Detecção de solos erodidos pela avaliação de dados espectrais

O objetivo do presente trabalho foi avaliar a eficiência da reflectância espectral na discriminação e diagnóstico de diferentes níveis de erosão. Para tanto, quatro perfis de solos (Latossolo Vermelho-Amarelo, Terra Roxa Estruturada latossólica, Cambissolo de basalto e Vertissolo), localizados numa toposseqüência na região de Piracicaba, São Paulo, Brasil, foram submetidos à avaliação de atributos químicos, físicos e mineralógicos para verificar sua influência na reflectância. Os dados espectrais foram coletados, utilizando espectrorradiômetro no intervalo de 400 a 2.500 nm, em laboratório. O processo erosivo dos solos foi considerado de acordo com as profundidades de coleta de amostras no perfil, sendo: 0-5, 10-20, 40-60 e 60-80 cm, correspondentes à erosão nula (testemunha), erosão ligeira, erosão moderada e erosão severa, respectivamente. Com os dados espectrais obtidos em laboratório, foram também simuladas respostas do TM-LANDSAT-5, relacionando-os com os atributos do solo e os níveis de erosão. Na medida em que aumentou o grau de erosão, ocorreram alterações, principalmente no teor de matéria orgânica, provocando modificações no caráter espectral. Quanto mais erodido foi o solo, maior a intensidade da curva espectral entre 600 e 2.400 nm. As bandas de absorção devidas aos óxidos de ferro (850 nm), água (1.400 e 1.900 nm) e caulinita (2.200 nm), por sua vez, apresentaram-se mais intensas nos solos erodidos. Os dados espectrais do LANDSAT mostraram-se menos detalhados e, por conseqüência, menos eficientes na detecção dos níveis de erosão. Apesar disso, as bandas 3, 4, 5 e 7 discriminaram os solos não erodidos dos erodidos por meio da intensidade e tendência das curvas.

Comparação da fertilidade de solos em Rondônia com diferentes tempos de conversão de floresta em pastagem

Neste trabalho, foram comparadas as características dos solos de áreas de floresta e áreas de pastagens, considerando quatro diferentes idades de instalação, em três sítios, no estado de Rondônia. Os sítios foram escolhidos com o auxílio de imagens do sensor TM/Landsat, obtidas entre 1987 e 1997, sendo dois em Argissolo Vermelho-Amarelo (PVA) e um em Luvissolo Crômico (TC). Amostras de solo foram colhidas na camada de solo a 20 cm e submetidas à análise de fertilidade e granulométrica, obtendo-se os dados de pH, bases trocáveis, fósforo disponível, saturação por alumínio e por bases e carbono orgânico. Para o solo distrófico e de baixa fertilidade natural (PVA), a adição de cinza proveniente da queima da floresta e os restos vegetais nos primeiros anos de implantação de pastagem influenciaram bastante a dinâmica de solo. Para os dois sítios de PVA, o nível de saturação por bases manteve-se superior na área de pastagem, mesmo com mais de 10 anos de uso, ao encontrado na área de floresta. Já o alumínio mostrou baixo nível após a implantação de pastagem em todas as classes de idade estudadas. O fósforo disponível sofreu queda rápida após atingir o valor de pico e, após um período de mais de 10 anos de uso com pastagem, apresentou valor praticamente igual ao original, nos dois tipos de solo estudados. No caso do solo eutrófico (TC), o efeito da cinza, em geral, foi de menor intensidade em relação ao do solo distrófico (PVA), mostrando alta perda de nutrientes no tempo, decorrente de fatores associados ao baixo teor de argila do solo e ao relevo local mais acentuado.

