Search

Agriculture employs increasingly innovative techniques in search of optimize inputs, maximize profitability, and reduce environmental impact. An example of this is the emergence of Agriculture 4.0, in which sensors collect information through Proximal Soil Sensing. These methods, called photon-based methods, employ different electromagnetic radiation wavelengths to measure soil attributes and properties in situ or ex situ. National and international research institutions have produced knowledge and contributed to the training of professionals able to apply these new approaches in soil science. In this context, this review aimed to produce a synthesis of the main proximal soil sensing techniques and made it accessible to students, technicians, and researchers. A agricultura emprega técnicas cada vez mais inovadoras na busca por otimizar insumos, maximizar a lucratividade e diminuir o impacto ambiental. Exemplo disso é o despontar da agricultura 4.0, na qual sensores coletem informações através do Sensoriamento Proximal do Solo. Esses métodos, chamados photon-based methods, empregam distintos comprimentos de onda da radiação eletromagnética para mensurar atributos e propriedades do solo in-situ ou ex-situ. Instituições nacionais de pesquisa têm produzido conhecimento relevante e contribuído para a formação de profissionais aptos a aplicar essas novas abordagens em ciência do solo. Nesse contexto, esta revisão bibliográfica teve como objetivo verter as principais técnicas de sensoriamento proximal em uma síntese acessível para estudantes, técnicos e pesquisadores.

A critical issue in digital soil mapping (DSM) is the selection of data sampling method for model training. One emerging approach applies instance selection to reduce the size of the dataset by drawing only relevant samples in order to obtain a representative subset that is still large enough to preserve relevant information, but small enough to be easily handled by learning algorithms. Although there are suggestions to distribute data sampling as a function of the soil map unit (MU) boundaries location, there are still contradictions among research recommendations for locating samples either closer or more distant from soil MU boundaries. A study was conducted to evaluate instance selection methods based on spatially-explicit data collection using location in relation to soil MU boundaries as the main criterion. Decision tree analysis was performed for modeling digital soil class mapping using two different sampling schemes: a) selecting sampling points located outside buffers near soil MU boundaries, and b) selecting sampling points located within buffers near soil MU boundaries. Data was prepared for generating classification trees to include only data points located within or outside buffers with widths of 60, 120, 240, 360, 480, and 600m near MU boundaries. Instance selection methods using both spatial selection of methods was effective for reduced size of the dataset used for calibrating classification tree models, but failed to provide advantages to digital soil mapping because of potential reduction in the accuracy of classification tree models. Uma questão crítica no mapeamento digital de solos é a seleção do método de amostragem dos dados para treinamento do modelo preditivo. Uma abordagem emergente aplica a seleção de instâncias (observações) para reduzir o tamanho do conjunto de dados, selecionando amostras relevantes para obter um subconjunto representativo, o qual seja grande o suficiente para preservar as informações pertinentes, mas pequeno o suficiente para ser facilmente manipulado pelos algoritmos de aprendizagem. Embora existam sugestões para distribuir a amostragem de dados em função da proximidade de limites de unidades de mapeamento de solos (UM), ainda existem contradições entre as recomendações de pesquisa para localizar amostras mais perto ou mais distantes desses limites. Foi realizado um estudo para avaliar os métodos de seleção de instâncias com base na coleta de dados espacialmente explícita usando a localização em relação aos limites de mapa de solo como o principal critério. Realizou-se análise de árvore de decisão para a modelagem de mapeamento digital de classes de solo usando dois esquemas de amostragem diferentes: a) selecionando pontos de amostragem localizados fora das áreas marginais aos limites das UM e b) selecionando pontos de amostragem situados dentro das áreas marginais aos limites das UM. Os dados foram preparados para a geração de árvores de classificação para incluir somente dados pontuais localizados dentro ou fora de faixas com larguras de 60, 120, 240, 360, 480 e 600m ao redor dos limites de UM. Ambos os métodos de seleção de instâncias foram eficazes para reduzir o tamanho do conjunto de dados usado para calibração de árvores de classificação, mas não trouxeram vantagens para o mapeamento digital de classes de solos.

A conservação dos recursos naturais tais como solo e água, deve ser preocupação de governos e instituições. Processos erosivos são responsáveis pela degradação desses recursos, em várias partes do globo. Objetivou-se, com este estudo, avaliar a dinâmica da cobertura da terra em uma região de topografia complexa e empregar a equação universal de perda de solos modificada (RUSLE) para quantificar a perda de solos em decorrência da erosão. O uso da terra no distrito de Vale Vêneto, município de São João do Polêsine na região central do Estado do Rio Grande do Sul, foi avaliado em imagens Landsat nos anos de 1988, 2000 e 2007. A análise espaço temporal do uso da terra indica que as áreas de floresta tiveram um aumento de 16,2% no período de 19 anos. As áreas de agricultura sofreram uma diminuição de 57,5%, no mesmo período. A erosão bruta específica sofreu uma redução de 44%, de 1988 a 2007. Verificou-se que a desintensificação do uso da terra leva a uma configuração mais favorável de conservação do solo e mitigação da erosão. É provável que as mudanças ocorridas no uso da terra estejam relacionadas à não reprodução das famílias rurais que, anteriormente, cultivavam áreas impróprias para a atividade agrícola nesta região. Conservation of natural resources such as soil and water should be a concern of governments and institutions. Erosion processes are responsible for the degradation of these important resources in many parts of the globe. The aim of this study was to assess the land cover dynamics in a region of complex landscape and employ the modified universal soil loss equation (RUSLE) to quantify soil loss due to erosion. The land use in the district of Vale Veneto, São João do Polêsine in central region of Rio Grande do Sul, was evaluated in Landsat images of 1988, 2000 and 2007. The spatial and temporal analysis of the land use indicates that the forest areas had a 16.2% increase over the 19 years period. Areas under agriculture had a decrease of 57.5% over the same period. The gross erosion suffered a 44% reduction from 1988 to 2007. The study showed that land use disintensification leads to a more favorable configuration for soil conservation and erosion mitigation. It is believed that changes in land use are related to diminishing number of rural families who previously cultivated areas unsuitable for agriculture in this region.

