ABSTRACT: The measurements obtained by remote sensing are influenced by issues related to relief. Based on that, this paper aims to analyze the spatial and temporal dynamics of the net radiation (Rn), considering the influence of topographic parameters on it, in Edgárdia Experimental Farm (FEE). It was used the methodology based on the SEBAL algorithm (Surface Energy Balance Algorithm for Land) to estimate the net radiation by orbital images. In order to assess the topographic influence on the computing of net radiation, three methodologies were applied: without topographic correction (RnSem), cosine correction (RnCos) and C correction (RnC). These methodologies were applied on 21 images of the orbital platform Landsat-5/TM, from 1985 up to 2010. Due to the complex relief of the FEE, the cosine correction did not show effectiveness on the attenuation of topographic influence. For the values of RnC, we noticed an average reduction of 5.97% for the standard deviation, relative to the images without correction. These results show the importance of considering the relief, to achieve higher accuracies on the estimation of biophysical parameters with orbital images.

A simulação sequencial gera um conjunto de imagens equiprováveis com a mesma variabilidade espacial dos valores experimentais. O objetivo deste estudo foi analisar a dependência espacial dos atributos diagnósticos do solo e aplicar a simulação sequencial para caracterizar a distribuição de probabilidade local dos atributos e verificar as zonas de incerteza. A área de estudo, com 1.200,32 ha, compreende a fazenda experimental Edgardia da Faculdade de Ciências Agronômicas da Universidade Estadual Paulista, Botucatu, SP. Os atributos do solo foram obtidos a partir de uma grade de amostragem de 90 pontos. A partir do modelo de dependência espacial foi realizada a simulação sequencial direta e a simulação sequencial indicativa. Os atributos do solo apresentaram dependência espacial com diferentes direções para menor e maior alcance. A simulação sequencial direta e a simulação sequencial indicativa possibilitaram a avaliação da incerteza da distribuição espacial das variáveis categóricas e contínuas do solo a qual pode ser utilizada para definir, com mais confiança, as classes de solo e para integrar estudos de planejamento amostral em locais em que a variabilidade é mais acentuada.

The sequential simulation generates a set of equiprobable images with the same spatial variability of the experimental values. The aim of this study was to determine the spatial dependence of the diagnostic attributes of soil and use the sequential simulation to characterize the probability distribution of the location attribute and verify areas of uncertainty. The study area, with 1200.32 ha, was the experimental farm Edgardia belonging to the Faculdade de Ciências Agronômicas da Universidade Estadual Paulista, Botucatu, SP. The soil properties were obtained from a sampling grid of 90 points. From the spatial dependency model the direct sequential simulation and sequential indicative simulation was performed. Soil attributes show spatial dependence with different directions to lesser and greater range. The direct sequential simulation and sequential indicative simulation allowed the evaluation of the spatial distribution of the uncertainty of continuous and categorical variables and soil, which can be used to define, with more confidence, soil classes and to integrate studies of sample planning in places where the variability is most pronounced.

O objetivo deste trabalho foi comparar a precisão de métodos de classificação de imagens orbitais na determinação de áreas cultivadas com citros, por métodos de sensoriamento remoto e de geoestatística. A área de estudo utilizada nesta pesquisa está localizada na cidade de Araraquara, região central do Estado de São Paulo, com 5.296,52 ha. Foi utilizada a imagem multiespectral do satélite CCD/CBERS 2B, adquirida em 2009 e processada no Sistema de Informações Geográficas (SIG) SPRING. Três métodos de classificação foram utilizados, sendo um não supervisionado (Cluster) e dois supervisionados (Krigagem Indicativa/KI e Máxima verossimilhança/Maxver), além da classificação em tela tida como verdade terrestre. A fidedignidade das classificações foi avaliada pelo índice Kappa. A Krigagem Indicativa foi o método que melhor classificou as áreas de citros na banda 4, com forte grau de concordância, conforme a estatística kappa, para as bandas 2 e 4. Pela validação, o Cluster para a banda 2 (verde) foi o classificador que obteve a melhor qualidade. A Krigagem Indicativa foi o classificador que apresentou área total de citros mais próxima da verdade terrestre em -3,01%, enquanto o Maxver foi o classificador que mais superestimou a área total de citros em 42,94 %.

