, dados radiométricos foram obtidos através de sensor em laboratório na faixa de 450 - 2500 nm, para amostras de solos coletadas de diferentes municípios dos Estados de São Paulo, Paraná e Minas Gerais. Os dados radiométricos permitiram identificar a composição mineralógica de solos quanto à presença de óxidos de ferro, minerais 2:1, caulinita e gibbsita; determinar os teores de atributos físicos e mineralógicos dos solos a partir da metodologia utilizada; estimar atributos químicos pela energia eletromagnética refletida dos solos para uma região específica e modelos específicos assim como estimar a necessidade de calagem relacionando-se, portanto, com o manejo químico. / With the introduction of Precision Agriculture, the detailed knowledge of soil spatial distribution and its attributes is essential. In this sense, remote sensing is able to obtain information about soil variability and its chemical, physical and mineralogical attributes in different levels of data acquisition, in less time and smaller costs. In this way, the objective of this work was to evaluate which factors influence soil spectral behavior and correlate them with soils' physical, chemical and mineralogical attributes. Besides, this work also intends to esteem these attributes through multiple regression equations using a great number of samples of different places and to quantify the chemical attributes of a specific area. For this, radiometric data were obtained through laboratory sensor in a 450 - 2500 nm range, for soils samples collected from different areas of São Paulo, Paraná and Minas Gerais States. The radiometric data permitted to evaluate the soils mineralogical compounds such as iron oxides, kaolinite, gibbsite and/ 2: 1 minerals; to determine the content of physical and mineralogical attributes by the adopted methodology; to estimate chemical attributes by electromagnetic reflected energy with specific models for a region and to estimate lime recommendation related with chemical management.

The building of reservoirs for energy generation and water flow control generated river environmental changes as well as modifications on fluvial environment. In such context, remote sensing is a tool that enables spatial analysis and temporal aquatic environmental information acquisition. This research present a study on water spectral behavior in Passo Real reservoir, that is located in the Jacuí River watershed, in Rio Grande do Sul state, Brazil. Such study aims to evaluate leading factors to water spectral differences. The methodology comprehends spectral data collection on field by the use of spectroradiometer in September 2008; orbital data collection by Landsat satellite image in April 2009 and limnological data in September 2008, February, April and June 2009 ( total of sediments in suspension (TSS), Chlorophyll-a (Chl-a), Secchi disk (SD), hydrogenionic potential (pH), electrical conductivity (EC), organic carbon (CO) and water temperature. Besides that, one realized a simulation of spectral answers based on limnological data. The results show that the distribution of limnological variables is in accordance with the times of the year and reservoir sections. One noticed that water transparency is in an inverse proportionality in relation to solids in suspension, taking into account that such variables are quite related to reservoir sections, mainly, to tributary that are close to dike areas. The presence of solids in suspension in the Jacuí River has mainly reflected in water reflectance that was observed in field specters and orbital data. However, correlations between limnological and field spectral data appeared to be less meaningful, once the best correlations were found between orbital and limnological data. Nevertheless, both groups of data (spectra field and orbital) exhibited the same trend to results. In sum, the use of field spectral and orbital data is an important tool that may be used as a possible solution for the analysis of reflectance appearance of the water and its relationship with limnological data. / A construção de reservatórios para fins de geração de energia ou controle de fluxo de água gera alterações em ambiente de rios e provoca modificações nas características do ambiente fluvial. Nesse contexto, o sensoriamento remoto é uma ferramenta que torna possível a aquisição de informações para análise espacial e temporal de ambientes aquáticos. Este trabalho apresenta o estudo sobre o comportamento espectral da água no reservatório Passo Real - RS, localizado na bacia hidrográfica do Rio Jacuí, a fim de avaliar os fatores condicionantes às diferenças espectrais na água. Para isso, a metodologia compreendeu a coleta de dados espectrais em campo com a utilização de espectroradiômetro no mês de setembro de 2008; dados orbitais a partir de imagem do satélite Landsat para o mês de abril de 2009 e de dados limnológicos para os meses de setembro de 2008, fevereiro, abril e junho de 2009 (total de sedimentos em suspensão (TSS), clorofila-a (Chl-a), disco de Secchi (DS), potencial hidrogeniônico (pH), condutividade elétrica (CE), carbono orgânico (CO) e temperatura da água). Além disso, realizou-se a simulação de respostas espectrais a partir dos dados limnológicos. Os resultados encontrados mostraram a distribuição das variáveis limnológicas de acordo com o período do ano e com os setores do reservatório. Observou-se que a transparência da água possui uma relação inversamente proporcional a presença de sólidos suspensos, sendo que estas variáveis estão bastante relacionadas aos setores do reservatório, principalmente nos afluentes e na área próxima ao dique. A presença de sólidos em suspensão no Rio Jacuí, principalmente, refletiu na reflectância da água observada nos espectros de campo e nos dados orbitais. Porém, as correlações entre dados limnológicos e os dados espectrais de campo se mostraram pouco significativas, sendo que as melhores correlações foram encontradas entre os dados orbitais e limnológicos. No entanto, os dois conjuntos de dados (espectros de campo e orbitais) demonstraram a mesma tendência para os resultados. Em síntese, a utilização de dados espectrais de campo e orbitais são ferramentas importantes e que podem ser utilizadas como soluções viáveis para a análise das feições de reflectância da água e sua relação com dados limnológicos.

