PEDRO AUGUSTO SALAMONI

UNIVERSIDADE DO ESTADO DE MATO GROSSO – UNEMAT

PEDRO AUGUSTO SALAMONI

DETERMINAÇÃO DO TEOR DE UMIDADE E PESO ESPECÍFICO DOS

SOLOS DA REGIÃO DE SINOP-MT A PARTIR DE IMAGENS DE

SATÉLITE

2014/2

UNIVERSIDADE DO ESTADO DE MATO GROSSO – UNEMAT

PEDRO AUGUSTO SALAMONI

DETERMINAÇÃO DE PROPRIEDADES FÍSICAS DE SOLOS DO

MUNICÍPIO DE SINOP-MT A PARTIR DE IMAGENS DE SATÉLITE

Projeto de Pesquisa apresentado à Banca Examinadora do Curso de Engenharia Civil – UNEMAT, Campus Universitário de Sinop-MT, como pré-requisito para obtenção do título de Bacharel em Engenharia Civil.

Prof. Orientador: Dr. Flavio Alessandro Crispim.

Sinop - MT

2014/2

LISTA DE TABELAS

LISTA DE FIGURAS

Figura 01 - Espectro Eletromagnético (Comprimento de Ondas) ... 1112

Figura 02 – Espectro Eletromagnético (Utilização) ... 1213

Figura 03 – Interação Energia Eletromagnética E Objeto ... 1314

Figura 04 – Classificação Multiespectral de Dados do TM-LANDSAT ... 1617

Figura 05 – Curvas Espectrais do Horizontes A e B ... 1819

LISTA DE ABREVIATURAS

LANDSAT – Land Remote Sensing Satellite SR – Sensoriamento Remoto

LL – Limite de Liquidez LP – Limite de Plasticidade

DADOS DE IDENTIFICAÇÃO

1. Título: Determinação de propriedades físicas de solos do município de Sinop-MT a partir de imagens de satélite

2. Tema: Geotécnica

3. Delimitação do Tema: Análise de Solos 4. Proponente(s): Pedro Augusto Salamoni 5. Orientador(a): Dr. Flavio Alessandro Crispim

7. Estabelecimento de Ensino: Universidade do Estado de Mato Grosso 9. Localização: Avenida dos Ingás, nº 3001, Jd. Imperial – Sinop/MT, CEP 78550-00.

SUMÁRIO

LISTA DE TABELAS ... I LISTA DE EQUAÇÕES

ERROR! BOOKMARK NOT DEFINED.II

LISTA DE FIGURAS ... IIIII

LISTA DE ABREVIATURAS ... IIIIV

DADOS DE IDENTIFICAÇÃO ... IVV

1 INTRODUÇÃO ... 67 2 PROBLEMATIZAÇÃO ... 78 3 JUSTIFICATIVA... 89 4 OBJETIVOS ... 910 4.1 OBJETIVO GERAL ... 910 4.2 OBJETIVOS ESPECÍFICOS ... 910 5 FUNDAMENTAÇÃO TEÓRICA ... 1011 5.1 SENSORIAMENTO REMOTO ... 1011 5.1.1 Princípios Físicos ... 1011

5.1.2 Interação REM x Matéria ... 1213

5.1.3 Sistema de Sensores ... 1415

5.1.4 Plataformas Orbitais ... 1415

5.1.5 Interpretação de Dados ... 1516

5.1.5.1 Procedimento Baseado em Pixels Error! Bookmark not defined.16 5.1.5.2 Calibragem da Imagem ... 1617

5.1.6 Relação com Propriedades Físicas do Solo ... 1718

5.1.6.1 Teor de umidade ... 1819

5.1.6.2 Estudo dos Solos ... 1920

6 METODOLOGIA ... 2021 6.1 SENSORIAMENTO REMOTO ... 2021 6.2 ENSAIOS DE CAMPO ... 2122 6.3 ÁREA DE ANÁLISE ... 2122 7 CRONOGRAMA ... 2324 8 REFERENCIAL BIBLIOGRÁFICO ... 2425