This study compares the precision of three image classification methods, two of remote sensing and one of geostatistics applied to areas cultivated with citrus. The 5,296.52ha area of study is located in the city of Araraquara - central region of the state of São Paulo (SP), Brazil. The multispectral image from the CCD/CBERS-2B satellite was acquired in 2009 and processed through the Geographic Information System (GIS) SPRING. Three classification methods were used, one unsupervised (Cluster), and two supervised (Indicator Kriging/IK and Maximum Likelihood/Maxver), in addition to the screen classification taken as field checking.. Reliability of classifications was evaluated by Kappa index. In accordance with the Kappa index, the Indicator kriging method obtained the highest degree of reliability for bands 2 and 4. Moreover the Cluster method applied to band 2 (green) was the best quality classification between all the methods. Indicator Kriging was the classifier that presented the citrus total area closest to the field check estimated by -3.01%, whereas Maxver overestimated the total citrus area by 42.94%.

O modelo numérico do terreno é importante para a determinação da declividade e da capacidade de uso das terras, motivo pelo qual foi desenvolvida uma proposta de metodologia de aquisição de dados de elevação que contemple um algoritmo eficiente para a geração de uma carta de declividades; para isto, buscou-se a obtenção e a avaliação de um modelo numérico do terreno sem a prática da vetorização das curvas de nível em cartas planialtimétricas. A área de obtenção dos dados de altitude (m) foi no município de São Manuel, SP, onde os dados foram coletados através de dois métodos: vetorização das curvas altimétricas e o método por coleta de pontos de altitude sobre as curvas em nível com os pontos de máxima elevação. Os dados de altimetria (m) foram analisados pela técnica geoestatística. Apesar da grande diferença no número de pontos coletados pelos dois métodos, os variogramas foram ajustados ao modelo exponencial e representaram alcance de aproximadamente 1.500 m, o que não justifica a grande dificuldade da vetorização das cartas planialtimétricas, uma vez que os dados pontuais coletados na área foram bem distribuídos e representaram adequadamente a superfície do terreno.

The digital elevation model is important to determine the slope and land use capability, therefore, a proposal of methodology for acquisition of elevation data contemplating an efficient algorithm to generate a slope map was developed. Thus, it was aimed to obtain and evaluate a digital elevation model without the vetorization of the contours on planialtimetric charts. The area for acquisition of elevation data was São Manuel, SP. The data were collected by two methods: level contour vetorization and the gathering of elevation points on the level contour with maximum elevation points. The elevation data were analyzed by geostatistical techniques. Inspite of wide difference in the number of collected points between two methods, the variograms were adjusted to the exponential model and showed a range of approximately 1500 m, which does not justify the wide difficulty in vetorization of the planialtimetric charts, once the data points collected in the area were appropriately distributed, they represented rightly the terrain surface

A temperatura do ar é um elemento climático de interesse para diversos estudos relacionados à produção agrícola. A partir de dados de temperatura do ar de Botucatu, SP, e Petrolina, PE (diferentes classificações climáticas), medidos entre janeiro de 2004 e dezembro de 2005, foram selecionados dados pontuais com intervalos de seis horas entre cada observação para cada dia. Desta forma, foram analisados três conjuntos de dados, variando a hora do primeiro registro, utilizando a técnica de geoestatística com o intuito de verificar e quantificar o grau de dependência temporal entre as observações. Comprovada a dependência temporal, o método da krigagem ordinária foi utilizado a fim de modelar a variação da temperatura do ar com o intervalo de uma hora. A análise geoestatística demonstrou a dependência temporal com ajuste ao modelo esférico, em ambas as localidades, (alcance de 11,6 h para Botucatu e 12,7 h para Petrolina). Para ambas as localidades o horário de medida da temperatura do ar, foi fator importante na exatidão de estiamtiva da variação da temperatura. Os registros às 2, 8, 14 e 20 h e às 4, 10, 16 e 22 h, geraram modelos com melhor desempenho, os modelos baseados nos registros às 9, 15 e 21 h, mostraram desempenho inferior.

The air temperature is a climatic element of interest for several agricultural related studies. Hence, daily air temperature from two locations in Brazil (Botucatu and Petrolina, with different climate classification), hourly recorded from January 2004 to December 2005, were analysed to verify if 24 h long air temperature variation can be predicted with 6 h interval records. Three data set were selected, with different first time record of air temperature, and analyses performed using geoestatistics to confirm the temporal dependency of records. Then, ordinary krigging was used to model air temperature variation within 1 h interval, and spherical model presented the best approach, with range of 11.6 h for Botucatu and 12.7 for Petrolina. For both locations, the time of air temperature recording was the most importnat factor on accuracy of estimation of air temperature variation. Records at 2, 8, 14 and 20 h and at 4, 10, 16 and 22 h presented the best approaches, but for records at 9, 15 and 21 h, the approach was worst.