1 FACULDADE DE ENGENHARIA AGRÍCOLA – FEAGRI UNIVERSIDADE ESTADUAL DE CAMPINAS – UNICAMP Vinícius Castilho Santos Relação entre dados espectrais de imagens de satélite com fatores de erosão do solo Orientador: Prof. Dr. Lucas Rios do Amaral Co-orientadora: Bruna Cristina Gallo CAMPINAS, 2017.
42
Embed
FACULDADE DE ENGENHARIA AGRÍCOLA - feagri.unicamp.br · Existem duas formas de erosão: a erosão geológica, a qual é oriunda de fenômenos naturais, atuando como agente benéfico
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
1
FACULDADE DE ENGENHARIA AGRÍCOLA – FEAGRI
UNIVERSIDADE ESTADUAL DE CAMPINAS – UNICAMP
Vinícius Castilho Santos
Relação entre dados espectrais de imagens de satélite
com fatores de erosão do solo
Orientador: Prof. Dr. Lucas Rios do Amaral
Co-orientadora: Bruna Cristina Gallo
CAMPINAS, 2017.
2
FACULDADE DE ENGENHARIA AGRÍCOLA – FEAGRI
UNIVERSIDADE ESTADUAL DE CAMPINAS – UNICAMP
Vinícius Castilho Santos
Relação entre dados espectrais de imagens de satélite
com os fatores da erosão do solo
Trabalho de Conclusão de Curso apresentado como requisito parcial para obtenção do título de Engenheiro Agrícola à Faculdade de Engenharia Ágricola da Universidade Estadual de Campinas.
CAMPINAS
2017
3
Relação entre dado espectral de imagens de satélite com
Aos meus pais Ivanir e Cláudia, minhas irmãs Mariane e Lívia e toda a família pelo apoio e suporte para chegada dessa etapa da vida. Dedico.
5
AGRADECIMENTOS
Agradeço a Faculdade de Engenharia Agrícola e ao Grupo Interdisciplinar de Agricultura de Precisão por todo conhecimento compartilhado, apoio e infraestrutura. Ao Professor Dr. Lucas Rios do Amaral, pela orientação no presente trabalho, apoio, suporte e conhecimento compartilhado nos últimos meses.
Vinícius Castilho
Agradeço a minha família e todos que diretamente ou indiretamente contribuíram para a construção de meus valores: meus pais, Ivanir e Claudia por não medirem esforços e sempre me apoiaram nos meus estudos. Aos meu avós Albertina e Osmar, Alzira e em especial ao meu avô Pedro, in memorian, pois seus ensinamentos jamais serão esquecidos e por sempre acreditar em mim, as minhas irmãs Mariane e Lívia por todo amor, carinho e paciência em todas as horas, ao meu cunhado Davi por toda a caminhada, a Victoria pelo amor, companheirismo e apoio na realização do presente trabalho. A minha co-orientadora Bruna Cristina Gallo por todo suporte mais do que necessário nos momentos de dificuldades, disponibilizando seu tempo e conhecimento. Aos meus amigos de Universidade e a todos que de alguma forma contribuíram para esse trabalho. E não em primeiro lugar, mas em meio a tudo isso, ao Autor da Existência, aquele que permite que todas as coisas se concretizem, nosso único e verdadeiro Deus. Agradeço pela força, coragem, fé e vontade de viver.
6
RESUMO
O Brasil possui uma das maiores áreas produtivas e solos diversificados do mundo, o que torna necessário a criação de técnicas de planejamento e boas práticas de manejo para produzir alimentos e energia de forma segura. As estimativas de perda de solos em áreas agrícolas auxiliam o planejamento agrícola adequado e, com o advento das geotecnologias, as taxas de perda de solos podem ser estimadas por meio dos Sistemas de Informações Geográficas (SIG). No entanto, a sua estimativa depende de uma série de processamentos e variáveis difíceis de serem obtidas. As imagens de satélite, por exemplo, utilizadas para observações da superfície da Terra, é uma ferramenta que apresenta informações espectrais de alvos. Esse trabalho visa relacionar os dados espectrais da imagem de satélite com os dados de perda de solos. Para isso, um banco de dados com informações da topografia, tipos de solo, chuva, uso e ocupação do solo e manejo foram integrados num SIG e foi gerado o mapa de perda de solos. A imagem de satélite foi corrigida por conta das interferências atmosféricas e foram separados os alvos que não eram solo exposto, como a água, vegetação e área urbana. Finalmente, os dados espectrais da imagem de solo exposto foram relacionados com os dados de perda de solos. Os dados de perdas de solos mostraram que 70% da área apresentam perdas acima do limite tolerável pela literatura que é 12 Mg ha-1 ano-1. Os dados espectrais e a perda de solos apresentam baixa correlação. Por outro lado, para esse estudo a mineração de dados se mostra mais eficiente para correlacionar a perda de solos com os dados espectrais. Estudos futuros são necessários para definir padrões de índices classificadores com intuito de subsidiar a tomada de decisão de planejamento do uso da terra e estratégias conservacionistas para preservação dos recursos naturais.