O objetivo deste trabalho foi definir a resolução espacial mais apropriada para representar a variabilidade da elevação, declividade, curvatura em perfil e índice de umidade topográfica de um terreno, por meio de avaliações com a transformada wavelet. Os dados utilizados no estudo têm sua origem em três transectos de 27 km, posicionados em áreas do Planalto, Rebordo do Planalto e Depressão Central na região central do Estado do Rio Grande do Sul. As variáveis - elevação, declividade, curvatura em perfil e índice de umidade topográfica - foram derivadas de um modelo digital de elevação Topodata com resolução de 30 m. A avaliação da resolução com a máxima variabilidade foi realizada pela aplicação da wavelet-mãe, denominada Morlet. Os resultados foram analisados a partir do isograma e do escalograma dos coeficientes wavelet e indicaram que sensores remotos com resolução espacial próxima a 32 e 40 m podem ser utilizados em pesquisas que considerem os atributos de terreno, como declividade, curvatura em perfil e índice de umidade topográfica, ou, ainda, fenômenos ambientais correlacionados a eles. No entanto, não foi possível estabelecer um valor conclusivo para a resolução espacial mais adequada para a variável elevação. The objective of this work was to define the most appropriate spatial resolution to represent the variability of elevation, slope, profile curvature and topographic wetness index of a terrain by evaluations with the wavelet transform. Data used in the study have their origin in three 27-km transects, positioned in areas of the Planalto, Rebordo do Planalto and Depressão Central in the central region of Rio Grande do Sul state, Brazil. The variables - elevation, slope, profile curvature and topographic wetness index - were derived from a Topodata digital elevation model with 30 m resolution. The assessment of the resolution with the highest variability was evaluated through the application of the Morlet mother wavelet. The results were analyzed from the wavelet coefficients plotted in isograms and scalograms, and indicate that remote sensors with spatial resolution between 32 and 40 m should be used in researches considering terrain attributes as slope, profile curvature and topographic wetness index, or even environmental phenomena related to them. However, it was not possible to establish a conclusive value for a more appropriate spatial resolution to the attribute elevation.

O objetivo deste estudo foi aplicar uma técnica automatizada de mapeamento de solos a partir de modelos preditivos ajustados em uma área de referência e, posteriormente, aplicados em áreas próximas de mesmas relações solo-paisagem. Modelos lineares generalizados foram desenvolvidos utilizando-se de nove atributos de terreno, derivados de um Modelo Digital de Elevação, como covariáveis preditoras e classes de solos, obtidas em um levantamento convencional, como variáveis dependentes. Os modelos foram capazes de distinguir as três principais formas da paisagem local. Classes de solos de pedogênese intimamente ligada às covariáveis preditoras obtiveram os melhores resultados. O mapa de solos gerado apresentou uma reprodutibilidade de 46,12% e uma exatidão de 21,06%. The aim of this study was to apply an automated technique of soil mapping from predictive models developed at a reference area, into nearby areas of the same soil-landscape relationships. Generalized linear models were developed using nine terrain attributes derived from a digital elevation model as covariate predictors, with soil classes, obtained from a conventional soil survey, as dependent variables. The models were able to distinguish the three main forms of the local landscape. Soil classes with pedogenesis intimately tied to the predictive covariates obtained the best results. The soil maps generated, showed a reproducibility of 46.12% and an accuracy of 21.06%.