1 INTRODUÇÃO

As propriedades físicas do solo são os parâmetros para sua classificação de uma forma concisa e eficaz. Através da análise de alguns testes é possível obter variáveis com as quais consegue-se regular o comportamento do solo. Os índices do solo permitem reconhecer padrões e estabelecer uma regra para o seu comportamento. Sua análise é de fundamental importância para o campo da Engenharia Civil e outras ciências de estudo do solo. Para a descoberta de tais parâmetros existem vários tipos de métodos que podem ser utilizados, incluindo o Sensoriamento Remoto - SR.

Segundo Dalmolin (2005), o conhecimento do solo através de Sensoriamento Remoto vem sendo desenvolvido desde 1973 por pesquisadores que notaram sua peculiaridade ao ver a curvatura de classificação de solos e os resultados das imagens geradas. Desde então, vem se desenvolvendo parâmetros e constatando sua precisão ao relacionar com os métodos já conhecidos.

Segundo Jensen (2009), o SR é a arte e a ciência de se obter informação sobre um objeto sem estar em contato físico direto com ele. A diferença de refletância ocorre por diversos fatores, tais como, a composição do solo, o teor de umidade, a coloração, dentre outros. Analisando o raio refletido do solo a ser estudado é possível a dedução de alguns parâmetros do solo.

2 ATRAVÉS DO SR, BUSCA-SE UMA ANÁLISE PARA A REGIÃO

ENTRE AS IMAGENS OBTIDAS POR SATÉLITES E ENSAIOS

FEITOS

.PROBLEMATIZAÇÃO

Em todos os processos de obtenção do teor de umidade e peso específico, necessita-se de um grande número de testes a serem realizados in-situ. Para a maioria destes testes há uma necessidade de equipamentos, muitas vezes, onerosos e de difícil obtenções na região. Juntamente com a dificuldade de obtenção dos equipamentos, existe também uma escassez de empresas qualificadas e de confiança para a realização destes testes na região.

Considerando a região como uma área de rápida expansão urbana, muitas vezes, empresas no ramo da construção civil com sede fora do estado, se instauram na cidade. Para essas empresas, existe uma certa dificuldade na obtenção das informações sobre as propriedades do solo, uma vez que suas sedes e o desenvolvimento dos projetos se dão fora do estado. A escassez de resultados do local, a distância entre as sedes das empresas e o local a ser construído dificulta o processo de construção.

Com o rápido desenvolvimento da cidade e a quantidade de recursos naturais na região, obras de grande porte tais como usinas hidrelétricas e aterros sanitários vem se instalando pela região. Para a construção destes, exige-se uma análise de solo de uma grande área e o que torna de difícil obtenção através de análises pontuais e in-situ.

3 JUSTIFICATIVA

O município de Sinop-MT teve um grande aumento populacional durante os últimos anos. Segundo o IBGE (2014) sua população cresceu de 113.009 habitantes em 2010 para 126.817 em 2014, um aumento de mais de 12% comparado a 2010 e, com isso, uma grande necessidade de obras tanto habitacionais quanto empresariais.

Os ensaios existentes atualmente da área são insuficientes para a análise física do solo de tal maneira que obtenha uma segurança entre resultados. Obras de grande porte, tais como, usinas, prédios, pontes e viadutos, requerem um rigor maior sobre as características do solo a fim de classifica-lo devidamente.

Além da análise na área determinada, um trabalho justificando a correlação da abordagem por Sensoriamento Remoto e os resultados obtidos em laboratório propicia uma análise da região como um todo de forma eficaz e mais rápida do que as baseadas em amostras.

4 OBJETIVOS

4.1 OBJETIVO GERAL

Avaliar e desenvolver a correlação entre a resposta espectral das imagens obtidas por satélites e os parâmetros do solo da região, incrementando assim, a base de dados de testes realizados no solo de Sinop-MT, bem como, aprimorar a simulação de parâmetros.