7
ABSTRACT Brazil is one of the largest productive areas and soils variety in the world, reason to create planning techniques and good management practices to produce food and energy safety. Soil loss estimative in agricultural areas are good indicative to adequate agricultural planning. In addition, soil loss rates has been estimated through the Geographic Information Systems (GIS) due to the advent of geotechnologies. However, it depends on a number of processing and variables that are difficult to obtain. Satellite imagery, for example, used for Earth's surface observations is a tool that presents spectral information of a target. This work aims to relate the spectral data obtain from satellite image with soil loss. A database with information of topography, soil type, rainfall, land use and occupation and management was inserted in a GIS and a soil loss map was generated. The satellite image was corrected due to atmospheric interference and non-soil targets such as water, vegetation and urban area were separated. Finally, the spectral data of the bare soil image were related to soil loss data. Soil loss data showed that 70% of the area presented losses above the tolerable limit in the literature, which is 12 Mg ha-1 ano-1. The spectral data and soil loss data have low correlation. On the other hand, mining data is more efficient to relate soil loss and spectral data. Thus future studies are needed to define classifier indices in order to subsidize land use planning decision-making and conservation strategies for natural resources preservation.
A mineração de dados foi uma análise mais avançada para esses parâmetros, em
que foi gerada para as bandas e o fator erodibilidade. Os resultados de erodibilidade
(Tabela 8) mostra que o modelo classificador Random Forest apresentou melhores
índices e acertos no modelo classificador médio, cerca de 70%, obtendo um valor de
índice kappa de aproximadamente 0,5. Esse índice varia de 0 a 1, significando total
concordância entre os dados quando se obtém o valor máximo (COHEN, 1960). O
desempenho do índice Kappa foi avaliado conforme proposto por Landis & Koch
(1977), em que índices entre 0,21 e 0,4 são considerados razoáveis e entre 0,41 e 0,6,
bons; e entre 0,61 e 0,8, muito bons; e entre 0,81 e 1, excelentes.
Tabela 8. Índice KAPPA e acertos para diferentes algoritmos
Algorítimo Índice KAPPA Acertos do modelo Classificador Médio(%)
Árvore de decisão 0,4799 69,26
Random Forest 0,4985 69,97
Redes Neurais 0,3344 61,96
Ao medir o desempenho de um classificador, Pontius Jr. (2000) alerta para o fato
que o índice Kappa pode conduzir a conclusões equivocadas, pois a tabela de
contingência trabalha com proporções, não considerando a localização dos rótulos
atribuídos. Para isso, foi construída a Matrix de Confusão que apresenta em números a
37
quantidade de classificações corretas e incorretas (Tabela 9) (SOCZEK & REGIANE
ORLOVSKI, 2014). A diagonal direita representa os números das instâncias
classificadas corretamente. Pode-se observar que apesar da taxa de acerto total ser em
torno de 70%, valores preditos pelo modelo como “Alta erodibilidade” apresentaram
uma taxa de acerto (taxa VP) de apenas 39,5%.
