Resumo: O objetivo deste trabalho foi avaliar a relação entre diferentes dados de sensoriamento remoto, derivados de imagens de satélite, e perdas de solo em entressulcos obtidas em campo por meio de um simulador de chuvas portátil. O estudo foi realizado em uma microbacia hidrográfica localizada no Médio Paraíba do Sul, no Estado do Rio de Janeiro - uma das regiões mais afetadas por erosão hídrica no Brasil. Foram avaliados diferentes índices de vegetação (NDVI, Savi, EVI e EVI2) e frações de componentes puros (FCP), derivados de modelos lineares de mistura espectral (MLME), obtidos de imagens RapidEye, Sentinel2A e Landsat 8 OLI. Os índices de vegetação são mais adequados à predição da perda de solo do que as FCP, com destaque para o EVI2, cujo modelo exponencial apresentou R2 de 0,74. Os melhores modelos de predição são gerados a partir da imagem RapidEye, que apresenta maior resolução espacial entre os sensores avaliados.

Abstract: The objective of this work was to evaluate the relationship between different remote sensing data, derived from satellite images, and interrill soil losses obtained in the field by using a portable rainfall simulator. The study was carried out in an area of a hydrographic basin, located in Médio Paraíba do Sul, in the state of Rio de Janeiro - one of the regions most affected by water erosion in Brazil. Evaluations were performed for different vegetation indices (NDVI, Savi, EVI, and EVI2) and fraction images (FI), derived from linear spectral mixture analysis (LSMA), obtained from RapidEye, Sentinel2A, and Landsat 8 OLI images. Vegetation indices are more adequate to predict soil loss than FI, highlighting EVI2, whose exponential model showed R2 of 0.74. The best prediction models are generated from the RapidEye image, which shows the highest spatial resolution among the sensors evaluated.

Resumo O objetivo deste trabalho foi analisar características de imagem do satélite RapidEye, bem como avaliar sua qualidade, quanto à ortorretificação, e sua aplicação no mapeamento de uso do solo, em ambiente de Mar de Morros. As imagens passaram por correção atmosférica, seguida por avaliação dos seguintes aspectos: resposta espectral a diferentes alvos, na imagem sem correção e na corrigida; acurácia da imagem ortorretificada; e exatidão da classificação supervisionada. A correção atmosférica permitiu melhor avaliação da resposta espectral dos alvos. A avaliação da ortorretificação da imagem, quanto ao Padrão de Exatidão Cartográfico, enquadrou-se na classe C da escala 1:20.000. A classificação supervisionada quantificou áreas e percentagem de cada classe de uso de forma consistente. A distribuição das classes evidencia o efeito histórico do uso na degradação das terras.

Abstract The objective of this work was to analyse RapidEye satellite image characteristics, as well as to assess its orthorectification geometric accuracy and its application for land use mapping, in a rugged landscape. An atmospheric correction was applied to the images, which was followed by the assessment of the following aspects: spectral response to different targets in the uncorrected and corrected images; accuracy of the orthorectified image; and accuracy of the supervised classification. The atmospheric correction allowed a better evaluation of the spectral response of the targets. The geometrical evaluation according to the Map Accuracy Standards, classified the orthorectified image in class C at the 1:20,000 scale. The supervised classification consistently quantified the areas and the percentage of each soil use class. The distribution of classes highlights the historical effect of the use on land degradation.

Resumo: O objetivo deste trabalho foi analisar o desenvolvimento das pastagens na Zona da Mata, em Minas Gerais, entre 2000 e 2013, com uso de um parâmetro baseado no índice de crescimento do índice de vegetação da diferença normalizada (NDVI) a partir de séries de dados do "moderate resolution imaging spectrodiometer" (Modis). A partir dos perfis temporais do NDVI, usados como indicadores das condições edafoclimáticas, estimou-se o índice de crescimento (IC) para períodos de 16 dias da estação primaveril de 2012 até o início de 2013, o qual foi comparado ao IC médio de 2000 a 2011, período usado como referência. A área atual de pastagens na Zona da Mata é de aproximadamente 1,2 milhão de hectares. De acordo com os métodos usados, 177.322 ha (14,61%) destas áreas de pastagens apresentam crescimento vegetativo muito baixo; 577.698 ha (45,96%), crescimento baixo; 433.475 ha (35,72%), crescimento equilibrado; 39.980 ha (3,29%), crescimento alto; e 5.032 ha (0,41%), crescimento vegetativo muito alto. As pastagens apresentaram baixo crescimento vegetativo durante o período estudado, e a série NDVI/Modis é fonte útil de dados para a avaliação regional.