Métodos mais eficazes para determinação do padrão de distribuição de classes de solo na paisagem precisam ser avaliados visando suprir a demanda por mapas de solo em escalas regional e global. Neste estudo, Regressões Logísticas Múltiplas foram utilizadas como modelos preditores em uma aplicação de Mapeamento Digital de Solos. Os modelos foram gerados utilizando um mapa de solos existente como variável dependente e atributos de terreno como variáveis independentes, o que possibilitou determinar a probabilidade de encontrar classes de solo na paisagem no primeiro e no segundo nível categórico do SiBCS. A qualidade dos mapas preditos foi verificada por meio da matriz de contingência. A classe dos Argissolos foi predita corretamente, em relação ao mapa original, em aproximadamente 85 %. As classes de solos hidromórficos (Planossolos e Gleissolos) foram preditas corretamente em 75 %. Houve confundimento dos modelos para as classes que ocupam posições muito semelhantes na paisagem. Foi verificado também que classes de solo pouco representativas na paisagem não são adequadamente espacializadas em razão da sensibilidade dos modelos logísticos à proporção relativa das amostras usadas para treinar os modelos. More effective methodologies to determine the soil class distribution must be evaluated in order to meet the demand for soil maps at regional and global scales. In this study, logistic regressions were used as predictive models in an application of Digital Soil Mapping. The models were derived from an existing soil map as dependent variable and terrain attributes as independent variables. The probability of finding soil classes in the landscape at the 1st and 2nd Categorical Level of the Brazilian System of Soil Classification (SiBCS) was determined. The quality of the predicted map was tested using a contingency matrix. Approximately 85 % of the Acrisols (Argissolos) were correctly predicted, in relation to the original map. Of the hydromorphic soils, 75 % were correctly predicted. The prediction was inaccurate for classes in very similar positions in the landscape. It was also found that the non-representative soil classes of the landscape were not properly spatialized, due to sensitivity of the logistic models to the relative proportion of the samples used to adjust the models.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES The development of large databases usually implies combining data collected for different purposes under different standards and methodologies, which often leads databases to suffer from disparate and inconsistent soil data. Despite the potential of visible and nearinfrared (Vis-NIR) spectroscopy to predict soil organic carbon (SOC) from those databases, the effectiveness and consistency among analytical methods used to produce the target data are seldom discussed. The main purpose of this research was to investigate the interplay among preprocessing techniques, model architectures, and especially the analytical methods used to produce the SOC target data. To accomplish it, we set up two specific objectives: i) evaluate the interplay among analytical methods, preprocessing techniques, and model architectures on SOC predictions, ii) assess whether this interplay can be translated into some form of hierarchy across validation metrics. In this PhD thesis, two chapters cover the topic where the above-mentioned objectives were met. Chapter I presents how changes in the analytical method (dry (SOCDC) and wet combustion with quantification by titrimetry (SOCWCt) and colorimetry (SOCWCc)) and the preprocessing techniques (smoothing (SMO), continuum removal (CRR), and Savitzky-Golay first derivative (SGD)) affect the empirical relationship captured by different machine learning algorithms (random forest, cubist, and partial least square regression (PLSR)). Cross-validation metrics were used to compare the parallel performance of 27 predictive models. The relationship between covariate matrix and target data is explored based on the variable importance. Chapter II shows how the interplay among those three factors can be translated into a hierarchy. A resampling technique was used to split the dataset into training and validation sets 100 times to achieve realistic performances and explore how the predictive performance changed as the training set changed. Conditional inference tree analysis was performed to evaluate how those three factors influenced global validation metrics. The predictive performance in both studies varied depending on the SOC analytical method, preprocessing technique, and model architecture employed. Among the three analytical methods tested, DC and WCt provided a higher correlation between SOC and spectra than WCc, and thus, resulted in higher models performance. The model architecture had a larger influence on the validation metrics over preprocessing techniques and analytical methods. PLSR models were more influenced by the analytical method, whereas the preprocessing technique influenced random forest and cubist more. Cubist models combined with CRR minimized the accuracy differences resulting from the employed SOC analytical methods. However, this combination resulted in overfitted model and high uncertainty on predictions. PLSR presented a more consistent performance than random forest and cubist. Overall, SOC data produced using different analytical methods in a training dataset significantly affected the prediction reliability, capability, and assessment. These results will be useful either to guide the analytical method selection for new projects or to manage already available databases. Besides that, they highlight the need for transparent and precise documentation over spectroscopy modeling to enable a fair comparison between publications. O desenvolvimento de grandes bancos de dados geralmente implica a combinação de dados coletados para