Orientador: Imai, Nilton Nobuhiro / Coorientador: Tommaselli, Antonio Maria Garcia / Banca: Maria de Lourdes Bueno Trindade Galo / Banca: Enner Herenio de Alcantra / Banca: Helio Ricardo Silva / Banca: Rubens Augusto Camargo Lamparelli / Resumo: A hipótese levantada neste trabalho foi que as imagens hiperespectrais tomadas de plataformas aéreas como o veículo aéreo não-tripulado (VANT) e assinaturas espectrais medidas em campo ou laboratório podem ser utilizados em Agricultura de Precisão, especificamente na identificação de doenças na lavoura de cana-de-açúcar. Para testar esta hipótese foi delineado um objetivo principal, desenvolver uma metodologia para realizar o tratamento e análise de imagens hiperespectrais obtidas por sensor aerotransportado, de modo que os produtos auxiliem na caracterização da resposta espectral da cana-de-açúcar visando a discriminação e reconhecimento de talhões com doença na cana-de-açúcar. Portanto, neste trabalho desenvolveu-se uma metodologia que envolveu a realização de levantamentos em campo apoiados radiometricamente e a realização de análises em laboratório, para obter a curva espectral de cana-de-açúcar sadia e doentes, no intuito de identificar os comprimentos de onda mais propícios para detecção de doenças. A identificação de comprimentos de onda sensíveis a mudanças pela ação de agentes patogênicos foi importante para a elaboração de índices para detecção de duas doenças da cana-de-açúcar (estria vermelha e mosaico). Além disso, foi analisada a influência do ângulo de visada na estimativa do fator de reflectância hemisférico cônico na cana-de-açúcar, verificando o efeito da anisotropia na cana-de-açúcar. A obtenção de informação sobre o efeito da anisotropia na cana-de-açúcar foi importante para definir a estratégia de processamento das imagens hiperespectrais. As regiões com cana-de-açúcar infectadas com estria vermelha e mosaico foram discriminadas a partir de imagens hiperespectrais adquiridas por VANT... / Abstract: The hypothesis in this study was that the hyperspectral images taken from aerial platforms like unmanned aerial vehicle (UAV) and spectral signatures measured in field or lab can be use in precision agriculture, specifically in identifying diseases in sugarcane crop. To test this hypothesis has been outlined a primary objective to develop a methodology to perform processing and analyzing hyperspectral images obtained by airborne sensor, so that the products assist in characterizing the spectral response of the sugarcane aiming discrimination and recognition stands with disease in sugarcane. Therefore, this study developed a methodology that involved surveying in supported radiometrically field and the analysis in the laboratory for the spectral curve of healthy and diseased sugarcane in order to identify the most propitious wavelengths to detect diseases. The identification of wavelengths sensitive to changes by the action of pathogens was important for the development of indexes to detect two diseases of sugarcane (red stripe and mosaic). Furthermore, was analyzed the influence of the viewing angle in estimating the hemispherical conical reflectance factor in sugarcane, by checking the effect of anisotropy in sugarcane. Obtaining information on the effect of anisotropy on sugarcane was important to define the hyperspectral image processing strategy. Regions with sugarcane infected with red stripe and mosaic were discriminated from hyperspectral images acquired by UAV... / Doutor

