Modelagem da umidade do solo a partir de dados multiespectrais dos sistemas Landsat, Aster e Modis

Orientador : Jorge Antonio Silva CentenoTese (doutorado) - Universidade Federal do Paraná, Setor de Ciencias da Terra, Programa de Pós-Graduaçao em Ciencias Geodésicas. Defesa: Curitiba, 2004Inclui bibliografiaResumo: Neste trabalho, a umidade do solo e estudada através da analise multitemporal de imagens multiespectrais em escala de semidetalhe e regional. Dados espectrais dos sensores Landsat ETM, ASTER e MODIS foram obtidos em diferentes tipos de solos da região de Campania, sul da Itália, e esta informação foi correlacionada a dados pontuais de pluviosidade através da analise multivariada. O objetivo e gerar um modelo ótimo para cada sensor, capaz de contribuir na predição da umidade do solo. Na tentativa de aprimorar os dados espectrais foram gerados índices, tais como NDVI, NDII, Transformação Tasseled Cap e Analise dos Componentes Principais das bandas do infravermelho. Também foram utilizadas imagens da Temperatura Superficial (ASTER) e Temperatura Superficial Noturna (MODIS). Na obtenção do modelo foram utilizadas a Analise Discriminante, a Analise de Correlação Múltipla e a GMDH-rede neural polinomial (PNN) buscando-se uma equação ótima que contivesse as bandas/índices espectrais mais sensíveis a umidade do solo para cada sensor. Para a verificação dos resultados obtidos utilizou-se os testes de Kolmogorov-Smimov e correlação. Os resultados revelaram êxito nas modelagens com as imagens ASTER e indicaram como comprimento de onda mais eficiente para a caracterização da umidade do solo o infravermelho entre 2.185 - 2.225pm, 2.295 - 2.365pm e 2.360 - 2.430pm. Para o Landsat somente a modelagem realizada para um tipo individual de solo pode ser considerada satisfatória e o modelo obtido apresentou os índices NDII, Tasseled Cap - umidade e banda termal como variáveis. No caso das imagens MODIS, os resultados podem ser considerados aceitáveis, não obstante a dificuldade em se modelar valores mais elevados do acumulado de chuva e mostram o predomínio dos comprimentos 0.54 - 0.56pm e 2.10 - 2.15pm. Tanto para o ASTER como para o MODIS as modelagens mais eficientes indicaram a utilização da Temperatura Superficial. Com este estudo conclui-se serem os sensores ASTER e MODIS os mais eficientes na determinação da umidade do solo por meio da utilização de bandas no infravermelho médio combinadas a Temperatura Superficial. Palavras-chave: umidade do solo, Sensoriamento Remoto, analise multivariada, Landsat, ASTER, MODIS.Abstract: This work concerns the study of soil moisture through multi-temporal analysis of multi-spectral images at regional and local scale. Spectral data from sensors Landsat ETM, ASTER and MODIS were obtained for different soil types, from Campania region, south Italy, and this information was correlated to measured rain fall data through multivariate analysis. The objective is generate for each sensor an optimal model able to predict soil moisture. In the attempt of improving the spectral response, indices such as NDVI, NDII, Tasseled Cap Transformation and Principal Component Analysis of the infrared bands were generated. Images of Superficial Temperature (ASTER) and Nocturnal Superficial Temperature (MODIS) were also used. The Discriminant Analysis, the Multiple Regression Analysis and a neural-network GMDH polynomial (PNN) were used for the generation of the model, looking for an optimal equation for each sensor which would include the indices/spectral bands more sensitive to soil moisture. The validation of the results was carried out using the Kolmogorov-Smirnov test and correlation analysis. The models generated showed the tendency to emphasize the infrared wavelength for all three sensors. For Landsat, just the model for one individual soil type could be considered as satisfactory, and the model obtained presented as variables the index NDII, Tasseled Cap - moisture and infrared band. The results obtained with ASTER images were satisfactory and revealed that the most efficient bands for characterising the soil moisture were between 2.185 - 2.225pm, 2.295 - 2.365pm and 2.360 - 2.430pm. For MODIS, the results can be considered acceptable, notwithstanding the difficulties at modelling higher values of cumulated rain fall, and show the dominance of the wavelengths 0.54 - 0.56pm and 2.10 - 2.15pm. For both ASTER and MODIS, the most efficient models indicate the use of Surface Temperature images. This work leads to the conclusion that ASTER and MODIS are both efficient for soil moisture detection that can be done using middle infrared bands combined with Surface Temperature images. Key-words: soil moisture, remote sensing, multivariate analysis, Landsat, ASTER, MODIS