diferentes propósitos sob diferentes padrões e metodologias, o que muitas vezes leva os bancos de dados a sofrer com dados de solo díspares e inconsistentes. Apesar do potencial da espectroscopia de infravermelho próximo e visível (Vis- NIR) para prever o carbono orgânico do solo (COS) a partir desses bancos de dados, a eficácia e a consistência entre os métodos analíticos usados para produzir os dados alvo raramente são discutidos. O objetivo principal desta pesquisa foi investigar a interação entre as técnicas de pré-processamento, arquiteturas de modelo e, especialmente, os métodos analíticos usados para produzir os dados alvo do COS. Para alcançá-lo, estabelecemos dois objetivos específicos: i) avaliar a interação entre métodos analíticos, técnicas de pré-processamento e arquiteturas de modelo nas predições de COS, ii) avaliar se essa interação pode ser traduzida em alguma forma de hierarquia entre as métricas de validação. Nesta tese de doutorado, dois capítulos abordam o tema onde os objetivos acima mencionados foram alcançados. O Capítulo I apresenta como mudanças no método analítico (seco (COSDC) e combustão úmida com quantificação por titulometria (COSWCt) e colorimetria (COSWCc)) e as técnicas de pré-processamento (suavização (SMO), continuum remoção (CRR) e primeira derivada de Savitzky-Golay (SGD) afetam a relação empírica capturada por diferentes arquiteturas de modelos (random forest, cubist e regressão de mínimos quadrados parciais (PLSR)). Métricas de validação cruzada foram usadas para comparar o desempenho paralelo de 27 modelos preditivos. A relação entre a matriz de covariável e os dados alvo é explorada com base na importância da variável. O Capítulo II mostra como a interação entre esses três fatores pode ser traduzida em uma hierarquia. Uma técnica de reamostragem foi usada para dividir o conjunto de dados em conjuntos de treinamento e validação 100 vezes para atingir desempenhos realistas e explorar como o desempenho preditivo mudou conforme o conjunto de treinamento mudou. A análise da árvore de inferência condicional foi realizada para avaliar como esses três fatores influenciaram as métricas de validação global. O desempenho preditivo em ambos os estudos variou dependendo do método analítico COS, da técnica de pré-processamento e da arquitetura do modelo empregada. Dentre os três métodos analíticos testados, DC e WCt proporcionaram maior correlação entre COS e espectros do que WCc e, portanto, resultaram em melhor desempenho dos modelos. A arquitetura do modelo teve maior influência nas métricas de validação sobre as técnicas de pré-processamento e métodos analíticos. Os modelos PLSR foram mais influenciados pelo método analítico, enquanto a técnica de pré-processamento influenciou mais os modelos random forest e cubist. Modelos cubists combinados com CRR minimizaram as diferenças de precisão resultantes dos métodos analíticos de COS empregados. No entanto, essa combinação resultou em um modelo sobreajustado e alta incerteza nas previsões. PLSR apresentou desempenho mais consistente do que random forest e cubist. No geral, os dados do COS produzidos com diferentes métodos analíticos em um conjunto de dados de treinamento afetaram significativamente a confiabilidade, capacidade e avaliação das predições. Esses resultados serão úteis para orientar a seleção de métodos analíticos para novos projetos ou para gerenciar bancos de dados já disponíveis. Além disso, eles destacam a necessidade de documentação transparente e precisa sobre a modelagem espectroscópica para permitir uma comparação justa entre as publicações.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES Sampling represents a crucial step for digital soil mapping because it directly interferes with the operational costs of the project and in the following steps of data processing, up to the quality of the generated map. Given the need to obtain information related to different data collection methods, the aim of this study was to compare the sampling design and two scientific modeling methods in the spatial prediction of P available on soil. The study was conducted in a 160 ha rural property located in the municipality of Tupanciretã - RS. In this area there are intense agricultural activities, the addition of inputs (fertilizers), and irrigation using a central pivot system. Three sampling methods were tested - simple regular grid (RG) with fixed distance between points, spatial coverage sampling (SCS) containing points over short distances and simulated annealing sampling considering the marginal distribution of environmental covariates (DIST) - as a basis for prediction of the available phosphorus content in the soil, at a depth of 0 - 10 cm. The sampling density was prioritized in the three sampling methods. The results were validated with an external and independent set containing 50 points. Thus, each calibration set contains 160 (with the exception of the regular grid, which has 162), which were used to learn two predictive models: kriging with external drift (KED), considered a mixed model because it encompasses the geostatistical approach and deterministic; and ordinary kriging (OK). In addition, for prior knowledge of the soil classes that occur in the area, 8 representative profiles had their morphology analyzed. The quality of the visualization maps was assessed by calculating the error. The best prediction result was found by combining the DIST sampling with the KED model, which has a lower mean absolut error (MAE) = 14.62, mean error (ME) = -3.12 and root mean squared error (RMSE) = 23.44 mg dm-3 and a higher Nash-Sutcliffe efficiency (NSE) = 0.13. The results found in the present study confirmed the hypothesis that sample strokes that consider environmental covariables contribute to the increase in the quality of the predicted soil attribute maps. A amostragem representa uma etapa crucial