Estimativa do conteúdo de água do solo com base na reflectância simulada de banda larga multiespectral e aprendizado de máquina

O conteúdo de água no solo é um fator-chave na avaliação nas áreas agrícola e ecológica. O objetivo deste trabalho foi explorar a combinação de informações multisatélites para abordar a questão da baixa precisão na recuperação do conteúdo de água do solo a partir de informações de banda única e fonte única, e estabelecer um modelo para estimativa do conteúdo de água do solo baseado no método multiespectral simulado. Foi realizado um experimento de determinação hiperespectral de amostras de solo (Latossolos) com valores variáveis de teor de água. A reflectância de oito sensores de satélite multiespectral foi remapeada com base nas funções de resposta espectral. Os índices de vegetação (VIs) foram estabelecidos combinando todas as bandas de sensores disponíveis. Os VIs significativos e a reflectância da banda foram extraídos pelos métodos de coeficiente de correlação e análise de importância de dados out-of-bag (OOB), e em seguida modelos lineares e não lineares foram estabelecidos para a estimativa do conteúdo de água no solo. Correlação significativa foi obtida entre refletância multiespectral simulada, VIs e teor de água no solo. Os modelos não lineares apresentaram melhor desempenho que o modelo linear. A combinação do modelo OOB e Random Forest (OOB-RF) obteve a maior acurácia de predição, com R² _calibração e R² _predição de 0,852 e 0,834, respectivamente. De forma geral, verificou-se que o método de modelagem OOB-RF baseado em sensoriamento remoto multiespectral foi viável para estimar o teor de água no solo.

Palavras-chave:
estado de umidade; amplo espectro; sensoriamento remoto; índice de vegetação; algoritmo random forest