Tabela 9. Matrix de Confusão e Taxa de acerto
Classes Média
Erodibilidade Baixa
Erodibilidade Alta
Erodibilidade Total de Linhas Taxa VP
Média Erodibilidade 10691 2339 989 14019 0,763
Baixa Erodibilidade 2289 8172 643 11104 0,736
Alta Erodibilidade 1548 1002 1667 4217 0,395
Soma das colunas 14528 11513 3299 29340 Taxa de acerto total 0,699
Desta forma, a mineração apresentou valores considerados bons de índice Kappa
entre erosão e dado espectral. No entanto, ao analisar a matriz de erros do modelo,
vimos que a predição para valores com alta erodibilidade apresentaram baixo índice de
acerto. Isso pode ter sido influenciado em função de um menor número de dados
amostrais para essa classe. Portanto, possíveis calibrações e treinamento do software se
tornam necessárias para melhores resultados de valores verdadeiros positivos em todas
as classes classificadoras.
38
5. CONCLUSÕES
A análise qualitativa da curva espectral dos solos obtido da imagem de solo
exposto mostra que a textura pode auxiliar na identificação da classe de erodibilidade
para a imagem de satélite escolhida.
Os dados de reflectância obtidos do Landsat OLI apresenta baixa relação com os
fatores da Equação Universal de Solos (EUPS) para uma imagem. Assim, para maior
eficiência das análises espectrais seria necessário a utilização de série histórica de
imagens de satélite. Uma área maior de solos exposto pode se relacionar melhor com os
dados de perda de solos.
Por outro lado, analises mais complexas como a mineração de dados se mostra
mais eficientes para os estudos de dados orbitais de uma imagem com o fator
erodibilidade da equação de perda de solos. Além disso, analises com outros tipos de
satélites e sensores próximos com maiores precisões podem apresentar correlações
melhores e valores mais apurados.
39
REFERENCIAS
Ab' SÁBER, A.N. A depressão periférica paulista: um setor das áreas de circundesnudação pós-cretácica na Bacia do Paraná. Geomorfologia, v. 15, 15 p. 1969.
ALMEIDA, F.F.M. Fundamentos geológicos do relevo paulista. Geologia do estado de São Paulo. Boletim do Instituto de Geografia e Geologia, v.41, p.167-263, 1964.
BACCARO, C. A . D. ; PEREIRA, K.G.O . Estudos de erosão acelerada na bacia do rio Tijuco. I Reunião Especial da Sociedade Brasileira para o Progresso da Ciência. Universidade Federal de Uberlândia, 1994
BARRETTO, A.G.O.P.. “O histórico (1945-2002) da evolução urbana de Piracicaba (SP) analisado do ponto de vista rural: fatores atrativ os e restritivos”. Relatório final apresentado à Fapesp. Piracicaba: USP/ESALQ, 2006.
BERTOL, I., SCHICK, J., BATISTELA, O., LEITE, D., AMARAL, A. J. Erodibilidade de um Cambissolo Húmico alumínico léptico, determinada sob chuva natural entre 1989 e 1998 em Lages (SC). Revista Brasileira de Ciência do Solo, v. 26, n. 2, 2002.
BERTONI J, LOMBARDI NETO F. Conservação do solo. 9a ed. São Paulo: Ícone; 2014.
BERTONI, J.; LOMBARDI NETO, F.; BENATTI JUNIOR, R. Equação de perdas de solo. Boletim Técnico n. 21. Campinas: Instituto Agronômico.1975. 24p.
CARVALHO, N.O. Hidrossedimentologia Prática. CPRM–Companhia de Pesquisa em Recursos Minerais, 1994.
CHAVES, H.M.L. Modelagem matemática da erosão hídrica: Passado, presente e futuro. In: ALVAREZ V., V.H.; FONTES, L.E.F. & FONTES, M.P.F., eds. O solo nos grandes domínios morfoclimáticos do Brasil e o desenvolvimento sustentado. Viçosa, MG, Sociedade Brasileira de Ciência do Solo, 1996. p. 731-750.
COHEN, J. A coefficient of agreement for nominal scales. Educational and Psychological Measurement, v.20, n.1, p.37-46, 1960.
DALMOLIN, R.S.D. Matéria orgânica e características físicas, químicas, mineralógicas e espectrais de Latossolos de diferentes ambientes. Porto Alegre, Universidade Federal do Rio Grande do Sul, 2002. 151p.
DEMARCHI, J. C.; ZIMBACK, C. R. L. Mapeamento, erodibilidade e tolerância de perdas de solo na sub-bacia do Ribeirão das Perobas. Energia na Agricultura, v. 29, n. 2, p. 102-114, 2014.