para o mapeamento digital de solos, pois interfere diretamente nos custos operacionais do projeto e nas etapas seguintes do processamento dos dados, até a qualidade do mapa gerado. Dada a necessidade de obtenção de informações relacionadas a diferentes métodos de coleta de dados, o objetivo deste estudo foi comparar o desenho amostral e dois métodos de modelagem científica na predição espacial do P disponível no solo. O estudo foi realizado em uma propriedade rural de 160 ha localizada no município de Tupanciretã - RS. Nesta área ocorrem intensas atividades agrícolas, adição de insumos (fertilizantes) e irrigação por sistema de pivô central. Três métodos de amostragem foram testados - grade regular simples (RG) com distância fixa entre pontos, amostragem de cobertura espacial (SCS) contendo pontos em distâncias curtas e amostragem de recozimento simulado considerando a distribuição marginal de covariáveis ambientais (DIST) - como base para a previsão de o conteúdo de fósforo disponível no solo, a uma profundidade de 0 - 10 cm. A densidade amostral foi priorizada nos três métodos de amostragem. Os resultados foram validados com um conjunto externo e independente contendo 50 pontos. Assim, cada conjunto de calibração contém 160 (com exceção da grade regular, que tem 162), que foram usados para aprender dois modelos preditivos: krigagem com deriva externa (KED), considerado um modelo misto por englobar a abordagem geoestatística e determinística ; e krigagem comum (OK). Além disso, para conhecimento prévio das classes de solo que ocorrem na área, 8 perfis representativos tiveram sua morfologia analisada. A qualidade dos mapas de visualização foi avaliada pelo cálculo do erro. O melhor resultado de previsão foi encontrado combinando a amostragem DIST com o modelo KED, que tem um erro absoluto médio inferior (MAE) = 14,62, erro médio (ME) = -3,12 e erro quadrático médio da raiz (RMSE) = 23,44 mg dm- 3 e uma maior eficiência Nash-Sutcliffe (NSE) = 0,13. Os resultados encontrados no presente estudo confirmaram a hipótese de que golpes amostrais que consideram covariáveis ambientais contribuem para o aumento da qualidade dos mapas de atributos preditos do solo.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Curitibanos, Programa de Pós-Graduação em Ecossistemas Agrícolas e Naturais, Curitibanos, 2020. O presente estudo utilizou técnicas de análise documental e sensoriamento remoto, como forma de compreender a ocorrência de crimes ambientais em oito municípios localizados na mesorregião serrana de Santa Catarina, cujo atendimento é feito pelo 2º Batalhão da Polícia Militar Ambiental da 1ª Companhia do 1º Pelotão do 3º Grupamento (2º BPMA/1ª Cia/1º Pel/3º GP). Como resultado foi possível identificar um maior número de ocorrências enquadradas em 05 artigos da Lei 9.605, de 12 de Fevereiro de 1998, chamada de Lei dos Crimes Ambientais - LCA, sendo eles os Art.48; Art.46; Art.38; Art.29; e Art.60. Destaca-se a frequência de crimes praticados por pessoas jurídicas contra a flora, enquanto observou-se uma redução nos crimes contra a fauna. Quanto ao perfil dos infratores, foi identificado o predomínio de ocorrências envolvendo pessoa física, do gênero masculino e com idade média de 47 anos. Os resultados relativos ao sensoriamento remoto permitem inferir sobre influência da pressão econômica, principalmente da silvicultura, sobre a alteração no uso do solo no território estudado. O período anterior ao estabelecimento do 2º BPMA/1ª Cia/1º Pel/3º GP (1990 a 2007) foi marcante para redução da Floresta Nativa, porém, não é possível afirmar que a presença da PMA foi a responsável por alterações na frequência de ocorrências. Como estratégia para minimizar os conflitos locais com relação à questão ambiental, propõe-se a criação de estratégias de Educação Ambiental (EA) em cunho da educação formal, através do uso de estudo de caso, para crianças e adolescentes, e em cunho informal, através do uso da rádio para adultos. Igualmente são sugeridas estratégias de análise de uso do solo através do Sensoriamento Remoto (SR) para monitoramento dos crimes ambientais na região de estudo. Abstract: The present study used document analysis and remote sensing techniques as a way to understand the occurrence of environmental crimes in eight municipalities located in Santa Catarina's serrana (mountainous) mesoregion, which is served by the 2nd Battalion of the Environmental Military Police of the 1st Company of the 1st Platoon of the 3rd Group (2º BPMA/1ª Cia/1º Pel/3º GP). As a result, a larger number of occurrences could be identified falling under 05 articles of Law 9.605 of 12 February 1998, the so-called Environmental Crimes Law (LCA), namely Art.48; Art.46; Art.38; Art.29 and Art.60.Stand out the crimes committed by legal person against flora and a reduction in crimes relates to fauna could be observed. As for the profile of offenders, a predominance of occurrences involving male natural persons with a mean age of 47 years was observed. The remote sensing results allow for inferences about the influence of economic pressures, especially in forestry, on the changes in land use in the territory under study. The period prior to the existence of the 2º BPMA/1ª Cia/1º Pel/3º GP (1990 to 2007) were notable because of the reduction of the native forest, but it is not possible to affirm that the presence of the environmental police was responsible for the changes in the frequency of occurrences. As a strategy to minimize local conflicts with respect to the environmental issue, the creation of environmental education (EE) strategies are proposed in formal education for children and adolescents, through the use of case studies, and informally for adults through the use of radio. Soil analysis strategies using remote sensing (SR) methods are also recommended for the monitoring of environmental crimes in the region under study.

