Este trabalho explora as propriedades óticas das plantas no infravermelho termal para avaliar como esse tipo de dado poderia ser usado em estudos de ecossistemas, tanto no laboratório, quanto no campo, ou com sensoriamento remoto, e também, para analisar vários aspectos da química de diferentes espécies. Espectros de refletância total atenuada (ATR) das folhas mostram bandas de absorção devidas às vibrações moleculares de diferentes compostos, e quando ATR de folhas frescas foi comparado com espectros de compostos padrões selecionados, foi possível relacionar bandas das folhas com bandas de celulose, cutina, sílica ( quartzo microcristalino), água e triterpeno ácido. Usando um procedimento de busca foi possível localizar espécies com características químicas semelhantes, dentro de uma biblioteca espectral. Potenciais fontes de variações foram exploradas para compreender se o ATR poderia ser usado na identificação de espécies. Variações temporais, espaciais e posicionais. Por exemplo, folhas de sol mostraram diferenças espectrais de folhas de sombra. Espectros das superfícies adaxiais quase sempre eram diferentes das abaxiais. Indivíduos da mesma espécies quase sempre mostraram espectros muito similares. Numa simulação de um estudo ecológico de campo usando ATR como ferramenta para a identificação de espécies, 82% dos indivíduos foram corretamente identificados. Imagens de microscopia de varredura (SEM) das folhas foram usadas com medidas de refletância hemisférica direcional (DHR) para estudar os efeitos da tridimensionalidade estrutural sobre o comportamento espectral. Por exemplo, estruturas formadas pelas ceras na superfície foliar podem causar atenuação das características espectrais devidas ao efeito Holblaum (de cavidade). Medidas de DHR podem ser relacionadas à emissividade pela lei de Kirchhoff (ε=1-R), e por isso é importante compreende-las, pelas informações que podem estar disponíveis por sensoriamento remoto. Para explorar os efeitos da estrutura do dossel nos espectros, medidas de emissividade foram feitas usando um espectrômetro de campo. Os dados mostram, pela primeira vez, que é possível discriminar características de emissividade espectral de plantas daquelas do ambiente ao redor. Medidas espectrais feitas com distâncias horizontais crescentes de alguns dosséis de árvores mostraram uma atenuação progressiva das características de emissividade espectral, devido ao número crescente de cavidades no campo de visão, e problemas de correção atmosférica. Apesar disso, há potencial no estudo de plantas usando sensoriamento remoto no infravermelho termal. Um sensor em plataforma de avião operando na janela atmosférica entre 8-14 m teria que ter uma alta razão sinal-ruído, e um campo de visão pequeno que permittise medidas das folhas individualmente. Métodos de calibragem e algoritmos para análises espectrais precisariam ser refinados a fim de permitir a extração das características sutis de emissividade das plantas. / This work explores the thermal infrared spectral properties of plants to evaluate how such data might be used in laboratory, field, and remote sensing studies of ecosystems, and to analyze diverse chemical aspects of plant species. Attenuated total reflectance (ATR) spectra of plant leaves display absorption bands caused by the fundamental molecular vibrations of various compounds. By comparing ATR spectra of fresh leaves to reference spectra of selected pure compounds, it was possible to assign a number of leaf absorption bands related to cellulose, cutin, silica ( quartz micro-crystalline), water and acid triterpene. By using spectral search/match procedures it was possible to locate species within a database of leaf spectra that had similar chemical characteristics. Potential sources of spectral variation were explored, including temporal, spatial, and positional variations. For example, sun leaves showed spectral differences compared to shaded leaves. Spectra of adaxial leaf surfaces were commonly different from those of abaxial surfaces. Individuals of the same species consistently showed very similar spectra. In a simulated ecological study using field ATR measurements as a tool for species identification 82% of the individuals were correctly identified. Scanning electron microscope images were utilized in conjunction with directional hemispherical reflectance (DHR) measurements of leaves to study 3-dimensional structural effects on spectral behavior. For example, small-scale structures formed by waxes on a leaf surface can cause the attenuation of spectral features due to the Holblaum (cavity) effect. DHR measurements can be linked to emissivity using Kirchhoff’s law (ε=1-R), and therefore are relevant to understanding the kinds of information concerning plants that may be available via remote sensing. Finally, to explore the effects of canopy structure on spectra, direct emissivity measurements were made by using a field spectrometer. The data show, for the first time, that it is possible to discriminate spectral emissivity features of plants from those of the surrounding environment. Spectral measurements made at increasing horizontal distances from several tree canopies showed progressive attenuation of the spectral emissivity features. This attenuation is ascribed to the increasing proportion of canopy voids in the instrument field of view, and to increased surface scattering effects. Errors associated with removal of atmospheric features also contributed to the loss of spectral information at greater measurement distances. Despite these problems, there is untapped potential for using thermal infrared remote sensing measurements to study plants. To be effective an airborne sensor operating in the 8-14 m atmospheric window would need high signal-to-noise and a small instantaneous field of view to enable measurements of individual leaf surfaces. Data calibration methods and spectral analysis algorithms would also require refinement to permit the extraction of subtle plant emissivity features.

