Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/42504
Files in This Item:
File Description SizeFormat 
2021_JeandeJesusNovais.pdf30,15 MBAdobe PDFView/Open
Title: Modelagem de Dados de Sensoriamento Remoto para o Mapeamento Digital de Solos e Índice Relativo de Umidade dos Solos do Distrito Federal
Authors: Novais, Jean de Jesus
Orientador(es):: Lacerda, Marilusa Pinto Coelho
Coorientador(es):: Sano, Edson Eyji
Assunto:: Espectroscopia de reflectância
Radar de Abertura Sintética
Aprendizado de máquina
Séries temporais
Pedomorfogeologia
Issue Date: 1-Dec-2021
Citation: NOVAIS, Jean de Jesus. Modelagem de Dados de Sensoriamento Remoto para o Mapeamento Digital de Solos e Índice Relativo de Umidade dos Solos do Distrito Federal. 2021.251 f., il. Tese (Doutorado em Agronomia) — Universidade de Brasília, Brasília, 2021.
Abstract: Estudiosos ao redor do mundo reconhecem que as ações antrópicas têm intensificado as variações nos fenômenos naturais na Terra. Os efeitos do chamado aquecimento global são cada vez mais perceptíveis em nível regional. O uso e ocupação indiscriminada das terras, a alta demanda por alimentos e água podem levar a diversos problemas socioeconômicos e ambientais como degradação do solo, assoreamento de corpos hídricos, aumento na ocorrência de queimadas e a crises de abastecimento de água, como a ocorrida no Distrito Federal (DF), Brasil, entre 2015 e 2017. Portanto, estudos com foco em solo e água podem subsidiar ações de gestão racional desses recursos. Nesse contexto, esta pesquisa teve como objetivo desenvolver uma metodologia que inter-relacione classes pedológicas com a dinâmica da água na superfície dos solos por meio de geotecnologias. Os procedimentos envolveram três etapas, as quais: a) mapeamento digital de solos (MDS), b) compilação de um índice relativo de umidade do solo (IRUS) e c) o cruzamento dessas informações cartográficas. Para a primeira etapa, foram estabelecidas as relações pedomorfogeológicas em campo para individualização de área e amostragem de solo, em que 173 perfis de solo foram designados para modelagem multiespectral de solo ao longo de três superfícies geomorfológicas em uma série temporal Landsat (1984 a 2020) construída por computação em nuvem. O segundo passo foi dedicado às estimativas de umidade do solo, realizadas mediante a modelagem por aprendizado de máquina com o algoritmo Random Forest aplicado aos dados dos satélites Sentinel-1 (radar) e Sentinel-2 (óptico), além de atributos dos solos e do terreno. Os modelos dessa etapa foram calibrados por dados de umidade gravimétrica medidos em 40 pontos, distribuídos em quatro setores do DF e extraídos sincronicamente com a passagem do Sentinel-1 sobre a região. Esta etapa foi repetida dez vezes ao longo de um ciclo pluviométrico (2019 a 2020) para o cálculo da variabilidade da umidade do solo na série temporal. Posteriormente, a última fase dedicou-se à avaliação das classes de solo quanto aos índices de umidade para discutir a influência das características diferenciais na variação da umidade ao longo do ano. O MDS gerado atingiu 69% no índice Kappa, que é considerado uma precisão muito boa. As estimativas de umidade do solo tiveram algumas limitações atribuídas à complexidade dos dados de radar, que são afetados por vários fatores biogeofísicos, como vegetação densa e rugosidade do terreno. No entanto, a sobreposição dos mapas possibilitou a compilação do IRUS, que apresentou correspondência com o MDS durante a avaliação qualitativa e quantitativa. As diferentes capacidades de manutenção da água nos perfis dos solos foram observadas de acordo com as propriedades e atributos inerentes a cada classe. Essas informações são úteis na tomada de decisões quanto à conservação ou manejo do solo sob a perspectiva da sustentabilidade.
Abstract: Scholars around the world recognize that anthropic actions have intensified variations in natural phenomena on Earth. The effects of the so-called global warming are progressively perceptible at the regional level. Indiscriminate land-use and occupation and high demand for food and water can lead to several socio-economic and environmental problems, such as soil degradation, silting up of water bodies, increase in burning occurrences and water supplying crises, such as the one that occurred in the Federal District (DF), Brazil, between 2015 and 2017. Therefore, studies focusing on soil and water can support actions for the rational management of these resources. In this context, this research aimed to develop a methodology that interrelates pedological classes with water dynamics on the soil surface using geotechnologies. The procedures involved three steps, which: a) digital soil mapping (MDS), b) relative soil moisture index (IRUS) compilation and c) the crossing of these cartographic information. For the first stage, field pedomorphogeological relationships were established for area individualization and soil sampling, in which 173 soil profiles were designated for multispectral soil modeling along three geomorphological surfaces in a Landsat time series (from 1984 to 2020) built by cloud computing. The second step was dedicated to soil moisture estimates, using machine learning modeling with the Random Forest algorithm applied to data from the Sentinel-1 (radar), Sentinel-2 (optical) satellites, as well as soil and terrain attributes. The models utilized this step were calibrated by gravimetric moisture data measured at 40 points, distributed in four sectors of the DF and extracted synchronously with the Sentinel-1 passage over the region. This procedure was repeated ten times over a rainfall cycle (from 2019 to 2020) to calculate soil moisture variability in the time series. Subsequently, the last phase was dedicated to soil classes assessment regarding moisture indices to discuss the influence of differential characteristics on moisture variation throughout the year. The generated MDS reached 69% in the Kappa index, which is considered a very good accuracy. Soil moisture estimates presented some limitations attributed to the complexity of the radar data, which are affected by several biogeophysical factors, such as dense vegetation and terrain roughness. However, the overlapping of maps enabled the compilation of the IRUS, which demonstrated some correspondence with the MDS during the qualitative and quantitative assessment. The different capacities of water maintenance in the soil profiles were observed according to the properties and attributes inherent to each class. This information is useful in making decisions regarding soil conservation or management from a sustainability perspective.
Description: Tese (doutorado) — Universidade de Brasília, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronomia, 2021.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Appears in Collections:Teses, dissertações e produtos pós-doutorado

Show full item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/42504/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.