Análise espaço-temporal do uso da terra em parte do semi-árido cearense

A cobertura vegetal exerce papel imprescindível à proteção e conservação dos recursos naturais, principalmente no que diz respeito aos solos. Este estudo teve como objetivo avaliar e analisar a dimensão espacial e temporal da ação antrópica na cobertura vegetal de parte do semi-árido cearense, utilizando imagens LANDSAT TM-5, de 1985 e 1994, e técnicas de geoprocessamento, para verificar a hipótese de que a degradação ambiental vem sendo intensificada. Foram confeccionadas cartas de vegetação, uso da terra, solos e hidrografia, obtendo-se cartas de sobreposição, por meio das quais se constatou o aumento de áreas degradadas nas diferentes unidades fitoecológicas. No período de uma década, comprovou-se o processo progressivo da degradação nas áreas dos municípios de Independência, Pedra Branca, Mombaça e Tauá, tendo as áreas do município de Pedra Branca apresentado menor degradação. A unidade fitoecológica mais degradada, dentre as estudadas, foi a Caatinga Arbórea Aberta, desencadeando processos de degradação e transformação das unidades circunvizinhas. Grande parte da área foi atingida por processos de degradação ambiental, com forte pauperização da biodiversidade, acompanhados por um rebaixamento geral das formações vegetais.

Metodologia para reconhecimento de três solos por sensores: laboratorial e orbital

O presente trabalho teve como objetivo estabelecer um método para a utilização de dados espectrais, obtidos em laboratório e imagens do Landsat 5, no reconhecimento e discriminação de três classes de solos do estado de São Paulo. Foram coletadas amostras de solo e obtidos os dados de reflectância por espectrorradiômetro em laboratório como padrão de um Latossolo Vermelho distroférrico (LVdf), um Argissolo Vermelho-Amarelo (PVA) e Neossolo Quartzarênico (RQ). Foram extraídos dados de reflectância das imagens, com os quais se efetuou a classificação digital pelo classificador Spectral Angular Mapper. As curvas espectrais obtidas por espectrorradiômetro em laboratório mostraram três padrões distintos de comportamento espectral, baseados nas diferenças da forma das curvas, feições de absorção dos minerais do solo e na intensidade de reflectância. O LVdf apresentou menor albedo em virtude da textura argilosa e maiores teores de Fe, ao contrário dos solos mais arenosos PVA e RQ. As bandas de absorção características da caulinta (2.200 nm), OH- e água (1.400 e 1.900 nm) ocorreram em todos os solos. Solos arenosos, como o RQ, apresentaram uma curva espectral com tendência positiva. A linha do solo mostrou distinção espectral, tanto com dados orbitais como terrestres, indicando que cada solo tem uma tendência individual. Os padrões espectrais obtidos em laboratório foram importantes para a eficiência do método na detecção dos mesmos nas imagens de satélite. Os solos avaliados podem ser discriminados e reconhecidos pela interpretação quantitativa em imagens. O método mostrou-se eficiente como auxílio no mapeamento de solos no nível semidetalhado de alta intensidade.

Comportamento da linha do solo obtida por espectrorradiometria laboratorial para diferentes classes de solo

Com vistas em avaliar o comportamento da linha do solo para diferentes classes de solos, este trabalho foi realizado, utilizando-se dados de reflectância por meio de um espectrorradiômetro em laboratório. Amostras representativas dos horizontes superficiais e subsuperficiais de 18 classes coletadas em uma área piloto no Município de Rafard, sudoeste de São Paulo, foram secas, peneiradas e acondicionadas para leitura espectral. Os dados foram tabulados, para simularem as bandas 3 e 4 do TM-Landsat e construção dos gráficos. Os resultados demonstraram que as linhas de solo obtidas para as amostras de ambas as camadas comportaram-se de maneira semelhante, estando dispostas ortogonalmente aos eixos de um gráfico, com valores de R² próximos a 1,0 para todas as classes avaliadas. Não se observou uma única linha de solo, embora os dados revelem que cada solo apresenta uma linha individual e característica. De modo complementar, destacou-se a utilização deste índice como método auxiliar na discriminação de classes de solos, uma vez que os solos com textura arenosa e com menores teores de Fe total discriminaram-se daqueles mais argilosos e com maiores teores de Fe, além de apresentarem valores de reflectância mais elevados. Por fim, constatou-se que a matéria orgânica não constituiu fator determinante no comportamento espectral em relação à linha do solo.

