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.

Submitted by GABRIELA TAKAHASHI MIYOSHI null (takahashi.gabi@gmail.com) on 2016-03-24T18:48:17Z No. of bitstreams: 1 MIYOSHI_GT_DISSERTACAO.pdf: 6445481 bytes, checksum: 7e46eb0d4d485bf0b3f7498d99fe9d65 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-03-24T20:29:25Z (GMT) No. of bitstreams: 1 miyoshi_gt_me_prud.pdf: 6445481 bytes, checksum: 7e46eb0d4d485bf0b3f7498d99fe9d65 (MD5) / Made available in DSpace on 2016-03-24T20:29:25Z (GMT). No. of bitstreams: 1 miyoshi_gt_me_prud.pdf: 6445481 bytes, checksum: 7e46eb0d4d485bf0b3f7498d99fe9d65 (MD5) Previous issue date: 2016-02-29 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Florestas têm importante papel na manutenção da biodiversidade, retenção de carbono e regulação do regime hidrológico, além de garantir proteção ao solo e às fontes d’água. Podem ser classificadas em diferentes estádios de desenvolvimento, caracterizados pela presença de espécies secundárias e clímax. Atualmente, no Brasil, as florestas estão reduzidas em fragmentos espalhados em diversas regiões do país sendo seu monitoramento necessário para realização de planos de manejo. Uma das formas de realizar o monitoramento florestal é utilizando o Sensoriamento Remoto hiperespectral, que fornece informação espectral detalhada dos alvos as quais são úteis para a discriminação das espécies de vegetação que compõem o remanescente florestal. Sensores hiperespectrais acoplados a VANTs (Veículos Aéreos Não Tripulados) possibilitam a aquisição de dados para posterior delimitação das copas das espécies de vegetação. A Mata Atlântica, bioma rico em biodiversidade, está distribuída de norte a sul do Brasil, sendo classificada conforme a localização e características de cada formação florestal, dentre elas a Mata Atlântica de Interior. O objetivo desse trabalho é a caracterização espectral de espécies de vegetação em nível foliar e de copa para contribuir com informações que possam ser utilizadas para o monitoramento florestal. Foram adquiridas imagens hiperespectrais com câmara baseada no Interferômetro de Fabry-Perot acoplada em VANT. As imagens foram adquiridas na gleba Ponte Branca, pertencente à Estação Ecológica Mico-Leão-Preto. O processamento das imagens considerou 5 diferentes correções que permitiram mostrar a importância da geometria de aquisição das imagens e do ajustamento radiométrico em bloco. Copas de 12 espécies de vegetação foram delimitadas manualmente no mosaico de imagens gerado e nelas foram medidos valores de Fator de Reflectância Hemisférico Cônico. A caracterização espectral em nível foliar de 16 espécies de vegetação foi realizada em laboratório utilizando espectrorradiômetro. Por meio da análise de agrupamento, verificou-se a similaridade entre as respostas espectrais de tais espécies, tanto em nível de copa como foliar. Para minimizar a similaridade entre tais respostas, foram aplicados e normalizados 7 índices de vegetação. Por fim, utilizando os índices que apresentaram menor correlação entre si, uma nova análise de agrupamento foi realizada onde se verificou que a similaridade entre as espécies foi atenuada. / Forests have an important role to support biodiversity, carbon stocks and water regime. In addition, provide fundamental protection to soil and water resources. Pioneers and climax species characterize successional stages of forest. In Brazil, forests are reduced to fragments spread out over the country, being their monitoring necessary to perform management plans. Hyperspectral Remote Sensing provides detailed spectral information about targets and is feasible to discriminate trees species. Hyperspectral sensor attached to UAVs (Unmanned Aerial Vehicles) makes possible the delineation of trees canopies. The Atlantic Forest, biome rich in biodiversity, is distributed from north to south in Brazil, being classified according to the different locations and characteristics, such as the Interior Atlantic Forest. The main objective of this project is spectral characterization of tree species in leaf and canopy level to contribute with forest monitoring. Hyperspectral images acquired with camera based on Fabry-Perot Interferometer coupled to an UAV were acquired. The interest area, Ponte Branca, belongs to the ecological station called Estação Ecológica Mico-Leão-Preto in the western region of São Paulo State. Imaging process where realized with 5 different corrections showing the importance of geometry during image acquisition and radiometric block adjustment. Trees canopies from 12 species were manually delimited in the images mosaic and Hemispherical Conical Reflectance Factor were obtained. Leaf spectral characterization was realized in laboratory using spectrorradiometer. Clustering analyses were applied to verify similarity between spectral responses of species, in canopy and leaf level. 7 vegetation indexes were applied and normalized in order to reduce the similarity between the spectral responses. Lastly, a new clustering analyses was realized using the less correlated normalized indexes, concluding that the similarity between species was reduced. / CNPq: 130871/2014-1

