Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto

Detalhes bibliográficos
Autor(a) principal: Facco, Douglas Stefanello
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/264363
Resumo: A turbidez da água é um parâmetro crucial na determinação da qualidade da água. A erosão e o assoreamento estão diretamente ligados à turbidez, influenciando a qualida de das águas e o armazenamento de reservatórios. Mapear padrões de turbidez é importante para a gestão e monitoramento de reservatórios. O monitoramento da turbidez em reservatórios, depende de métodos tradicionais com coletas pontuais, analisadas em labor atório que consomem tempo, dinheiro e mão - de-obra exaustiva. Diante disso, o sensoriamento remoto surge como alternativa para complementar programas de monitoramento, preenchendo lacunas temporais e espaciais. Esta Tese aborda métodos para analisar e quantificar padrões de turbidez da água utilizando dados de sensoriamento remoto e técnicas de processamento digital de imagens. Investigou- se a relação entre turbidez, precipitação e reflectância espectral. Os resultados mostraram alta correlação entre o índic e de turbidez NDTI e a turbidez ( R² = 0,91). A precipitação teve influência determinante, sendo o rio Paraná, nos períodos de maior precipitação, o principal agente no transporte de sedimentos. Os compartimentos laterais do reservatório mostraram menor inf luência no transporte de sedimentos. Também comparou-se o desempenho dos algoritmos Classification and Regression Tree (CART), Naive Bayes (NB) e Random Forest (RF), a partir de classificação supervisionada de imagens, e abordagens em Pixel -Based Image analysis (PBIA) e Geographic Object-Based Image Analysis (GEOBIA), para classificar a turbidez. O classificador RF obteve a maior precisão em ambas as abordagens, seguido por CART e NB. Os índices Kappa e Aná lise Global das classificações GEOBIA foram superiores às classificações PBIA em ambos os algoritmos. Também avali ou-se o potencial de estimativa da Área de Água Superficial e Nível de Água do Reservatório. Testamos séries temporais de imagens ó pticas Landsat 8 e Sentinel-2, radar Sentinel- 1, e validação c om altimetria Jason-3. A metodologia foi desenvolvida na rotina operacional do Google Earth Engine, que agilizou o mapeamento. Os melhores resultados foram entre Sentinel-2 e NDWI com R² = 0,88 e RMSE de 11,59 km². No geral, nossos resultados demonstram o potencial do sensoriamento remoto para identificar e analisar padrões de turbidez no reservatório de Itaipu. O que pode ser extraído deste estudo é que a turbidez da água do reservatório é espectralmente ativa. Em segundo lugar, há uma forte conexão entre materiais supensos, turbidez e precipitação. Os dados multiespectrais de média resolução foram ideais na detecção e análise de turbidez. Nosso estudo mostra que mesmo sem dados in situ, é possível analisar, e quantificar padrões de turbidez do reservatório de Itaipu a partir de sensores acoplados em satélites espaciais.
id URGS_b3455a153896b86dd117fde1511e3a13
oai_identifier_str oai:www.lume.ufrgs.br:10183/264363
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Facco, Douglas StefanelloGuasselli, Laurindo Antônio2023-09-09T03:30:22Z2023http://hdl.handle.net/10183/264363001176879A turbidez da água é um parâmetro crucial na determinação da qualidade da água. A erosão e o assoreamento estão diretamente ligados à turbidez, influenciando a qualida de das águas e o armazenamento de reservatórios. Mapear padrões de turbidez é importante para a gestão e monitoramento de reservatórios. O monitoramento da turbidez em reservatórios, depende de métodos tradicionais com coletas pontuais, analisadas em labor atório que consomem tempo, dinheiro e mão - de-obra exaustiva. Diante disso, o sensoriamento remoto surge como alternativa para complementar programas de monitoramento, preenchendo lacunas temporais e espaciais. Esta Tese aborda métodos para analisar e quantificar padrões de turbidez da água utilizando dados de sensoriamento remoto e técnicas de processamento digital de imagens. Investigou- se a relação entre turbidez, precipitação e reflectância espectral. Os resultados mostraram alta correlação entre o índic e de turbidez NDTI e a turbidez ( R² = 0,91). A precipitação teve influência determinante, sendo o rio Paraná, nos períodos de maior precipitação, o principal agente no transporte de sedimentos. Os compartimentos laterais do reservatório mostraram menor inf luência no transporte de sedimentos. Também comparou-se o desempenho dos algoritmos Classification and Regression Tree (CART), Naive Bayes (NB) e Random Forest (RF), a partir de classificação supervisionada de imagens, e abordagens em Pixel -Based Image analysis (PBIA) e Geographic Object-Based Image Analysis (GEOBIA), para classificar a turbidez. O classificador RF obteve a maior precisão em ambas as abordagens, seguido por CART e NB. Os índices Kappa e Aná lise Global das classificações GEOBIA foram superiores às classificações PBIA em ambos os algoritmos. Também avali ou-se o potencial de estimativa da Área de Água Superficial e Nível de Água do Reservatório. Testamos séries temporais de imagens ó pticas Landsat 8 e Sentinel-2, radar Sentinel- 1, e validação c om altimetria Jason-3. A metodologia foi desenvolvida na rotina operacional do Google Earth Engine, que agilizou o mapeamento. Os melhores resultados foram entre Sentinel-2 e NDWI com R² = 0,88 e RMSE de 11,59 km². No geral, nossos resultados demonstram o potencial do sensoriamento remoto para identificar e analisar padrões de turbidez no reservatório de Itaipu. O que pode ser extraído deste estudo é que a turbidez da água do reservatório é espectralmente ativa. Em segundo lugar, há uma forte conexão entre materiais supensos, turbidez e precipitação. Os dados multiespectrais de média resolução foram ideais na detecção e análise de turbidez. Nosso estudo mostra que mesmo sem dados in situ, é possível analisar, e quantificar padrões de turbidez do reservatório de Itaipu a partir de sensores acoplados em satélites espaciais.Water turbidity is a crucial parameter in determining water quality. Erosion and siltation are directly linked to turbidity, influencing water quality and reservoir storage. Mapping turbidity patterns is important for reservoir management and monitoring. The monitoring of turbidity in reservoirs depends on traditional methods with punctual collections, analyzed in the laboratory that consume time, money and exhaustive labor. Given this, remote sensing emerges as an alternative to complement monitoring programs, filling temporal and spatial gaps. This Thesis addresses methods to analyze and quantify water turbidity patterns using remote sensing data and digital image processing techniques. The relationship between turbidity, precipitation and spectral reflectance was investigated. The results showed a high correlation between the NDTI turbidity index and turbi dity (R² = 0.91). Precipitation had a decisive influence, with the Paraná River, in periods of greater precipitation, being the main agent in the transport of sediments. The lateral compartments of the reservoir showed less influence on sediment transport. nt transport. The performance of the Classification and Regression Tree (CART), Naive Bayes (NB) and Random Forest (RF) algorithms was also compared, based on supervised image classification, and Pixel-Based Image analysis (PBIA) and Geographic Object approaches. Based Image Analysis (GEOBIA), to classify turbidity. The RF classifier achieved the highest accuracy in both approaches, followed by CART and NB. Kappa indices and Global Analysis of GEOBIA rankings were superior to PBIA rankings in both algorithms. The estimation potential of the Surface Water Area and Water Level of the Reservoir was also evaluated. We tested time series of Landsat 8 and Sentinel-2 optical images, Sentinel-1 radar, and validation with Jason-3 altimetry. The methodology was developed in the operational routine of Google Earth Engine, which streamlined the mapping. ng. The best results were between Sentinel-2 and NDWI with R² = 0.88 and RMSE of 11.59 km². Overall, our results demonstrate the potential of remote sensing to identify and analyze turbidity patterns in the Itaipu reservoir. What can be extracted from this study is that the turbidity of the reservoir water is spectrally active. e. Second, there is a strong connection between suspended materials, turbidity and precipitation. Medium resolution multispectral data were ideal for detecting and analyzing turbidity. Our study shows that even without in situ data, it is possible to analyze and quantify turbidity patterns in the Itaipu reservoir using sensors attached to space satellites.application/pdfporSensoriamento remotoSensores orbitaisPadrões espectraisTurbidezQualidade da águaOrbital sensorsSpectral patternsReservoir monitoringDinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remotoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulCentro Estadual de Pesquisas em Sensoriamento Remoto e MeteorologiaPrograma de Pós-Graduação em Sensoriamento RemotoPorto Alegre, BR-RS2023doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001176879.pdf.txt001176879.pdf.txtExtracted Texttext/plain106454http://www.lume.ufrgs.br/bitstream/10183/264363/2/001176879.pdf.txtff4632da9df9a721ff1d0a1d7826184eMD52ORIGINAL001176879.pdfTexto completoapplication/pdf41885840http://www.lume.ufrgs.br/bitstream/10183/264363/1/001176879.pdf6b91cb8709f898f94d6cf005b56633f9MD5110183/2643632023-10-04 03:39:11.886016oai:www.lume.ufrgs.br:10183/264363Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-10-04T06:39:11Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
title Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
spellingShingle Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
Facco, Douglas Stefanello
Sensoriamento remoto
Sensores orbitais
Padrões espectrais
Turbidez
Qualidade da água
Orbital sensors
Spectral patterns
Reservoir monitoring
title_short Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
title_full Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
title_fullStr Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
title_full_unstemmed Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
title_sort Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto
author Facco, Douglas Stefanello
author_facet Facco, Douglas Stefanello
author_role author
dc.contributor.author.fl_str_mv Facco, Douglas Stefanello
dc.contributor.advisor1.fl_str_mv Guasselli, Laurindo Antônio
contributor_str_mv Guasselli, Laurindo Antônio
dc.subject.por.fl_str_mv Sensoriamento remoto
Sensores orbitais
Padrões espectrais
Turbidez
Qualidade da água
topic Sensoriamento remoto
Sensores orbitais
Padrões espectrais
Turbidez
Qualidade da água
Orbital sensors
Spectral patterns
Reservoir monitoring
dc.subject.eng.fl_str_mv Orbital sensors
Spectral patterns
Reservoir monitoring
description A turbidez da água é um parâmetro crucial na determinação da qualidade da água. A erosão e o assoreamento estão diretamente ligados à turbidez, influenciando a qualida de das águas e o armazenamento de reservatórios. Mapear padrões de turbidez é importante para a gestão e monitoramento de reservatórios. O monitoramento da turbidez em reservatórios, depende de métodos tradicionais com coletas pontuais, analisadas em labor atório que consomem tempo, dinheiro e mão - de-obra exaustiva. Diante disso, o sensoriamento remoto surge como alternativa para complementar programas de monitoramento, preenchendo lacunas temporais e espaciais. Esta Tese aborda métodos para analisar e quantificar padrões de turbidez da água utilizando dados de sensoriamento remoto e técnicas de processamento digital de imagens. Investigou- se a relação entre turbidez, precipitação e reflectância espectral. Os resultados mostraram alta correlação entre o índic e de turbidez NDTI e a turbidez ( R² = 0,91). A precipitação teve influência determinante, sendo o rio Paraná, nos períodos de maior precipitação, o principal agente no transporte de sedimentos. Os compartimentos laterais do reservatório mostraram menor inf luência no transporte de sedimentos. Também comparou-se o desempenho dos algoritmos Classification and Regression Tree (CART), Naive Bayes (NB) e Random Forest (RF), a partir de classificação supervisionada de imagens, e abordagens em Pixel -Based Image analysis (PBIA) e Geographic Object-Based Image Analysis (GEOBIA), para classificar a turbidez. O classificador RF obteve a maior precisão em ambas as abordagens, seguido por CART e NB. Os índices Kappa e Aná lise Global das classificações GEOBIA foram superiores às classificações PBIA em ambos os algoritmos. Também avali ou-se o potencial de estimativa da Área de Água Superficial e Nível de Água do Reservatório. Testamos séries temporais de imagens ó pticas Landsat 8 e Sentinel-2, radar Sentinel- 1, e validação c om altimetria Jason-3. A metodologia foi desenvolvida na rotina operacional do Google Earth Engine, que agilizou o mapeamento. Os melhores resultados foram entre Sentinel-2 e NDWI com R² = 0,88 e RMSE de 11,59 km². No geral, nossos resultados demonstram o potencial do sensoriamento remoto para identificar e analisar padrões de turbidez no reservatório de Itaipu. O que pode ser extraído deste estudo é que a turbidez da água do reservatório é espectralmente ativa. Em segundo lugar, há uma forte conexão entre materiais supensos, turbidez e precipitação. Os dados multiespectrais de média resolução foram ideais na detecção e análise de turbidez. Nosso estudo mostra que mesmo sem dados in situ, é possível analisar, e quantificar padrões de turbidez do reservatório de Itaipu a partir de sensores acoplados em satélites espaciais.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-09-09T03:30:22Z
dc.date.issued.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/264363
dc.identifier.nrb.pt_BR.fl_str_mv 001176879
url http://hdl.handle.net/10183/264363
identifier_str_mv 001176879
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/264363/2/001176879.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/264363/1/001176879.pdf
bitstream.checksum.fl_str_mv ff4632da9df9a721ff1d0a1d7826184e
6b91cb8709f898f94d6cf005b56633f9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309222601129984