This study aimed to examine the spectral reflectance of samples of soil, and establish its relationship with digital models of chemical attributes, in the development of digital models of the soil (maps of fertility and spectral reflectance of the sample), used in management of crops where there is applicability of Precision Agriculture. The tool used was the software system agricultural CR - Campeiro 6. As experimental area used to be a gleba of 26.24 hectares belonging to the Polytechnic College of the Federal University of Santa Maria. For preparation of the data was assembled a grid sampling of the area with grid of 1 hectare (100 metres x 100 metres), totaling 24 points sample, these samples were submitted to expectrorradiômetro and soon after sent to the laboratory analysis of the Federal University of Solos Santa Maria. In the processing of the data were generated digital models of samples from the spectral reflectance, in the bands of blue 450 to 520nm, 590nm the Green 520, Red 630 to 690nm, 900nm Infrared Near the 760, the 1550 Middle Infrared 1750nm, the 2080 Middle Infrared 2350nm, Pancromático 450 to 900nm, and analysis of fertility of Clay, pH, Phosphorus, Potassium, organic matter, Calcium, Magnesium, CTC Ph7, Saturation, databases, Saturation Aluminum, Zinc, Copper, Sulphur and Boro. The software system agricultural CR - Campeiro 6, oportunizou verify the existence of the relationship between the models of digital spectrum and the digital models for analysis of soil, making the intersection of values of each spectral band, with the values of the analysis, where the correlations appear in the bands of blue with copper, phosphorus and zinc, with copper in Green, with the Red Zinc, the Near Infrared with the copper in the Middle Infrared 1550 to 1750 with boron and zinc as in Infrared Middle 2080 to 2350 with Boro and Pancromático with Magnesium. / Este trabalho teve como objetivo analisar a reflectância espectral de amostras de solo e estabelecer sua relação com modelos digitais de atributos químicos, na elaboração de modelos digitais do solo (mapas de fertilidade e reflectância espectral das amostras), utilizados em manejo de lavouras onde há aplicabilidade de Agricultura de Precisão. A ferramenta utilizada foi o software Sistema Agropecuário CR Campeiro 6. Como área experimental utilizou-se uma gleba de 26,24 hectares pertencentes ao Colégio Politécnico da Universidade Federal de Santa Maria. Para coleta dos dados, foi montada uma grade amostral da área com grid de (100 metros x 100 metros), totalizando 24 pontos amostrais. Estas amostras foram submetidas ao expectrorradiômetro e logo após encaminhadas ao Laboratório de Análise de Solos da Universidade Federal de Santa Maria. No processamento dos dados foram gerados modelos digitais de amostras a partir da reflectância espectral, nas bandas do Azul (450 a 520nm), Verde (520 a 590nm), Vermelho (630 a 690nm), Infravermelho Próximo (760 a 900nm), Infravermelho Médio (1550 a 1750nm e 2080 a 2350nm), Pancromático (450 a 900nm), e analises dos teores da Argila, pH, Fósforo, Potássio, Matéria Orgânica, Cálcio, Magnésio, CTC Ph7, Saturação de Bases, Saturação de Alumínio, Zinco, Cobre, Enxofre e Boro. O software Sistema Agropecuário CR Campeiro 6, oportunizou verificar a existência da relação entre os modelos digitais de espectrometria e os modelos digitais de analise de solo, fazendo o cruzamento de valores de cada banda espectral, com os valores das análises, onde as correlações aparecem nas bandas do Azul com o Cobre, Fósforo e Zinco, no Verde com o Cobre, no Vermelho com o Zinco, no Infravermelho Próximo com o cobre, no Infravermelho Médio 1550 a 1750 com o Boro e como o Zinco, no Infravermelho Médio 2080 a 2350 com o Boro e no Pancromático com o Magnésio.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Soy is one of the products of most relevance to the Brazilian economy. Estimating soybean productivity through remote sensing is a potential tool for precision farming, qualifying and quantifying the productive potential of crops. The main objective of the work was to relate the data obtained through field from radiometric dates with the productivity of soybean cultivation and validate the data obtained through remote sensing platforms orbital (CBERS and LANDSAT) with the use of vegetation index. The study area is located at the Federal University of Santa Maria, with a total area of 16.14 hectares. Readings were made in each of the 15 points of working with the grid Espectrorradiometer. With the field data and Satellite images of vegetation indices were calculated. In 2009/2010 the best multiple regression models found to have been for the groups of vegetation Indices 1 (CRI, Near-Infraredt B4, REP VARI and WBI), 4 (CRI, REP, NDMI, VARI and SAVI) and 11 (Red B3, SAVI, REP and VARI) where the coefficients of determination and determination adjusted reached 97.70% and values 96.40%; 98.00% and 96.30% and 97.72% and 96.41% for groups 1, 4 and 11 respectively, and have low values of standard deviation. Showing that the combination of vegetation index of the groups in question can be used to estimate crop with good accuracy. It is important to highlight that all groups had good correlations with soybean productivity with 43 days after planting. The multiple regression analysis and Stepwise Backward with the vegetation Indices calculated with data from LANDSAT images of dates 24/01, 09/14/02 and 04, 2010, did not show significant values for any regressions. / A soja é um dos produtos de maior relevância para a economia brasileira. A estimativa de produtividade de soja por meio de sensoriamento remoto é uma ferramenta potencial para agricultura de precisão, qualificando e quantificando o potencial produtivo da lavoura. O objetivo principal do trabalho foi relacionar os dados obtidos através de radiometria de campo com a produtividade do cultivo da soja e validar os dados obtidos através de plataformas de sensoriamento remoto orbital (CBERS e LANDSAT) com a utilização de índices de vegetação. A área de estudo situa-se na Universidade Federal de Santa Maria, com área total de 16,14 hectares. Foram feitas leituras com o Espectrorradiômetro, em cada um dos 15 pontos da grade de trabalho. Com os dados de campo e das imagens dos Satélites foram calculados os Índices de Vegetação. Na Safra 2009/2010 os melhores modelos encontrados para Regressão Múltipla foram para os grupos de Índices de Vegetação 1 (CRI, IV Próximo B4, REP VARI e WBI) , 4 (CRI, REP, NDMI, VARI e SAVI) e 11 (Vermelho B3, SAVI, REP e VARI) onde os coeficientes de determinação e de determinação ajustado chegaram a valores de 97,70% e 96,40%; 98,00% e 96,30% e 97,72% e 96,41% para os grupos 1, 4 e 11, respectivamente, e apresentaram valores baixos de desvio padrão. Mostraram que a combinação dos índices de vegetação dos grupos em questão pode ser utilizada para estimativa de safra com boa precisão. É importante destacar que todos os grupos tiveram boas correlações com a produtividade para soja com 43 dias após o plantio. As análises de Regressão Múltipla e Stepwise Backward com os Índices de Vegetação, calculados com os dados das imagens do LANDSAT das datas 24/01, 09/02 e 14/04 de 2010, não apresentaram valores significativos para nenhuma das regressões.