Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/9146
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMoraes, André Geraldo de Lima
dc.date.accessioned2023-12-21T18:34:55Z-
dc.date.available2023-12-21T18:34:55Z-
dc.date.issued2018-02-20
dc.identifier.citationMORAES, André Geraldo de Lima. Modelagem espacial da erosão em entressulcos e taxa de infiltração estável. 2018. 68 f. Tese (Doutorado em Agronomia, Ciência do Solo) - Instituto de Agronomia, Universidade Federal Rural do Rio de Janeiro, Seropédica - RJ, 2018.por
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/9146-
dc.description.abstractO vale do médio Paraíba do Sul apresenta longo histórico de degradação do solo, devido à associação de manejo incorreto de culturas, principalmente café desde o sec. XIX, pastagens, chuvas de alta erosividade e relevo acidentado. Para guiar medidas de intervenção no manejo e conservação do solo e água nesta região torna-se importante reunir dados e informações para direcionar os esforços necessários. Neste contexto, modelos de predição de erosão podem ser utilizados, e apesar da existência de dezenas destes modelos, muito se discute sobre a capacidade de predição dos mesmos em regiões diferentes das quais eles foram criados, além da dificuldade de se obter os dados de entrada para alimentá-los. Este trabalho tem como objetivo: caracterizar perda de solo e taxa de infiltração estável considerando diferentes tipos de cobertura vegetal e solos; avaliar se há relação entre dados obtidos por sensoriamento remoto com a perda de solo e taxa de infiltração estável observada em campo e; desenvolver modelos de predição espacial da perda de solo e taxa de infiltração estável a partir de dados de entrada de fácil aquisição. Foram amostrados 71 pontos com chuva simulada com o intuito de avaliar a variabilidade de tipos de cobertura, solos e relevo da região. Como covariáveis, foram testados dados de sensoriamento remoto (NDVI, SAVI, EVI, EVI2 e frações de compentes puros gerados por modelos lineares de mistura espectral) de três diferentes sensores (REIS do RapidEye, MSI do Sentinel 2A e OLI do Landsat 8 ), mapas de classes e atributos químicos e físicos do solo e informações de terreno derivadas de modelos digitais de elevação. A perda de solo e taxa de infiltração estável são afetadas pelo tipo de cobertura e solos. No entanto, tipos de solos afetam mais a taxa de infiltração estável do que a perda solo. Dados de sensoremento remoto apresentam forte correlação com a perda de solo e taxa de infiltração estável, destacando, entre os testados, o NDVI com a taxa de infiltração estável e o EVI2 com a perda de solo. Que possibilitou a criação de novo fator de cobertura do solo (Fator CEVI2). Modelos de predição espacial da erosão em entressulcos que utilizam dados de fácil aquisição (dados de sensoriamento remoto) apresentam resultados semelhantes a modelos que utilizam dados de difícil aquisição (dados de solos). Modelos de predição espacial da taxa de infiltração estável que usam dados de difícil aquisição apresentam os melhores resultados. No entanto, modelos que usam dados de entrada de fácil aquisição apresentaram resultados satisfatórios e têm potencial para serem utilizados por usuários que não possuem dados de solo.por
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES, Brasil)por
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal Rural do Rio de Janeiropor
dc.rightsAcesso Abertopor
dc.subjectSensoriamento remotopor
dc.subjectSimulador de chuvapor
dc.subjectPastagens degradadaspor
dc.subjectRemote sensingeng
dc.subjectRainfall simulatoreng
dc.subjectDegraded pasturespor
dc.titleModelagem espacial da erosão em entressulcos e taxa de infiltração estávelpor
dc.title.alternativeInterrill erosion and steady infiltration rate spatial modeling from simulated rainfall dataeng
dc.typeTesepor
dc.description.abstractOtherThe Médio Paraíba do Sul region has a long history of soil degradation due to the association of incorrect crop management, mainly coffee from the sec. XIX, pastures, rains of high erosivity and rugged relief. To guide intervention measures in the management and conservation of soil and water, it is important to gather data and information to direct the necessary efforts. In this context, erosion prediction models can be used, and despite the existence of dozens of these models, much is discussed about their predictability in different regions from which they were created, as well as the difficulty of obtaining the input data to feed them. This work aims to: characterize soil loss and steady infiltration rate considering different types of vegetation cover and soils; to evaluate if there is a relation between data obtained by remote sensing with the soil loss and the steady infiltration rate observed in the field and; to develop spatial prediction models of soil loss and steady infiltration rate from easy-to-acquire input data. 71 points were sampled with simulated rainfall in order to evaluate the variability of cover types, soils and relief of the region. As a covariate, three different sensors (RapidEye REIs, Sentinel 2A MSI and Landsat 8 OLI) were tested for remote sensing data (NDVI, SAVI, EVI, EVI2 and fraction images generated by linear spectral mixture analysis), a soil class map, chemical and physical soil attributes maps and terrain information derived from digital elevation models. Soil loss and steady infiltration rate are affected by the type of cover and soils. However, soil types affect more the steady infiltration rate than soil loss. Remote sensing data show a strong correlation with soil loss and steady infiltration rate, highlighting, among the tested, the NDVI with the stable infiltration rate and the EVI2 with the soil loss. That made possible the creation of a new soil cover factor (CEVI2 Factor). Interill erosion spatial prediction models using easy-to-acquire data (remote sensing data) present similar results to models that use data that are difficult to obtain (soil data). Steady infiltration rate spatial models using difficult-to-acquire data present the best results. However, models that use easily accessible input data have satisfactory results and have the potential to be used by users who do not have soil data.eng
dc.contributor.advisor1Carvalho, Daniel Fonseca de
dc.contributor.advisor1ID627.403.266-53por
dc.contributor.advisor-co1Ceddia, Marcos Bacis
dc.contributor.advisor-co1ID141.571.218-21por
dc.contributor.referee1Carvalho, Daniel Fonseca de
dc.contributor.referee2Schultz, Nivaldo
dc.contributor.referee3Antunes, Mauro Antonio Homem
dc.contributor.referee4Alves Sobrinho, Teodorico
dc.contributor.referee5Carvalho Junior, Waldir de
dc.creator.ID099.586.516-70por
dc.creator.Latteshttp://lattes.cnpq.br/4230318899238716por
dc.publisher.countryBrasilpor
dc.publisher.departmentInstituto de Agronomiapor
dc.publisher.initialsUFRRJpor
dc.publisher.programPrograma de Pós-Graduação em Agronomia - Ciência do Solopor
dc.subject.cnpqAgronomiapor
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/64461/2018%20-%20Andr%c3%a9%20Geraldo%20de%20Lima%20Moraes.pdf.jpg*
dc.originais.urihttps://tede.ufrrj.br/jspui/handle/jspui/4488
dc.originais.provenanceSubmitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2021-03-30T19:34:33Z No. of bitstreams: 1 2018 - André Geraldo de Lima Moraes.pdf: 6119649 bytes, checksum: 75156970a33a706783d54571404f1ccf (MD5)eng
dc.originais.provenanceMade available in DSpace on 2021-03-30T19:34:33Z (GMT). No. of bitstreams: 1 2018 - André Geraldo de Lima Moraes.pdf: 6119649 bytes, checksum: 75156970a33a706783d54571404f1ccf (MD5) Previous issue date: 2018-02-20eng
Appears in Collections:Doutorado em Agronomia - Ciência do Solo

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
2018 - André Geraldo de Lima Moraes.pdf5.98 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.