Spelling suggestions: "subject:"região semiárido"" "subject:"legião semiárido""
1 |
Uso do sensoriamento remoto para avaliar o processo de salinização no perímetro irrigado de Morada Nova - CE / Using remote sensing to assess the process of salinization in irrigated perimeter of Morada Nova - CEMoreira, Luís Clênio Jário January 2014 (has links)
MOREIRA, L. C. J. Uso do sensoriamento remoto para avaliar o processo de salinização no perímetro irrigado de Morada Nova - CE. 2014. 133 f. Tese (Doutorado em Engenharia Agrícola) - Centro de Ciências Agrárias, Universidade Federal do Ceará, Fortaleza, 2014. / Submitted by Daniel Eduardo Alencar da Silva (dealencar.silva@gmail.com) on 2015-01-30T20:36:06Z
No. of bitstreams: 1
2014_tese_lcjmoreira.pdf: 4465886 bytes, checksum: 0838c07b2d384720620f269aeedb9f40 (MD5) / Approved for entry into archive by Margareth Mesquita(margaret@ufc.br) on 2015-02-09T14:07:42Z (GMT) No. of bitstreams: 1
2014_tese_lcjmoreira.pdf: 4465886 bytes, checksum: 0838c07b2d384720620f269aeedb9f40 (MD5) / Made available in DSpace on 2015-02-09T14:07:42Z (GMT). No. of bitstreams: 1
2014_tese_lcjmoreira.pdf: 4465886 bytes, checksum: 0838c07b2d384720620f269aeedb9f40 (MD5)
Previous issue date: 2014 / The characterization, delineation and assessment of areas affected by salt/sodium is extremely important for the Irrigation Perimeter of Morada Nova – Ceará and can contribute in decision-making processes on local farming. Remote sensing (RS) is an attractive alternative to traditional methods of soil salinization studies due to its low cost, spatial coverage and temporal frequency of image acquisition. It may provide a fast and non-destructive mapping of the salinized areas. This study aimed to use RS data in the development of methodological strategies to identify areas with salinity problems allowing a preliminary assessment of salt effects on soil and vegetation. Initially, we used laboratory spectroscopy to characterize and quantify variations in reflectance and spectral absorption bands as function of the changes in electrical conductivity (EC) of the soils. Neossolos samples (n = 180) were salinized in laboratory with increasing concentrations of NaCl, MgCl2 and CaCl2. Half of them were previously treated with gypsum. Reflectance spectra were measured at nadir viewing in a controlled laboratory environment using the FieldSpec spectrometer. Variations in reflectance and absorption bands attributes were evaluated by using principal component analysis (PCA) and the continuum removal (CR) technique, respectively, for soils treated with gypsum (TG) and non-treated with gypsum (NTG). Using soil samples of NTG (n = 62) and a set of independent samples (n = 32) collected from various sites within the irrigated perimeter, predictive models were developed using linear regressions of individual bands, the normalized salinity index (NDSI) and partial least squares regression (PLSR). Another part of this work was focused on the use of multispectral images (TM/Landsat-5 and OLI/Landsat-8) and hyperspectral (Hyperion/EO-1). Using the 0.53 threshold over the soil fraction image from the spectral mixture model applied to the OLI data (September, 2013) and information on the temporal behavior (1984-2011) of the Normalized Difference Vegetation Index (NDVI) obtained from the TM sensor, exposed soils were evaluated for their differentiation in the saline and non-saline classes. For the discrimination of these classes and salinity levels, PCA was applied to OLI and Hyperion data. By using data from these two sensors, the ability of multispectral and hyperspectral vegetation indices to identify and evaluate salt stress in rice canopies was investigated. Linear regressions were used to describe the relationship between the indices and soil EC. Results from laboratory reflectance spectroscopy showed that NTG samples presented a decrease in reflectance and brightness after salinization with CaCl2 and MgCl2, and an increase of them after salinization with NaCl. Gypsum increased the soil reflectance and was crucial to the appearance of the absorption band at 1750 nm in the TG samples. The most important spectral features were observed in salinized spectra at 1450, 1950 and 1750 nm. The predictive model developed with NDSI (R2 = 0.836) from bands positioned close to 1900 nm showed the best results when individual bands were considered in the analysis (R2 = 0.50). However, PLSR (R2 = 0.883) using all the spectral bands showed the best model suggesting that the greatest number of bands produced the largest predictive power for the models. Using information from the OLI, statistically significant correlations of the Salinity Index (SI) (r = 0.84) and first principal component (PC1) (r = 0.83) with the soil EC were obtained. A significant correlation (r = 0.77) was also observed with the PC1 of Hyperion data. Under field conditions, the spectral profiles and PCA indicated that areas with higher EC had also greater brightness relative to the non-salinized areas, which enabled the use of data from the two sensors to discriminate the exposed salinized soils from the non-salinized ones. For rice, canopy reflectance in the near infrared (NIR) and shortwave infrared (SWIR) was reduced with increasing soil EC. In the red spectral region of chlorophyll absorption, the salt stress caused a slightly reflectance increase. This explained the good results presented by NDVI (R2 = 0.68) and Enhanced Vegetation Index (EVI) (R2 = 0.70) obtained from the OLI sensor to characterize the spectral response of rice under different soil ECs. The most promising hyperspectral indices were the Salinity and Water Stress Index (SWSI1) (R2 = 0.70) and Saline Stress Index for Rice (IESA) (R2 = 0.59), which