<b>The use of multiple endmember spectral mixture analysis (MESMA) for the mapping of soil attributes using Aster imagery</b> - doi: 10.4025/actasciagron.v35i3.16119

Abstract

ABSTRACT. Systematic, physically based acquisition of information regarding soils is required to meet increasing demand in agricultural and environmental systems. The objective of this work is to evaluate the use of multiple endmember spectral mixture analysis (MESMA) for mapping soil attributes within ASTER imagery. A total of 184 georeferenced soil samples were collected from Rafard, São Paulo State, Brazil. These points were overlain on the satellite image to collect spectral data. The laboratory and image information were then arranged and prepared by clustering samples into classes based on the following soil attributes: texture, organic matter, base saturation (V%), CEC and total iron. Following this classification, mean spectral curves were generated for each attribute class. Spectral curves were used as endmembers for the generation of maps using MESMA. Maps of the same attributes were also generated using geostatistical analyses. Based on the two generated maps, a crosstabulation was used to evaluate the accuracy of MESMA for mapping soil attributes. Agreement was high for maps of the texture, organic matter, CEC and total iron. We conclude that the methodology used in this work was efficient for mapping soil attributes.Keywords: remote sensing, spatial distribution, geostatistics.Uso do modelo de análise de mistura espectral com múltiplos membros finais (MESMA) no mapeamento de atributos do solo por imagem Aster RESUMO. A obtenção de informações sobre solo de modo sistematizado é necessária com a crescente demanda no sistema agrícola e ambiental. Este trabalho objetiva testar a técnica do modelo de análise de mistura espectral com múltiplos membros finais (MESMA) para mapear atributos do solo com base em uma imagem ASTER. Para tanto, foram utilizadas 184 amostras georeferenciadas de solo da região de Rafard. Estes pontos foram sobrepostos a imagem de satélite para a coleta dos dados espectrais. Na sequência, as informações de laboratório e da imagem foram combinadas e procedeu-se o agrupamento das amostras em classes para os atributos textura, matéria orgânica, saturação por bases, CTC e ferro total. Após classificadas, geraram-se curvas médias para cada classe de atributo. As informações espectrais foram utilizadas como membros finais para a geração dos mapas através do MESMA. Mapas dos mesmos atributos também foram obtidos através de análise geoestatística. A partir dos dois mapas gerados, realizouse uma análise de tabulação cruzada para verificar a eficiência do MESMA no mapeamento de atributos do solo. Observou-se elevada similaridade entre os mapas de textura, matéria orgânica, CTC e ferro total. Conclui-se que a metodologia mostra-se eficiente no mapeamento dos atributos do solo estudados.Palavras-chave: sensoriamento remoto, distribuição espacial, geoestatística.

Monitoring the coastal zone using earth observation: application of linear spectral unmixing to coastal dune systems in Wales

“…MESMA is an iterative algorithm which models every possible LSU combination of intra‐endmember variation and endmember quantity on a pixel‐by‐pixel basis (Dennison and Roberts ; Genú et al. ). Land cover abundance is consequently quantified using the LSU model combination with the best linear fit (i.e.…”

Mapeamento pedológico por meio de série histórica Landsat-5 TM e Biblioteca Espectral na Bacia do Rio Jardim (DF)

“…A Figura 34 mostram gráficos com todas as curvas espectrais obtidas para cada classe de solo nas regiões do VIS-NIR-SWIR. Os espectros de algumas classes de solos foram agrupados em função da semelhança espectral, e foram obtidas as médias de cada grupamento (Demattê e Nanni, 2003;Franceschini et al, 2013;Genú et al, 2013), visualizadas nos gráficos dispostos do lado direito na Figura 34b -34j. Esta semelhança espectral, responsável pelos agrupamentos dos espectros, está relacionada à coloração dos solos, em que refletem os teores de matéria orgânica e/ou teores de óxidos de ferro, que interferem na intensidade do fator de reflectância .…”

“…Agrupamento de espectros por classe: curvas espectrais de uma mesma classe de solo (a) e curvas espectrais médias de cada agrupamento (b). Fonte: Adaptado deDemattê e Nanni (2003),Franceschini et al (2013) eGenú et al (2013).…”

“…Alguns destes trabalhos, como o realizado porPalacios-Orueta et al (1998), aplicaram o modelo MESMA em imagens do sensor AVIRIS de uma área de estudo localizadas na Califórnia (EUA), determinando que o algoritmo MESMA foi capaz de discriminar os conteúdos matéria orgânica de solos com um alto grau de precisão. Do mesmo modo,Genú et al (2013) realizaram o mapeamento dos atributos do solo em Rafard (SP) por meio da análise da mistura espectral, determinando que o modelo MESMA demostrou ser um método eficaz para o mapeamento de atributos do solo relacionados a textura, matéria orgânica, ferro total e CTC.Ademais, observou que o modelo MESMA mostrou um nível elevado de semelhança quando comparado com o método Kriging, pelo que concluíram que a metodologia MESMA pode ser utilizada como uma ferramenta robusta no mapeamento digital de solos. Uma matriz de erros entre a verdade de campo e o mapa digital de solos gerado foi criada para avaliar os 231 pontos de validação (Tabela 23).…”

Mapeamento pedológico digital via regressão geograficamente ponderada e lógica booleana: uma estratégia integrada entre dados espectrais terrestres e de satélite

“…Nessas estratégias, estimam-se teores de atributos ou classes de solos em locais desconhecidos a partir amostras conhecidas que têm correlação com dados espectrais de satélite e/ou dados de relevo, via técnicas multivariadas, e assim obter mapas com classes ou atributos do solo. Observa-se que os trabalhos realizados nos estudos de predição se dividem entre estimativas de atributos (Moore et al, 1993;Odeh et al, 2006;Junior et al, 2008;Dematte et al, 2009;Mulder et al, 2011;Gerighausen et al, 2012;Genú et al, 2013;Franceschini et al, 2015) e estimativa de classes de solos (Demattê et al, 2004(Demattê et al, , 2016Ziadat, 2007;Figueiredo et al, 2008;ten Caten et al, 2013ten Caten et al, , 2009Genú e Demattê, 2012;Arruda et al, 2013;Giasson et al, 2013;Adhikari et al, 2014;Fiorio et al, 2014;Teske et al, 2015;Dias et al, 2015) via imagens de satélite e/ou dados de relevo. Além das estratégias de predição via imagens de satélite e/ou dados de relevo, também se apresenta como importante ferramenta, a biblioteca espectral.…”