Assessment of spectral indexes for estimating soil water content in the Brazilian Pantanal

Authors

DOI:

https://doi.org/10.5902/2179460X42724

Keywords:

Pasture, Remote sensing, Landsat 5

Abstract

The Pantanal is the largest floodplain of the globe occupying 138,183 km2 in Brazil. The fundamental ecological factor of interaction between the Pantanal ecosystems is the flooding regime. Connected to properties of the soil-plant-atmosphere system, knowledge on the soil water content becomes increasingly necessary. The high temporal and spatial variability of water content in the soil caused by the vast heterogeneity of soil texture, vegetation, topography and climate makes it a difficult physical variable to be measured. However, its spatial and temporal variability can be determined by recent modern techniques of remote sensing based on data obtained by microwave or infrared sensors. Thus, the aim of this study was to evaluate the accuracy of vegetation and soil water indexes through satellite images from Landsat 5 in the northern Brazilian Pantanal. The study was conducted in a pasture, experimental site in the Northern Pantanal in Mato Grosso state. Soil moisture was measured using a TDR probe installed at 10 cm depth in the period from 2009 to 2011. For comparison, spectral indexes and the surface temperature provided by Geological Survey (USGS) were used, these indexes are derived from bands ratios of satellite reflectance products Landsat 5 TM. The data evaluation was performed using some indicators: accuracy - Willmott index, Root Mean Square Error and the Mean Absolute Error. This study demonstrated that the application of remote sensing in the management of water resources is very promising. The indexes correlated with soil moisture measurement. Among the soil water indexes the NBR-2 showed related to soil moisture measurement. For both types of soils EVI had the highest determination coefficient, lowest errors and highest Willmott’s index of agreement.

Downloads

Download data is not yet available.

Author Biographies

Victor Hugo de Morais Danelichen, Universidade de Cuiabá, Cuiabá, MT

Graduado em Física pela Universidade Federal de Mato Grosso, Mestre em Física Ambiental pela Universidade Federal de Mato Grosso e Doutor em Física Ambiental pela Universidade Federal de Mato Grosso. Tem experiência na área Ciências Ambientais, com ênfase em Micrometeorologia e o uso de Sensores Orbitais nos estudos envolvendo balanço de energia.

Osvaldo Alves Pereira, Universidade de Cuiabá, Cuiabá, MT

Graduado em Licenciatura Plena em Física pela Universidade Federal de Mato Grosso, Mestre em Física Ambiental pela Universidade Federal de Mato Grosso e Doutor em Física Ambiental pela Universidade Federal de Mato Grosso, Graduando em Engenharia da Computação (UNIC). Atualmente é professor da Faculdade de Tecnologia SENAI Mato Grosso e professor da Universidade de Cuiabá.

Marcelo Sacardi Biudes, Universidade Federal de Mato Grosso, Cuiabá, MT

Graduado em Licenciatura Plena em Física e Engenharia Elétrica, Mestre em Física e Meio Ambiente e Doutor em Agricultura Tropical pela Universidade Federal de Mato Grosso (UFMT) e Pós-doutor em Ciências Ambientais na Utah State University (USU) e na California State University, San Marcos (CSUSM). É Professor Associado do Instituto de Física da UFMT e credenciado ao Programa de Pós-Graduação em Física Ambiental da UFMT, onde orienta em níveis de Mestrado e Doutorado e é responsável pela disciplina de Teoria em Física Ambiental I e Balanço de Energia por Sensoriamento Remoto.

José de Souza Nogueira, Universidade Federal de Mato Grosso, Cuiabá, MT

Graduado em Física pela Universidade Federal de Mato Grosso, Mestre em Física Aplicada pela Universidade de São Paulo e Doutor em Ciências pela Universidade de São Paulo. Professor Titular da Universidade Federal de Mato Grosso, Bolsista Produtividade CNPq - nível 1A. Credenciado no Programa de Pós-graduação em Física Ambiental/UFMT. Revisor ad-hoc de diversas revistas científicas nacionais e internacionais e tem cooperação internacional com a California State University, San Marcos.

References

Ahmad, M.; Bastiaanssen, W. G. M. Retrieving soil moisture storage in the unsaturated zone using satellite imagery and bi-annual phreatic surface fluctuations. Irrigation and Drainage Systems, v.17, p.141-161, 2003.

