RESUMO
ABSTRACT: The main purpose of this article was to evaluate the behavior and relationship of the range and components of SDI (Spatial Dependence Index) in general and in function of field factors such as soil types, type of attribute and soil layers. This evaluation was based on real data collected in national journals. It was noticed that the parameter range, in general and for different field factors, presented asymmetric positive behavior. The components of the SDI showed approximately symmetrical behavior. The SDI can capture the range behavior more intensely (the spatial variability behavior in the horizontal direction of the semivariogram), and, in a less intense way, the behavior of the contribution and sill parameters (the spatial dependence behavior in the vertical direction of the semivariogram). Thus, the SDI describes the behavior of spatial dependence of the total set of aspects of the semivariogram.
RESUMO: O objetivo deste artigo foi avaliar o comportamento e o relacionamento do alcance e dos componentes do IDE (Índice de Dependência Espacial) em geral e em função de fatores de campo, tais como tipos de solo, tipo de atributo e profundidades de solo. Esta avaliação foi baseada em dados reais coletados em periódicos nacionais. Foi observado que o parâmetro alcance, em geral, e para diferentes fatores de campo, apresentou comportamento de assimetria positiva. Os componentes do IDE apresentaram comportamento aproximadamente simétrico. O IDE consegue captar, de forma mais intensa, o comportamento do alcance (o comportamento da variabilidade espacial no sentido horizontal do semivariograma), e, de forma menos intensa, o comportamento dos parâmetros contribuição e patamar (o comportamento da dependência espacial no sentido vertical do semivariograma). Assim, o IDE descreve o comportamento de dependência espacial de toda a gama de aspectos do semivariograma.
RESUMO
ABSTRACT Object-based change detection is a powerful analysis tool for remote sensing data, but few studies consider the potential of temporal semivariogram indices for mapping land-cover changes using object-based approaches. In this study, we explored and evaluated the performance of semivariogram indices calculated from remote sensing imagery, using the Normalized Differential Vegetation Index (NDVI) to detect changes in spatial features related to land cover caused by a disastrous 2015 dam failure in Brazil's Mariana district. We calculated the NDVI from Landsat 8 images acquired before and after the disaster, then created objects by multiresolution segmentation analysis based on post-disaster images. Experimental semivariograms were computed within the image objects and semivariogram indices were calculated and selected by principal component analysis. We used the selected indices as input data to a support vector machine algorithm for classifying change and no-change classes. The selected semivariogram indices showed their effectiveness as input data for object-based change detection analysis, producing highly accurate maps of areas affected by post-dam-failure flooding in the region. This approach can be used in many other contexts for rapid and accurate assessment of such land-cover changes.
RESUMO Recentemente, variáveis geoestatísticas derivadas de imagens de sensoriamento remoto ganharam espaço dentre os procedimentos de detecção de mudanças, porém, o potencial temporal destas variáveis para o mapeamento das mudanças baseado na análise por objetos ainda é pouco estudado. Neste estudo, o desempenho de um conjunto de índices calculados de semivariogramas derivados de imagens NDVI bitemporais para detectar mudanças na cobertura do solo foi analisado e avaliado. O município de Mariana foi selecionado para teste e validação da metodologia devido ao grande impacto ocasionado pelo desastre. O processo iniciou-se com a aquisição de imagens Landsat 8 antes e após o desastre e o cálculo do NDVI. Os objetos foram criados através da segmentação em multiresolução baseada na imagem pós-desastre. Os semivariogramas experimentais foram gerados dentro de cada objeto e os índices foram extraídos e selecionados através da análise de componentes principais. Os índices selecionados foram utilizados como dados de entrada para o algoritmo support vector machines para a classificação de áreas de mudança e não mudança. Os índices selecionados se mostraram efetivos para a detecção de mudanças, indicando a possibilidade de utilização para a detecção de mudanças baseada em objetos, resultando em um mapa precisos das áreas inundadas afetadas pelo desastre. Esta abordagem pode ser usada em muitos outros contextos para uma avaliação rápida e precisa de tais mudanças na cobertura do solo.
RESUMO
Atributos do solo e da planta, espacialmente definidos, contribuem para o planejamento de lavouras comerciais e a locação de experimentos. O presente trabalho teve por objetivo estudar a variabilidade espacial de alguns atributos físicos e químicos do solo e sua relação com a produtividade de soja em várzea sistematizada. O experimento foi realizado no ano agrícola de 2000, na área experimental do Departamento de Solos da Universidade Federal de Santa Maria, Santa Maria, RS, em um Planossolo Hidromórfico distrófico típico. Uma área de 160 x 88m foi amostrada em grade de 8 x 8m, totalizando 240 pontos. A produtividade e a altura de plantas de soja e atributos químicos e físicos do solo superficial (0 a 0,15m) e subsuperficial (0,15 a 0,30m) foram avaliadas. Para os atributos edáficos da camada de solo de 0-0,15m de profundidade, que apresentaram correlação com os atributos de planta, usaram-se técnicas de geoestatística, sendo a dependência espacial dos atributos avaliada por semivariogramas escalonados. Com exceção da densidade de partículas e do grau de floculação, todas as demais variáveis apresentaram dependência espacial de moderada (0,64 a 0,75) a forte (>0,75). A variabilidade espacial dos atributos físicos e químicos do solo afetou a produtividade de soja. Os atributos do solo analisados foram divididos, quanto ao alcance e ao modelo de semivariograma, em dois grupos: um grupo com modelo exponencial e alcance menor que 40m e outro com modelo gaussiano e alcance menor que 67m. A variabilidade espacial da produtividade de soja foi descrita pelo modelo gaussiano com alcance menor que 45m.
Spatially-defined soil and plant properties contribute to better planning of experiments and commercial fields. This research had as objective the study of spatial variability of some physical and chemical properties of the soil and their relationship with soybean productivity. The experiment was conducted in the agricultural year of 2000, at the Federal University of Santa Maria, RS, Brazil, on land-leveled paddy soil. An area of 160 x 88m was sampled at an interval of 8 x 8m, resulting in 240 sampling points. The plant properties studied were soybean yield and plant height. Several chemical and physical properties of the topsoil (0 to 0.15m) and subsoil (0.15 to 0.30m) were determined. Geostatistical analysis was done only for the soil layer that presented correlation with the plant properties (0-0.15m), and the space dependence of the attributes was evaluated by scaled semivariograms. Except for soybean production, particle density and flocculation degree, all soil properties presented moderate (0.64 to 0.75) to strong (>0.75) space dependence. The production of soybean was influenced by space variability of the analyzed soil properties. The spatial variability of the soil physical and chemical properties in land-leveled paddy soil affected the production of soybean. The properties were classified in two different categories, based on semivariogram model and range: (i) exponential model and range smaller than 40m and (ii) gaussian model and range smaller than 67m. A gaussian model with range smaller than 45m described the spatial variation of soybean yeild.