Hiperspectral data applied for estimating electrical conductivity in salty soils

• Autor(a) principal: OdÃlio Coimbra da Rocha Neto
• Data de Publicação: 2016
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
• Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=16620
• topic: Salinidade; Algoritmos Computacionais; RegressÃo; Salinity; Computational Algorithms; Regression; ENGENHARIA DE AGUA E SOLO

A interpretaÃÃo de dados do sensoriamento remoto fundamenta-se, basicamente, na anÃlise do comportamento da reflectÃncia espectral dos materiais no intervalo de comprimento de onda do visÃvel ao infravermelho de ondas curtas (400 a 2500 nm). Para isso, pode-se usar a espectrorradiometria de reflectÃncia, que à uma tÃcnica capaz de medir, em diferentes comprimentos de ondas, a energia eletromagnÃtica refletida da superfÃcie dos materiais e representÃ-la na forma de um grÃfico denominado curva de reflectÃncia espectral. O poder analÃtico desta tÃcnica advÃm do fato da informaÃÃo espectral se correlacionar diretamente com a composiÃÃo quÃmica e com as caracterÃsticas fÃsicas das substÃncias contidas no alvo. No entanto, o grande volume de informaÃÃes contidas em uma assinatura espectral aumenta a dificuldade de analisÃ-la, principalmente quando se trabalha com imagens. Com isso, o emprego de modelos computacionais se mostra como uma saÃda viÃvel para a anÃlise de curvas espectrais. Dessa forma, o objetivo desta tese à avaliar o desempenho de diferentes modelos computacionais como: mÃnimos quadrados (MQ), rede neural artificial do tipo perceptron de mÃltiplas camadas (MLP) e mÃquina de aprendizagem extrema (ELM), treinados em laboratÃrio para estimar a condutividade elÃtrica do solo, e aplicÃ-los em imagens de alta resoluÃÃo espectral. Esta tese foi separada em trÃs etapas onde foram avaliados: a capacidade dos modelos computacionais em estimar a condutividade elÃtrica do extrato de saturaÃÃo (CEes) a partir de amostra de condutividade elÃtrica 1:1 (CE1:1); as estratÃgias computacionais que melhor estimam a condutividade elÃtrica de amostras de solo a partir de leituras espectrais de solos obtidas em laboratÃrio; e testar desempenho da melhor estratÃgia obtida no passo anterior, aplicando-a em uma imagem do sensor aerotransportado SpecTIR, coletado na regiÃo do PerÃmetro Irrigado de Morada Nova. Para avaliaÃÃo dos algoritmos, foram coletadas amostras de solos na regiÃo de Morada Nova com histÃrico de Ãreas afetadas por sais. Estas amostras foram utilizadas para a calibraÃÃo e validaÃÃo dos modelos. Dados espectrais foram obtidos utilizando o espectrorradiÃmetro FieldSpec 4 Hi-Res, entre 350 a 2500 nm. Foi avaliado o ganho de performance dos modelos matemÃticos pela transformaÃÃo dos dados atravÃs da anÃlise por componente principal e pela anÃlise derivativa. Com os resultados obtidos, pÃde-se observar que as melhores respostas foram alcanÃadas pelo modelo linear dos mÃnimos quadrados aplicados aos dados puros, onde as bandas selecionadas para estimar a condutividade elÃtrica foram de 395, 1642 e 1717 nm. Para estimar a condutividade elÃtrica do solo na imagem do sensor SpecTIR sobre a Ãrea de estudo, o modelo calibrado em laboratÃrio se mostrou interessante, produzindo um RPD de 1,46 e um coeficiente de correlaÃÃo de Pearson de 0,80. Com isso, conclui-se que os modelos calibrados utilizando amostras em laboratÃrio sÃo satisfatÃrios para estimar a CE de imagens hiperespectrais.