Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados

Detalhes bibliográficos
Autor(a) principal: Chicati, Mônica Sacioto
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
Texto Completo: http://repositorio.uem.br:8080/jspui/handle/1/6463
Resumo: Orientador: Prof. Dr. Marcos Rafael Nanni
id UEM-10_d096e28d3cd7a7c6013c06b395c815cf
oai_identifier_str oai:localhost:1/6463
network_acronym_str UEM-10
network_name_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository_id_str
spelling Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dadosSolosSolo - AtributosSensoriamento remotoImagens hiperespectrais631.4Ciências AgráriasAgronomiaOrientador: Prof. Dr. Marcos Rafael NanniCoorientador: Prof. Dr. Marcelo Luiz ChicatiTese (doutorado em Agronomia) - Universidade Estadual de Maringá, 2019RESUMO: 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 zeroABESTRACT: 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 zeroxvi, 94 f. : il. (algumas col.).Universidade Estadual de MaringáDepartamento de AgronomiaPrograma de Pós-Graduação em AgronomiaMaringá, PRCentro de Ciências AgráriasNanni, Marcos RafaelTen Caten, AlexandreGenú, Aline MarquesOliveira, Roney Berti deLima, ValériaChicati, Mônica Sacioto2022-03-09T18:46:30Z2022-03-09T18:46:30Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfCHICATI, Mônica Sacioto. Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados. 2019. xvi, 94 f. Tese (doutorado em Agronomia) - Universidade Estadual de Maringá, 2019, Maringá, PR.http://repositorio.uem.br:8080/jspui/handle/1/6463info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)instname:Universidade Estadual de Maringá (UEM)instacron:UEM2023-10-31T20:19:22Zoai:localhost:1/6463Repositório InstitucionalPUBhttp://repositorio.uem.br:8080/oai/requestopendoar:2024-04-23T14:59:29.749377Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)false
dc.title.none.fl_str_mv Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
title Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
spellingShingle Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
Chicati, Mônica Sacioto
Solos
Solo - Atributos
Sensoriamento remoto
Imagens hiperespectrais
631.4
Ciências Agrárias
Agronomia
title_short Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
title_full Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
title_fullStr Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
title_full_unstemmed Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
title_sort Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados
author Chicati, Mônica Sacioto
author_facet Chicati, Mônica Sacioto
author_role author
dc.contributor.none.fl_str_mv Nanni, Marcos Rafael
Ten Caten, Alexandre
Genú, Aline Marques
Oliveira, Roney Berti de
Lima, Valéria
dc.contributor.author.fl_str_mv Chicati, Mônica Sacioto
dc.subject.por.fl_str_mv Solos
Solo - Atributos
Sensoriamento remoto
Imagens hiperespectrais
631.4
Ciências Agrárias
Agronomia
topic Solos
Solo - Atributos
Sensoriamento remoto
Imagens hiperespectrais
631.4
Ciências Agrárias
Agronomia
description Orientador: Prof. Dr. Marcos Rafael Nanni
publishDate 2019
dc.date.none.fl_str_mv 2019
2022-03-09T18:46:30Z
2022-03-09T18:46:30Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CHICATI, Mônica Sacioto. Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados. 2019. xvi, 94 f. Tese (doutorado em Agronomia) - Universidade Estadual de Maringá, 2019, Maringá, PR.
http://repositorio.uem.br:8080/jspui/handle/1/6463
identifier_str_mv CHICATI, Mônica Sacioto. Geração de modelos para a quantificação dos teores de atributos físicos, mineralógicos e carbono orgânico com sensores hiperespectrais em diferentes níveis de aquisição de dados. 2019. xvi, 94 f. Tese (doutorado em Agronomia) - Universidade Estadual de Maringá, 2019, Maringá, PR.
url http://repositorio.uem.br:8080/jspui/handle/1/6463
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual de Maringá
Departamento de Agronomia
Programa de Pós-Graduação em Agronomia
Maringá, PR
Centro de Ciências Agrárias
publisher.none.fl_str_mv Universidade Estadual de Maringá
Departamento de Agronomia
Programa de Pós-Graduação em Agronomia
Maringá, PR
Centro de Ciências Agrárias
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
instname:Universidade Estadual de Maringá (UEM)
instacron:UEM
instname_str Universidade Estadual de Maringá (UEM)
instacron_str UEM
institution UEM
reponame_str Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
collection Repositório Institucional da Universidade Estadual de Maringá (RI-UEM)
repository.name.fl_str_mv Repositório Institucional da Universidade Estadual de Maringá (RI-UEM) - Universidade Estadual de Maringá (UEM)
repository.mail.fl_str_mv
_version_ 1813258687644434432

Registros relacionados