DEMATTÊ, J.A.M. Characterization and discrimination of soils by their reflected electromagnetic energy. Pesquisa Agropecuária Brasileira, Brasília, v. 37, p.1445-1458, 2002.
40
DEMATTÊ, J.A.M.; SOUSA, A.A.; ALVES, M.C.; NANNI, M.R.; FIORIO, P.R.; CAMPOS, R.C. Determining soil water status and other soil characteristics by spectral proximal sensing. Geoderma, Amsterdam v. 135, p. 179-195, 2006.
DENARDIN JE. Erodibilidade do solo estimada por meio de parâmetros físicos e químicos [tese]. Piracicaba: Universidade de São Paulo; 1990.
DESMET P. J. J., GOVERS G. A GIS procedure for automatically calculating the USLE LS factor on topographically complex landscape units. Journal of soil and water conservation, v. 51, n. 5, p. 427-433, 1996.
FORMAGGIO, R. J. C. N. EPIPHANIO, M. M. VALERIANO & J. B. OLIVEIRA. Comportamento espectral (450-2.450 nm) de solos tropicais de São Paulo, São Paulo, 1996,.
FOSTER, G. R. et al. Conversion of the universal soil loss equation to SI metric units. J. Soil Water Conserv., Baltimore, v.36, p.355-359, 1981
FRANCESCHINI, M.H.D.; DEMATTÊ, J.A.M.; SATO, M.V.; VICENTE, L.E.; GREGO, C.R. Abordagens semiquantitativa e quantitativa na avaliação da textura do solo por espectroscopia de reflectância bidirecional no VIS-NIR-SWIR. Pesquisa Agropecuária Brasileira, v. 48, p. 1569-1582, 2013.
GALDINO S, SANO EE, ANDRADE RG, GREGO CR, NOGUEIRA SF, BRAGANTINI C, FLOSI AHG. Large-scale modeling of soil erosion with RUSLE for conservationist planning of degraded cultivated Brazilian pastures. Land Degradation & Development, v. 27, n. 3, p. 773-784, 2016.
GALLO, B.C., Imagens multitemporais do Landsat TM como estratégia no apoio ao levantamento pedológico [tese]. Piracicaba: Universidade de São Paulo; 2015.
JENSEN, J. R. Sensoriamento Remoto do Ambiente: uma perspectiva em recursos terrestres. Carolina: Parêntese, 2011.
KÖPPEN, W.; GEIGER, R. Klimate der Erde. Gotha: Verlag Justus Perthes. 1928. 1 mapa, 150 x 200cm.
LOMBARDI NETO, F.; MOLDENHAUER, W. C. Erosividade da chuva: sua distribuição e relação com perdas de solos em Campinas. SP. Bragantia, Campinas, v.51, n.2, p.189-196, 1992.
MADEIRA NETTO, J.S.; BAPTISTA, G.M.M. Reflectância espectral de solos. Documentos - Embrapa Cerrado, v. 25, p. 1-55, 2000.
MAGALHÃES, Ricardo Aguiar. Processos Erosivos e Métodos de Contenção CEEB, 1995, Ouro Preto
MANNIGEL AR, CARVALHO MP, MORETI D, MEDEIROS LR. Fator erodibilidade e tolerância de perda dos solos do Estado de São Paulo. Acta Scientiarum, v. 24, n. 5, p. 1335-1340, 2002
41
MCCOOL D. K., BROWN G. R., FOSTER G. R., MEYER L. D. Revised slope steepness factor for the universal soil loss equation. Transactions of the ASAE, v. 30, n. 5, p. 1387-1396, 1987.
MEDEIROS, G. D. O. R., GIAROLLA, A., SAMPAIO, G., MARINHO, M. D. A. Estimates of annual soil loss rates in the state of São Paulo, Brazil. Revista Brasileira de Ciência do Solo, v. 40, 2016.
MIDDLETON, H. E., SLATER, C. S., AND BYERS, H. G. Physical and chemical characteristics of the soils from the erosion experiment stations. U.S. Department of Agriculture, Technical Bulletin No. 316 and 430, 1930.
