Caracterização bio-óptica e implementação de algoritmos semi-analíticos para o estudo da qualidade da água na Reserva de Desenvolvimento Sustentável Mamirauá

• Autor(a) principal: Daniel Schaffer Ferreira Jorge
• Data de Publicação: 2018
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
• Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21c/2018/04.04.18.17

O desenvolvimento de algoritmos com boa acurácia e precisão para obtenção de informações ópticas de águas interiores é fundamental para aumentar a aplicabilidade de dados de sensoriamento remoto para fins de monitoramento. Embora os algoritmos semi-analíticos tenham sido desenvolvidos para as águas oceânicas, diversos trabalhos adaptaram e aplicaram estes em águas continentais e costeiras, com relativo sucesso, entretanto para águas opticamente complexas ainda não foi possível validá-los. Para compreender melhor estes ambientes e auxiliar o desenvolvimento de ferramentas para o monitoramento de planícies de inundação da Amazônia, este estudo possui 3 objetivos: i) Realizar a caracterização bio-óptica da Reserva de Desenvolvimento Sustentável Mamirauá (RDSM) ii) Avaliar o impacto do SNR nos algoritmos para estimativa de Chl-a e TSS em quatro lagos localizados na RDSM iii) Avaliar dois algoritmos semi-analíticos aplicados aos lagos da Amazônia, que são muito dinâmicos, e com alta variabilidade na concentração de matéria orgânica, sedimentos e fitoplâncton. Para isto, dados ópticos in situ foram obtidos durante cinco missões entre 2015 e 2016, com um total de 102 pontos de amostragem. A análise das propriedades óticas deste ambiente mostrou que estas são controladas por duas forçantes, tempo e espaço. Durante a vazante, os lagos possuem características relativamente homogêneas, enquanto que durante a enchente, o impacto varia em função da posição dos lagos em relação aos rios de entorno. Para os lagos localizados dentro da floresta e longe dos rios principais, observou-se um aumento na matéria orgânica, enquanto que para os lagos localizados próximos aos rios, observou-se um aumento de detrito. Para avaliar o impacto do SNR em medidas bio-ópticas, dois conjuntos de dados foram simulados (espectros com e sem ruído) com base em medições in situ e nas características do sensor (MSI / Sentinel-2, OLCI / Sentinel-3 e OLI / Landsat 8). O conjunto de dados foi testado em três algoritmos empíricos para TSS e em quatro para Chl-a. Os resultados mostraram que o impacto do SNR em cada algoritmo exibiu padrões semelhantes para ambos os constituintes. Para algoritmos lineares e aditivos, a amplitude do erro é constante para toda a faixa de concentração. No entanto, para algoritmos multiplicativos, o erro muda de acordo com a equação do algoritmo e a magnitude da 𝑅𝑟𝑠. Por fim, para o algoritmo exponencial, a amplitude de erro é maior para concentração baixa. O sensor OLCI possui o melhor desempenho (erro de até 2 μg/L para o Chl-a, com faixa entre 9 e 14 μg/L, e 3 mg/L para o TSS, com faixa entre 5 e 30 mg/L). Para MSI, o erro dos algoritmos aditivos e lineares para TSS e Chl-a é baixo (até 5 mg/L e 1 μg/L, respectivamente); mas, para o algoritmo multiplicativo, os erros foram acima de viii 10 μg/L. A simulação OLI resultou em erros abaixo de 3 mg/L para o TSS. No entanto, o número e a posição das bandas do OLI restringem a estimativa de Chl-a. Para a avaliação dos algoritmos semi-analíticos, foram testados dois algoritmos para os lagos da RDSM: Spectral Optimization Algorithm (SOA); e Quasi-Analítical Algoritm (QAA). Cada algoritmo foi calibrado, utilizando tanto a estrutura original quanto mudanças propostas para águas opticamente complexas. Os algoritmos foram inicialmente testados para todo o conjunto de dados coletados in situ com resultados não satisfatórios para o QAA. Para melhorar o desempenho dos algoritmos, o conjunto de dados foi dividido em lagos escuros (Bua Bua e Mamiraua) e lagos claros (Pirarara e Pantaleão), com base no espectro de 𝑅𝑟𝑠. Os resultados mostraram que os espectros de absorção total derivados do SOA, quando comparados a medidas in situ, apresentaram alta correlação, entretanto ao discriminar as frações em fitoplâncton e detrito+CDOM, o algoritmo não foi capaz de discriminas a fração do fitoplâncton em lagos escuros. Para o QAA, os resultados se mostraram satisfatórios, tanto para a absorção total, quanto para as absorções fracionada. Entretanto, observou-se uma tendência do QAA subestimar os valores de absorção. Considerando que os algoritmos não foram desenvolvidos para ambientes opticamente complexos e com grande variação espacial e temporal os resultados se mostraram satisfatórios, sendo uma ferramenta fundamental para o desenvolvimento de programas de monitoramento para águas Amazônicas.