期刊名称：Revista Brasileira de Engenharia Agrícola e Ambiental
印刷版ISSN：1415-4366
电子版ISSN：1807-1929
出版年度：2016
卷号：20
期号：12
页码：1051-1056
DOI：10.1590/1807-1929/agriambi.v20n12p1051-1056
出版社：Departamento de Engenharia Agrícola - UFCG / Cnpq
摘要：RESUMO Objetivou-se, neste trabalho, analisar a relação entre a umidade e a resposta espectral do solo para gerar modelos de predição. Amostras com diferentes umidades foram preparadas e fotografadas. As fotografias foram tomadas em condição de luz homogênea e com correção prévia do balanço de brancos na câmera fotográfica digital. As imagens foram processadas para extração dos valores medianos nas bandas Vermelho, Verde e Azul do espaço de cores RGB; Matiz, Saturação e Valor do espaço de cores HSV; e valores dos números digitais de uma imagem pancromática obtida das bandas RGB. A umidade das amostras foi determinada com o método termogravimétrico. Modelos de regressão foram avaliados para cada tipo de imagem: RGB, HSV e pancromática. Observou-se o escurecimento do solo com aumento da umidade. Para cada tipo de solo houve um modelo com melhor ajuste. Para que modelos de predição possam ser utilizados é necessário escolher previamente o melhor modelo em função das características do solo. A estimativa da umidade do solo em função de sua resposta espectral por meio do processamento de imagens digitais mostra-se promissora.
其他摘要：ABSTRACT The objective of this study was to analyze the relation between the moisture and the spectral response of the soil to generate prediction models. Samples with different moisture contents were prepared and photographed. The photographs were taken under homogeneous light condition and with previous correction for the white balance of the digital photograph camera. The images were processed for extraction of the median values in the Red, Green and Blue bands of the RGB color space; Hue, Saturation and Value of the HSV color space; and values of the digital numbers of a panchromatic image obtained from the RGB bands. The moisture of the samples was determined with the thermogravimetric method. Regression models were evaluated for each image type: RGB, HSV and panchromatic. It was observed the darkening of the soil with the increase of moisture. For each type of soil, a model with best fit was observed and to use these models for prediction purposes, it is necessary to choose the model with best fit in advance, according to the soil characteristics. Soil moisture estimation as a function of its spectral response by digital image processing proves promising.