Submitted by Irene Nascimento (irene.kessia@ufpe.br) on 2016-08-02T17:28:54Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) 13_06_16_Guillou%2c A.N. - Versão Digital.pdf: 2609027 bytes, checksum: a4392d787b0a41afa298cb89e67877d8 (MD5) / Made available in DSpace on 2016-08-02T17:28:54Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) 13_06_16_Guillou%2c A.N. - Versão Digital.pdf: 2609027 bytes, checksum: a4392d787b0a41afa298cb89e67877d8 (MD5) Previous issue date: 2016-03-01 / capes / A análise da detecção de bordas das margens de grandes reservatórios de água utilizando imagens de diferentes resoluções espaciais, espectrais, radiométricas e temporais, constitui um problema complexo que requer o uso adequado de técnicas de processamento de imagens, a exemplo dos filtros de bordas e fusão de imagens. O desenvolvimento de novas técnicas de análise integrada de imagens orbitais do OLI LANDSAT-8 (Operational Land Imager- Land Remote Sensing Satellite-8), representa uma demanda a ser atendida no processamento de imagens. Um trecho das bordas do reservatório de Itaparica, entre os Estados Pernambuco e Bahia, constitui uma área de estudo para testes e experimentos de detecção de borda de valor estratégico diante da redução e recuo da lâmina de água, afetando a captação, navegação e uso e ocupação do solo ao redor das margens. Esta é a área de estudo do Projeto INNOVATE (INterplay between the multiple use of water reservoirs via inNOVative coupling of substance cycles in Aquatic and Terrestrial Ecosystems), envolvendo estudos sobre a qualidade da água e uso do solo. Como resultado deste trabalho foi realizada a aplicação de uma metodologia de leitura de pixels para a análise do comportamento espectral dos alvos de interesse e assim podendo gerar uma assinatura espectral para avaliar as melhores bandas a serem trabalhadas. Outro resultado obtido foi a análise espacial feita a partir do cálculo da distância Euclidiana, comparando a borda gerada pela segmentação por crescimento de regiões com as bordas geradas a partir da aplicação do filtro de detecção de borda de Sobel. A partir das análises realizadas, percebeu-se uma grande demanda em sensoriamento remoto, visto que os diferentes resultados motivam o estudo por novas pesquisas em busca de resultados mais precisos. / Edge detection analysis of large reservoirs by using images different spatial resolutions, spectral, radiometric and temporal, is a complex problem that requires the proper use of image processing techniques, such as the edges and merging filters images. The development of new techniques for integrated analysis of satellite images from Landsat-8 OLI (Operational Land Imager- Land Remote Sensing Satellite-8) represents a demand to be met in image processing. An excerpt from the Itaparica’s reservoir edge, between Pernambuco and Bahia, is a study area for testing and strategic value of edge detection experiments on the reduction and decrease of water depth, affecting the capture, navigation and use and land use around the edges. This is the study area of INNOVATE Project (Interplay between the multiple use of water reservoirs via innovative coupling of substance cycles in Aquatic and Terrestrial Ecosystems), involving studies on water quality and land use. As a result of this study, it was used a pixel reading methodology for analyzing the spectral behavior of targets of interest and sign may generate a spectral signature to evaluate the best bands to be worked. Another result was the spatial analysis from the calculation of the Euclidean distance, comparing the edge generated by growth targeting regions with the edges generated from the application of Sobel edge detection filter. Through these analyzes, a great demand was realized in remote sensing, since different results motivate new research study by looking for more accurate results.