Orientador: Prof. Dr. Marcos Rafael Nanni Coorientador: Prof. Dr. Marcelo Luiz Chicati Tese (doutorado em Agronomia) - Universidade Estadual de Maringá, 2019 RESUMO: A espectroscopia de imageamento é uma medição simultânea de espectros contínuos de imagens em até centenas de canais ou bandas espectrais, sendo uma tecnologia comprovada para identificar e mapear minerais com base na sua reflectância ou emissividade. Esta tecnologia tem base na capacidade de identificar materiais por assinaturas espectrais nas faixas do espectro eletromagnético do visível (vis de 350-750 nm), no infravermelho próximo (NIR de 750-1.000 nm) e infravermelho de ondas curtas (SWIR de 1.000-2.500 nm). Com a utilização da quimiometria, dados são transformados em informações, como na calibração multivariada para a quantificação dos parâmetros do solo a partir de dados espectroscópicos. Com isso, este trabalho teve como objetivo avaliar o potencial de uso da espectrorradiometria de reflectância, por regressões múltiplas obtidas por meio de mínimos quadrados parciais (PLS), na estimativa de atributos do solo como areia, silte, argila, carbono orgânico e Fe2O3, em área de uso agrícola no município de Mandaguaçu/PR, usando dados obtidos por sensor hiperespectral aerotransportado AisaFENIX, num intervalo espectral de 380-2.500nm. Os solos foram amostrados em uma área de aproximadamente 200 ha, com profundidade de 0,20 m, totalizando 207 amostras georreferenciadas. Os dados laboratoriais de reflectância do solo foram obtidos utilizando dois sensores, o sensor AisaFENIX instalado em laboratório, que coleta 344 bandas na porção do vis/NIR (380 a 1.000 nm) e 275 bandas espectrais na porção do SWIR (1.000 - 2.500 nm) totalizando 619 bandas, e também o espectrorradiômetro Fieldspec 3 Jr, que coleta na faixa espectral de 350 - 2.500 nm (vis-NIR), totalizando 2.151 bandas. Os modelos utilizando o sensor AisaFENIX, obtiveram os melhores resultados para a calibração e predição de areia (R2 de 0.81 e 0.83 em voo e R2 de 0.82 e 0.75 em laboratório), argila (R2 de 0.76 e 0.79 em voo e R2 de 0.83 e 0.78 em laboratório), e possibilitou bons modelos de calibração para carbono orgânico (R2 de 0.62 e 0.58 em laboratório). Já para silte e ferro obtiveram valores mais baixos, com R2 de 0.36 e 0.18 em laboratório e 0.22 e 0.13 em voo para silte e valores de R2 de 0.19 e 0.31 em laboratório e 0.10 e 0.16 em voo para ferro. Os modelos utilizando o sensor Fieldspec obtiveram os melhores resultados para a calibração e predição de argila (R2 de 0.91 e 0.88) e areia (R2 de 0.84 e 0.87) e possibilitaram bons modelos para carbono orgânico (R2 de 0.74 e 0.61), e também obtiveram valores baixos para silte (R2 de 0.37 e 0.37) e ferro (R2 de 0.17 e 0.23). Os índices SAM e ASDS mostraram similaridade entre os espectros obtidos pelo espectrorradiômetro e AisaFENIX, pois seus resultados se apresentaram próximos de zero ABESTRACT: Imaging spectroscopy is a simultaneous measurement of continuous image spectra on up to hundreds of spectral channels or bands and is a proven technology for identifying and mapping minerals based on their reflectance or emissivity. This technology is based on the ability to identify materials by spectral signatures in the visible (350-750 nm vis), near infrared (750-1.000 nm NIR) and shortwave infrared (1.000-2.500 SWIR) ranges. nm). Using chemometrics, data is transformed into information, such as multivariate calibration for quantifying soil parameters from spectroscopic data. Thus, this study aimed to evaluate the potential use of reflectance spectroradiometry by multiple regressions obtained by partial least squares (PLS) in the estimation of soil attributes such as sand, silt, clay, organic carbon and Fe2O3. in an area of agricultural use in the city of Mandaguaçu/PR, using data obtained by AisaFENIX airborne hyperspectral sensor, in a spectral range of 380-2.500nm. The soils were sampled in an area of approximately 200 ha, with a depth of 0.20 m, totaling 207 georeferenced samples. Laboratory ground reflectance data were obtained using two sensors, the laboratory-installed AisaFENIX sensor, which collects 344 bands in the vis/NIR portion (380 to 1.000 nm) and 275 spectral bands in the SWIR portion (1.000 - 2.500 nm). 619 bands, as well as the Fieldspec 3 Jr spectroradiometer, which collects in the spectral range of 350 - 2.500 nm (vis-NIR), totaling 2.151 bands. Models using the AisaFENIX sensor obtained the best results for sand calibration and prediction (R2 0.81 and 0.83 in flight and R2 0.82 and 0.75 in laboratory), clay (R2 0.76 and 0.79 in flight and R2 0.83 and 0.78 in the laboratory), and enabled good calibration models for organic carbon (R2 of 0.62 and 0.58 in the laboratory). For silt and iron they obtained lower values, with R2 of 0.36 and 0.18 in laboratory and 0.22 and 0.13 in flight for silt and R2 values of 0.19 and 0.31 in laboratory and 0.10 and 0.16 in flight for iron. Models using the Fieldspec sensor obtained the best results for the calibration and prediction of clay (R2 of 0.91 and 0.88) and sand (R2 of 0.84 and 0.87) and enabled good models for organic carbon (R2 of 0.74 and 0.61), and also obtained low values for silt (R2 of 0.37 and 0.37) and iron (R2 of 0.17 and 0.23). The SAM and ASDS indices showed similarity between the spectra obtained by the spectroradiometer and AisaFENIX, as their results were close to zero

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Curitibanos, Programa de Pós-Graduação em Ecossistemas Agrícolas e Naturais, Curitibanos, 2019. A cor do solo é considerada como uma importante característica morfológica do solo e que permite sua caracterização. A fim de explorar essa característica, o presente estudo está dividido em dois capítulos, onde o primeiro trata de uma revisão bibliográfica sobre os estudos relacionados à cor do solo com publicação entre 1923 e 2018. A exploração dos dados se deu através do Bibliometrix, pacote do RStudio, responsável pela pesquisa bibliométrica de forma objetiva e organizada. Os dados mostraram a evolução numérica em publicações e as diferentes metodologias para avaliação da cor. Esta evolução numérica confirmou que o uso de tecnologia contribui para estudos pedológicos nessa temática. O segundo capítulo buscou comparar diferentes metodologias, incluindo a mais usual, sistema de cores Munsell e as tecnológicas, espectroradiometria e processamento de imagens por equipamento