Submitted by STELA ROSA AMARAL GONÇALVES (stelinhaamaral@hotmail.com) on 2016-08-12T03:20:24Z No. of bitstreams: 1 Dissertação_final_imai_v3.pdf: 3555316 bytes, checksum: b4386413378a1a29e513286831a880a2 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-08-15T14:30:47Z (GMT) No. of bitstreams: 1 goncalves_sra_me_prud.pdf: 3555316 bytes, checksum: b4386413378a1a29e513286831a880a2 (MD5) / Made available in DSpace on 2016-08-15T14:30:47Z (GMT). No. of bitstreams: 1 goncalves_sra_me_prud.pdf: 3555316 bytes, checksum: b4386413378a1a29e513286831a880a2 (MD5) Previous issue date: 2016-07-08 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Informações quantitativas e qualitativas de sistemas aquáticos podem ser obtidas por meio de dados de sensoriamento remoto. Nesses sistemas, a porção fotoativa do carbono orgânico dissolvido (COD), pode apresentar correlação com o Carbono Orgânico Dissolvido Colorido (CDOM) que é responsável pela alteração da cor da água e consequentemente pode alterar processos de fotossíntese e fotodegradação. Sendo assim o presente trabalho teve como objetivo avaliar a variabilidade espacial das concentrações de CDOM de uma série temporal, de imagens do sensor Operational Land Imager OLI a bordo do satélite Landsat 8, ao longo de um ano no reservatório de Barra Bonita/SP, sendo este o primeiro de uma série de reservatórios em cascata do Rio Tietê, no estado de São Paulo. Foram encontradas correlações entre a concentração laboratorial do COD e o CDOM para o campo de maio o que motivou a modelagem. Foram ajustados modelos inversos, de banda simples e de razão de bandas, para predição de CDOM com dados de dois trabalhos de campo realizados no ano de 2014, sendo o primeiro no mês de maio e o segundo no mês de outubro. Além disso, foram testados modelos encontrados na literatura, também com os dados levantados em campo, para estimativa de CDOM. Os resultados obtidos mostraram que, para os modelos bio-ópticos, de banda simples e razão de bandas, não há diferenças estatistica. O melhor modelo foi selecionado baseado em análise de erro, depois da aplicação dos modelos na imagem OLI coincidente com o trabalho de campo. Uma série de imagens do sensor OLI no período de um ano foi adotada tendo em vista da disponibilidade dos dados gratuitos e resolução radiométrica de 12 bits. A série temporal de imagens do sensor OLI, após ser processada para minimizar os efeitos atmosféricos, permitiu mostrar a dinâmica de CDOM no reservatório em conjunto com dados de precipitação e temperatura do Instituto Nacional de Meteorologia (INMET). Foi possível observar que o reservatório apresenta uma tendência de valores maiores de CDOM após aportes de nutrientes causados por eventos de precipitação. A temperatura apesar de influenciar na velocidade da reação de degradação não foi o fator principal para a variação da concentração de CDOM. O ajuste e avaliação de modelos foi essencial para escolha do modelo mais adequado a realidade local e sazonal do escopo do trabalho. Além disso o modelo aplicado pode contribuir para o cálculo do balanço de carbono, como também em outros estudos que necessitem dessa informação. / Quantitative and qualitative information about aquatic systems can be obtained by using the Remote Sensing techniques. In these aquatic systems, the photoactive portion of Dissolved Organic Carbon (DOC) can be correlated with the Colored Dissolved Organic Matter (CDOM), responsible for the water color alteration and can modify the photosynthesis and photodegradation process. In this sense, this project aimed to evaluate the spatial variability of CDOM concentrations in a one-year temporal analysis from images acquired by the Operational Land Imager OLI sensor onboard the satellite Landsat 8. The study site is the reservoir located in Barra Bonita, State of São Paulo, which is the first in a series of cascading reservoirs from Tietê River in State of São Paulo. The results showed correlations between the COD and CDOM concentrations for the data acquired in May 2014, motivating the CDOM modeling. Inverse models were adjusted, by using simple spectral band and band ratio, for CDOM prediction using data acquired from two field works carried out in 2014, the first in May and the second in October. Moreover, the models found in related literature were tested, also with the data collected in field, for the CDOM estimative. The obtained results showed that for the bio-optical models, from simple spectral band and band ratio, there is no statistic differences. The model who best fitted to the CDOM estimation was selected based on error analysis after their application in OLI images, which coincided with the field work. One year OLI images were used considering their availability, without fees, and their radiometric resolution of 12 bits. This temporal series, after being processed to attenuate the atmospheric effects, allowed showing the CDOM dynamics in the Barra Bonita reservoir combined with temperature and precipitation data from the Instituto Nacional de Metereologia (INMET). It was possible observe that the reservoir shows a bias of higher values of CDOM after nutrients intakes caused by precipitation. The temperature, despite of its influence on degradation reaction velocity, was not the principal factor for the CDOM concentration variation. Finally, the adjustment and models validation was essential for the correct choice of the model which better represents the local and season reality. In addition, the applied model can contribute for the carbon balance calculation, as well for other researches, which use this information.