are combinations of regions related to chlorophyll regions with absorption of water that vary with water stress. Overall, this study showed that the RS has a good potential to detect and characterize salinization areas. The use of images is very promising, but information obtained from laboratory spectroscopy provides the necessary understanding of the particularities of spectral characteristics of the saline soils. / A caracterização, delimitação e avaliação das áreas afetadas por sais/sódio é de extrema relevância para o Perímetro de Irrigação de Morada Nova – Ceará podendo contribuir nas tomadas de decisões referentes à exploração agrícola local. O sensoriamento remoto (SR) pode ser uma alternativa atraente para complementar o uso de métodos tradicionais em função de seu baixo custo, ampla cobertura espacial, frequência temporal de aquisição de imagens, visando possibilitar o mapeamento das áreas salinizadas. O presente trabalho teve como objetivo usar dados de SR no desenvolvimento de estratégias metodológicas para identificar áreas com problemas de salinidade, visando avaliações dos efeitos provocados no solo e na vegetação. Inicialmente, foi usada espectroscopia de reflectância de laboratório para caracterizar e quantificar variações na reflectância e nas bandas de absorção espectrais em função das alterações da condutividade elétrica (CE) do solo, um indicador indireto de salinização. Amostras de Neossolos Flúvicos (n =180) foram salinizadas com crescentes níveis de NaCl, MgCl2 e CaCl2. Metade das amostras foi tratada com gesso agrícola, um corretivo de salinização dos solos comumente utilizado na região. Espectros de reflectância foram medidos ao nadir em ambiente controlado (laboratório) usando o espectrômetro FieldSpec. As variações de reflectância e absorção foram avaliadas através da análise por componentes principais (ACP) e da técnica remoção do contínuo (RC), respectivamente, para solos tratados com gesso (TG) e não tratados com gesso (NTG). Usando parte das amostras NTG (n = 62) e um conjunto de amostras independentes (n = 32), coletadas em vários pontos dentro do perímetro irrigado, modelos preditivos foram desenvolvidos usando regressões lineares de bandas individuais do espectrômetro, índice normalizado de salinidade (NDSI) e regressão por mínimos quadrados parciais (PLSR). Outra parte desse trabalho foi focada no uso de imagens multiespectrais (TM/Landsat-5 e OLI/Landsat-8) e hiperespectrais (Hyperion/EO-1). Usando o limiar 0,53 da imagem fração solo obtida de um modelo de mistura espectral aplicado sobre os dados do sensor OLI (Setembro/2013) e informações do comportamento temporal (1984-2011) do índice de vegetação por diferença normalizada (NDVI) obtido do sensor TM, áreas de solo exposto foram avaliadas quanto à sua diferenciação nas classes "salinizados" e "não-salinizados". Na discriminação desses alvos também foram usados índices de salinidade e ACP obtidos de dados dos sensores OLI e Hyperion. Com dados desses dois sensores, também foi averiguada a capacidade de índices multiespectrais e hiperespectrais de vegetação em identificar e caracterizar o estresse salino em dosséis de arroz. Foram usadas regressões lineares para descrever a relação entre os índices e a CE do solo. A espectroscopia de laboratório revelou que as amostras NTG apresentaram uma diminuição na reflectância e brilho com a salinização usando CaCl2 e MgCl2 e um aumento usando NaCl. O gesso aumentou a reflectância do solo e foi determinante para a aparição da banda de absorção em 1750 nm nos espectros das amostras TG. As bandas de absorção mais importantes verificadas nos espectros salinizados foram observadas em 1450, 1950 e 1750 nm. O modelo preditivo desenvolvido com NDSI (R2 = 0,84), a partir de bandas do espectrômetro posicionadas próximas a 1900 nm, apresentaram resultados superiores aos modelos de reflectância de bandas individuais (R2 = 0,50). No entanto, foi o PLSR (R2 = 0,88) usando todas as bandas espectrais do espectrômetro que apresentou os melhores resultados da modelagem sugerindo que, quanto maior o número de informações espectrais usadas, maior é a capacidade de previsão dosmodelos. Com os dados do OLI foram observadas boas correlações do Salinity Index (SI) (r = +0,84) e da primeira componente principal (CP1) (r = +0,83) com a CE do solo. Uma forte correlação (r = +0,77) também foi observada a partir da CP1 dos dados Hyperion. Em condições de campo, os espectros de reflectância e a ACP indicaram que áreas com maiores CE possuem maior brilho em relação às demais áreas não-salinizadas e isso possibilita o uso de dados dos dois sensores para discriminar solos expostos salinizados de não salinizados. Para dosséis de arroz, a reflectância no infravermelho próximo (NIR) e infravermelho médio (SWIR) foi reduzida com o aumento da CE do solo. Já na região do vermelho, o estresse salino provocou um aumento de reflectância. Isso favoreceu aos bons resultados apresentados pelo NDVI (R2 = 0,68) e Enhanced Vegetation Index (EVI) (R2 = 0,70) obtidos do sensor OLI para caracterizar a resposta espectral do arroz sob diferentes CE do solo. Os índices hiperespectrais mais promissores foram o Salinity and Water Stress Index (SWSI1) (R2=0,70) e Índice do Estresse Salino para Arroz (IESA) (R2=0,59), que são combinações de faixas espectrais relacionadas à clorofila e à absorção de água e/ou estresse hídrico. No geral, o estudo mostrou que o SR tem um bom potencial de aplicação para detectar e caracterizar áreas salinizadas. O uso de imagens é bastante promissor, porém informações obtidas com espectroscopia de laboratório são necessárias para subsidiar o entendimento das particularidades de características espectrais dos alvos.
|
Page generated in 0.0325 seconds