Avaliar o estado hídrico das plantas é essencial para o monitoramento das culturas agrícolas e florestais. A interação da radiação eletromagnética com as plantas é um processo estudado por sensoriamento remoto (SR). Através da técnica de SR é possível interpretar os fatores que influenciam na quantidade de energia absorvida, transmitida e refletida pela planta. Neste estudo, buscou-se estabelecer as relações existentes entre variações nos parâmetros da água com o comportamento espectral e gerar modelos matemáticos que sejam capazes de predizer o conteúdo relativo da água (CRA) e espessura equivalente da água (EEA) em 11 diferentes espécies de Eucalyptus, utilizando um sensor hiperespectral. Os dados foram obtidos por meio da pesagem e respectiva leitura espectral das folhas, sendo que estas passaram por uma metodologia de desidratação. Tal metodologia permitiu encontrar uma diferença de reflectância média de 26% entre o máximo e mínimo teor de água na folha, provando a influência do CRA no comportamento espectral, sendo a água um dos fatores de maior domínio na reflectância na região do infravermelho médio (1300nm - 2500nm). A partir das curvas espectrais foi possível avaliar que os comprimentos de onda próximo ao 1400 nm e 1900 nm foram os mais sensíveis ao conteúdo de água. A análise de componentes principais permitiu reforçar estes resultados, uma vez que as pontuações (scores) dos componentes que apresentaram correlações significativas com o CRA tiveram maiores pesos (loadings) nas regiões espectrais citadas anteriormente. A partir das respostas espectrais também foram realizados os cálculos dos índices espectrais já descritos em literatura, e estes submetidos a análise de regressão simples para predição do CRA e EEA. O índice espectral calculado com a combinação de bandas do infravermelho médio (1300nm e 1450nm) foi o que apresentou melhores resultados ao predizer os parâmetros da água, sendo que o SR1300,1450 teve um R2=0,72 para o CRA e R2=0,81 para o EEA. Os dados espectrais foram correlacionados com os parâmetros da água, e encontrou-se que para o CRA o comprimento de onda 1881 nm apresentou um coeficiente de correlação máximo negativo de r= -0,89, enquanto que o EEA apresentou um coeficiente de correlação máximo negativo de r= -0,79 no comprimento de onda 2165 nm. Foram testados três métodos de seleção das variáveis hiperespectrais para gerar um modelo matemático por meio de uma regressão linear. Para o parâmetro CRA, o método de seleção de variáveis stepwise foi o que gerou o maior (R2= 0,86) e um RMSE = 13,85%, sendo que neste método restaram apenas seis variáveis preditoras. Enquanto que o método de seleção de variáveis pelas regiões do espectro foi o mais preciso ao predizer o parâmetro EEA, com um R2= 0,87 e um RMSE = 0,00012 g/cm2, sendo necessárias apenas 5 variáveis espectrais. / The hydric condition assessment of plants is essential for monitoring agricultural and forest cultures. The interaction of electromagnetic radiation with plants is a process studied by remote sensing. Through this technique it is possible to interpret the factors that plays influence on the quantity of energy absorbed, transmitted and reflected by the plant. In this study was sought the establishment of existing relations between variations on the water parameters and the spectral behavior and then to generate mathematical models capable of predictiong the relative water content (RWC) and equivalent water thickness (EWT) among 11 different Eucalyptus species using a hyperespectral sensor. The data was obtained through weighting followed by reflectance readings of leaves in which the leaves had gone through a dehydrating methodology. The dehydrating methodology allowed finding a average reflectance difference of 26% between the maximum and the minimum water content on the leaf, proving the influence of the RWC in the spectral behavior in which the water plays great influence in the medium infrared reflectance region (1300 nm - 2500 nm). From the spectral curves it was possible to conclude that the wavelengths near 1400 nm and 1900 nm were the most sensitive to the water content. The principal content analyses reinforced these results once the scores of the components that showed significant relations with the RWC had the bigger loadings in the mentioned spectral regions. Spectral indices already described in literature were calculated using the spectral responses and their results were submitted to a simple regression for predicting RWC and EWT. The spectral index calculated by the combination of medium infrared (1300 nm and 1450 nm) was the one which had better results when prediction water parameters in which SR... had an R2=0,72 for RWC and R2=0,81 for EWT The spectral data was correlated to the water parameters and it was observed that for the RWC at 1881 nm showed a maximum negative coefficient of correlation of r=-0,89 whereas the EWT showed a maximum negative coefficient of correlation of r=-0,79 at 2165 nm. Three selection methods were tested for the hyperespectral variables in order to generate a mathematical model through linear regression. For the RWC parameter, the selection method of stepwise variables was the one which generated and R2=0,86 and a RSMSE = 13,85%. For this method just 6 predicting variables were left. While the variables selection method by spectral regions was the most precise when predicting the EWTparameter with a R2 = 0,87 and a RMSE = 0,00012 g/cm2 being just 5 spectral variables necessary.