4.2 OBJETIVOS ESPECÍFICOS

• Relacionar o peso específico do solo de uma área com as faixas espectrais de imagem obtidas por satélite.

• Relacionar o teor de umidade do solo de uma área com as faixas espectrais obtidas por satélite.

• Investigar um parâmetro para a análise do solo da região através das imagens de satélites.

• Apresentar a variação do teor de umidade e do peso específico do solo de Sinop-MT.

5 FUNDAMENTAÇÃO TEÓRICA

O SR abarca uma gama de tecnologias destinadas à análise de imagens orbitais e aéreas. Além da sua rápida análise sem a necessidade de um grande período de tempo, segundo Meneses (2012, p.11) “é uma das mais bem sucedidas tecnologias de coleta automática de dados para o levantamento e monitoração dos recursos terrestres em escala global.” Devido à relevância desse método para a região, uma revisão sobre o tema será mostrado.

5.1 SENSORIAMENTO REMOTO

A análise do solo através do SR consiste em várias etapas de obtenção de imagem. Para um melhor entendimento, iniciaremos explicando os princípios físicos em que o SR se baseia.

5.1.1 Princípios Físicos

A partir de 1672, quando houveram os experimentos de Newton, sabe-se que um raio luminoso é a síntese de diferentes tipos de luzes, um tipo de vibração composta formada por muitas vibrações diferentes.

Após as pesquisas de Newton, estudos mostraram que além das ondas perceptíveis aos olhos existem outros dois tipos de ondas identificadas como infra vermelho e ultravioleta. As ondas formadoras do feixe luminoso, posteriormente, foram provadas que se tratam de onda eletromagnética comum entre tantas ondas eletromagnéticas.

Baseado nas ondas magnéticas, ou raios eletromagnética (REM), são realizados os estudos do SR. Essas REMs, segundo Figueiredo (2005), não apenas captam as características relativas as feições terrestres como também são as responsáveis em transmitir as informações para o satélite. Por essas propriedades das REMs, elas são caracterizadas como “termômetros-mensageiros” no sistema de monitoramento remoto.

As faixas de vibrações completas, as quais compõe um raio luminoso branco é chamado de Espectro Eletromagnético. A partir dele é possível identificar os comprimentos de ondas inclusos e definir algumas características. A Figura 1 exemplifica as faixas de comprimentos de ondas de acordo com os comprimentos de ondas de cada faixa enquanto a Figura 02 mostra a sua identificação no cotidiano.

Figura 01 - Espectro Eletromagnético (Comprimento de Ondas) Fonte: (FIGUEIREDO, 2005)

Figura 02 – Espectro Eletromagnético (Utilização) Fonte: (FIGUEIREDO, 2005)

5.1.2 Interação REM x Matéria

Quando um fluxo interage com o objeto, ele sofre transmitância, absortância e refletância, isso é, seu fluxo é refletido parcialmente, absorvido pelo objeto e transmitido pelo objeto.

O objeto pode ser classificado no seu comportamento espectral pelo seu conjunto de valores de refletância por todo o espectro eletromagnético. A Figura 03 exemplifica as interações das REMs com o objeto resultando em raios refletidos. O resultado desses valores compõe a assinatura espectral dele e esses valores são necessários para identificar as feições do objeto. Sumariamente, pode-se definir o objeto pela forma, a intensidade e a localização de cada banda de absorção.

Figura 03 – Interação energia eletromagnética e objeto Fonte: (MORAES, 2009)

Segundo Moraes (2009) os objetos em contato com a energia eletromagnética incidente interagem de maneira diferenciada espectralmente devido ao fato desses possuírem diferentes propriedades físico-químicas e biológicas. A diferença de interações é que viabiliza a análise e a definição dos objetos terrestres capturados por imagens. Essa análise se dá pelo reconhecimento devido a diferença da porcentagem de energia refletida para cada comprimento de onda.