Comparison between artificial neural networks and maximum likelihood classification in digital soil mapping

Soil surveys are the main source of spatial information on soils and have a range of different applications, mainly in agriculture. The continuity of this activity has however been severely compromised, mainly due to a lack of governmental funding. The purpose of this study was to evaluate the feasibility of two different classifiers (artificial neural networks and a maximum likelihood algorithm) in the prediction of soil classes in the northwest of the state of Rio de Janeiro. Terrain attributes such as elevation, slope, aspect, plan curvature and compound topographic index (CTI) and indices of clay minerals, iron oxide and Normalized Difference Vegetation Index (NDVI), derived from Landsat 7 ETM+ sensor imagery, were used as discriminating variables. The two classifiers were trained and validated for each soil class using 300 and 150 samples respectively, representing the characteristics of these classes in terms of the discriminating variables. According to the statistical tests, the accuracy of the classifier based on artificial neural networks (ANNs) was greater than of the classic Maximum Likelihood Classifier (MLC). Comparing the results with 126 points of reference showed that the resulting ANN map (73.81 %) was superior to the MLC map (57.94 %). The main errors when using the two classifiers were caused by: a) the geological heterogeneity of the area coupled with problems related to the geological map; b) the depth of lithic contact and/or rock exposure, and c) problems with the environmental correlation model used due to the polygenetic nature of the soils. This study confirms that the use of terrain attributes together with remote sensing data by an ANN approach can be a tool to facilitate soil mapping in Brazil, primarily due to the availability of low-cost remote sensing data and the ease by which terrain attributes can be obtained.

Estimation of soil moisture in the root-zone from remote sensing data

Field-based soil moisture measurements are cumbersome. Thus, remote sensing techniques are needed because allows field and landscape-scale mapping of soil moisture depth-averaged through the root zone of existing vegetation. The objective of the study was to evaluate the accuracy of an empirical relationship to calculate soil moisture from remote sensing data of irrigated soils of the Apodi Plateau, in the Brazilian semiarid region. The empirical relationship had previously been tested for irrigated soils in Mexico, Egypt, and Pakistan, with promising results. In this study, the relationship was evaluated from experimental data collected from a cotton field. The experiment was carried out in an area of 5 ha with irrigated cotton. The energy balance and evaporative fraction (Λ) were measured by the Bowen ratio method. Soil moisture (θ) data were collected using a PR2 - Profile Probe (Delta-T Devices Ltd). The empirical relationship was tested using experimentally collected Λ and θ values and was applied using the Λ values obtained from the Surface Energy Balance Algorithm for Land (SEBAL) and three TM - Landsat 5 images. There was a close correlation between measured and estimated θ values (p<0.05, R² = 0.84) and there were no significant differences according to the Student t-test (p<0.01). The statistical analyses showed that the empirical relationship can be applied to estimate the root-zone soil moisture of irrigated soils, i.e. when the evaporative fraction is greater than 0.45.

Comparison between detailed digital and conventional soil maps of an area with complex geology

Since different pedologists will draw different soil maps of a same area, it is important to compare the differences between mapping by specialists and mapping techniques, as for example currently intensively discussed Digital Soil Mapping. Four detailed soil maps (scale 1:10.000) of a 182-ha sugarcane farm in the county of Rafard, São Paulo State, Brazil, were compared. The area has a large variation of soil formation factors. The maps were drawn independently by four soil scientists and compared with a fifth map obtained by a digital soil mapping technique. All pedologists were given the same set of information. As many field expeditions and soil pits as required by each surveyor were provided to define the mapping units (MUs). For the Digital Soil Map (DSM), spectral data were extracted from Landsat 5 Thematic Mapper (TM) imagery as well as six terrain attributes from the topographic map of the area. These data were summarized by principal component analysis to generate the map designs of groups through Fuzzy K-means clustering. Field observations were made to identify the soils in the MUs and classify them according to the Brazilian Soil Classification System (BSCS). To compare the conventional and digital (DSM) soil maps, they were crossed pairwise to generate confusion matrices that were mapped. The categorical analysis at each classification level of the BSCS showed that the agreement between the maps decreased towards the lower levels of classification and the great influence of the surveyor on both the mapping and definition of MUs in the soil map. The average correspondence between the conventional and DSM maps was similar. Therefore, the method used to obtain the DSM yielded similar results to those obtained by the conventional technique, while providing additional information about the landscape of each soil, useful for applications in future surveys of similar areas.