Este trabalho explora as propriedades óticas das plantas no infravermelho termal para avaliar como esse tipo de dado poderia ser usado em estudos de ecossistemas, tanto no laboratório, quanto no campo, ou com sensoriamento remoto, e também, para analisar vários aspectos da química de diferentes espécies. Espectros de refletância total atenuada (ATR) das folhas mostram bandas de absorção devidas às vibrações moleculares de diferentes compostos, e quando ATR de folhas frescas foi comparado com espectros de compostos padrões selecionados, foi possível relacionar bandas das folhas com bandas de celulose, cutina, sílica ( quartzo microcristalino), água e triterpeno ácido. Usando um procedimento de busca foi possível localizar espécies com características químicas semelhantes, dentro de uma biblioteca espectral. Potenciais fontes de variações foram exploradas para compreender se o ATR poderia ser usado na identificação de espécies. Variações temporais, espaciais e posicionais. Por exemplo, folhas de sol mostraram diferenças espectrais de folhas de sombra. Espectros das superfícies adaxiais quase sempre eram diferentes das abaxiais. Indivíduos da mesma espécies quase sempre mostraram espectros muito similares. Numa simulação de um estudo ecológico de campo usando ATR como ferramenta para a identificação de espécies, 82% dos indivíduos foram corretamente identificados. Imagens de microscopia de varredura (SEM) das folhas foram usadas com medidas de refletância hemisférica direcional (DHR) para estudar os efeitos da tridimensionalidade estrutural sobre o comportamento espectral. Por exemplo, estruturas formadas pelas ceras na superfície foliar podem causar atenuação das características espectrais devidas ao efeito Holblaum (de cavidade). Medidas de DHR podem ser relacionadas à emissividade pela lei de Kirchhoff (ε=1-R), e por isso é importante compreende-las, pelas informações que podem estar disponíveis por sensoriamento remoto. Para explorar os efeitos da estrutura do dossel nos espectros, medidas de emissividade foram feitas usando um espectrômetro de campo. Os dados mostram, pela primeira vez, que é possível discriminar características de emissividade espectral de plantas daquelas do ambiente ao redor. Medidas espectrais feitas com distâncias horizontais crescentes de alguns dosséis de árvores mostraram uma atenuação progressiva das características de emissividade espectral, devido ao número crescente de cavidades no campo de visão, e problemas de correção atmosférica. Apesar disso, há potencial no estudo de plantas usando sensoriamento remoto no infravermelho termal. Um sensor em plataforma de avião operando na janela atmosférica entre 8-14 m teria que ter uma alta razão sinal-ruído, e um campo de visão pequeno que permittise medidas das folhas individualmente. Métodos de calibragem e algoritmos para análises espectrais precisariam ser refinados a fim de permitir a extração das características sutis de emissividade das plantas. / This work explores the thermal infrared spectral properties of plants to evaluate how such data might be used in laboratory, field, and remote sensing studies of ecosystems, and to analyze diverse chemical aspects of plant species. Attenuated total reflectance (ATR) spectra of plant leaves display absorption bands caused by the fundamental molecular vibrations of various compounds. By comparing ATR spectra of fresh leaves to reference spectra of selected pure compounds, it was possible to assign a number of leaf absorption bands related to cellulose, cutin, silica ( quartz micro-crystalline), water and acid triterpene. By using spectral search/match procedures it was possible to locate species within a database of leaf spectra that had similar chemical characteristics. Potential sources of spectral variation were explored, including temporal, spatial, and positional variations. For example, sun leaves showed spectral differences compared to shaded leaves. Spectra of adaxial leaf surfaces were commonly different from those of abaxial surfaces. Individuals of the same species consistently showed very similar spectra. In a simulated ecological study using field ATR measurements as a tool for species identification 82% of the individuals were correctly identified. Scanning electron microscope images were utilized in conjunction with directional hemispherical reflectance (DHR) measurements of leaves to study 3-dimensional structural effects on spectral