Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05

Detalhes bibliográficos
Autor(a) principal: Martins, Cassio Filipe Vieira
Data de Publicação: 2020
Outros Autores: Silva, Darlan Teles da, Almeida, André Quintão de, Gonzaga, Maria Isidória Silva, Souza, Rodolfo, Gonçalves, Jorge Antônio Vieira
Tipo de documento: Artigo
Idioma: por
Título da fonte: Anuário do Instituto de Geociências (Online)
Texto Completo: https://revistas.ufrj.br/index.php/aigeo/article/view/39918
Resumo: A batimetria de um corpo d’água normalmente é estimada através de levantamentos batimétricos. Apesar de ser um método muito utilizado, os levantamentos batimétricos demandam tempo e diversos equipamentos, tornando-o oneroso e passível de erros. O objetivo principal deste estudo foi estimar a batimetria do estuário do rio Poxim a partir de técnicas de Sensoriamento Remoto e análises estatísticas de regressão. O trabalho foi realizado no estuário do rio Poxim, localizado na bacia hidrográfica do Rio Sergipe, na cidade de Aracaju - SE. Foram ajustados modelos de regressão entre os valores batimétricos e as bandas espectrais do satélite Landsat5 TM e o índice da diferença normalizada da água. A avaliação dos modelos ajustados foi realizada pela análise de significância dos coeficientes, do coeficiente de determinação (r²), da raiz do erro quadrado médio (REQM) e da validação cruzada. A melhor correlação foi observada entre os valores de batimetria e a banda espectral do comprimento de onda do infra-vermelho próximo, com valor de 0,71. O melhor ajuste foi encontrado com a utilização do modelo linear, com r² igual a 0,6 e REQM de 33% (0,46 metros) na etapa de calibração e r² igual 0,53 e REQM de 0,51 metros (37%) na validação. Pode-se concluir que o modelo de batimetria, ajustado a partir de dados de Sensoriamento Remoto, pode ser utilizado para estimar de forma satisfatória os valores de batimetria do estuário do rio Poxim.
id UFRJ-21_e4df70685ff1da521a8802b221f20e51
oai_identifier_str oai:www.revistas.ufrj.br:article/39918
network_acronym_str UFRJ-21
network_name_str Anuário do Instituto de Geociências (Online)
repository_id_str
spelling Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05Batimetria; Ecobatímetro; Sensoriamento remotoA batimetria de um corpo d’água normalmente é estimada através de levantamentos batimétricos. Apesar de ser um método muito utilizado, os levantamentos batimétricos demandam tempo e diversos equipamentos, tornando-o oneroso e passível de erros. O objetivo principal deste estudo foi estimar a batimetria do estuário do rio Poxim a partir de técnicas de Sensoriamento Remoto e análises estatísticas de regressão. O trabalho foi realizado no estuário do rio Poxim, localizado na bacia hidrográfica do Rio Sergipe, na cidade de Aracaju - SE. Foram ajustados modelos de regressão entre os valores batimétricos e as bandas espectrais do satélite Landsat5 TM e o índice da diferença normalizada da água. A avaliação dos modelos ajustados foi realizada pela análise de significância dos coeficientes, do coeficiente de determinação (r²), da raiz do erro quadrado médio (REQM) e da validação cruzada. A melhor correlação foi observada entre os valores de batimetria e a banda espectral do comprimento de onda do infra-vermelho próximo, com valor de 0,71. O melhor ajuste foi encontrado com a utilização do modelo linear, com r² igual a 0,6 e REQM de 33% (0,46 metros) na etapa de calibração e r² igual 0,53 e REQM de 0,51 metros (37%) na validação. Pode-se concluir que o modelo de batimetria, ajustado a partir de dados de Sensoriamento Remoto, pode ser utilizado para estimar de forma satisfatória os valores de batimetria do estuário do rio Poxim.Universidade Federal do Rio de JaneiroDESOMartins, Cassio Filipe VieiraSilva, Darlan Teles daAlmeida, André Quintão deGonzaga, Maria Isidória SilvaSouza, RodolfoGonçalves, Jorge Antônio Vieira2020-12-18info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://revistas.ufrj.br/index.php/aigeo/article/view/3991810.11137/2020_4_111_118Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 111_118Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 