Andrade, R. G.; Sediyama, G. C.; Paz, A. R.; Lima, E. P.; Facco, A. G. Geotecnologias aplicadas à avaliação de parâmetros biofísicos do Pantanal. Pesquisa Agropecuária Brasileira, v.47, n.9, p.1227-1234, 2012.

Bazzo, J. C.; Freitas, D. A. F.; Silva, M. L. N.; Cardoso, E. V.; Santos, S. A. Aspectos geofísicos e ambientais do Pantanal da Nhecolândia. Revista de Geografia. v. 29, p.141-151, 2012.

Bezerra, B. G.; Santos, C. A. C.; Silva, B. B.; Perez-marin, A. M.; Bezerra, M. V. C.; Bezerra, J. R. C.; Rao, T. V. R. Estimation of soil moisture in the root-zone from remote sensing data. Revista Brasileira de Ciência do Solo, v.37, p.596-603, 2013.

Biudes, M. S.; Machado, N. G.; Danelichen, V. H. M.; Souza, Maísa C.; Vourlitis, G. L.; Nogueira, J. S. Ground and remote sensing-based measurements of leaf area index in a transitional forest and seasonal flooded forest in Brazil. International Journal of Biometeorology, v. 58, p.1181-1193, 2013.

Catian, G.; Scremin-Dias, E.; Pott, A. Reproductive phenology of Polygonum hispidum Kunth and P. punctatum Elliott (Polygonaceae), in response to the flooding cycle in the Pantanal, Brazil. Boletim do Museu Paraense Emílio Goeldi. Ciências Naturais, v. 12, p. 197-207, 2017.

Chen, D. H. J.; Jackson, T. Vegetation water content estimation for corn and soybeans using spectral indices derived from MODIS near-and short-wave infrared bands. Remote Sensing of Environment, v.98, p.225–236, 2005.

Collares, G. L.; Reinert, D. J.; Reichert, J. M; Kaiser, D. R. Qualidade física do solo na produtividade da cultura do feijoeiro num Argissolo. Pesquisa agropecuária brasileira, v.41, p. 1663-1674, 2006.

Coringa, E. A. O.; Couto, E. G.; Perez, X. L. O.; Torrado, P. V. Atributos de solos hidromórficos no Pantanal Norte Matogrossense. Acta Amazonica, v. 42, p.19-28, 2012.

Couto, E.G.; Oliveira, V. The Pantanal of Mato Grosso: Ecology, biodiviersity and sustainable management of a large neotropical seasonall wetland. Sofia: Pensoft. The Soil Diversity of the Pantanal, p. 40-64. 2010.

Cremon, C.; Longo, L.; Mapeli, N. C.; Silva, L. A. M.; Silva, W. M. Determinação da umidade de diferentes solos do Pantanal Matogrossense via micro-ondas e método padrão. Revista Agrarian, v.7, n.24, p.280-288, 2014.

Fernandes, F.A.; Fernandes, A.H.B.M.; Soares, M. T. S.; Pellegrin, L.A.; Lima, I.B.T. Update Map of Soils of the Pantanal lowlands for the Brazilian System of Soil Classification. Comunicado Técnico 61 - Brasília-DF: Embrapa Pantanal, Corumbá-MS, 6 p, 2007.

Ford, T. W.; Quiring, S. M. Comparison of Contemporary in Situ, Model, and Satellite Remote Sensing Soil Moisture with a Focus on Drought Monitoring. Water Resources Research, v.55, p.1-18, 2019.

Gao B. NDWI – A normalized difference water index for remote sensing of vegetation liquid water from space, Remote Sensing of Environment, v.58, p.257-266, 1996.

Gevaerd, R.; Freitas, S. R.; Longo, M.; Moreira, D. S.; Silva Dias, M. A. F.; Silva Dias, P. L. Estimativa operacional da umidade do solo para iniciação de modelos de previsão numérica da atmosfera. Parte II: Impacto da umidade do solo e da parametrização de cumulus na simulação de uma linha seca. Revista Brasileira de Meteorologia, v.21, p.74-88, 2006.

Huete, A. R. A soil-adjusted vegetation index. Remote Sensing of Environment, v.25, p.295-309, 1988.

Huete, A. R.; Liu, H. Q.; Batchily, K.; Leeuuwen, W. Van. A Comparison of Vegetation Indices over a Global Set of TM Images for EOS-MODIS. Remote Sensing of Environment, p.440-451, 1997.

