3.2.1 Amostras de terra utilizadas
Foram utilizadas amostras de terra provenientes de horizontes de perfis de solos representativos dos municípios de Matão, Paraguaçu Paulista, Andradina, Ipaussu, Mirandópolis, Piracicaba, São Carlos, Araraquara, Guararapes, Valparaíso (SP); Naviraí, Maracajú, Rio Brilhante, Três Lagoas (MS); Goianésia (GO); Uberaba e Lagoa da Prata (MG). No total foram coletadas amostras de terra provenientes dos horizontes de 233 perfis de solos. Todos os perfis descritos morfologicamente (LEMOS e SANTOS, 1996) e classificados até o 4º nível categórico (EMBRAPA, 2006). As amostras são provenientes de trabalhos realizados pelo Laboratório de
Sensoriamento Remoto do Departamento de Ciência do Solo da ESALQ/USP, e foram armazenadas ao longo da realização dos mesmos.
Figura 3.1 – Regiões de coleta de amostras dos perfis
3.2.2 Análises laboratoriais
3.2.2.1 Análises químicas e granulométricas
A metodologia utilizada para análise dos teores de areia, silte e argila foram as de Camargo; Moniz; Valadares, 1986, química a de Raij et al. (2001). A partir desses dados, obteve- se o valor da soma de bases (S), capacidade de troca catiônica (CTC), saturação por bases (V%) e
saturação por alumínio (m%). O ferro total (Fe2O3), a sílica (SiO2), o titânio (TiO2) e manganês
(MnO) foram determinados pelo ataque sulfúrico (CAMARGO; MONIZ; VALADARES, 1986).
3.2.2.2 Obtenção de dados espectrais
Os dados espectrais foram obtidos em laboratório com o espectroradiômetro FieldSpec Pro (Analytical Spectral Devices, Boulder, Colo.) (HATCHELL, 1999). Trata-se de um sensor cuja resolução espectral é de 1 nm nos comprimentos de onda de 350 a 1100 nm e de 2 nm nos
comprimentos que vão de 1100 a 2500 nm. Para a coleta dos dados de reflectância, as amostras
secas em estufa à 45oC durante 24 horas (HENDERSON et. al., 1992), em seguida moídas e
peneiradas (malha de 2 mm). Cada amostra corresponde à aproximadamente um volume de 15
cm3 de solo. Essa foi alocada em placa de petri para leitura no sensor. A reflectância de cada
amostra foi dada pela média de 100 leituras realizadas pelo sensor. A ponta de captação luminosa do equipamento (entrada do cabo de fibra ótica) foi colocada em posição vertical a 8 cm de distância da amostra, onde foi medida a luz refletida numa área aproximada de 2 cm² no centro da amostra. A fonte de iluminação utilizada foi uma lâmpada halógena de 50 W, com feixe não colimado para o plano visado, sendo posicionada a 35 cm da amostra e com um ângulo zenital de 30º. Utilizou-se como padrão de referência, uma placa branca de sulfato de bário, considerada como padrão de 100% de reflectância.
3.2.3 Gráficos das curvas espectrais
Os gráficos contendo as curvas espectrais dos horizontes dos perfis de solo representativos de cada região foram elaborados através do programa SigmaPlot 11.0. Acompanhando os gráficos, estão contidas as informações analíticas de cada perfil.
3.2.4 Análise de Componentes Principais
Com a finalidade de diminuir a dimensionalidade de informações e verificar a variabilidade dos dados espectrais foi realizada a análise de componentes principais (PCA) através do programa The Unscrambler 9.7. Para tanto os dados espectrais foram pré-processados, sendo transformados em absorbância e centrados na média.
Segundo Sabin et al. (2002), a análise por componentes principais (PCA) é um dos métodos mais comuns empregados na análise de informações (BROWN, 1995), sendo principalmente utilizada pela sua capacidade de compressão dos dados em função da existência de correlação entre diversas variáveis medidas. Quando aplicamos um algoritmo de PCA num conjunto de variáveis, como por exemplo, curvas espectrais de solos, o conjunto original destas variáveis é substituído por um novo conjunto de variáveis (ou scores) denominado de
componentes principais (CPs). A principal característica deste novo conjunto é a ortogonalidade, porém o mesmo é facilmente reconstruído a partir da combinação linear das variáveis originais (curvas espectrais). Como vantagem, o novo conjunto de variáveis (CPs), geralmente concentra a maior parte da informação (variância) em poucas variáveis (scores), diminuindo assim a dimensionalidade dos dados, sem perda significativa da informação química. A maioria dos aplicativos disponíveis utilizam a técnica de decomposição do valor singular (SDV) para obter as CPs, sendo neste caso a primeira componente principal (CP1) definida na direção (eixo) de maior variância do conjunto de variáveis originais. De forma decrescente em termos de variação são definidas as demais componentes principais, porém estas serão sempre ortogonais a CP1 e entre si. Por exemplo, um sistema que seja reduzido a 3 CPs (CP1, CP2 e CP3) se assemelha ao sistema de coordenadas cartesiano onde todos os eixos são linearmente independentes, isto é, ortogonais entre si. Para os casos de conjuntos de espectros consideramos inicialmente uma matriz de dados X (i x j), sendo que i corresponde ao número de amostras (curvas espectrais) e j o número de variáveis (comprimento de onda), que pode ser decomposta em três outras matrizes,
U, S e V (FERREIRA, 2002), conforme expressão 1:
X = USVt (1)
As colunas de U e V são ortogonais. A matriz V é a matriz dos pesos, onde a primeira coluna contém os pesos de PC1 e assim por diante. O produto U x S corresponde à matriz T dos scores. Por fim, S é uma matriz diagonal cujos elementos (valores singulares) contêm informações sobre a quantidade de variância que cada componente principal descreve. A matriz S é importante na determinação da dimensionalidade intrínseca da matriz de dados, podendo os analistas definir quantas CPs ou fatores devem ser utilizados para análises posteriores. Os autovalores que forem pequenos serão excluídos, e as informações relevantes podem de alguma maneira ser separadas, eliminando-se assim os ruídos experimentais.
3.2.5 Classificação de solos pelo método da Comparação Descritiva Simplificada (CDS)
Os gráficos das curvas espectrais de 13 perfis de solo (de classe desconhecida) foram comparados ao conteúdo da Biblioteca Espectral de maneira descritiva. Para cada perfil foi
estabelecido possíveis classes de solo baseado na semelhança do comportamento espectral do perfil com o comportamento espectral dos perfis da Biblioteca Espectral. Foi apontado o número de possíveis classes (somente até 1º nível categórico) de solos.
O método propõe a interpolação mental de informações das curvas espectrais do perfil (intensidade, forma e inclinação das curvas espectrais, presença de feições ecomportamento entre as curvas do um mesmo) com as informações dos perfis contidos na Biblioteca Espectral.