111_1181982-39080101-9759reponame:Anuário do Instituto de Geociências (Online)instname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJporhttps://revistas.ufrj.br/index.php/aigeo/article/view/39918/pdf/*ref*/Anderson, N.T. & Marchisio, G.B. 2012. WorldView-2 and the evolution of the DigitalGlobe remote sensing satellite constellation: introductory paper for the special session on WorldView-2. In: PROC.SPIE, Vol. 8390, pp. 8390–8390–15. Flener, C.; Lotsari, E.; Alho, P. & Kayhko, J. 2012. Comparison of empirical and theoretical remote sensing based bathymetry models in river environments. River Research and Applications, 28(1): 118-133. Frazão, L.S. & Amaro, V.E. 2016. Caracterização batimétrica e físico-oceanográfica do porto de Cabedelo/Pb, Brasil: uma análise ambiental ao derrame de óleo. Revista Brasileira de Geomorfologia, 17(1): 125-143. Gao, J. 2009. Bathymetric mapping by means of remote sensing: methods, accuracy and limitations. Progress in Physical Geography: Earth and Environment, 33(1): 103–116. George, D.G. 1997. Bathymetric mapping using a compact airborne spectrographic imager (CASI). International Journal of Remote Sensing, 18: 2067–71. Krug, L.A. & Noernberg, M.A. 2006. O sensoriamento remoto como ferramenta para determinação de batimetria de baixios na Baía das Laranjeiras, Paranaguá – PR. Revista Brasileira de Geofísica, 25(1): 101-105. Krug, L.A. & Noernberg, M.A. 2005. Extração de Batimetria por Sensoriamento Remoto de Áreas Rasas dos Sistemas Estuarinos do Estado do Paraná. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - SBSR, XII, Goiania-GO, Brasil, 2005. Anais, Goiania, p. 3077- 3084. Kumar, V.K.; Palit, A. & Bhan, S.K. 1997. Bathymetric mapping in Rupnarayan–Hooghly river confl uence using IRS data. International Journal of Remote Sensing, 18: 2269–70. Legleiter, C.J.; Tedesco, M.; Smith, L.C.; Behar, A.E. & Overstreet, B.T. 2014. Mapping the bathymetry of supraglacial lakes and streams on the Greenland ice sheet using field measurements and high-resolution satellite images. The Cryosphere, 8: 215–228. Lima, J.C.; Shinozaki-Mendes, R.A. & Almeida, A.Q. 2013. Estimativa da batimetria do açude do Saco-Pe com auxílio de dados orbitais. Engenharia Agrícola, 34(5): 1017-1023. Mclusky, D.S. 1989. The estuarine ecosystem. 2nd edition, Series Tertiary Level Biology. Glasgow to London. Blackie and Son Ltd. 215 p. Miecznik, G. & Grabowska, D. 2012. Worldview-2 bathymetric capabilities. In: PROC.SPIE, Vol. 8390, pp. 8390 – 8390 – 10. Namikawa, L.M. 2015. Imagens Landsat 8 para monitoramento de volume de água em reservatórios: estudo de caso nas barragens Jaguari e Jacareí do sistema Cantareira. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - SBSR, XVII, João Pessoa-PB, Brasil, 2015. Anais, João Pessoa, p. 4828- 4835. ONU. 2017. Organização das Nações Unidas. Novo estudo da ONU indica que mundo terá 11 bilhões de habitantes em 2100. Disponível em: <https://nacoesunidas.org/novo-estudo-da-onu-indica-que-mundo-tera-11-bilhoes-de-habitantes-em-2100/ >. Acessado em: 15/02/2017. R Development Core Team. 2014. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, Disponível em: <http://www.R-project.org/>. Ribeiro, S.R.A.; Tedesco, A.; Krueger, C.P. & Centen, J.A. 2005. Extração de rofundidades mediante redes neurais artificias e modelo de regressão usando dados de levantamento GPS e de imagem IKONOSII – estudo comparativo. Engevista, 7(1):73-82. Scott, D.B.; Tobin, R.; Williamson, M.; Medioli, F.S.; Latimer, J.S. & Boothman, W.A. 2005. Pollution monitoring in two North American estuaries: historical reconstructions using benthic foraminifera. Journal of Foraminiferal Research, 35(1): 65-82. Tripathi, N.K. & Rao, A.M. 2002. Bathymetric mapping in Kakinada Bay, India, using IRS-1D LISSIII data. International Journal of Remote Sensing, 23: 1013–25. Vermote, E.F.; Tanre, D.; Deuze, J.L.; Herman, M. & Morcette, J.J. 1997. Second Simulation of the Satellite Signal in the Solar Spectrum. IEEE Transactions on Geoscience and Remote Sensing, 35(1): 675-686.Copyright (c) 2020 Anuário do Instituto de Geociênciashttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2021-12-28T02:11:18Zoai:www.revistas.ufrj.br:article/39918Revistahttps://revistas.ufrj.br/index.php/aigeo/indexPUBhttps://revistas.ufrj.br/index.php/aigeo/oaianuario@igeo.ufrj.br||1982-39080101-9759opendoar:2021-12-28T02:11:18Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.none.fl_str_mv Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
title Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
spellingShingle Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
Martins, Cassio Filipe Vieira
Batimetria; Ecobatímetro; Sensoriamento remoto
title_short Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
title_full Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
title_fullStr Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
title_full_unstemmed Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
title_sort Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
author Martins, Cassio Filipe Vieira
author_facet Martins, Cassio Filipe Vieira
Silva, Darlan Teles da
Almeida, André Quintão de
Gonzaga, Maria Isidória Silva
Souza, Rodolfo
Gonçalves, Jorge Antônio Vieira
author_role author
author2 Silva, Darlan Teles da
Almeida, André Quintão de
Gonzaga, Maria Isidória Silva
Souza, Rodolfo
Gonçalves, Jorge Antônio Vieira
author2_role author
author
author
author
author
dc.contributor.none.fl_str_mv DESO
dc.contributor.author.fl_str_mv Martins, Cassio Filipe Vieira
Silva, Darlan Teles da
Almeida, André Quintão de
Gonzaga, Maria Isidória Silva
Souza, Rodolfo
Gonçalves, Jorge Antônio Vieira
dc.subject.por.fl_str_mv Batimetria; Ecobatímetro; Sensoriamento remoto
topic Batimetria; Ecobatímetro; Sensoriamento remoto
description A batimetria de um corpo d’água normalmente é estimada através de levantamentos batimétricos. Apesar de ser um método muito utilizado, os levantamentos batimétricos demandam tempo e diversos equipamentos, tornando-o oneroso e passível de erros. O objetivo principal deste estudo foi estimar a batimetria do estuário do rio Poxim a partir de técnicas de Sensoriamento Remoto e análises estatísticas de regressão. O trabalho foi realizado no estuário do rio Poxim, localizado na bacia hidrográfica do Rio Sergipe, na cidade de Aracaju - SE. Foram ajustados modelos de regressão entre os valores batimétricos e as bandas espectrais do satélite Landsat5 TM e o índice da diferença normalizada da água. A avaliação dos modelos ajustados foi realizada pela análise de significância dos coeficientes, do coeficiente de determinação (r²), da raiz do erro quadrado médio (REQM) e da validação cruzada. A melhor correlação foi observada entre os valores de batimetria e a banda espectral do comprimento de onda do infra-vermelho próximo, com valor de 0,71. O melhor ajuste foi encontrado com a utilização do modelo linear, com r² igual a 0,6 e REQM de 33% (0,46 metros) na etapa de calibração e r² igual 0,53 e REQM de 0,51 metros (37%) na validação. Pode-se concluir que o modelo de batimetria, ajustado a partir de dados de Sensoriamento Remoto, pode ser utilizado para estimar de forma satisfatória os valores de batimetria do estuário do rio Poxim.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-18
dc.type.none.fl_str_mv

dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://revistas.ufrj.br/index.php/aigeo/article/view/39918
10.11137/2020_4_111_118
url https://revistas.ufrj.br/index.php/aigeo/article/view/39918
identifier_str_mv 10.11137/2020_4_111_118
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://revistas.ufrj.br/index.php/aigeo/article/view/39918/pdf
/*ref*/Anderson, N.T. & Marchisio, G.B. 2012. WorldView-2 and the evolution of the DigitalGlobe remote sensing satellite constellation: introductory paper for the special session on WorldView-2. In: PROC.SPIE, Vol. 8390, pp. 8390–8390–15. Flener, C.; Lotsari, E.; Alho, P. & Kayhko, J. 2012. Comparison of empirical and theoretical remote sensing based bathymetry models in river environments. River Research and Applications, 28(1): 118-133. Frazão, L.S. & Amaro, V.E. 2016. Caracterização batimétrica e físico-oceanográfica do porto de Cabedelo/Pb, Brasil: uma análise ambiental ao derrame de óleo. Revista Brasileira de Geomorfologia, 