behavior. For example, small-scale structures formed by waxes on a leaf surface can cause the attenuation of spectral features due to the Holblaum (cavity) effect. DHR measurements can be linked to emissivity using Kirchhoff’s law (ε=1-R), and therefore are relevant to understanding the kinds of information concerning plants that may be available via remote sensing. Finally, to explore the effects of canopy structure on spectra, direct emissivity measurements were made by using a field spectrometer. The data show, for the first time, that it is possible to discriminate spectral emissivity features of plants from those of the surrounding environment. Spectral measurements made at increasing horizontal distances from several tree canopies showed progressive attenuation of the spectral emissivity features. This attenuation is ascribed to the increasing proportion of canopy voids in the instrument field of view, and to increased surface scattering effects. Errors associated with removal of atmospheric features also contributed to the loss of spectral information at greater measurement distances. Despite these problems, there is untapped potential for using thermal infrared remote sensing measurements to study plants. To be effective an airborne sensor operating in the 8-14 m atmospheric window would need high signal-to-noise and a small instantaneous field of view to enable measurements of individual leaf surfaces. Data calibration methods and spectral analysis algorithms would also require refinement to permit the extraction of subtle plant emissivity features.

Submitted by CRISTHY WILLY DA SILVA ROMERO null (cr_willy@hotmail.com) on 2016-10-27T14:34:18Z No. of bitstreams: 1 DISSERTAÇÃO_ROMERO_CWS.pdf: 6833770 bytes, checksum: a5741a19b6228cf9dc2defe0760b12ef (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-11-01T16:08:56Z (GMT) No. of bitstreams: 1 romero_cws_me_ilha.pdf: 6833770 bytes, checksum: a5741a19b6228cf9dc2defe0760b12ef (MD5) / Made available in DSpace on 2016-11-01T16:08:56Z (GMT). No. of bitstreams: 1 romero_cws_me_ilha.pdf: 6833770 bytes, checksum: a5741a19b6228cf9dc2defe0760b12ef (MD5) Previous issue date: 2016-09-05 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Diariamente a temperatura vem aumentando a cada dia, esta mudança climática ocorre em sua maior parte em áreas urbanas, ocorrendo o fenômeno denominado Ilhas de Calor Urbana (ICU), onde a temperatura é mais alta no centro urbano do que suas áreas adjacentes, colocando risco à saúde da população local e gerando o desconforto térmico. O fenômeno ilha de calor urbana (ICU) em Ilha Solteira – SP, cidade de pequeno porte, foi estudado por meio da utilização de dados de sensoriamento remoto, com o objetivo de associar a temperatura de superfície a diferentes classes de uso e ocupação do solo, associados a dados climatológicos e a orientação de vertente, com imagens dos anos de 2013, 2014 e 2015. Para a realização deste trabalho foram utilizadas imagens de satélite captadas na região do infravermelho termal (TIRS/ Landsat-8) e Sistemas de Informações Geográficas (SIG’s) para processamento destas imagens para determinar a temperatura de superfície. As classes de uso e ocupação do solo nas áreas de maiores temperaturas, foram classificadas com base em imagem de alta resolução espacial, do satélite Pleiades. As diferentes classes de uso e ocupação do solo influenciaram diretamente na temperatura de superfície, constatando a pavimentação asfáltica e telhado cerâmico como principais influenciadores nas áreas identificadas com ilha de calor urbana. / The urban heat island phenomenon (ICU) in Ilha Solteira - SP, Small Porte City, was studied through the use of remote sensing data, with the goal of linking a surface temperature one different land use classes, and associate climatological data and strand orientation, with images of 2013, 2014 and 2015. For this work were used satellite images captured in the region of thermal infrared (TIRS / Landsat-8) and Geographic Information Systems (GIS 's) paragraph of these image processing for determining the surface temperature. The land use classes and land use in areas largest temperatures were classified based on high spatial resolution image, Pleiades satellite. How Different use classes and occupation do directly influenced the soil on the surface temperature, noting an asphalt paving and ceramic roof as key influencers in areas identified with urban heat island.

