Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , , , , |
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 |