MODELAGEM DA UMIDADE DO SOLO A PARTIR DE DADOS MULTIESPECTRAIS DOS SISTEMAS LANDSAT, ASTER E MODIS

Cristina de Queiroz Telles Maffra

Abstract



Considerando a relevância do estudo da umidade do solo e que as técnicas
tradicionais empregadas para o seu levantamento não levam em consideração a
variabilidade espacial e temporal típica deste parâmetro, o uso do sensoriamento
remoto aparece como uma alternativa, capaz de contribuir para superar estas
deficiências. Neste trabalho, a umidade do solo é estudada através da análise
multitemporal de imagens multiespectrais em escala de semidetalhe e regional. A
área escolhida para o desenvolvimento deste trabalho situa-se na região de
Campanha, municípios de Nápoles e Salerno, região sul da Itália, alvo de inúmeros
movimentos de massa, mais especificamente deslizamentos de terra, heterogênea do
ponto de vista geomorfológico. Dados espectrais dos sensores Landsat ETM,
ASTER e MODIS foram obtidos em diferentes tipos de solos e esta informação foi
correlacionada a dados pontuais de pluviosidade através da análise multivariada,
com a intenção de se 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
Análise dos Componentes Principais das bandas do infravermelho. Também foram
utilizadas imagens da Temperatura Superficial (ASTER) e Temperatura Superficial
Noturna (MODIS). Calculou-se o acúmulo de chuva dos quatro dias anteriores à
aquisição da imagem e procurou-se obter, quando possível, imagens que
representassem períodos mais chuvosos e mais secos para tentar caracterizar
espectralmente esta variação. Em cada estação pluviométrica foram selecionados
pontos de medida dos dados espectrais em cada tipo de solo, para cada imagem. O estudo espectral de cada sensor, de acordo com cada tipo de solo visou caracterizar
o comportamento espectral individual dos principais solos da região. Procurou-se
também estudar grupos de solos com características geotécnicas mais próximas,
além de todos os tipos de solos juntos, como forma de se averiguar se mesmo
apresentando grande variedade textural e composicional poder-se-ia criar um
modelo que fosse sensível à variação da umidade do solo. Na obtenção do modelo
foram utilizadas a Análise Discriminante, a Análise de Correlação Múltipla e a
GMDH-rede neural polinomial (PNN) buscando-se uma equação ótima que
contivesse as bandas/índices espectrais mais sensíveis à umidade do solo para cada
sensor. Para a verificação dos resultados obtidos utilizou-se os testes de
Kolmogorov-Smirnov e correlação para apontar qual a melhor modelagem para
cada sensor. Nas modelagens geradas observou-se a tendência de valorização do
comprimento de onda do infravermelho em todos os três sensores analisados. Isso
ficou mais evidente no sensor ASTER, cuja resolução espectral no infravermelho é
maior. Para o Landsat somente a modelagem realizada para um tipo individual de
solo pôde ser considerada satisfatória e o modelo obtido apresentou os índices
NDII, Tasseled Cap umidade e banda termal como variáveis. Já os resultados
obtidos com as imagens ASTER revelaram êxito nas modelagens e indicaram como
comprimento de onda mais eficiente para a caracterização da umidade do solo o
infravermelho entre 2.185 2.225µm, 2.295 2.365µm e 2.360 2.430µm. No
caso do sensor 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 0.56µm e 2.10 2.15µm. Tanto
para o ASTER como para o MODIS as modelagens mais eficientes indicaram a
utilização da Temperatura Superficial. Pode-se concluir que a utilização de imagens
ASTER, especialmente da refletância da superfície no comprimento de onda do
infravermelho e da temperatura superficial é o método mais eficiente na previsão da
umidade do solo sendo que as imagens MODIS, também podem ser utilizadas com
êxito na determinação deste parâmetro.

Modelling soil humidity from multispectral data from Landsat, Áster and Modis
Systems

Abstract


Considering the relevance of studying the soil moisture and that the
traditional measurement methods do not take into account its spatial and temporal
variability, the application of remote sensing techniques appear as a valid
alternative, able to overcome such limitations. This work concerns the study of soil
moisture through multi-temporal analysis of multi-spectral images at regional and
local scale. The area of study is located in the Campania Region, counties of Naples
and Salerno, in Southern Italy, which is affected by several mass movements, landslides
in particular, and geomorphologically heterogeneous. Spectral data from
sensors LANDSAT ETM, ASTER e MODIS were obtained for different soil types
and this information was correlated to measured rain fall data through multivariate
analysis, with the aim of generating 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. Whenever
possible, images representative of the driest and wettest period were chosen, in the
attempt of characterizing spectrally such variation, and the cumulative rainfall was
computed for the four days preceding the image acquisition. For every image, a
spectral average was computed at selected locations representative of different soil
type in the surrounding of each rain station. The spectral analysis allowed the
characterization of the principal soils of the region. Furthermore, soil groups with
similar geotechnical characteristics where studied in order to verify if a creation of a
model sensitive to soil moisture variations could be determined despite the great
textural and compositional varieties. 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 was used to select the best model for each sensor. The models
generated showed the tendency to emphasize the infrared wavelength for all three
sensors. This was even more evident with ASTER, whose spectral resolution in the
infrared is higher. For LANDSAT, just one model for one individual soil type could
be considered as satisfactory, and the model obtained presents 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 2.225µm, 2.295 2.365µm
and 2.360 2.430µm. 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 0.56µm and 2.10 2.15µm. For
both ASTER and MODIS, the most efficient models indicate the use of Superficial
Temperature. It could be concluded that the use o ASTER images, especially the
surface reflectance in the infrared band and the superficial temperature, is the most
efficient method for soil moisture assessment, and that MODIS images could be
used as well for the determination of such parameter.




Copyright (c)