Orientador: Marlene Cristina Alves / Resumo: Diariamente a temperatura vem aumentando a cada dia, esta mudança climática ocorre em sua maior parte em áreas urbanas, ocorrendo o fenômeno denominado Ilhas de Calor Urbana (ICU), onde a temperatura é mais alta no centro urbano do que suas áreas adjacentes, colocando risco à saúde da população local e gerando o desconforto térmico. O fenômeno ilha de calor urbana (ICU) em Ilha Solteira – SP, cidade de pequeno porte, foi estudado por meio da utilização de dados de sensoriamento remoto, com o objetivo de associar a temperatura de superfície a diferentes classes de uso e ocupação do solo, associados a dados climatológicos e a orientação de vertente, com imagens dos anos de 2013, 2014 e 2015. Para a realização deste trabalho foram utilizadas imagens de satélite captadas na região do infravermelho termal (TIRS/ Landsat-8) e Sistemas de Informações Geográficas (SIG’s) para processamento destas imagens para determinar a temperatura de superfície. As classes de uso e ocupação do solo nas áreas de maiores temperaturas, foram classificadas com base em imagem de alta resolução espacial, do satélite Pleiades. As diferentes classes de uso e ocupação do solo influenciaram diretamente na temperatura de superfície, constatando a pavimentação asfáltica e telhado cerâmico como principais influenciadores nas áreas identificadas com ilha de calor urbana. / Mestre

Soil attributes directly influence on its surface temperature. Although there are several studies using soil spectra obtained from satellites, soil evaluation through Land Surface Temperature (LST) is still scarce. The broad availability of satellite thermal data and the development of algorithms to retrieve LST facilitated its use in soil studies. The objective of this study was to evaluate soil LST variations due to its composition and verify the potential of using LST on soil attributes quantification, also integrated with reflectance spectra and elevation data. The study area (198 ha) is located in Sao Paulo state, Brazil, and had plowed bare soil during the satellite image acquisition date. Soil samples were collected in a regular grid of 100 x 100 m (depths: 0-0.2 m and 0.8- 1.0 m); soil granulometry, organic matter (OM) and iron oxides were determined by wet chemistry analysis. In this study, an image of Landsat 5 was used for extracting LST using the inversion of Planck\'s function in band 6 (10,400 - 12,500 nm), and land surface emissivity was estimated using Normalized Difference Vegetation Index threshold method. Reflectance values were extracted from bands 1, 2, 3, 4, 5 and 7. Models for soil attributes quantification were performed using Linear Regression (LR), with samples from 62 auger points distributed in 14 toposequences. Simple LR was applied for generating prediction models based on LST and on elevation data (extracted from a Digital Elevation Model). Multiple LR was applied in order to generate prediction models using atmospherically corrected spectral reflectance from Visible, Near-Infrared and Shortwave infrared (Vis-NIR-SWIR) bands as predictors, and also for the prediction of soil attributes using simultaneously Vis-NIR-SWIR, LST and elevation data, and only significant variables identified by T-tests were used. Predictive performance of models was assessed based on adjusted coefficient of determination (R2adj), Root Mean Squared Error (RMSE, g kg-1) and Ratio of Performance to Interquartile Range (RPIQ) obtained in validation. Ordinary kriging was also performed and the resulted interpolated surfaces were compared to the maps obtained from the best LR model. There was significant correlation between soil attributes and reflectance, LST and elevation data, and soils with clay texture were differentiated from sandy soils based on LST mean values. For all soil attributes, models using only elevation presented the worst performance; models using only LST, moderate performance; and using Vis-NIR-SWIR bands, good predictive performance. For clay, the best model obtained had bands 4-7, LST and elevation as predictors; for sand and iron oxides, the best model had bands 4-7 and LST; for OM, band 4, band 7 and LST. The use of LST for estimating soil attributes increases the predictive performance of multiple LR models when associated with other variables obtained through remote sensing, particularly surface reflectance data, improving the validation of models reaching high