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-10-21T15:45:52Z No. of bitstreams: 1 Dissertação - Manoel Ricardo Dourado Correia.pdf: 8990026 bytes, checksum: c076677843c8ec26d71e837b33b58060 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-10-21T19:42:03Z (GMT) No. of bitstreams: 1 Dissertação - Manoel Ricardo Dourado Correia.pdf: 8990026 bytes, checksum: c076677843c8ec26d71e837b33b58060 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-10-21T19:57:52Z (GMT) No. of bitstreams: 1 Dissertação - Manoel Ricardo Dourado Correia.pdf: 8990026 bytes, checksum: c076677843c8ec26d71e837b33b58060 (MD5) / Made available in DSpace on 2015-10-21T19:57:52Z (GMT). No. of bitstreams: 1 Dissertação - Manoel Ricardo Dourado Correia.pdf: 8990026 bytes, checksum: c076677843c8ec26d71e837b33b58060 (MD5) Previous issue date: 2009-12-21 / OUTRAS / HSS (Hyperspectral Scanner System) was evaluated for characterization and spatialization of soils in Manaus AM with 3 meter resolution images. The images (37 bands between 0.43 and 2,37 μm) were converted from radiance values to surface reflectance by the application of (FLAASH) Fast Line of Sight Atmospheric Analysis of Spectral Hypercubes based on radiative transfer model MODTRAN 4. To make easy the analysis of the spectral characteristics of the study area and the classification of the main soil types on the site, they were identified by SAM method (Spectral Angle Mapper) before collecting field soil samples. The correlations between soil characteristics and spectral data of the sensor (HSS) and spectral and diffractometric curves obtained in the laboratory were done for 13 samples. Finally, band math technique was used for spatialization of the clay content by the HSS sensor and laboratory data. The results obtained indicate that: (a) the atmospheric correction done with FLAASH application was appropriate, despite of difficulties in totally remove water vapor feature at 0,94 μm and at short wave infrared band, near to 2,0 μm. In general spectral coherence of HSS sensor with the information found in literature and spectrum obtained in the laboratory was confirmed; (b) a good capacity to spectral identification with SAM classifier was observed as the results provided an appropriate pre identification of soil , as well it helped to define sites for field work; (c) The representative curves of soil classes from laboratory data and sensor data are comparable. The reflectance spectrum presented coherence between X- ray (diffraction) data. The correlations between the two environment of data acquisition (laboratory and HSS) are usually high; (d) The results of ITexture index provided the measurement of the clay content of soil. / Avaliou-se o sensor HSS (Hyperspectral Scanner System) para a caracterização e espacialização de solos da cidade de Manaus - AM, com imagens de 3 metros de resolução espacial. As imagens (37 bandas entre 0,43 – 2,37 mm) foram convertidas de valores de radiância para reflectância de superfície, usando um aplicativo (FLAASH) Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes baseado no modelo de transferência radiativa MODTRAN 4. Para facilitar a análise das características espectrais da área de estudo e da discriminação dos principais tipos de solos presentes, foram pré-identificadas as classes de solos através do método SAM (Spectral Angle Mapper) antes da coleta das amostras de solo em campo. As correlações entre características dos solos e dados espectrais do sensor (HSS) e curvas espectrais de laboratório e difratométricas foram realizadas em 13 amostras. Por fim, a técnica band math (matemática de banda) foi usada para a espacialização dos teores de argila por meio dos dados HSS e laboratoriais. Os resultados obtidos indicaram que: (a) a correção atmosférica realizada com o aplicativo FLAASH foi apropriada, apesar das dificuldades de plena remoção da feição de vapor d’água em 0,94 μm e na faixa do infravermelho de ondas curtas, próximo de 2,0 mm. No geral, constatou-se coerência dos espectros do sensor HSS com as informações da literatura e dos espectros obtidos em laboratório; (b) foi observada boa capacidade de identificação espectral com o classificador SAM cujos resultados possibilitaram a pré-identificação adequada das classes de solos, bem como ajudaram a definir as áreas onde foram coletadas as amostras de campo; (c) As curvas espectrais representativas das classes de solo para os dados de laboratório e do sensor (HSS) são colacionáveis. Os espectros de reflectância apresentaram coerência entre os dados de raios-X (difratogramas). As correlações entre os dois ambientes de aquisição de dados (laboratório e HSS) são normalmente altas; (d) Os resultados da aplicação do índice ITextura possibilitaram a determinação do teor de argila dos solos por meio das imagens.

