Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / A caracterizaÃÃo, delimitaÃÃo e avaliaÃÃo das Ãreas afetadas por sais/sÃdio à de extrema relevÃncia para o PerÃmetro de IrrigaÃÃo de Morada Nova â Cearà podendo contribuir nas tomadas de decisÃes referentes à exploraÃÃo agrÃcola local. O sensoriamento remoto (SR) pode ser uma alternativa atraente para complementar o uso de mÃtodos tradicionais em funÃÃo de seu baixo custo, ampla cobertura espacial, frequÃncia temporal de aquisiÃÃo de imagens, visando possibilitar o mapeamento das Ãreas salinizadas. O presente trabalho teve como objetivo usar dados de SR no desenvolvimento de estratÃgias metodolÃgicas para identificar Ãreas com problemas de salinidade, visando avaliaÃÃes dos efeitos provocados no solo e na vegetaÃÃo. Inicialmente, foi usada espectroscopia de reflectÃncia de laboratÃrio para caracterizar e quantificar variaÃÃes na reflectÃncia e nas bandas de absorÃÃo espectrais em funÃÃo das alteraÃÃes da condutividade elÃtrica (CE) do solo, um indicador indireto de salinizaÃÃo. Amostras de Neossolos FlÃvicos (n =180) foram salinizadas com crescentes nÃveis de NaCl, MgCl2 e CaCl2. Metade das amostras foi tratada com gesso agrÃcola, um corretivo de salinizaÃÃo dos solos comumente utilizado na regiÃo. Espectros de reflectÃncia foram medidos ao nadir em ambiente controlado (laboratÃrio) usando o espectrÃmetro FieldSpec. As variaÃÃes de reflectÃncia e absorÃÃo foram avaliadas atravÃs da anÃlise por componentes principais (ACP) e da tÃcnica remoÃÃo do contÃnuo (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 vÃrios pontos dentro do perÃmetro irrigado, modelos preditivos foram desenvolvidos usando regressÃes lineares de bandas individuais do espectrÃmetro, Ãndice normalizado de salinidade (NDSI) e regressÃo por mÃnimos 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 fraÃÃo solo obtida de um modelo de mistura espectral aplicado sobre os dados do sensor OLI (Setembro/2013) e informaÃÃes do comportamento temporal (1984-2011) do Ãndice de vegetaÃÃo por diferenÃa normalizada (NDVI) obtido do sensor TM, Ãreas de solo exposto foram avaliadas quanto à sua diferenciaÃÃo nas classes "salinizados" e "nÃo-salinizados". Na discriminaÃÃo desses alvos tambÃm foram usados Ãndices de salinidade e ACP obtidos de dados dos sensores OLI e Hyperion. Com dados desses dois sensores, tambÃm foi averiguada a capacidade de Ãndices multiespectrais e hiperespectrais de vegetaÃÃo em identificar e caracterizar o estresse salino em dossÃis de arroz. Foram usadas regressÃes lineares para descrever a relaÃÃo entre os Ãndices e a CE do solo. A espectroscopia de laboratÃrio revelou que as amostras NTG apresentaram uma diminuiÃÃo na reflectÃncia e brilho com a salinizaÃÃo usando CaCl2 e MgCl2 e um aumento usando NaCl. O gesso aumentou a reflectÃncia do solo e foi determinante para a apariÃÃo da banda de absorÃÃo em 1750 nm nos espectros das amostras TG. As bandas de absorÃÃo 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 espectrÃmetro posicionadas prÃximas a 1900 nm, apresentaram resultados superiores aos modelos de reflectÃncia de bandas individuais (R2 = 0,50). No entanto, foi o PLSR (R2 = 0,88) usando todas as bandas espectrais do espectrÃmetro que apresentou os melhores resultados da modelagem sugerindo que, quanto maior o nÃmero de informaÃÃes espectrais usadas, maior à a capacidade de previsÃo dosmodelos. Com os dados do OLI foram observadas boas correlaÃÃes do Salinity Index (SI) (r = +0,84) e da primeira componente principal (CP1) (r = +0,83) com a CE do solo. Uma forte correlaÃÃo (r = +0,77) tambÃm foi observada a partir da CP1 dos dados Hyperion. Em condiÃÃes de campo, os espectros de reflectÃncia e a ACP indicaram que Ãreas com maiores CE possuem maior brilho em relaÃÃo Ãs demais Ãreas nÃo-salinizadas e isso possibilita o uso de dados dos dois sensores para discriminar solos expostos salinizados de nÃo salinizados. Para dossÃis de arroz, a reflectÃncia no infravermelho prÃximo (NIR) e infravermelho mÃdio (SWIR) foi reduzida com o aumento da CE do solo. Jà na regiÃo do vermelho, o estresse salino provocou um aumento de reflectÃncia. 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 Ãndices hiperespectrais mais promissores foram o Salinity and Water Stress Index (SWSI1) (R2=0,70) e Ãndice do Estresse Salino para Arroz (IESA) (R2=0,59), que sÃo combinaÃÃes de faixas espectrais relacionadas à clorofila e à absorÃÃo de Ãgua e/ou estresse hÃdrico. No geral, o estudo mostrou que o SR tem um bom potencial de aplicaÃÃo para detectar e caracterizar Ãreas salinizadas. O uso de imagens à bastante promissor, porÃm informaÃÃes obtidas com espectroscopia de laboratÃrio sÃo necessÃrias para subsidiar o entendimento das particularidades de caracterÃsticas espectrais dos alvos. / The characterization, delineation and assessment of areas affected by salt/sodium is extremely important for the Irrigation Perimeter of Morada Nova â Cearà 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.