A produção agrícola tem crescido nos últimos anos impulsionada pelo aumento populacional e por avanços tecnológicos. Esse crescimento pode ocasionar impactos ambientais importantes, inclusive a degradação do solo, se não forem realizados o correto planejamento agrícola e manejo do solo, a fim de assegurar uma produção competitiva e sustentável. Para isto, a descrição da variabilidade espacial do solo é necessária, sendo realizada convencionalmente através de coleta e análise de amostras. Entretanto, estes métodos convencionais de levantamento da variabilidade do solo possuem custos elevados e demandam bastante tempo e mãode- obra para serem realizados. Com o aumento da quantidade de informação necessária os custos para descrição da variabilidade espacial do solo podem tornarse um obstáculo, se somente metodologias convencionais são aplicadas. Portanto, métodos alternativos tornam-se necessários para auxiliar no levantamento de atributos do solo em escala adequada ao manejo agrícola. Para isto, são propostas metodologias de espectroscopia de reflectância no Vis-NIR-SWIR, as quais empregam o comportamento espectral do solo de 400 nm a 2500 nm para realizar a quantificação de seus atributos. Isto é possível, pois a informação espectral possui relação direta com os constituintes do solo. Assim, no presente estudo é avaliado o uso de imagens aéreas hiperespectrais na quantificação de atributos do solo, através do método PLSR, e mapeamento destes atributos, empregando krigagem. O desempenho das predições feitas com dados do sensor aéreo é comparado ao obtido com espectros coletados em laboratório. Foi também avaliado, através de experimentos de campo, com diferentes doses de calcário em duas áreas diferentes (textura arenosa e média), o uso de informações espectrais coletadas no campo, em movimento, e em laboratório, com amostras úmidas, para a quantificação de atributos e da necessidade de calagem, pelo método PLSR. Foram obtidos resultados satisfatórios através dos dados do sensor aéreo, principalmente, para a quantificação dos teores de argila, areia e CTC (R2 de 0,73, 0,73 e 0,80, respectivamente). Com relação aos dados obtidos por sensoriamento próximo no campo, os melhores resultados foram obtidos para a área de textura média, com R2 de 0,33, 0,38 e 0,61 para a predição da CTC, V% e da necessidade de calagem, respectivamente.

Agricultural production has increased in the last years stimulated by the population growth and technological advances. This can cause significant environmental impacts including soil degradation if suitable agricultural planning and soil management are not applied in order to ensure a competitive and sustainable production. For this purpose, the soil variability assessment is needed and it is conventionally performed through soil sampling and analysis. However, conventional methods have high costs and require considerable time and labor. When the amount of information needed increases, costs to describe soil spatial variability may become an obstacle if only conventional methodologies are applied. Therefore, alternative methods can help to depict soil properties variability on a scale suitable to soil management. So, Vis-NIR-SWIR reflectance spectroscopy (from 400 nm to 2500 nm) is proposed as a mean to predict soil properties. This is possible because spectral information has a direct relationship with soil constituents and characteristics. Therefore, in this study hyperspectral airborne imagery is evaluated as an information source to be used in soil properties quantification, via the PLSR method, and mapping, using kriging. The performance of the models derived from airborne imagery data was compared with the results obtained by models calculated from laboratory sensor data. The use of spectral information collected in the field (on-thego) was evaluated too using a field experiment in witch different rates of lime were applied. The experiment was allocated in two fields with different soil textures (one with about 100 g kg-1 of clay and other with about 320 g kg-1 of clay). The soil properties prediction based on the on-the-go spectral measurements were compared to predictions made using spectra collect in the laboratory and the PLSR method was used to calculate models. Satisfactory results were obtained with airborne sensor data, especially for clay, sand and CTC quantification (R2 of 0.73, 0.73 and 0.80, respectively). Regarding the on-the-go proximal sensing, better predictions were obtained for the clayey area, with R2 of 0.33, 0.38 and 0.61 for predictions of CEC, base saturation of the soil CEC (V%) and lime requirement, respectively.