Imageamento hiperespectral na delimitação dos horizontes do solo

Abstract

RESUMO: O perfil do solo tem sido o apoio fundamental para a sua observação desde o início da pedologia. A separação dos horizontes ou camadas faz parte da descrição morfológica do solo e baseia-se nos contrastes de coloração, textura, estrutura e consistência, sendo dependente da percepção visual e tátil do pedólogo para examinar o perfil. Contudo, o exame in situ do perfil do solo é limitado quanto à falta de controle sobre as condições de iluminação, umidade do solo e a quantidade de tempo disponível para as medições, sendo passível de algumas informações coletadas serem subjetivas ou equivocadas. Com isso, o objetivo deste trabalho foi avaliar o uso de dados espectrais obtidos em campo e no laboratório pelo sensor AisaFENIX para delimitar os horizontes no perfil de solo e talude com algoritmos classificadores. As imagens hiperespectrais foram coletadas no perfil de solo em campo, e, posteriormente, realizadas as etapas de processamento computacional. No laboratório, foi realizado o imageamento com o sensor AisaFENIX nas amostras de solo retiradas do perfil e obtidos os dados espectrais com a coleta de regiões de interesse e, posteriormente, aplicadas à imagem do campo utilizando algoritmos supervisionados. A classificação não-supervisionada das imagens hiperespectrais do perfil de solo também foi realizada. O sensor AisaFENIX obteve alta correlação entre os dados espectrais coletados em campo e laboratório, com valores de r de 0,99. Contudo, quando se utilizou os dados de laboratório para a delimitação dos horizontes no perfil e no talude de solo, os horizontes em profundidade foram subestimados, tendo assim, qualidade ruim e razoável, respectivamente. O processamento das amostras de solo por sua deformação e umidade, influenciaram diretamente na resposta espectral. Os algoritmos SAM e SID com dados espectrais do campo, tiveram maior número de delimitações dos horizontes no perfil e no talude de solo, obtendo qualidade excelente com valores de Kappa acima de 0,8. Os agrupamentos pelos algoritmos não-supervisionados Isodata e K-médias, não obtiveram êxito para a delimitação dos horizontes no perfil do solo, resultando em coeficientes Kappa de 0,15 e 0,20 em relação a delimitação em campo, apresentando qualidade ruim

ABSTRACT: Soil profile has been the fundamental support for soil observation since the beginning of pedology. The separation of the horizons or layers is part of the morphological description of the soil and is based on the coloring contrasts, being dependent on the visual perception of the pedologist to examine the profile. However, in situ soil profile examination is limited in terms of lack of control over lighting conditions, soil moisture and the amount of time available for the measurements under control that may be subjective or misleading. Therefore, the objective of this work was to evaluate of the use field data and laboratory AisaFENIX sensor design to delimit the horizons in soil profile with classifier algorithms. The hyperspectral images were collected in the field soil profile, and later the computational processing steps were performed. In the laboratory, AisaFENIX was imaged in the soil samples taken from the profile and the spectral data were obtained with the collection of regions of interest and later applied to the field image using supervised algorithms. The unsupervised classification of the hyperspectral images of the soil profile was also performed. The AisaFENIX sensor obtained a high correlation between spectral data collected in the field and laboratory, with values of r = 0.99. However, when the laboratory data were used for the delimitation of the horizons in the profile and in the soil ravine, the depth horizons were underestimated, thus having, respectively, poor and reasonable quality. The processing of the soil samples by their deformation directly influenced the spectral amplitude. The SAM and SID algorithms with field spectral data had a greater number of horizon delimitations in the profile and in the soil ravine, obtaining excellent quality with Kappa values above 0.8. The groupings by the non-supervised algorithms Isodata and K-means were not successful for the delimitation of the horizons in the soil profile, resulting in Kappa coefficients of 0.15 and 0.20 in relation to the delimitation in the field, presenting poor quality