R2adj, high RPIQ and low RMSE values. Maps for sand, OM and iron oxides obtained through ordinary kriging outperformed those obtained for the same attributes using LR models based on RS co-variables, and for clay, both approaches reached the same accuracy level. Mapping of soil clay, sand, OM and iron oxides contents through multiple LR models using Landsat 5 products is a simple and easy to reproduce technique, appropriate for soil attributes mapping in bare soil agricultural areas. / Os atributos do solo influenciam diretamente na sua temperatura de superfície. Apesar de existir vários estudos utilizando espectros de solos obtidos de satélite, a avaliação do solo por meio da Temperatura de Superfície Terrestre (em inglês Land Surface Temperature, LST) ainda é escassa. A ampla disponibilidade de dados termais de satélite e o desenvolvimento de algoritmos para derivar a LST facilitou o seu uso em estudos de solos. O objetivo desse trabalho foi avaliar variações da LST do solo devidas à sua composição e verificar o potencial de uso da LST na quantificação de atributos do solo, também integrada com dados de espectros de reflectância e elevação. A área de estudo (198 ha) está localizada no estado de São Paulo, Brasil, e estava com solo exposto e arado na data de aquisição da imagem de satélite. Amostras de solo foram coletadas em um grid regular de 100 x 100 m (profundidades: 0.02 m e 0.8-1.0 m); a granulometria do solo, matéria orgânica (MO) e óxidos de ferro foram determinados via análises físicas e químicas laboratoriais. Neste estudo, uma imagem do Landsat 5 foi utilizada para extrair a temperatura de superfície usando a inversão da função da Lei de Planck na banda 6 (10.400 - 12.500 nm), e a emissividade de superfície foi estimada utilizando o método do limiar do Índice de Vegetação da Diferença Normalizada. Valores de reflectância das bandas 1, 2, 3, 4, 5 e 7 foram extraídos. Modelos para quantificação de atributos do solo foram feitos usando Regressão Linear (RL), com amostras de 62 pontos de tradagem distribuídos em 14 topossequências. A RL simples foi aplicada para gerar modelos de predição baseados na LST e também na elevação (extraída de um modelo digital de elevação). A RL múltipla foi aplicada para gerar modelos de predição usando os espectros de reflectância com correção atmosférica das bandas do Visível, Infravermelho próximo e Infravermelho de ondas curtas (Vis-NIR-SWIR) como preditores; também foi aplicada para predição de atributos do solo usando simultaneamente dados do Vis-NIR-SWIR, LST e elevação, e apenas variáveis significativas identificadas por teste T foram usadas. A performance preditiva dos modelos foi avaliada baseada no coeficiente de determinação ajustado (R2adj), raiz do erro quadrático médio (RMSE, g kg-1) e razão de desempenho do intervalo interquartil (RPIQ) obtidos na validação. A krigagem ordinária também foi feita e as superfícies interpoladas resultantes foram comparadas com o melhor modelo de RL. Houve correlação significativa entre os atributos do solo e dados de reflectância, LST e elevação, e solos com textura argilosa foram diferenciados de solos arenosos com base em valores médios de LST. Para todos os atributos do solo, os modelos usando apenas elevação apresentaram a pior performance, modelos usando somente LST, performance moderada, e usando as bandas do Vis-NIR-SWIR, boa performance preditiva. Para argila, o melhor modelo obtido teve as bandas 4-7, LST e elevação como preditores; para areia e óxidos de ferro, o melhor modelo teve as bandas 4-7 e LST; para MO, banda 4, banda 7 e LST. O uso da LST para estimar atributos do solo aumenta a performance preditiva de modelos de RL múltipla quando associada a outras variáveis obtidas via sensoriamento remoto (SR), particularmente dados de reflectância de superfície, melhorando a validação dos modelos atingindo altos valores de R2adj e RPIQ e baixos valores de RMSE. Os mapas para areia, MO e óxidos de ferro obtidos via krigagem ordinária superaram aqueles obtidos para os mesmos atributos usando modelos de RL baseados em co-variáveis obtidas via SR, e para argila, ambas abordagens atingiram o mesmo nível de acurácia. O mapeamento dos conteúdos de argila, areia, matéria orgânica e óxidos de ferro do solo via modelos de RL múltipla utilizando produtos do Landsat 5 é uma técnica simples e fácil de reproduzir, apropriada para o mapeamento de atributos do solo em áreas de agricultura com solo exposto.