Similarmente, Moraes (2009) expressa que conhecer o comportamento espectral dos objetos é importante para a escolha da região do espectro que pretende-se analisar. Tem-pretende-se por característica básica dos objetos os pretende-seguintes:

• Vegetação Sadia: Apresenta alta absorção de energia eletromagnética devido a clorofila e seu processo de fotossíntese.

• Rochas: É composto pelo espectro de cada mineral que as compõe. Os minerais são representados pelas suas bandas de absorção. Sendo assim, as rochas são caracterizadas pela absortância.

• Solos: É também caracterizado pelas propriedades dos seus constituintes pois, assim como as rochas, trata-se de um material heterogêneo. Os principais fatores nessa análise, são a constituição mineral, a matéria orgânica, a umidade e a granulometria.

5.1.3 Sistema de Sensores

Segundo Figueiredo (2005) os sensores são os responsáveis por captar as ondas refletidas da terra para a formação da imagem. Sua função se assemelha a de uma máquina fotográfica que capta os diferentes tipos de ondas visíveis aos olhos humanos.

Dentre os sensores, existem dois tipos que podemos os classificar; ativos e passivos. Sensores ativos se destacam sobre os passivos basicamente por conseguir atravessar nuvens, enquanto que para os passivos, as nuvens são capazes de obstruir os raios e interferir na imagem. Sensores ativos e passivos podem ser definidos como:

• Passivos: Utilizam apenas as REM provenientes do Sol, ou seja, não possuem geradores de REM.

• Ativos: Captam imagens a partir de raios artificiais emitidos por geradores de REM instalados no próprio satélite.

5.1.4 Plataformas Orbitais

As plataformas orbitais, também conhecidas como satélites, segundo Meneses (2005), possuem um papel importante na obtenção de imagens. Sua importância se dá por se tratarem de elementos que circundam a terra e são capazes de abarcar o globo como um todo e não apenas uma região específica.

O posicionamento remoto do satélite é dado conforme as imagens que se deseja analisar. Contudo, a maioria das plataformas atualmente enviadas se tratam de satélites norte-sul, responsáveis por circundar a terra latitudinalmente que juntamente com o movimento de rotação da terra, conseguem propiciar uma imagem completa do globo (INPE, 2005).

As imagens geradas pelo satélite LANDSAT (Land Remote Sensing Satellite), a partir de sua última reposição, além das 7 (sete) bandas de imagens, esse satélite conta com um sensor pancromático – pan, e o ETM (Enhanced Thematic Mapper). A Tabela 01 traz em detalhe a faixa espectral abrangida por cada banda juntamente com a sua resolução em metros.

Tabela 01 – Dados Espectrais

Banda Faixa Espectral (mµ) Resolução (m)

1 0.450 a 0.515 30 2 0.525 a 0.605 30 3 0.630 a 0.690 30 4 0.750 a 0.900 30 5 1.550 a 1.750 30 6 10.400 a 12.500 30 7 2.090 a 2.350 30 Pan 0.520 a 0.900 30 Fonte: (INPE, 2005) 5.1.5 Interpretação de Dados

Nesse tipo de procedimento, existem alguns processos-padrões a fim de analisar a imagem diretamente por um software. O software operacional corrige alguns erros existentes nas imagens, tais como, erros radiométricos e geométricos, filtragem de imagens, combinações de canais e também procedimentos matemático-estatísticos do mapeamento segundo o uso do solo.

Na Figura 04, pode-se ver um esquema de processamento típico de uma imagem advinda de um LANDSAT em função do procedimento baseado em pixels e Máxima Verossimilhança.

Figura 04 – Classificação Multiespectral de Dados do TM-LANDSAT Fonte: (Michel, 2003)

5.1.5.1 Calibragem da Imagem

Para a análise da imagem obtida através de satélites, é necessário que haja uma calibragem para que erros devido a geometria da terra e miscigenação de raios não interfiram no resultado. A realização da calibragem se dá pela transformação do número digital (ND) de cada pixel em radiância espectral. Essa transformação acontece segundo Equação 01.

