Biblioteca espectral de solos e sua aplicação na quantificação de atributos e classificação

• Main Author: Bellinaso, Henrique
• Other Authors: Dematte, Jose Alexandre Melo
• Format: Others
• Language: pt
• Published: Biblioteca Digitais de Teses e Dissertações da USP 2009
• Subjects: Análise do solo; Classificação do solo; remote sensing.; Sensoriamento remoto.; soil analysis; soil classification
• Online Access: http://www.teses.usp.br/teses/disponiveis/11/11140/tde-23062009-104258/

O Brasil é um dos maiores produtores mundiais na área agrícola tendo o solo como base dos seus sistemas de produção. O planejamento adequado dos sistemas de produção exige a obtenção de dados geoespaciais básicos como o mapa de solos e fertilidade. Entretanto, os levantamentos pedológicos ainda consomem muito tempo, são onerosos e necessitam de grande número de análises laboratoriais. O desenvolvimento de técnicas de sensoriamento remoto laboratorial tem se apresentado como alternativa para o avanço de levantamentos pedológicos mais rápidos e menos onerosos. As técnicas de espectroscopia (VIS-NIR) também tem demonstrado boa eficiência na predição de atributos de solos de maneira rápida e menos poluente. Estas técnicas se baseiam em informações espectrais de solos e na montagem de um banco de dados espectral (Biblioteca Espectral). Portanto, tanto para a caracterização de classes de solo, quanto para a estimativa de atributos é necessário o desenvolvimento de Bibliotecas Espectrais (BE) que contenham dados representativos da variabilidade dos solos. Neste sentido, o presente trabalho teve por objetivo a montagem de uma BE de solos de diferentes regiões agrícolas do Brasil e a partir destas informações desenvolver técnicas de classificação de perfis e quantificação de atributos de solo. Para isso foram coletadas 7185 amostras de terra provenientes de perfis e de tradagens. Foi montado um banco de dados com o comportamento espectral de cada horizonte de 233. Também foram geradas bibliotecas espectrais de diferentes abragências geográficas, com finalidade de desenvolver modelos de predição de atributos. Baseado nos dados da BE gerada foi possível caracterizar distintas classes de solos e utilizar essas informações para classificar perfis de classe desconhecida a partir de dados espectrais. Também foram obtidos bons modelos de predições de atributos como areia, argila e Fe2O3 Foi demonstrado que BE que contenham dados de regiões com alta variabilidade de solos apresentam piores predições de atributos químicos. Um importante fator a ser considerado na montagem de BE é a alta amplitude de teor do atributo a ser predito. A montagem da BE contribuiu para avanços nas técnicas qualitativas e quantitavivas de avaliação espectral dos solos. === The Brazil is one of the major world agriculture producers having the soil like base of his production systems. The right planning of production systems needs the basic geospatial data obtaining such as soil and fertility maps. However, pedological surveys consume a lot of time, are expensive and need many laboratorial analyses. The development of laboratorial remote sensing techniques is an alternative for advanced of quicker and cheaper pedological surveys. The VIS-NIR spectroscopy techniques have been demonstrated a good efficiency in the fast and not pollutant soil attributes predictions. These techniques are based on soil spectral information and on development of the spectral data base (Spectral Library). Therefore, as much soil class characterization as attribute estimate its necessary spectral library (SL) development that have representative data of soil variability. In this sense, this work aim to build a soil SL from Brazils different agricultural regions and from this information on to develop profile classification techniques and soil attributes quantification. 7185 soil samples were collected from profiles and polls. A data base was built with spectral behavior of the 233 profiles and their horizons. SLs with different geographical coverage are purpose-built of development of attributes predictions models. Based on SL data created, it was possible distinguish different soil classes and use these information to classify profiles of unknown classes from spectral data. Good attributes prediction models were obtained to sand, clay and Fe2O3. It was demonstrated that SL containing regional data with high variability of soil have shown worse chemical attribute predictions. An important factor needs being considered in the SL building is the high amplitude of predicted attribute content. The SL building has brought advances to qualitative and quantitative soil spectral evaluation techniques.