Soil attributes directly influence on its surface temperature. Although there are several studies using soil spectra obtained from satellites, soil evaluation through Land Surface Temperature (LST) is still scarce. The broad availability of satellite thermal data and the development of algorithms to retrieve LST facilitated its use in soil studies. The objective of this study was to evaluate soil LST variations due to its composition and verify the potential of using LST on soil attributes quantification, also integrated with reflectance spectra and elevation data. The study area (198 ha) is located in Sao Paulo state, Brazil, and had plowed bare soil during the satellite image acquisition date. Soil samples were collected in a regular grid of 100 x 100 m (depths: 0-0.2 m and 0.8- 1.0 m); soil granulometry, organic matter (OM) and iron oxides were determined by wet chemistry analysis. In this study, an image of Landsat 5 was used for extracting LST using the inversion of Planck\'s function in band 6 (10,400 - 12,500 nm), and land surface emissivity was estimated using Normalized Difference Vegetation Index threshold method. Reflectance values were extracted from bands 1, 2, 3, 4, 5 and 7. Models for soil attributes quantification were performed using Linear Regression (LR), with samples from 62 auger points distributed in 14 toposequences. Simple LR was applied for generating prediction models based on LST and on elevation data (extracted from a Digital Elevation Model). Multiple LR was applied in order to generate prediction models using atmospherically corrected spectral reflectance from Visible, Near-Infrared and Shortwave infrared (Vis-NIR-SWIR) bands as predictors, and also for the prediction of soil attributes using simultaneously Vis-NIR-SWIR, LST and elevation data, and only significant variables identified by T-tests were used. Predictive performance of models was assessed based on adjusted coefficient of determination (R2adj), Root Mean Squared Error (RMSE, g kg-1) and Ratio of Performance to Interquartile Range (RPIQ) obtained in validation. Ordinary kriging was also performed and the resulted interpolated surfaces were compared to the maps obtained from the best LR model. There was significant correlation between soil attributes and reflectance, LST and elevation data, and soils with clay texture were differentiated from sandy soils based on LST mean values. For all soil attributes, models using only elevation presented the worst performance; models using only LST, moderate performance; and using Vis-NIR-SWIR bands, good predictive performance. For clay, the best model obtained had bands 4-7, LST and elevation as predictors; for sand and iron oxides, the best model had bands 4-7 and LST; for OM, band 4, band 7 and LST. The use of LST for estimating soil attributes increases the predictive performance of multiple LR models when associated with other variables obtained through remote sensing, particularly surface reflectance data, improving the validation of models reaching high R2adj, high RPIQ and low RMSE values. Maps for sand, OM and iron oxides obtained through ordinary kriging outperformed those obtained for the same attributes using LR models based on RS co-variables, and for clay, both approaches reached the same accuracy level. Mapping of soil clay, sand, OM and iron oxides contents through multiple LR models using Landsat 5 products is a simple and easy to reproduce technique, appropriate for soil attributes mapping in bare soil agricultural areas. / Os atributos do solo influenciam diretamente na sua temperatura de superfície. Apesar de existir vários estudos utilizando espectros de solos obtidos de satélite, a avaliação do solo por meio da Temperatura de Superfície