 = +  

 ∗  Equação 01

Onde:

ai = Radiância mínima da imagem (W/(m² sr m)). bi = Radiância máxima da imagem (W/(m² sr m))

ND = Número digital, caracterizado pelo nível de cinza (Valor do Pixel)

Após a obtenção da radiância, a refletância pode ser obtida pela fórmula de Bastiaanssen (1995), expressa pela Equação 02.

= ∗ ∗∗ Equação 2 Em que: Ly = Radiância espectral Ky = Irradiância espectral solar z = Ângulo zenital solar

dr = Inverso do quadrado da distância relativa Terra-Sol

Para a obtenção da refletância, dr, Duffie eBeckman (1980) propõe a Equação 03 para o cálculo.

 = 1 + 0.0033 ∗ cos (' ∗ ∗

Em que:

DJ = Dia Juliano de tomada de imagem (adimensional)

5.1.6 Relação da Reflectância com Algumas Propriedades Físicas do Solo

Baseando nas medições de refletância por espectrorradiômetros, é possível obter as curvas da refletância espectral como mostra a Figura 05. Essas curvas demonstram características físicas ou bandas de absorção, provenientes da interação dos componentes do solo com os REMs.

Segundo Hunt (1980), as bandas de absorção são devidas a processos eletrônicos e processos vibracionais. Pelos processos eletrônicos, as interações com os níveis de energia são responsáveis pelas características de absorção do espectro. Por outro lado, pelos processos eletrônicos, sua variância decorre principalmente na faixa dos visíveis e do infravermelho .

Através dos processos vibracionais, as interações irão ocorrer entre as vibrações das ligações inter e intra moleculares originando um resultado predominantemente no infravermelho.

Devido ao fato de o solo ser um material heterogêneo, a curva espectral apresentará diversas bandas de absorção. Como um dos objetivos do estudo aqui apresentado, as bandas de absorção avaliadas são as responsáveis em identificar as moléculas de OH no solo infiltradas. Segundo Lindberg & Snyder (1972) essa identificação pode ser feita através das bandas em 1400 e 1900 nm.

Figura 05 – Curvas Espectrais dos Horizontes A e B Fonte: (Dalmolin, 2002)

5.1.6.1 Teor de umidade

Segundo Bowers & Hanks (1965, apud Dalmolin et al, 2005), quanto maior o teor de umidade, o solo vai ficando mais escuro diminuindo a refletância ao longo do espectro óptico. As formas das curvas espectrais não sofrem uma grande variação com o teor de umidade, com exceção das bandas nas regiões de 1400 e 1900 nm. Bedidi et al. (1992, apud Dalmolin et al, 2005) por sua vez, observaram que o comportamento espectral está relacionado aos componentes minerais do solo juntamente com o comprimento de onda utilizado.

Dalal & Henry (1986, apud Dalmolin et al, 2005) estabelecem o comprimento de onda ótimo a ser utilizado como o de 1926; 1954 a 2150 nm para a identificação da umidade do solo enquanto o estudo de Coleman & Montgomery (1987, apud Dalmolin et al, 2005) determina a região de 2080 a 2350 do infravermelho médio como a região mais importante para a determinação da umidade dos solos. Ao final, Lobell & Asner (2002, apud Dalmolin et al, 2005) comprovaram Coleman & Montgomery ao realizarem um teste obtendo melhores resultados na faixa do infravermelho médio.

5.1.6.2 Estudo dos Solos

O estudo dos solos por radiometria vem sendo feito por vários pesquisadores e constatando relações consistentes entre as simulações e os testes. Mathews et al. (1973, apud Dalmolin et al, 2005) produziu mapas digitais através de imagens multiespectrais na detecção do delineamento da região muito parecidos com mapas convencionais.