fotográfico. Foi realizada a determinação da cor de 539 amostras de solo coletadas no Planalto de Santa Catarina, utilizando as três metodologias e comparando a viabilidade da utilização do sistema de cores Munsell como padrão para futuramente desenvolver um aplicativo capaz de classificar amostras de solo em campo de forma quantitativa e mostrar ao pedólogo de forma qualitativa (sistema de cores Munsell). Como resultado o trabalho traz as dificuldades em utilizar uma metodologia quantitativa baseada nos padrões qualitativos de Munsell, devido à falta de pastilhas correspondentes as cores que correspondem as cores naturais. Os coeficientes de correlação variaram de 0,49 para percepção humana e espectroradiometria e 0,57 para espectroradiometria e processamento de imagem. Os valores apresentados no estudo não o validaram para utilizar como base o sistema de cores Munsell. Abstract : The color of the soil is considered as an important morphological property of the soil and allows its characterization. In order to explore this property, the present study is divided in two chapters, where the first deals with a bibliographical revision on the studies related to the color of the soil with publication between 1923 and 2018. The exploration of the data occurred through the Bibliometrix, package of RStudio, responsible for bibliometric research in an objective and organized way. The data showed the numerical evolution in publications and the different methodologies for color evaluation. This numerical evolution confirmed that the use of technology contributes to pedological studies in this subject. The second chapter sought to compare different methodologies, including the most usual, Munsell color system and technological ones, spectroradiometry and image processing by photographic equipment. The color determination of 539 soil samples collected in the Santa Catarina Plateau was carried out, using the three methodologies and comparing the feasibility of using the Munsell color system as a standard for future development of an application capable of classifying soil samples in the form field quantitative and show the pedologist in a qualitative way (Munsell color system). As a result the work brings the difficulties in using a quantitative methodology based on the qualitative standards of Munsell due to the lack of matching pads the colors that match the natural colors. The correlation coefficients varied from 0.49 for human perception and spectroradiometry and 0.57 for spectroradiometry and image processing. The values presented in the study did not validate it to use as basis the Munsell color system.

Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq The study of the relationship between yield potential and the conditions offered to the development of forest stands is fundamental for the adequate management of the forest, aiming at maximum sustainable yield. Considering the need of using soil spatial information in favor of the forest production system, the overall objective of this dissertation was to evaluate the relationship between dendrometric, topographic and pedological variables and to perform the spatial prediction of the pedological variables correlated with the variation of the dendrometric parameters of Pinus taeda L. The study was conducted in an area of 109 ha of pinus at 29 years, in the city of Campo Belo do Sul, Santa Catarina. Samples were taken from 11 profiles and 126 points and groups were defined for pedologic, topographic and dendrometric variables. Through the analysis of Spearman correlation, variables with higher correlation to the dendrometric parameters of pinus were selected. For each selected variable, prediction functions were built using multiple linear regression and random forest. The best models were used for spatial prediction. Physical and morphological properties of soil prevail over chemical ones in the correlation with dendrometry. Soil depth, thickness of superficial horizon, elevation and vertical distance to channel network were the variables most related to the dendrometric parameters. The best prediction result was obtained with the random forest model, which showed R²= 0.25 and RMSE of 30.23 cm in the prediction of depth of solum, and R²= 0.15 and RMSE=11.75 cm in the prediction of thickness of superficial horizon. The results found in this study confirmed the hypothesis that pinus production is affected by pedologic variables, and that this information can be predicted using digital soil mapping. O estudo das relações entre o potencial produtivo e as condições oferecidas ao desenvolvimento de povoamentos florestais é fundamental para o manejo adequado da floresta, visando à máxima produtividade sustentável. Considerando a necessidade de utilizar informações espaciais de solo em prol do sistema produtivo florestal, o objetivo geral desta dissertação foi avaliar a relação entre variáveis dendrométricas, topográficas e pedológicas e realizar a predição espacial das variáveis pedológicas mais correlacionadas com a variação dos parâmetros dendrométricos de Pinus taeda L. O trabalho foi desenvolvido em uma área de 108 ha de pinus com 29 anos, no município de Campo Belo do Sul, Santa Catarina. Foram amostrados 11 perfis e 126 pontos e definidos os conjuntos de variáveis pedológicas, topográficas e dendrométricas. A partir da análise de correlação de Spearman foram selecionadas as variáveis com maior correlação com os parâmetros dendrométricos de pinus. Para cada variável selecionada foram construídas funções de predição por regressão linear múltipla e random forest. Os melhores modelos foram utilizados para predição espacial. As características físicas e morfológicas do solo prevalecem sobre as químicas na correlação com a dendrometria. A profundidade do solum, a espessura do horizonte superficial, a elevação e a distância vertical da rede de drenagem foram as variáveis mais relacionadas com os parâmetros dendrométricos. O melhor resultado de predição foi obtido a partir do modelo random forest que apresentou R²= 0,25 e RMSE de 30,23 cm na predição da profundidade do solum e R²= 0,15 e RMSE= 11,75 cm na predição da espessura do horizonte A. Os resultados encontrados no presente estudo confirmaram a hipótese que a produtividade de pinus é influenciada pelas variáveis pedológicas, e, que estas informações são passíveis de serem preditas utilizando o Mapeamento Digital de Solos.