Artificial neural networks applied for soil class prediction in mountainous landscape of the Serra do Mar¹

Soil information is needed for managing the agricultural environment. The aim of this study was to apply artificial neural networks (ANNs) for the prediction of soil classes using orbital remote sensing products, terrain attributes derived from a digital elevation model and local geology information as data sources. This approach to digital soil mapping was evaluated in an area with a high degree of lithologic diversity in the Serra do Mar. The neural network simulator used in this study was JavaNNS and the backpropagation learning algorithm. For soil class prediction, different combinations of the selected discriminant variables were tested: elevation, declivity, aspect, curvature, curvature plan, curvature profile, topographic index, solar radiation, LS topographic factor, local geology information, and clay mineral indices, iron oxides and the normalized difference vegetation index (NDVI) derived from an image of a Landsat-7 Enhanced Thematic Mapper Plus (ETM+) sensor. With the tested sets, best results were obtained when all discriminant variables were associated with geological information (overall accuracy 93.2 - 95.6 %, Kappa index 0.924 - 0.951, for set 13). Excluding the variable profile curvature (set 12), overall accuracy ranged from 93.9 to 95.4 % and the Kappa index from 0.932 to 0.948. The maps based on the neural network classifier were consistent and similar to conventional soil maps drawn for the study area, although with more spatial details. The results show the potential of ANNs for soil class prediction in mountainous areas with lithological diversity.

Multiple Geotechnological Tools Applied to Digital Mapping of Tropical Soils

ABSTRACT In recent years, geotechnologies as remote and proximal sensing and attributes derived from digital terrain elevation models indicated to be very useful for the description of soil variability. However, these information sources are rarely used together. Therefore, a methodology for assessing and specialize soil classes using the information obtained from remote/proximal sensing, GIS and technical knowledge has been applied and evaluated. Two areas of study, in the State of São Paulo, Brazil, totaling approximately 28.000 ha were used for this work. First, in an area (area 1), conventional pedological mapping was done and from the soil classes found patterns were obtained with the following information: a) spectral information (forms of features and absorption intensity of spectral curves with 350 wavelengths -2,500 nm) of soil samples collected at specific points in the area (according to each soil type); b) obtaining equations for determining chemical and physical properties of the soil from the relationship between the results obtained in the laboratory by the conventional method, the levels of chemical and physical attributes with the spectral data; c) supervised classification of Landsat TM 5 images, in order to detect changes in the size of the soil particles (soil texture); d) relationship between classes relief soils and attributes. Subsequently, the obtained patterns were applied in area 2 obtain pedological classification of soils, but in GIS (ArcGIS). Finally, we developed a conventional pedological mapping in area 2 to which was compared with a digital map, ie the one obtained only with pre certain standards. The proposed methodology had a 79 % accuracy in the first categorical level of Soil Classification System, 60 % accuracy in the second category level and became less useful in the categorical level 3 (37 % accuracy).

Mapeamento semidetalhado do uso da terra do Bioma Cerrado

O objetivo deste trabalho foi mapear o uso da terra do Bioma Cerrado na escala de 1:250.000. As seguintes classes de uso da terra foram consideradas: culturas agrícolas, pastagens cultivadas, reflorestamentos, áreas urbanas e áreas de mineração. A metodologia envolveu a segmentação de imagens do satélite Landsat, a classificação visual dos segmentos e a análise da exatidão global do mapa final. Aproximadamente 39,5% do Cerrado apresentaram algum tipo de uso de terra. Pastagens cultivadas e culturas agrícolas foram as classes predominantes, com 26,5 e 10,5%, respectivamente.

Estimating soybean crop areas using spectral-temporal surfaces derived from MODIS images in Mato Grosso, Brazil

The objective of this work was to evaluate the application of the spectral-temporal response surface (STRS) classification method on Moderate Resolution Imaging Spectroradiometer (MODIS, 250 m) sensor images in order to estimate soybean areas in Mato Grosso state, Brazil. The classification was carried out using the maximum likelihood algorithm (MLA) adapted to the STRS method. Thirty segments of 30x30 km were chosen along the main agricultural regions of Mato Grosso state, using data from the summer season of 2005/2006 (from October to March), and were mapped based on fieldwork data, TM/Landsat-5 and CCD/CBERS-2 images. Five thematic classes were considered: Soybean, Forest, Cerrado, Pasture and Bare Soil. The classification by the STRS method was done over an area intersected with a subset of 30x30-km segments. In regions with soybean predominance, STRS classification overestimated in 21.31% of the reference values. In regions where soybean fields were less prevalent, the classifier overestimated 132.37% in the acreage of the reference. The overall classification accuracy was 80%. MODIS sensor images and the STRS algorithm showed to be promising for the classification of soybean areas in regions with the predominance of large farms. However, the results for fragmented areas and smaller farms were less efficient, overestimating soybean areas.