Terrestre (em inglês Land Surface Temperature, LST) ainda é escassa. A ampla disponibilidade de dados termais de satélite e o desenvolvimento de algoritmos para derivar a LST facilitou o seu uso em estudos de solos. O objetivo desse trabalho foi avaliar variações da LST do solo devidas à sua composição e verificar o potencial de uso da LST na quantificação de atributos do solo, também integrada com dados de espectros de reflectância e elevação. A área de estudo (198 ha) está localizada no estado de São Paulo, Brasil, e estava com solo exposto e arado na data de aquisição da imagem de satélite. Amostras de solo foram coletadas em um grid regular de 100 x 100 m (profundidades: 0.02 m e 0.8-1.0 m); a granulometria do solo, matéria orgânica (MO) e óxidos de ferro foram determinados via análises físicas e químicas laboratoriais. Neste estudo, uma imagem do Landsat 5 foi utilizada para extrair a temperatura de superfície usando a inversão da função da Lei de Planck na banda 6 (10.400 - 12.500 nm), e a emissividade de superfície foi estimada utilizando o método do limiar do Índice de Vegetação da Diferença Normalizada. Valores de reflectância das bandas 1, 2, 3, 4, 5 e 7 foram extraídos. Modelos para quantificação de atributos do solo foram feitos usando Regressão Linear (RL), com amostras de 62 pontos de tradagem distribuídos em 14 topossequências. A RL simples foi aplicada para gerar modelos de predição baseados na LST e também na elevação (extraída de um modelo digital de elevação). A RL múltipla foi aplicada para gerar modelos de predição usando os espectros de reflectância com correção atmosférica das bandas do Visível, Infravermelho próximo e Infravermelho de ondas curtas (Vis-NIR-SWIR) como preditores; também foi aplicada para predição de atributos do solo usando simultaneamente dados do Vis-NIR-SWIR, LST e elevação, e apenas variáveis significativas identificadas por teste T foram usadas. A performance preditiva dos modelos foi avaliada baseada no coeficiente de determinação ajustado (R2adj), raiz do erro quadrático médio (RMSE, g kg-1) e razão de desempenho do intervalo interquartil (RPIQ) obtidos na validação. A krigagem ordinária também foi feita e as superfícies interpoladas resultantes foram comparadas com o melhor modelo de RL. Houve correlação significativa entre os atributos do solo e dados de reflectância, LST e elevação, e solos com textura argilosa foram diferenciados de solos arenosos com base em valores médios de LST. Para todos os atributos do solo, os modelos usando apenas elevação apresentaram a pior performance, modelos usando somente LST, performance moderada, e usando as bandas do Vis-NIR-SWIR, boa performance preditiva. Para argila, o melhor modelo obtido teve as bandas 4-7, LST e elevação como preditores; para areia e óxidos de ferro, o melhor modelo teve as bandas 4-7 e LST; para MO, banda 4, banda 7 e LST. O uso da LST para estimar atributos do solo aumenta a performance preditiva de modelos de RL múltipla quando associada a outras variáveis obtidas via sensoriamento remoto (SR), particularmente dados de reflectância de superfície, melhorando a validação dos modelos atingindo altos valores de R2adj e RPIQ e baixos valores de RMSE. Os mapas para areia, MO e óxidos de ferro obtidos via krigagem ordinária superaram aqueles obtidos para os mesmos atributos usando modelos de RL baseados em co-variáveis obtidas via SR, e para argila, ambas abordagens atingiram o mesmo nível de acurácia. O mapeamento dos conteúdos de argila, areia, matéria orgânica e óxidos de ferro do solo via modelos de RL múltipla utilizando produtos do Landsat 5 é uma técnica simples e fácil de reproduzir, apropriada para o mapeamento de atributos do solo em áreas de agricultura com solo exposto.