Abstract: The objective of this work was to analyze the development of grasslands in Zona da Mata, in the state of Minas Gerais, Brazil, between 2000 and 2013, using a parameter based on the growth index of the normalized difference vegetation index (NDVI) from the moderate resolution imaging spectroradiometer (Modis) data series. Based on temporal NDVI profiles, which were used as indicators of edaphoclimatic conditions, the growth index (GI) was estimated for 16-day periods throughout the spring season of 2012 to early 2013, being compared with the average GI from 2000 to 2011, used as the reference period. Currently, the grassland areas in Zona da Mata occupy approximately 1.2 million hectares. According to the used methods, 177,322 ha (14.61%) of these grassland areas have very low vegetative growth; 577,698 ha (45.96%) have low growth; 433,475 ha (35.72%) have balanced growth; 39,980 ha (3.29%) have high growth; and 5,032 ha (0.41%) have very high vegetative growth. The grasslands had predominantly low vegetative growth during the studied period, and the NDVI/Modis series is a useful source of data for regional assessments.

O objetivo deste trabalho foi avaliar a variação estacional da cobertura do solo e da erosividade da chuva e suas influências na equação universal de perda de solo revisada (Rusle), para estimar as perdas de solo em uma microbacia, em escala temporal. Vinte e duas imagens Landsat 5 TM, do período de 1986 a 2009, foram utilizadas para estimar o fator de uso e cobertura do solo (fator C). Para cada imagem, foi considerado o valor de erosividade da chuva correspondente (fator R), e os demais fatores foram obtidos utilizando-se o método-padrão da Rusle. As perdas de solo foram agrupadas em classes e variaram de 0,13 Mg ha-1 , em 24/5/2009 (estação seca), a 62,0 Mg ha-1 , em 11/3/2007 (estação chuvosa). Nessas datas, os valores máximos de perda de solo na bacia foram de 2,2 e 781,5 Mg ha-1 , respectivamente. A perda de solo média anual na bacia hidrográfica foi de 109,5 Mg ha-1 , mas a área central da bacia, com perdas de aproximadamente 300,0 Mg ha-1 , foi considerada como de alto risco à erosão pela água. O uso do fator C obtido a partir da técnica de sensoriamento remoto, associado ao fator R correspondente, é fundamental para avaliar as perdas de solo estimadas pela Rusle em diferentes épocas do ano, diferentemente de outros estudos em que estes fatores são mantidos constantes ao longo do tempo.

The objective of this work was to evaluate the seasonal variation of soil cover and rainfall erosivity, and their influences on the revised universal soil loss equation (Rusle), in order to estimate watershed soil losses in a temporal scale. Twenty-two TM Landsat 5 images from 1986 to 2009 were used to estimate soil use and management factor (C factor). A corresponding rainfall erosivity factor (R factor) was considered for each image, and the other factors were obtained using the standard Rusle method. Estimated soil losses were grouped into classes and ranged from 0.13 Mg ha-1 on May 24, 2009 (dry season) to 62.0 Mg ha-1 on March 11, 2007 (rainy season). In these dates, maximum losses in the watershed were 2.2 and 781.5 Mg ha-1 , respectively. Mean annual soil loss in the watershed was 109.5 Mg ha-1 , but the central area, with a loss of nearly 300.0 Mg ha-1 , was characterized as a site of high water-erosion risk. The use of C factor obtained from remote sensing data, associated to corresponding R factor, was fundamental to evaluate the soil erosion estimated by the Rusle in different seasons, unlike of other studies which keep these factors constant throughout time.