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-11-12T21:28:54Z No. of bitstreams: 1 Dissertaçaõ- Eliezer Augusto Litaiff De São Paulo Aguiar.pdf: 2274569 bytes, checksum: b7933e0a28ece498ba8623ddcb4e7382 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-11-16T18:59:59Z (GMT) No. of bitstreams: 1 Dissertaçaõ- Eliezer Augusto Litaiff De São Paulo Aguiar.pdf: 2274569 bytes, checksum: b7933e0a28ece498ba8623ddcb4e7382 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-11-16T19:11:43Z (GMT) No. of bitstreams: 1 Dissertaçaõ- Eliezer Augusto Litaiff De São Paulo Aguiar.pdf: 2274569 bytes, checksum: b7933e0a28ece498ba8623ddcb4e7382 (MD5) / Made available in DSpace on 2015-11-16T19:11:43Z (GMT). No. of bitstreams: 1 Dissertaçaõ- Eliezer Augusto Litaiff De São Paulo Aguiar.pdf: 2274569 bytes, checksum: b7933e0a28ece498ba8623ddcb4e7382 (MD5) Previous issue date: 2014-04-16 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Hyperspectral remote sensing allows for radiometric measurements of a target in a large number of narrow spectral bands. The data collected by these sensors can be transformed into information about different vegetation covers that are related to biophysical aspects of vegetation. Vegetation being an important element of ecosystems, their studies gain emphasis, especially for seeking knowledge about its variations, distributional patterns, cycles, physiological and morphological changes. With this data was used Hyperion that enables the acquisition of data sufficient to reconstruct absorption bands in the spectra of the pixels associated with the chlorophyll content, water content in leaves and features of lignin and cellulose spectral resolution, which may be important parameters in differentiating vegetation types . On the other hand the poor signal to noise ratio ( SNR) of the sensor, especially in the SWIR, relationship is an obstacle to proper measurement of these features without interference from noise. This research aimed to conduct an analysis of the spectral response of the sensor with the Hyperion plant communities present in the Ducke Reserve (Forest plateau, slope, and lowland campinarana) and quantified by means of unsupervised classification of these communities. Using ENVI Flaash application, atmospheric correction was performed based on the radiative transfer model MODTRAN - 4. Floristic characterization of the study area was raised regarding esttudos related flora of the Reserve. It was possible to perform a summary analysis of the spectral characteristics of the sensor as present an interaction with vegetation between the near infrared (0,7 - 2,5μm) and middle infrared (3 - 6μm), where we can distinguish stage of phenology, canopy structure and water content on leaf responses in four plant communities. / O sensoriamento remoto hiperespectral permite obter medidas radiométricas de um alvo em um grande número de estreitas bandas espectrais. Os dados coletados por estes sensores podem ser transformados em informações sobre diferentes coberturas vegetais que estão relacionadas com aspectos biofísicos da vegetação. Sendo a vegetação um importante elemento dos ecossistemas, seus estudos ganham ênfase, sobretudo, por buscarem conhecimentos acerca de suas variações, padrões distributivos, ciclos, modificações fisiológicas e morfológicas. Com isso foi utilizado dados do sensor Hyperion que possibilita a aquisição de dados com resolução espectral suficiente para reconstruir bandas de absorção nos espectros dos pixels relacionados com o conteúdo de clorofila, teor de água nas folhas e feições de lignina e celulose, as quais podem ser parâmetros importantes na diferenciação de tipologias vegetais. Por outro lado, a pobre relação sinal-ruído (SNR) do sensor, especialmente no SWIR, é um obstáculo para a medição adequada dessas feições sem a interferência de ruídos. Esta pesquisa teve como objetivo realizar uma análise da resposta espectral do sensor Hyperion com as comunidades vegetais presentes na Reserva Ducke (Floresta de platô, declividade, campinarana e baixio) e quantificar por meio de classificação não-supervisionada essas comunidades. Utilizando o aplicativo FLAASH do ENVI, foi realizada a correção atmosférica baseando-se no modelo de transferência radiativa MODTRAN-4. Na caracterização florística da área de estudo foi levantado estudos relacionados referente a flora da Reserva. Foi possível realizar uma análise sucinta das características das respostas espectrais, pois o sensor apresente uma interação com a vegetação entre o Infravermelho próximo (0,7 - 2,5μm) e o Infravermelho médio (3 - 6μm), onde podemos distinguir o estágio de fenologia, estrutura do dossel e quantidade de água na folha nas quatro comunidades vegetais.

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.