Contribuições do solo e dossel em modelo de estimativa de biomassa aérea no Bioma Pampa

O objetivo deste trabalho foi avaliar o desempenho preditivo do submodelo espectral do modelo JONG, com a inserção de variáveis espectrais que considerassem a densidade de biomassa do dossel e as contribuições dos diferentes solos subjacentes. Índices calculados pela diferença e razão simples - entre as bandas 4 e 3, 4 e 5, 4 e 7, do sensor orbital ETM+/Landsat 7 - foram sugeridos para representar a contribuição espectral dos solos subjacentes e a influência das diferenças estruturais dos dosséis. A parametrização da componente espectral foi implementada por regressão linear múltipla e, em seguida, foi comparada aos dados de biomassa obtidos em campo. As variáveis espectrais que melhor expressaram as variações da disponibilidade inicial de forragem foram a fração solo (modelo linear de mistura espectral) e a razão entre as bandas 4 e 7. A componente espectral do modelo JONG, com a nova parametrização, apresenta sensibilidade para eliminar as influências do solo e dossel na disponibilidade inicial de biomassa e facilita a interpretação dos resultados, em razão da relação entre as variáveis espectrais selecionadas.

Amostragem probabilística estratificada por pontos para estimar a área cultivada com soja

O objetivo deste trabalho foi avaliar o desempenho de um modelo probabilístico de amostragem estratificada por pontos, e definir um tamanho de amostra adequado para estimar a área cultivada com soja no Rio Grande do Sul. A área foi estratificada de acordo com a percentagem de soja cultivada em cada município do estado: menor que 20, de 20 a 40 e maior que 40%. Foram avaliadas estimativas obtidas por meio de seis tamanhos de amostras, resultantes da combinação de três níveis de significância (10, 5 e 1%) e dois valores de erro amostral (5 e 2,5%). Para cada tamanho de amostra, foram realizados 400 sorteios aleatórios. As estimativas foram avaliadas com base na área de soja obtida de um mapa temático de referência proveniente de uma cuidadosa classificação automática e visual de imagens multitemporais dos satélites TM/Landsat-5 e ETM+/Landsat-7 disponível para a safra 2000/2001. A área de soja no Rio Grande do Sul pode ser estimada por meio de um modelo de amostragem probabilística estratificada por pontos, sendo que a melhor estimativa é obtida para o maior tamanho amostral (1.990 pontos), com diferença de apenas -0,14% em relação à estimativa do mapa de referência e um coeficiente de variação de 6,98%.

Imagens mono e multitemporais Modis para estimativa da área com soja no estado de Mato Grosso

O objetivo deste trabalho foi avaliar uma nova metodologia para mapeamento da cultura da soja no Estado de Mato Grosso, por meio de imagens Modis e de diferentes abordagens de classificação de imagens. Foram utilizadas imagens diárias e imagens de 16 dias. As imagens diárias foram diretamente classificadas pelo algoritmo Isoseg. As duas séries de imagens de 16 dias, referentes ao ciclo total e à metade do ciclo da cultura da soja, foram transformadas pela análise de componentes principais (ACP), antes de serem classificadas. Dados de referência, obtidos por interpretação visual de imagens do sensor TM/Landsat-5, foram utilizados para a avaliação da exatidão das classificações. Os melhores resultados foram obtidos pela classificação das imagens do ciclo total da soja, transformadas pela ACP: índice global de 0,83 e Kappa de 0,63. A melhor classificação de imagens diárias mostrou índice global de 0,80 e Kappa de 0,55. AACP aplicada às imagens do ciclo total da soja permitiu o mapeamento das áreas de soja com índices de exatidão melhores do que os obtidos pela classificação derivada das imagens de data única.