A obtenção de informações sobre áreas queimadas vem sendo estudada e aprimorada nas últimas décadas, a grande questão está baseada na aquisição de dados consistentes e detalhados sobre a ocorrência de queimadas de forma simples e eficaz. Diante disso, o sensoriamento remoto se apresenta como uma ferramenta de elevado de interesse, pois possibilita obter informações em áreas extensas e de difícil acesso, sendo possível a identificação de áreas queimadas em função do comportamento espectral das mesmas. Neste trabalho, o objetivo foi analisar o desempenho de índices espectrais na identificação de área queimada em imagens do satélite OLI/Landsat-8 em três regiões de cerrado Tocantinense. Para isso foram calculados os índices espectrais em imagens antes e depois do fogo, os quais utilizaram as bandas do vermelho e do infravermelho próximo: NDVI, MSAVI, SAVI, GEMI; e as bandas do infravermelho próximo e do infravermelho de ondas curtas: NBR, BAIMmod, MIRBImod. Posteriormente, foi calculada a diferença entre cada índice pré e pós-fogo: dNDVI, dMSAVI, dSAVI, dGEMI, dNBR, dBAIMmod e dMIRBImod. A partir desses índices, foram criadas seis diferentes composições (RGB) e que posteriormente foram segmentadas e classificadas de forma supervisionada para a extração da área de interesse (área queimada). Os resultados dessa classificação foram validados com os dados de referência obtidos através da interpretação visual de imagem, em que os métodos apresentaram semelhança entre si, havendo uma pequena diferença no desempenho dos métodos nas áreas estudadas, com uma porcentagem de acerto variando de 65,83 a 83,01% para a Área 1, de 62,9 a 76,3% para a Área 2 e de 85,54 a 92,46% na Área 3 e, segundo os valores Kappa obtidos, o desempenho dos métodos é classificado de muito bom a excelente. / Obtaining information on burned areas has been studied and improved in the last decades, and the biggest question is to acquire consistent and detailed information about the occurrence of burnings in a simple and effective way. In view of this remote sensing is a very interesting tool because it allows obtaining information in large areas and difficult to access. The identification of the areas burned by orbital data is directly related to their spectral behavior. The objective of this work was to analyze the performance of spectral indices in the identification of burned area in OLI / Landsat-8 satellite images to three areas of tocantinense Cerrado. For this the indexes for the before and after fire images were calculated, using bands of red and near infrared: NDVI, MSAVI, SAVI, GEMI and bands of near infrared and short wave infrared: NBR, BAIMmod, MIRBImod, as well as to calculate the difference between pre and post-fire index: dNDVI, dMSAVI, dSAVI, dGEMI, dNBR, dBAIMmod and dMIRBImod. From these indices, six different compositions (RGB) were created and later they were segmented and classified in a supervised way and soon after the extraction of the area of interest. The results of this classification were validated with the reference data obtained through the visual interpretation of the image, where the methods showed a great similarity between them, has been a small difference in performance of methods in the areas estudieds, wuth percentage of accuracy ranging from 65,83 to 83,01% to area 1, to area 2 from 62,9 to 76,3% and in the area 3 from 85,54 a 92,46% and according Kappa value, the performance of methods is classified form very good to excellent.

Com a intensificação e expansão da produção agrícola brasileira, seguidas da crescente preocupação ambiental, surge a necessidade da adoção de novas tecnologias para o monitoramento e avaliação em larga escala dos recursos naturais, em especial o solo. Nesse sentido a espectroscopia de reflectância, aliada as bibliotecas espectrais, atende estas expectativas por ser uma técnica eficiente, rápida, barata e não poluente, pois não usa reagentes e nem gera resíduos, porém sua aplicação nos solos tropicais brasileiros ainda é incipientes e carece de mais estudos. Sendo assim, o objetivo principal do trabalho foi comparar as informações espectrais obtidas por espectroscopia de reflectância nas faixas do visível, infravermelho próximo e, principalmente, no infravermelho médio com análises convencionais de solo a fim entender as relações existentes entre o comportamento espectral e os atributos físicos, químicos e mineralógicos dos solos estudados, ainda quantificar e caracterizar a variabilidade desses atributos e dos solos com base no comportamento espectral. Para tanto, foram utilizadas 1288 amostras de solo correspondentes a diferentes horizontes de 458 perfis da região central brasileira (GO, MS, MG e SP), sobre as quais foram procedidas análise granulométrica e química, para fins de levantamento de solos, e mineralógica. Os espectros VisNIR foram adquiridos com o sensor FieldSpec Pro, enquanto que espectros Mid-IR com o sensor Nicolet 6700 Fourier