Can chlorophyll-a in meso-oligotrophic shallow waters be estimated using statistical approaches and empirical models from MODIS imagery?

• Autor(a) principal: Munar Samboní, Andrés Mauricio
• Data de Publicação: 2018
• Outros Autores: Cavalcanti, José Rafael de Albuquerque, Bravo, Juan Martín, Marques, David Manuel Lelinho da Motta, Fragoso Júnior, Carlos Ruberto
• Tipo de documento: Artigo
• Idioma: eng
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/181884
• topic: Lagos; Clorofila; Sensoriamento remoto; Moderate Resolution Imaging Spectroradiometer (MODIS); Chl-a; MLR; ANN; NPRM; Remote sensing; Lake Mangueira

A estimativa da concentração de Clorofla–a (Chl-a) em ambientes aquáticos através de técnicas de sensoriamento remoto é complexa devido as diferenças entre as propriedades óticas da água. O objetivo deste trabalho foi estimar concentrações de Chl-a a partir das combinações de bandas espectrais do sensor MODIS, aplicando análise de regressão linear múltipla (MLR), redes neurais artifciais (ANN), regressão multiplicativa não paramétrica e quatro modelos (Appel, Kahru, FAI e O14a). Os modelos de regressão linear múltipla (MLR), NPMR e ANN foram calibrados e validados utilizando medições in-situ de Clorofla–a. Os resultados demostraram que um simples e efciente modelo desenvolvido e validado através de regressão linear múltipla (MLR) produz vantagens (i.e., melhor performance e poucas variáveis de entrada) em comparação com os modelos ANN, NPMR e quatro modelos (Appel, Kahru, FAI e O14a). Além disso, foi observado que em um grande lago raso subtropical, no qual o vento (intensidade e direção) e a hidrodinâmica são fatores essenciais na heterogeneidade espacial (distribuição de Chl-a), o modelo MLR desenvolvido utilizando um ponto específco do lago teve melhor performance que utilizando o total de dados, sugerindo que não seria apropriado generalizar um único modelo para estimar Clorofla–a nesses grandes lagos rasos utilizando o total de dados. Esta abordagem é uma ferramenta útil para estimar concentrações de Chl-a em ambientes rasos meso – oligotrófcos e corroborar a heterogeneidade espacial desses ecossistemas.