MINELLA, J. P. G.; MERTEN, G. H. Aplicação das características químicas e físicas dos sedimentos na modelagem dos processos de emissão de sedimentos em bacias hidrográficas (p. 343-83). In: Qualidade dos sedimentos. POLETO, C. e MERTEN, G. H. (org.). Porto Alegre: ABRH, 2006, 397p.
OLIVEIRA J. B.; PRADO H., Carta pedológica semi-detalhada de Piracicaba SF 23Y-A –IV, Campinas: Instituto Agronômico, 1989. 1 mapa, color., Escala: 1:100.000.
PENTEADO, M.M. Geomorfologia do setor centro-ocidental da Depressão Periférica Paulista. Instituto de Geografia, v.22, p. 86, 1976.
PONTIUS Jr., G.; Schneider, L. C. Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems and Environment. v. 85, n. 1. p. 239-248, Jun. 2001.
PONZONI, F.J., SHIMABUKURO, Y.E. KUPLICH, T.M. Sensoriamento Remoto no Estudo da Vegetação. 2 ed. São José dos Campos: Parêntese, 2012. 160p.
RIZZO, R., DEMATTÊ, J. A., LEPSCH, I. F., GALLO, B. C., & FONGARO, C. T. (2016). Digital soil mapping at local scale using a multi-depth Vis–NIR spectral library and terrain attributes. Geoderma, 274, 18-27.
ROUSE, J.W.; HAAS R.H.; SCHELL J.A.; DEERING D.W. Monitoring vegetation systems in the Great Plains with ERTS. Earth resources technology satellite-1 symposium, Proceedings, DC, 1973. v.1, p. 309–317.
SCHWERTMANN U. Iron oxides in soil. Minerals in soils environments. Soil Science Society America Journal, v.8, p. 379-465, 1989.
SALTON, J. C. Manejo e conservação do solo. In: ALGODÃO: tecnologia de produção. Dourados:Embrapa Agropecuária Oeste; Campina Grande: Embrapa Algodão. p. 76-102, 2001
SILVA A. M., ALVARES C.A. Levantamento de informações e estruturação de um banco de dados sobre a erodibilidade de classes de solos no Estado de São Paulo. Geociências;v. 24, n. 1, p.:33-41, 2005.
42
SILVA D.V., Análise de perda de solo, utilizando modelo (RUSLE) REVISED UNIVERSAL SOIL LOSS EQUATION, aplicado com auxílio de técnicas de geoprocessamento na bacia do Ribeirão Reis, MARINGÁ-PR, 2008
SILVA, R. H.; ROSOLEM, C. A. Crescimento radicular de espécies utilizadas como cobertura decorrente da compactação do solo. Revista Brasileira de Ciência do Solo, Viçosa, v. 25, n. 2, p. 253-260, maio/jun. 2001.
STONER, E.R. & BAUMGARDNER, M.F. Characteristics variations in reflectanc e of surface soils. Soil Sci. Soc. Am. J., 45:1161-1165, 1981.
SOCZEK, C.F. & ORLOVSKI, R. Mineração de Dados: Conceitos e aplicação de algoritmos em uma Base de Dados na área da saúde. Tecnologia em Análise e Desenvolvimento de Sistemas – Faculdade Guairacá. Guarapuava, PR, 2014.
TÁNAGO, M.G. La ecuación universal de pérdidas de suelo: Pasado, presente y futuro. Ecología, 5:13-50, 1991.
VALERIANO, M. M. TOPODATA: Seleção de coeficientes geoestatísticos para o refinamento unificado de dados SRTM. São José dos Campos: INPE, 2008. 50 p.
VISCARRA ROSSEL, R.A.; CHAPPELL, A.; De CARITAT, P.; MCKENZIE, N.J. On the soil information content of visible-near infrared reflectance spectra. European Journal of Soil Science, Oxford, v.62, p. 442–453, 2011.
WISCHMEIER, W. H. & SMITH, D. D. Predicting rainfall erosion losses – a guide to conservation planning. U. S. Department of Agriculture, Washington. 1978.
WMO (World Meteorological Organization). Manual on Sediment Management and Measurement. Operational Hydrology Report nº 47, Geneva, Switzerland, 2003, 159p. Por: Yang Xiaoqing.