Avaliar o estado hídrico das plantas é essencial para o monitoramento das culturas agrícolas e florestais. A interação da radiação eletromagnética com as plantas é um processo estudado por sensoriamento remoto (SR). Através da técnica de SR é possível interpretar os fatores que influenciam na quantidade de energia absorvida, transmitida e refletida pela planta. Neste estudo, buscou-se estabelecer as relações existentes entre variações nos parâmetros da água com o comportamento espectral e gerar modelos matemáticos que sejam capazes de predizer o conteúdo relativo da água (CRA) e espessura equivalente da água (EEA) em 11 diferentes espécies de Eucalyptus, utilizando um sensor hiperespectral. Os dados foram obtidos por meio da pesagem e respectiva leitura espectral das folhas, sendo que estas passaram por uma metodologia de desidratação. Tal metodologia permitiu encontrar uma diferença de reflectância média de 26% entre o máximo e mínimo teor de água na folha, provando a influência do CRA no comportamento espectral, sendo a água um dos fatores de maior domínio na reflectância na região do infravermelho médio (1300nm - 2500nm). A partir das curvas espectrais foi possível avaliar que os comprimentos de onda próximo ao 1400 nm e 1900 nm foram os mais sensíveis ao conteúdo de água. A análise de componentes principais permitiu reforçar estes resultados, uma vez que as pontuações (scores) dos componentes que apresentaram correlações significativas com o CRA tiveram maiores pesos (loadings) nas regiões espectrais citadas anteriormente. A partir das respostas espectrais também foram realizados os cálculos dos índices espectrais já descritos em literatura, e estes submetidos a análise de regressão simples para predição do CRA e EEA. O índice espectral calculado com a combinação de bandas do infravermelho médio (1300nm e 1450nm) foi o que apresentou melhores resultados ao predizer os parâmetros da água, sendo que o SR1300,1450 teve um R2=0,72 para o CRA e R2=0,81 para o EEA. Os dados espectrais foram correlacionados com os parâmetros da água, e encontrou-se que para o CRA o comprimento de onda 1881 nm apresentou um coeficiente de correlação máximo negativo de r= -0,89, enquanto que o EEA apresentou um coeficiente de correlação máximo negativo de r= -0,79 no comprimento de onda 2165 nm. Foram testados três métodos de seleção das variáveis hiperespectrais para gerar um modelo matemático por meio de uma regressão linear. Para o parâmetro CRA, o método de seleção de variáveis stepwise foi o que gerou o maior (R2= 0,86) e um RMSE = 13,85%, sendo que neste método restaram apenas seis variáveis preditoras. Enquanto que o método de seleção de variáveis pelas regiões do espectro foi o mais preciso ao predizer o parâmetro EEA, com um R2= 0,87 e um RMSE = 0,00012 g/cm2, sendo necessárias apenas 5 variáveis espectrais. / The hydric condition assessment of plants is essential for monitoring agricultural and forest cultures. The interaction of electromagnetic radiation with plants is a process studied by remote sensing. Through this technique it is possible to interpret the factors that plays influence on the quantity of energy absorbed, transmitted and reflected by the plant. In this study was sought the establishment of existing relations between variations on the water parameters and the spectral behavior and then to generate mathematical models capable of predictiong the relative water content (RWC) and equivalent water thickness (EWT) among 11 different Eucalyptus species using a hyperespectral sensor. The data was obtained through weighting followed by reflectance readings of leaves in which the leaves had gone through a dehydrating methodology. The dehydrating methodology allowed finding a average reflectance difference of 26% between the maximum and the minimum water content on the leaf, proving the influence of the RWC in the spectral behavior in which the water plays great influence in the medium infrared reflectance region (1300 nm - 2500 nm). From the spectral curves it was possible to conclude that the wavelengths near 1400 nm and 1900 nm were the most sensitive to the water content. The principal content analyses reinforced these results once the scores of the components that showed significant relations with the RWC had the bigger loadings in the mentioned spectral regions. Spectral indices already described in literature were calculated using the spectral responses and their results were submitted to a simple regression for predicting RWC and EWT. The spectral index calculated by the combination of medium infrared (1300 nm and 1450 nm) was the one which had better results when prediction water parameters in which SR... had an R2=0,72 for RWC and R2=0,81 for EWT The spectral data was correlated to the water parameters and it was observed that for the RWC at 1881 nm showed a maximum negative coefficient of correlation of r=-0,89 whereas the EWT showed a maximum negative coefficient of correlation of r=-0,79 at 2165 nm. Three selection methods were tested for the hyperespectral variables in order to generate a mathematical model through linear regression. For the RWC parameter, the selection method of stepwise variables was the one which generated and R2=0,86 and a RSMSE = 13,85%. For this method just 6 predicting variables were left. While the variables selection method by spectral regions was the most precise when predicting the EWTparameter with a R2 = 0,87 and a RMSE = 0,00012 g/cm2 being just 5 spectral variables necessary.