A textura e o conteúdo do carbono orgânico (CO) influenciam na resposta espectral dos solos. O estudo desses atributos é de grande importância para a preservação e o manejo adequado da terra na busca de uma agricultura sustentável. O uso de sensores de laboratório e satélites tem se mostrado como uma ferramenta no auxílio para o estudo destes, porém a análise dos atributos do solo com esses sensores tem focado principalmente nas regiões do espectro eletromagnético do visível (Vis), infravermelho próximo (NIR) e infravermelho de ondas curtas (SWIR), com poucos estudos no infravermelho médio (MIR). O objetivo deste trabalho foi identificar o padrão espectral do solo com diferentes granulometrias (areia e argila) e teores de CO utilizando sensores de laboratório e satélite na região do MIR, especificamente na faixa do infravermelho termal (TIR). O estudo teve uma avaliação qualitativa e quantitativa da argila, CO e das frações de areia (fina e grossa). A área de estudo está localizada na região de Piracicaba, São Paulo, Brasil. Foram coletadas 150 amostras de solo a uma profundidade de 0-20 cm. A textura do solo foi determinada pelo método da pipeta e a porcentagem de CO via combustão seca. Dados espectrais em refletância e emissividade (ε) foram adquiridos com o sensor Fourier Transform Infrared (FT-IR) Alpha (Bruker optics Corporation). Uma imagem \"ASTER_05\" foi adquirida em 15 de julho de 2017 em valores de ε. As amostras foram separadas por classes texturais e o comportamento espectral no TIR foi descrito. Os dados obtidos pelo sensor de laboratório foram reamostrados para as bandas do sensor de satélite. O comportamento entre os espectros de ambos sensores foi semelhante e teve correlação significativa com os atributos estudados, principalmente para areia. Para os modelos de regressão por mínimos quadrados parciais (PLSR), foram utilizadas seis estratégias (MIR, MIR_ASTER, ASTER, Termal, Termal IDC e MIR IDC) que consistiram no uso de todas as bandas de sensores, ou pela seleção das mesmas que apresentaram as correlações mais significativas com cada um dos atributos. Os modelos apresentaram um bom desempenho na predição de todos os atributos usando o MIR inteiro. No TIR, o modelo para areia total e para as frações fina e grossa foi bom. No caso dos modelos criados com os dados do sensor ASTER, não foram tão promissores quanto os de laboratório. O uso de bandas específicas ajudou a estimar alguns atributos no MIR e no TIR, aumentando o desempenho preditivo melhorando a validação dos modelos. Portanto, a discriminação dos atributos do solo com sensores de satélite pode ser melhorada com a identificação de bandas específicas, como observado nos resultados com sensores de laboratório. / Soil texture and organic carbon (OC) content influence its spectral response. The study of these attributes is relevant for the preservation and proper management of land in pursuit of a sustainable agriculture. Laboratory and satellite sensors have been applied as a useful tool for studying soil attributes, but their analysis with these sensors has mainly focused on the visible (Vis), near infrared (NIR) and shortwave infrared (SWIR) regions of the electromagnetic spectrum, with few studies in the Medium Infrared (MIR). The objective of this study was to identify the spectral pattern of soils with different granulometry (sand and clay) and OC content using laboratory and satellite sensors in the MIR region, specifically in the Thermal Infrared (TIR) range. This study had qualitative and quantitative analyses of clay, OC and sand fractions (fine and coarse). The study area is located in the region of Piracicaba, São Paulo, Brazil. 150 soil samples were collected at a depth of 0-20 cm. Soil texture was determined by the pipette method and the percentage of OC via dry combustion. Reflectance and emissivity (ε) spectral data were obtained with the Fourier Transform Infrared (FT-IR) Alpha sensor (Bruker Optics Corporation). An image \"ASTER_05\" from July 15, 2017 was acquired with values of ε. Samples were separated by textural classes and the spectral behavior in the TIR region was described. The data obtained by the laboratory sensor were resampled to the satellite sensor bands. The behavior between spectra of both sensors was similar and had significant correlation with the studied attributes, mainly sand. For the partial least squares regression (PLSR) models, six strategies were used (MIR, MIR_ASTER, ASTER, Thermal, Thermal IDC and MIR IDC), which consisted in the use of all sensors bands, or by the selection of bands that presented the most significant correlations with each one of the attributes. Models presented a good performance in the prediction of all attributes using the whole MIR. In the TIR, models for total sand content and for fine and coarse fractions were good. In the case of models created with ASTER sensor data, they were not as promising as those with laboratory data. The use of specific bands was useful in estimating some attributes in the MIR and TIR, improving the predictive performance and validation of models. Therefore, the discrimination of soil attributes with satellite sensors can be improved with the identification of specific bands, as observed in the results with laboratory sensors.