Westin & Frazee (1976, apud Dalmolin et al, 2005), com pequenos ajustes, foram capazes de classificar as imagens coloridas do LANDSAT em regiões por zonas através de tonalidade, cores e uma série de padrões.

Posteriormente, Coleman et al. (1991, apud Dalmolin et al, 2005) foram capazes de determinar a classificação do solo com uma precisão de 97,2% utilizando uma imagem TM do LANDSAT.

6 METODOLOGIA

Esta pesquisa visa obter e comparar resultados da análise do solo pelo Sensoriamento Remoto e a análise in situ para a obtenção das duas propriedades foco de estudo (Teor de umidade e Peso específico). Primeiramente, o Sensoriamento Remoto será responsável pela a análise do comportamento espectral da área a ser estudada. Esses dados serão coletados diretamente das imagens orbitais da plataforma LANDSAT 8, disponível pelo site americano da Nasa. Os testes a serem realizados in situ serão executados por procedimentos padrões segundo as NBR que os regulamentam. A análise se estenderá na área delimitada do projeto..

6.1 SENSORIAMENTO REMOTO

A pesquisa se inicia com a análise pelo Sensoriamento Remoto. Nesse estágio, será feita a coleta de imagem, o processamento dela em virtude dos seus dados e a análise dos dados obtidos. As imagens para o estudo poderão ser coletadas a partir do site americano “U.S. Geological Survey”, o qual, disponibiliza de forma gratuita dados das plataformas LANDSAT 8.

A partir da coleta, essa imagens deverão ser corrigidas geometricamente para que possam se integrar a um banco de dados de georreferenciamento. Essa plataforma permitirá que as imagens de satélites sejam referenciadas a uma coordenada específica e que corresponda a sua localização geométrica terrestre. O software para essas atribuições escolhido foi o Saga GIS, um software alemão e com licença gratuita.

Após a inserção no software, a imagem passará por um processo de calibração radiométrica, aplicando-se a fórmula de Markham & Barker (1987), contudo, a refletância requerida pela fórmula, será obtida através da equação de Bastiaanssen (1995).

O processo de análise da imagem toma por base a refletância da área. Após análise, o programa classificará os dados a fim de formar regiões com propriedades similares. O foco de estudo por região, bem como o local a ser realizado o teste in situ, será nos picos detectados pelo programa. Caso não houver picos discrepantes

nas imagens coletadas, o local a ser realizado o teste in situ será definido por distribuição igualitária conforme a acessibilidade do local.

Ao todo, pretende-se tomar 15 amostras, tendo uma média de 1 amostra a cada 3,27 km².

6.2 ENSAIOS DE CAMPO

A partir dos valores máximos e mínimos identificados através do Sensoriamento Remoto, amostras dos locais serão coletadas na profundidade de 0,30 m e levadas para o laboratório para análise. Serão coletadas amostras deformadas para determinação do teor de umidade. As amostras serão ensacadas e lacradas. No laboratório será feita a caracterização geotécnica dos solos englobando os ensaios de determinação do limite de liquidez (ABNT, 1984a), determinação do limite de plasticidade (ABNT, 1984b) e análise granulométrica (ABNT, 1984c).

O peso específico será determinado em campo utilizando a técnica do funil e areia seguindo o procedimento da ABNT (1986).

6.3 ÁREA DE ANÁLISE

A área de análise em projeto será uma região de 7.00 x 7.00 km situada nas proximidades da área urbana de Sinop – MT e delimitada pelo quadrado da Figura 06. A área em questão é um polígono formado pelas arestas A, B, C e D, determinadas a seguir:

• A - 11°50'43.10"S 55°38'0.94"W • B - 11°49'20.03"S 55°34'25.42"W • C - 11°53'3.35"S 55°33'39.14"W • D - 11°54'26.06"S 55°37'14.71"W

Figura 06 – Área da seção em análise Fonte: (Google Earth, 2014)

7 CRONOGRAMA

ATIVIDADES

ANO

JAN FEV MAR ABR MAI JUN JUL AGO

Revisão Bibliográfica X X X X X X X X Tratamento e processamento das imagens de Sensoriamento Remoto X X Aquisição de dados in loco X X Organização e análise dos dados X X Redação do artigo científico X Conclusão do artigo X

8 REFERENCIAL BIBLIOGRÁFICO

ABNT – ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 12770: Solo coesivo – determinação da resistência à compressão não confinada. Rio de Janeiro, RJ, 4p, 1992.