Submitted by GEORGE DEROCO MARTINS null (deroco87@hotmail.com) on 2017-02-08T14:17:06Z No. of bitstreams: 1 martins_gd_dr_prud.pdf: 4750620 bytes, checksum: 2b77564f0f8c206ce23e6d7ca4bac5d6 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-02-13T18:01:23Z (GMT) No. of bitstreams: 1 martins_gd_dr_prud.pdf: 4750620 bytes, checksum: 2b77564f0f8c206ce23e6d7ca4bac5d6 (MD5) / Made available in DSpace on 2017-02-13T18:01:23Z (GMT). No. of bitstreams: 1 martins_gd_dr_prud.pdf: 4750620 bytes, checksum: 2b77564f0f8c206ce23e6d7ca4bac5d6 (MD5) Previous issue date: 2016-12-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Os nematoides são importantes fitoparasitas que se constituem em um problema sério para o cultivo do café no Brasil. Como a ocorrência de nematoides no sistema radicular do cafeeiro causa desequilíbrios nutricionais na planta que provocam variações na resposta espectral da folha e define uma configuração espacial característica às áreas infectadas, o objetivo desta pesquisa avaliar o potencial de dados de sensoriamento remoto adquiridos em multiescala para discriminar e mapear o café sadio, em estágio inicial de infecção e severamente infectado. A pesquisa foi desenvolvida em três áreas experimentais, localizadas no sul do estado de Minas Gerais, nas quais foi certificada a ocorrência de nematoides e realizadas medições de variáveis biofísicas e dados hiperespectrais na folha e sobre o dossel da planta. Os dados hiperespectrais também foram utilizados em simulação de bandas dos sensores do RapidEye e OLI/Landsat 8 para identificar as faixas espectrais mais sensíveis para a discriminação de patógenos em plantas de café. Nenhum dos parâmetros biofísicos avaliados discriminou eficientemente as folhas de plantas sadias e infectadas, mas a simulação de bandas indicou que os intervalos espectrais do vermelho, vermelho limítrofe e infravermelho próximos do RapidEye foram complementares para a discriminação de plantas de café sadio e dos dois níveis de infecção. Essas bandas, mais uma imagem NDVI, foram utilizadas na classificação das áreas infectadas por nematoides, a qual definiu a distribuição espacial de café sadio e dos dois níveis de infecção, com uma acurácia global de 78% e coeficiente kappa de 0,71. A classificação não supervisionada da imagem multiespectral OLI/Landsat 8 também definiu as três condições, porém com baixa confiabilidade (coeficiente kappa igual a 0,41). Por outro lado, uma inferência espacial quantitativa da concentração de nematoides/cm³ no solo, a partir de um modelo empírico baseado na imagem RapidEye, apresentou um erro consideravelmente alto (21,89%). / Nematodes are important phytoparasites that constitute a serious issue for coffee cultivation in Brazil. Because root infection by nematodes induces spectral variation in leaves and defines a unique spatial configuration in the cultivation field, the aim of this study is to evaluate the potential of remote sensing data acquired in multiscale to discriminate and map healthy, early infected and severely infected coffee plants. This study was carried out in three experimental areas, located in the in southern Minas Gerais State, in which the occurrence of nematodes was certified and biophysical and hyperspectral measurements of the leaves and on the canopy were made. Hyperspectral data were also used to simulate the bands of the RapidEye and OLI/Landsat 8 sensors to identify the most sensitive spectral ranges for pathogen discrimination in coffee plants. None of the biophysical parameters efficiently discriminated the leaves of healthy and infected plants, but the band simulations indicated that red, red edge and near infrared spectral ranges were complementary to the discrimination of healthy coffee plants and the two levels of infection. These bands, plus an (NDVI) image, were used for a multispectral classification of healthy and nematode-infected areas. The multispectral classification defined the spatial distribution of healthy, early infected and two levels of infection, with an overall accuracy of 78% and kappa coefficient of 0.71. The unsupervised classification of the multispectral image OLI/Landsat 8 also defined the three conditions, but with low reliability (kappa coefficient equal to 0.41). In contrast, a quantitative spatial inference of the soil nematode concentration/cm³, from an empirical model based on the RapidEye image, presented a considerably high error (21.89%).