Transform Infrared (FT-IR) e, após isso, os dados foram transformados com os seguintes préprocessamentos: remoção do espectro contínuo, absorbância e correção da linha base. As diferentes faixas espectrais também foram combinadas pela outer product analysis. A distribuição dos dados espectrais e a influência de cada atributo nos comportamentos espectrais dos solos foram avaliadas através de análises estatísticas multivariadas, tais como correlação multivariada, análise por componentes principais, seguidas das análises de agrupamento kmédias, para a avaliação entre amostras, e distância taxonômica, para avaliação entre perfis. A predição dos atributos dos solos com base nos dados espectrais foi determinada pelos algoritmos de regressão multivariada: mínimos quadrados parciais (PLSR), árvores de regressão ampliadas (BT) e máquina de vetor suporte (SVM); sendo que a qualidade das predições foi definida pelos R2, RMSE, RPD e RPIQ. O comportamento espectral das principais classes de solos tropicais brasileiros, em ambas as faixas espectrais, foi apresentado juntamente com as principais feições de absorção diagnosticadas (minerais 2:1, caulinita, óxidos de Fe e Al), assim como a contribuição de cada atributo do solo na variação dos espectros. Foi possível estabelecer a formação de grupos de solo com base no grau de intemperismo das amostras, enquanto que os perfis das principais classes de solos puderam ser discriminados com base na variação do comportamento espectral em profundidade. Grande parte dos atributos estudados pode ser quantificada nas duas faixas espectrais pelo menos com um nível de qualidade razoável (RPD > 1,40), sendo que o principal algoritmo de predição foi o SVM com os espectros em valores de absorbância. A espectroscopia de reflectância, principalmente na faixa Mid-IR, apresenta-se como uma tecnologia eficaz de alta potencialidade e aplicabilidade nas análises qualitativa e quantitativas dos solos, principalmente para fins de levantamento e mapeamento. / Considering the intensification and expansion of Brazilian agricultural production followed by the growing environmental concern, there is the necessity of adopting new technologies to monitor on a large scale the natural resources, in particular, the soil. In this sense, reflectance spectroscopy, integrated with spectral libraries, meets that expectation as an alternative for proximal soil sensing because its more efficient than other techniques being cheaper and faster than conventional analyses, besides, it doesnt produce waste. However, its application on Brazilian tropical soils is still incipient and needs more studies. The main aim of this research was to compare spectral information acquired by reflectance spectroscopy in the visible, near infrared and, mainly, in the mid infrared ranges with conventional soil analyses in order to understand the relationships among spectral behavior and physical, chemical, and mineralogical attributes of the studied soils, also, to quantify and characterize the variability of these attributes and soils based on their spectral behavior. For that, a dataset with 1288 soil samples referring to different horizons from 458 soil profiles from the central region of Brazil (States of Goiás, Mato Grosso do Sul, Minas Gerais e São Paulo) was used, and convetional analyses (granulometric, chemical and mineralogical) for soil survey were applied over them. VisNIR reflectance data were acquired by the FiledSpec Pro sensor whereas Mid-IR spectral data were acquired by the Nicolet 6700 (FT-IR) sensor and, after that, both data were transformed by the following pre-processing: continuum removal, absorbance and baseline correction. The different spectral ranges were also combined by outer product analysis. The data distribution and the influence of each attribute on soil spectral behavior were evaluated by multivariate statistical analyses, such as, multivariate correlations, principal component analysis followed by k-means clustering, for assessment among soil samples, and by taxonomic distance, for assessment among soil profiles. Predictions of soil attributes based on spectral data were modeled by following multivariate regression algorithms: partial least square regression (PLSR), boosted regression trees (BT) and support vector machine (SVM) and quality of modeling were evaluated by R2, RMSE, RPD and RPIQ. Spectral behavior of the main soil classes, in both ranges, were showed along with the absorption features of the major tropical minerals (2:1 minerals, kaolinite, Fe and Al oxides), as well as, the contribution of each soil attribute on spectra variations. Sample clustering based on different weathering levels of soils was possible regarding differences in absorbance intensities and features whereas profiles of the main soil classes could be discriminated based on variation of spectral behavior in depth. Much of the studied attributes could be predicted in both spectral range at least in a reasonable level of quality (RPD > 1,40), and SVM was considered the principal prediction algorithm as well as absorbance transformation as the major pre-processing. Reflectance spectroscopy, especially in the Mid-IR range, shows up as a high potential technique for qualitative and quantitative analysis of Brazilian soils, in particular for soil survey or mapping.