SUMMARY
Considerando a relevância do estudo da umidade do solo e que as técnicastradicionais empregadas para o seu levantamento não levam em consideração avariabilidade espacial e temporal típica deste parâmetro, o uso do sensoriamentoremoto aparece como uma alternativa, capaz de contribuir para superar estasdeficiências. Neste trabalho, a umidade do solo é estudada através da análisemultitemporal de imagens multiespectrais em escala de semidetalhe e regional. Aárea escolhida para o desenvolvimento deste trabalho situa-se na região deCampanha, municípios de Nápoles e Salerno, região sul da Itália, alvo de inúmerosmovimentos de massa, mais especificamente deslizamentos de terra, heterogênea doponto de vista geomorfológico. Dados espectrais dos sensores Landsat ETM,ASTER e MODIS foram obtidos em diferentes tipos de solos e esta informação foicorrelacionada a dados pontuais de pluviosidade através da análise multivariada,com a intenção de se gerar um modelo ótimo para cada sensor capaz de contribuirna predição da umidade do solo. Na tentativa de aprimorar os dados espectraisforam gerados índices, tais como NDVI, NDII, Transformação Tasseled Cap eAnálise dos Componentes Principais das bandas do infravermelho. Também foramutilizadas imagens da Temperatura Superficial (ASTER) e Temperatura SuperficialNoturna (MODIS). Calculou-se o acúmulo de chuva dos quatro dias anteriores àaquisição da imagem e procurou-se obter, quando possível, imagens querepresentassem períodos mais chuvosos e mais secos para tentar caracterizarespectralmente esta variação. Em cada estação pluviométrica foram selecionadospontos 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 caracterizaro comportamento espectral individual dos principais solos da região. Procurou-setambém estudar grupos de solos com características geotécnicas mais próximas,além de todos os tipos de solos juntos, como forma de se averiguar se mesmoapresentando grande variedade textural e composicional poder-se-ia criar ummodelo que fosse sensível à variação da umidade do solo. Na obtenção do modeloforam utilizadas a Análise Discriminante, a Análise de Correlação Múltipla e aGMDH-rede neural polinomial (PNN) buscando-se uma equação ótima quecontivesse as bandas/índices espectrais mais sensíveis à umidade do solo para cadasensor. Para a verificação dos resultados obtidos utilizou-se os testes deKolmogorov-Smirnov e correlação para apontar qual a melhor modelagem paracada sensor. Nas modelagens geradas observou-se a tendência de valorização docomprimento de onda do infravermelho em todos os três sensores analisados. Issoficou mais evidente no sensor ASTER, cuja resolução espectral no infravermelho émaior. Para o Landsat somente a modelagem realizada para um tipo individual desolo pôde ser considerada satisfatória e o modelo obtido apresentou os índicesNDII, Tasseled Cap umidade e banda termal como variáveis. Já os resultadosobtidos com as imagens ASTER revelaram êxito nas modelagens e indicaram comocomprimento de onda mais eficiente para a caracterização da umidade do solo oinfravermelho entre 2.185 2.225µm, 2.295 2.365µm e 2.360 2.430µm. Nocaso do sensor MODIS, os resultados podem ser considerados aceitáveis, nãoobstante a dificuldade em se modelar valores mais elevados do acumulado de chuvae mostram o predomínio dos comprimentos 0.54 0.56µm e 2.10 2.15µm. Tantopara o ASTER como para o MODIS as modelagens mais eficientes indicaram autilização da Temperatura Superficial. Pode-se concluir que a utilização de imagensASTER, especialmente da refletância da superfície no comprimento de onda doinfravermelho e da temperatura superficial é o método mais eficiente na previsão daumidade do solo sendo que as imagens MODIS, também podem ser utilizadas comêxito na determinação deste parâmetro.Modelling soil humidity from multispectral data from Landsat, Áster and ModisSystemsAbstract Considering the relevance of studying the soil moisture and that thetraditional measurement methods do not take into account its spatial and temporalvariability, the application of remote sensing techniques appear as a validalternative, able to overcome such limitations. This work concerns the study of soilmoisture through multi-temporal analysis of multi-spectral images at regional andlocal scale. The area of study is located in the Campania Region, counties of Naplesand Salerno, in Southern Italy, which is affected by several mass movements, landslidesin particular, and geomorphologically heterogeneous. Spectral data fromsensors LANDSAT ETM, ASTER e MODIS were obtained for different soil typesand this information was correlated to measured rain fall data through multivariateanalysis, with the aim of generating for each sensor an optimal model able to predictsoil moisture. In the attempt of improving the spectral response, indices such as NDVI, NDII, Tasseled Cap Transformation and Principal Component Analysis ofthe infrared bands were generated. Images of Superficial Temperature (ASTER)and Nocturnal Superficial Temperature (MODIS) were also used. Wheneverpossible, images representative of the driest and wettest period were chosen, in theattempt of characterizing spectrally such variation, and the cumulative rainfall wascomputed for the four days preceding the image acquisition. For every image, aspectral average was computed at selected locations representative of different soiltype in the surrounding of each rain station. The spectral analysis allowed thecharacterization of the principal soils of the region. Furthermore, soil groups withsimilar geotechnical characteristics where studied in order to verify if a creation of amodel sensitive to soil moisture variations could be determined despite the greattextural and compositional varieties. The Discriminant Analysis, the MultipleRegression Analysis and a neural-network GMDH polynomial (PNN) were used forthe generation of the model, looking for an optimal equation for each sensor whichwould include the indices/spectral bands more sensitive to soil moisture. Thevalidation of the results was carried out using the Kolmogorov-Smirnov test andcorrelation analysis was used to select the best model for each sensor. The modelsgenerated showed the tendency to emphasize the infrared wavelength for all threesensors. This was even more evident with ASTER, whose spectral resolution in theinfrared is higher. For LANDSAT, just one model for one individual soil type couldbe considered as satisfactory, and the model obtained presents as variables the indexNDII, Tasseled Cap moisture and infrared band. The results obtained withASTER images were satisfactory and revealed that the most efficient bands forcharacterising the soil moisture were between 2.185 2.225µm, 2.295 2.365µmand 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. Forboth ASTER and MODIS, the most efficient models indicate the use of SuperficialTemperature. It could be concluded that the use o ASTER images, especially thesurface reflectance in the infrared band and the superficial temperature, is the mostefficient method for soil moisture assessment, and that MODIS images could beused as well for the determination of such parameter.