Câmaras não métricas acopladas a Veículos Aéreos Não Tripulados (VANT) possibilitam coleta de imagens com alta resolução espacial e temporal. Além disso, o custo de operação e manutenção desses equipamentos são reduzidos. A classificação da cobertura da terra por meio dessas imagens são dificultadas devido à alta variabilidade espectral dos alvos e ao grande volume de dados gerados. Esses contratempos são contornados utilizando Análise de Imagens Baseada em Objetos (Object-Based Image Analysis – OBIA) e algoritmos de mineração de dados. Um algoritmo empregado na OBIA são as Árvores de Decisão (AD). Essa técnica possibilita tanto a seleção de atributos mais informativos quanto a classificação das regiões. Novas técnicas de AD foram desenvolvidas e, nessas inovações, foram inseridas funções para selecionar atributos e para melhorar a classificação. Um exemplo é o algoritmo C5.0, que possui uma função de redução de dados e uma de reforço. Nesse contexto, este trabalho tem como objetivo (i) avaliar o método de segmentação por crescimento de regiões em imagens com altíssima resolução espacial, (ii) determinar os atributos preditivos mais importantes na discriminação das classes e (iii) avaliar as classificações das regiões em relação aos parâmetros de seleção dos atributos (winnow) e de reforço (trial), que estão contidos no algoritmo C5.0. A segmentação da imagem foi efetuada no programa Spring, já as regiões geradas na segmentação foram classificadas pelo modelo de AD C5.0, que está disponível no programa R. Como resultado foi identificado que a segmentação crescimento de regiões possibilitou uma alta correspondência com regiões geradas pelo especialista, resultando em valores de Reference Bounded Segments Booster (RBSB) próximos a 0. Os atributos mais importantes na construção dos modelos por AD foram a razão entre a banda do verde com a azul (r_v_a) e o Modelo Digital de Elevação (MDE). Para o parâmetro de reforço (trial), não foi identificada melhora na acurácia da classificação ao aumentar seu valor. Já o parâmetro winnow possibilitou uma redução no número de atributos preditivos, sem perdas estatisticamente significativas na acurácia da classificação. A função de reforço (trial) não melhorou a classificação da cobertura da terra. Também não foram constatadas diferenças estatisticamente significativas quando winnow selecionado como verdadeiro, mas se encontrou o benefício desse último parâmetro reduzindo a dimensionalidade dos dados. Nesse sentido, este trabalho contribuiu para a classificação da cobertura da terra em imagens coletadas por VANT, uma vez que se desenvolveu algoritmos para automatizar os processos da OBIA e para avaliar a classificação das regiões em relação às funções de reforço (winnow) e de seleção do atributo (winnow) do classificador por árvore de decisão C5.0. Non-metric cameras attached to Unmanned Aerial Vehicles (UAV) enable collection of images with high spatial and temporal resolution. In addition, the cost of operation and maintenance of equipment are reduced. The land cover classification through these images are hampered due to high spectral variability of the targets and the large volume of data generated. These setbacks are contoured using Image Analysis Based on Objects (OBIA) and data mining algorithms. An algorithm used in OBIA are Decision Trees (AD). This technique allows the selection of the most informative attributes as the classification of regions. New AD techniques have been developed and these innovations, were functions inserted to select attributes and to improve classification. One example is a C5.0 algorithm, which has a data reduction function and of boosting. In this context, this paper aims to (i) evaluate the segmentation method for growing regions in images with high spatial resolution, (ii) determine the most important predictive attributes in the discrimination of classes and (iii) evaluate the classifications of regions regarding the attributes selection parameters (winnow) and boosting (trial), which are contained in the C5.0 algorithm. The image segmentation was performed in Spring program, since the regions generated in segmentation were classified by model C5.0 , which is available in the program R. As a result it was identified that the segmentation by region growing provided a high correlation with regions generated by the expert, resulting in Reference Bounded Segments Booster values (RBSB) near 0. The most important features in the construction of models of decision tree are the ratio between the band of green with the blue (r_v_a) and the Digital Elevation Model (DEM). Was not identified improvement in classification accuracy when was increased value of trial parameter. Already winnow parameter enabled a reduction in the number of predictive attributes, with no statistically significant losses in the accuracy of the classification. The boosting function (trial) did not improve the classification of land cover. Also were not found statistically significant differences when winnow selected as true, but was found the benefit of the latter parameter to reducing the dimensionality of the data. Thus, this work contributed to the land cover classification in images collected by UAV, once that were developed algorithms to automate the processes of integration OBIA and decision tree (C5.0).