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Aiming to develop studies relating laboratory spectroradiometry with macro and micronutrients contents of vegetative materials of forest populations of Eucalyptus grandis W Hill ex Maiden, of different ages, an experimental área was selected for the study at the Fundação Estadual de Pesquisas Agropecuárias FEPAGRO FLORESTAS, at Santa Maria, Rio Grande do Sul, Brazil. Departing from the purpose of studying the spectral behaviour, the specific objectives were: 1) to evaluate the leaves of E. grandis contents of macro and micronutrients, in the four climatic seasons, under differente types of soil managements; 2) to evaluate the leaves of E. grandis spectral behaviour including the waveband of 475 to 980ηm and approach the interaction between: climatic seasonal periods, different soil managements and the cardinal points locations of the sampled trees; 3) evaluate the nutritional status of E. grandis young trees leaves through leaf analyses and spectroradiometry, and generate models capable to estimate macro and micronutrients from reflectancy data. Results indicate that the E. grandis population, of 44 months old, shows deficiencies of P, S, B; Cu and Mn showed high contents; N was the only nutrient showing significant differences; there is no significant differences between climatic seasons. For the E. grandis population of 20 months old, variations observed in the nutrients contents were equal to those of the former area; the winter sesason showed a differente behaviour from the other climatic seasons. For the different soil managements, the macro and micronutrients did not vary significantly. Evaluating the reflectancy data for the leaves of E. grandis, of 20 months old, it was concluded that: 1) the summer and spring seasons statistically interfered on the reflectancy; 2) samples of vegetative material may be collected independently of the type of soil management; and, 3) the spectral wavebands that better expresses the vegetation behaviour were the 12, 8, 7 and 3; and, 4) the evaluation of points where the leaves were sampled (East, West, North, South and central) in the no-tillage soil management treatment indicated that: a) sampling of vegetative material should be done separating the central part of the bordering population; and, b) the waveband that better characterized the spectral response of the vegetation was that of number eight. Analysis of the main components indicated the 8, 11 na 12 wavebands as responsible for a total of 98.10% of the reflectancy values under study. The elements P and K showed low adjusted correlation coefficients while generating models considering the elements as dependent variables from reflectancy and climatic seaso;n interacting with wavelengths; the r2aj. values for the remaining elements varied from moderate to high. / Com o intuito de desenvolver estudos relacionando a espectrorradiometria de laboratório com os teores de macro e micronutrientes em materiais vegetativos de povoamentos florestais de Eucalyptus grandis W. Hill ex Maiden, com diferentes idades, uma área experimental foi selecionada para estudo na Fundação Estadual de Pesquisas Agropecuárias FEPAGRO FLORESTAS, Santa Maria, Rio Grande do Sul, Brasil. A partir da proposta de estudar o comportamento espectral, os objetivos específicos foram: 1) avaliar os teores de macro e micronutrientes de folhas de E. grandis nas quatro estações climáticas do ano em diferentes tipos de preparo de solo; 2) avaliar o comportamento espectral de folhas de Eucalyptus grandis abrangendo o intervalo de comprimento de onda de 475 a 980ηm, e abordar as interações: períodos sazonais, preparos de solo e a localização cardeal das árvores amostradas; 3) avaliar o estado nutricional de folhas de plantas jovens de E. grandis por análise foliar e espectrorradiometria e gerar modelos capazes de estimar os teores de macro e micronutrientes a partir de dados de reflectância. Os resultados indicam que o povoamento de E. grandis, com 44 meses de idade, apresenta deficiência de P, S e B; Cu e Mn apresentam teores elevados; N é o único nutriente que apresenta diferença significativa; entre as estações climáticas não existem diferenças significativas. Para o povoamento de E. grandis com 20 meses, as variações obtidas para os teores de nutrientes foram iguais as da área anterior; a estação inverno apresentou comportamento diferenciado das demais estações. Para os diferentes preparos de solo os macro e micronutrientes, não variaram significativamente. Avaliando os dados de reflectância