___. NBR 6459: Solo - determinação do limite de liquidez. Rio de Janeiro, RJ, 6p, 1984a.

___. NBR 6502: Solos e rochas. Rio de Janeiro, RJ, 18p, 1995.

___. NBR 6508: Grãos de solos que passam na peneira de 4,8 mm - determinação da massa específica. Rio de Janeiro, RJ, 8p, 1984b.

___. NBR 7180: Solo - determinação do limite de plasticidade. Rio de Janeiro, RJ, 3p, 1984c.

___. NBR 7181: Solo - análise granulométrica. Rio de Janeiro, RJ, 13p, 1984d. ___. NBR 7182: Solo - ensaio de compactação. Rio de Janeiro, RJ, 10p, 1986. ___. NBR 7185: Solo - determinação da massa específica aparente, "in situ", com emprego do frasco de areia. Rio de Janeiro, RJ, 7p, 1986.

ALMEIDA, T.; MENESES, P. R., Introdução ao Processamento de Imagens de Sensoriamento Remoto, p.276, 2012.

BASTIAANSSEN, W. G. M. Regionalization of surface flux densities and moisture indicators in composite terrain. Ph.D. Thesis, Wageningen Agricultural University, Wageningen, Netherlands, 237p., 1995.

BEDIDI, A. et al. Moisture effects on visible spectral characteristics of lateritic soils. Soil Science, Baltimore, v.153, n.2, p.129-141, 1992.

BLASCHKE, T; KUX, H., Sensoriamento Remotos e SIG Avançados, Oficina de Textos, São Paulo, p.304, 2002.

BOWERS, S.A.; HANKS, R.J. Reflectance of radiant energy from soils. Soil Science, Baltimore, v.100, p.130-138, 1965.

COLEMAN, T.L.; MONTGOMERY, O.L. Soil moisture, organic matter and iron content effect on the spectral characteristics of selected vertisols and alfisols in Alabama, Photogrammetric Engineering and Remote Sensing, Falls Church, v.53, p.1659-1663, 1987.

DALAL, R.C.; HENRY, R.J. Simultaneous determination of moisture, organic carbon and total nitrogen by infrared reflectance spectrometry. Soil Science Society America Journal, Madison, v.50, p.120-123, 1986.

EPIPHANIO, J. C. N., FORMAGIO, A.R. Estudo de umidade do solo através de dados de refletância. Artigo (Instituto de Pesquisas Espaciais). São José dos Campos, São Paulo. 1992.

FIGUEIREDO, D., Conceitos Básicos de Sensoriamento Remoto, p.32, 2005. FLORENZANO, T. G., Iniciação em Sensoriamento Remoto, Oficina de Textos, 3 edição, São Paulo, p.128, 2011.

HUNT, G.R. Electromagnetic radiation: the communication link in remote sensing. In: SIEGAL, B.S.; GILLESPIE, A.R. Remote sensing in geology. New York: J. Wiley & Sons, 1980. p.5-45.

INPE. Introdução ao sensoriamento remoto e processamento de imagens n.6. INPE. Fundamentos do Sensoriamento Remoto, p.22, 2005.

LOBELL, D.B.; ASNER,G.P. Moisture effects on soil reflectance. Soil Science Society of America Journal, Madison, v.66, p.722-727, 2002.

MATHEWS, H.L. et al. Application of multispectral remote sensing to soil survey research in southeastern Pennsylvania. Soil Science Society of America Proceedings. Madison, v.37, p.88-93, 1973.