17(1): 125-143. Gao, J. 2009. Bathymetric mapping by means of remote sensing: methods, accuracy and limitations. Progress in Physical Geography: Earth and Environment, 33(1): 103–116. George, D.G. 1997. Bathymetric mapping using a compact airborne spectrographic imager (CASI). International Journal of Remote Sensing, 18: 2067–71. Krug, L.A. & Noernberg, M.A. 2006. O sensoriamento remoto como ferramenta para determinação de batimetria de baixios na Baía das Laranjeiras, Paranaguá – PR. Revista Brasileira de Geofísica, 25(1): 101-105. Krug, L.A. & Noernberg, M.A. 2005. Extração de Batimetria por Sensoriamento Remoto de Áreas Rasas dos Sistemas Estuarinos do Estado do Paraná. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - SBSR, XII, Goiania-GO, Brasil, 2005. Anais, Goiania, p. 3077- 3084. Kumar, V.K.; Palit, A. & Bhan, S.K. 1997. Bathymetric mapping in Rupnarayan–Hooghly river confl uence using IRS data. International Journal of Remote Sensing, 18: 2269–70. Legleiter, C.J.; Tedesco, M.; Smith, L.C.; Behar, A.E. & Overstreet, B.T. 2014. Mapping the bathymetry of supraglacial lakes and streams on the Greenland ice sheet using field measurements and high-resolution satellite images. The Cryosphere, 8: 215–228. Lima, J.C.; Shinozaki-Mendes, R.A. & Almeida, A.Q. 2013. Estimativa da batimetria do açude do Saco-Pe com auxílio de dados orbitais. Engenharia Agrícola, 34(5): 1017-1023. Mclusky, D.S. 1989. The estuarine ecosystem. 2nd edition, Series Tertiary Level Biology. Glasgow to London. Blackie and Son Ltd. 215 p. Miecznik, G. & Grabowska, D. 2012. Worldview-2 bathymetric capabilities. In: PROC.SPIE, Vol. 8390, pp. 8390 – 8390 – 10. Namikawa, L.M. 2015. Imagens Landsat 8 para monitoramento de volume de água em reservatórios: estudo de caso nas barragens Jaguari e Jacareí do sistema Cantareira. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - SBSR, XVII, João Pessoa-PB, Brasil, 2015. Anais, João Pessoa, p. 4828- 4835. ONU. 2017. Organização das Nações Unidas. Novo estudo da ONU indica que mundo terá 11 bilhões de habitantes em 2100. Disponível em: <https://nacoesunidas.org/novo-estudo-da-onu-indica-que-mundo-tera-11-bilhoes-de-habitantes-em-2100/ >. Acessado em: 15/02/2017. R Development Core Team. 2014. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, Disponível em: <http://www.R-project.org/>. Ribeiro, S.R.A.; Tedesco, A.; Krueger, C.P. & Centen, J.A. 2005. Extração de rofundidades mediante redes neurais artificias e modelo de regressão usando dados de levantamento GPS e de imagem IKONOSII – estudo comparativo. Engevista, 7(1):73-82. Scott, D.B.; Tobin, R.; Williamson, M.; Medioli, F.S.; Latimer, J.S. & Boothman, W.A. 2005. Pollution monitoring in two North American estuaries: historical reconstructions using benthic foraminifera. Journal of Foraminiferal Research, 35(1): 65-82. Tripathi, N.K. & Rao, A.M. 2002. Bathymetric mapping in Kakinada Bay, India, using IRS-1D LISSIII data. International Journal of Remote Sensing, 23: 1013–25. Vermote, E.F.; Tanre, D.; Deuze, J.L.; Herman, M. & Morcette, J.J. 1997. Second Simulation of the Satellite Signal in the Solar Spectrum. IEEE Transactions on Geoscience and Remote Sensing, 35(1): 675-686.
dc.rights.driver.fl_str_mv Copyright (c) 2020 Anuário do Instituto de Geociências
http://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2020 Anuário do Instituto de Geociências
http://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
dc.source.none.fl_str_mv Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 111_118
Anuário do Instituto de Geociências; Vol 43, No 4 (2020); 111_118
1982-3908
0101-9759
reponame:Anuário do Instituto de Geociências (Online)
instname:Universidade Federal do Rio de Janeiro (UFRJ)
instacron:UFRJ
instname_str Universidade Federal do Rio de Janeiro (UFRJ)
instacron_str UFRJ
institution UFRJ
reponame_str Anuário do Instituto de Geociências (Online)
collection Anuário do Instituto de Geociências (Online)
repository.name.fl_str_mv Anuário do Instituto de Geociências (Online) - Universidade Federal do Rio de Janeiro (UFRJ)
repository.mail.fl_str_mv anuario@igeo.ufrj.br||
_version_ 1797053539023847424