de folhas de E. grandis, com 20 meses de idade, conclui-se que: 1) as estações verão e primavera interferiram estatisticamente na reflectância; 2) as amostras de material vegetativo podem ser coletadas independentemente do tipo de manejo do solo; 3) as bandas espectrais que melhor expressaram o comportamento da vegetação, foram as bandas 12, 8, 7 e 3; e, 4) a avaliação das posições em que as folhas foram coletas (Leste, Oeste, Norte, Sul e central) no tratamento com preparo de solo plantio direto indicaram que: a) as coletas de material vegetativo devem ser realizadas separando a parte central do povoamento da bordadura; e, b) a banda que melhor caracterizou a resposta espectral dessa vegetação foi a de número oito. A análise de componentes principais indicou as bandas 8, 11 e 12, como responsáveis por um total de 98,10% dos valores de reflectância em estudo. Ao gerar modelos considerando os elementos como variáveis dependentes da reflectância e estação do ano interagindo com comprimentos de onda, os elementos P e K apresentaram os valores dos coeficientes de correlação ajustados baixos; os valores de r2aj. dos demais elementos variaram de moderados a altos.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The vegetation indexes, derived from products of remote sensing, are powerful tools which indicate the vegetation development. Thus, this work aims at studying the behavior of the forest and crop vegetation through the analysis of the variation of Normalized Difference Vegetation Index (NDVI) to the state of Rio Grande do Sul, during the year of 2009, as well as to correlate such behavior to the climatic, temperature and precipitation variables. In order to accomplish it product images of MOD09 and meteorological data of the year 2009 were used, along with cartographic data in order to build up a data bank, generating the applicative SPRING, version 5.1.3. A prelimary assessment of the data visually analyses the generated images, and it demonstrates to be possible observing the changes in the phenological state of the vegetation on each considered date. The applicative R was applied to the statistical analysis and Excel 2007 to the explanatory data analysis and data correlation. To the explanatory analysis, the results demonstrate average values in NDVI of agricultural areas which go from a bit more than 0,5 to approximately 0,7, and from approximately 0,65 to a bit more than 0.8 for forest areas. The average values of NDVI describe curves with similar behavior, however in different response levels. The area of Julio de Castilhos presented the biggest amplitudes in the NDVI variation, both agricultural and forest, indicating the vegetation heterogeneity. The correlation analysis for the NDVI Forest and Temperature variables reached 0,7613 and 0, 6244 to São Borja e São Martinho da Serra, respectively. The Agriculture NDVI had a correlation of 0,5956 with the Temperature in Caxias do Sul. The other correlations for Temperature and all for Precipitation were considered low, they did not allow the association to the intended variables. / Os índices de vegetação, derivados de produtos de Sensoriamento Remoto, são poderosas ferramentas indicadoras do desenvolvimento da vegetação. Assim, este trabalho objetiva estudar o comportamento da vegetação florestal e agrícola através da análise da variação do Índice de Vegetação por Diferença Normalizada (NDVI) para o Estado do Rio Grande do Sul, durante o ano de 2009, bem como correlacionar esse comportamento com as variáveis climáticas temperatura e precipitação. Para tanto utiliza imagens do produto MOD09 e dados meteorológicos do ano de 2009, além de dados cartográficos para construção do banco de dados, gerado do aplicativo SPRING, versão 5.1.3. Uma avaliação preliminar dos dados analisa visualmente as imagens geradas, e mostra ser possível observar mudanças no estado fenológico da vegetação a cada data considerada. Para a análise estatística utilizou-se o aplicativo R e o Excel 2007 para a análise exploratória dos dados e de correlação. Para a análise exploratória, os resultados mostraram valores médios no NDVI de áreas agrícolas que variam de pouco mais de 0,5 até aproximadamente 0,7, e de aproximadamente 0,65 até pouco mais de 0,8 para as áreas florestais. Os valores médios de NDVI descreveram curvas com comportamento semelhante, porém em níveis de respostas diferentes. A região de Júlio de Castilhos apresentou as maiores amplitudes de variação do NDVI, tanto para agricultura quanto floresta, indicando a heterogeneidade da vegetação. A análise de correlação para as variáveis NDVI Floresta e Temperatura alcançou 0,7613 e 0,6244 para São Borja e São Martinho da Serra, respectivamente. O NDVI Agricultura teve uma correlação de 0,5956 com a Temperatura na região de Caxias do Sul. As demais correlações para Temperatura e todas as para a Precipitação foram consideradas baixas, não permitindo associar as variáveis pretendidas.