Lopez Garcia, M. J.; Caselles, V. Mapping burns and natural reforestation using thematic mapper data. Geocarto International, v.6, p.31-37, 1991.

Machado, N. G.; Biudes, M. S.; Querino, C. A. S.; Danelichen, V. H. M.; Velasque, M. C. S. Seasonal And Interannual Pattern Of Meteorological Variables In Cuiabá, Brazil. Revista Brasileira de Geofísica, 33(3), p.1-23, 2015.

Masek, J.G., Vermote, E.F., Saleous N.E., Wolfe, R., Hall, F.G., Huemmrich, K.F., Gao, F., Kutler, J., And Lim, T-K. A Landsat surface reflectance dataset for North America, 1990–2000. IEEE Geoscience and Remote Sensing Letters 3(1): 68-72, 2006.

Mcfeeters, S. K. The use of Normalized Difference Water Index (NDWI) in the delineation of open water features, International Journal of Remote Sensing, v.17, p.1425–1432, 1996.

Miller, J. D.; Thode, A. E. Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (dNBR). Remote Sensing of Environment, v.109, p.66-80, 2007.

Nobre, C. A.; Fisch, G., Rocha, H. R.; Lyra, R. F. F.; Rocha, E. P.; Costa, A. C. L.; Ubarana, V. N. Observations of the atmospheric boundary layer in Rondônia. In: Gash, J. H. C.; Nobre, C.A.; Roberts, J.M.; Victoria, R.L. Amazonian Deforestation and Climate, p. 413-424, 1996.

Peng, J.; Loew, A.; Merlin, O.; Verhoest, N. E. C. A review of spatial downscaling of satellite remotely sensed soil moisture. Reviews of Geophysics, v.55, p.341–366, 2017.

Pereira, L. E.; Amorim, G.; Grigio, A. M.; Paranhos Filho, A. C. Análise Comparativa entre Métodos de Índice de Água por Diferença Normalizada (NDWI) em Área Úmida Continental. Anuário do Instituto de Geociências, v.41, p.654-662, 2018.

Rouse J. W.; Haas Jr, R. H.; Schell J. A.; D. W. Deering, Monitoring vegetation systems in the Great Plains with ERTS. Remote Sensing Center, NASA SP-351 I, p.309–317, 1973.

Qi, J.; Chehbouni, A.; Huete, A. R.; KERR, Y. H. Modified Soil Adjusted Vegetation Index (MSAVI). Remote Sensing of Environment, v.48, p.119-126, 1994.

Sakamoto, T.; Nguyen, N. V.; Kotera, A.; Ohno, N.; Ishitsuka, N.; Yokozawa, M. Detecting temporal changes in the extent of annual flooding within the Cambodia and the Vietnamese Mekong Delta from MODIS time-series imagery, Remote Sensing of Environment, v.109, p.295–313, 2007.

Scott, C.; Bastiaanssen, W. G. M.; Ahmad, M. Mapping root zone soil moisture using remotely sensed optical imagery. Journal of Irrigation and Drainage Engineering, v.129, p.326-335, 2003.

SEPLAN - Secretaria de Estado de Planejamento e Coordenação Geral (Mato Grosso) Unidades climáticas do estado de Mato Grosso. Cuiabá, MT: 2001. A021p.

Serrano, L.; Ustin, Sl.; Roberts, Da.; Gamon, Já.; Penuelas, J. Deriving water content of chaparral vegetation from AVIRIS Data. Remote Sensing of Environment, v.74, p.570–581, 2000.

Willmott, C. J.; Robeson, S. M.; Matsuura, K. Short Communication A refined index of model performance. International Journal of Climatology, v.32, p.2088–2094, 2012.

Downloads

Published

2021-03-08 — Updated on 2022-01-04

Versions

How to Cite

Danelichen, V. H. de M., Pereira, O. A., Biudes, M. S., & Nogueira, J. de S. (2022). Assessment of spectral indexes for estimating soil water content in the Brazilian Pantanal. Ciência E Natura, 43, e48. https://doi.org/10.5902/2179460X42724 (Original work published March 8, 2021)

Issue

Section

Geo-Sciences

Most read articles by the same author(s)

1 2 3 > >> 

Similar Articles

You may also start an advanced similarity search for this article.