Modelos empíricos para estimativa da concentração de sedimentos em suspensão em rios amazônicos de águas brancas a partir de imagens landsat 5

• Ano de defesa: 2013
• Autor(a) principal: Otávio Cristiano Montanher
• Orientador(a): Evlyn Márcia Leão de Moraes Novo, Cláudio Clemente de Faria Barbosa
• Banca de defesa: Camilo Daleles Rennó, Waterloo Pereira Filho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Nacional de Pesquisas Espaciais (INPE)
• Programa de Pós-Graduação: Programa de Pós-Graduação do INPE em Sensoriamento Remoto
• País: BR
• Resumo em Inglês: This research presents the development of models for suspended sediment concentration (SSC) estimates in Amazon rivers using remote sensing. In view of important temporal gaps in SSC databases of Amazon Basin rivers, estimates by means of historical series of free orbital data is an alternative for improving the knowledge of Amazon Basin fluvial system functioning, especially the so called White Water rivers, carriers of large amounts of inorganic sediments. Building on that, the main objective of this research is to implement models for estimating the SSC of White Water rivers using temporal series of satellite images. An empirical approach using regression analysis was adopted as modeling strategy and a set of images from TM sensor, Landsat 5 satellite. The available data for model generation are: a set of 504 SSC \textit{in situ} measurements acquired near-concurrently with TM image, from which a series of estimated reflectance at different correction levels in five spectral bands and band ratios were derived. In addition to those continuous variables, the models also include categorical information. Several tests were performed applying univariate and multivariate linear models using the whole dataset. The dataset was also partitioned in groups, adopting as criteria the main physical characteristics upstream to \textit{in situ} gauging stations, resulting in five independent models. The results for using the entire data set did not provide sound model. The models resulting from the database regionalization were statistically significant (p value <0,001), with R$^{2}$ values ranging from 0,78 to 0,91 and present good cross validation. The model for the Amazon River was applied, in 119 images without \textit{in situ} data as a proof of concept. The temporal series filled with estimated data showed the typical seasonal behavior of suspended sediment transport of the Amazon River, corroborating the quality of that model. The results suggest that the criticism to empirical models cannot be generalized because it was demonstrated that the models can be applied in other images without \textit{in situ} data. A great amount of SSC data could be estimated using these models in remote regions of the Amazon, what might allow new investigations about environmental factors of sediment production of these areas.
• Link de acesso: http://urlib.net/sid.inpe.br/mtc-m19/2013/02.26.19.52

Este trabalho apresenta o desenvolvimento de modelos para a estimativa da concentração de sedimentos em suspensão (CSS) em rios amazônicos a partir de sensoriamento remoto. Em vista de importantes lacunas nas séries temporais de dados de CSS nos rios da bacia amazônica, a estimativa por meio de séries históricas de dados orbitais gratuitos mostrou-se uma opção de trabalho que poderia trazer ganhos ao conhecimento do funcionamento desses sistemas fluviais, especialmente os que transportam grandes quantidades de sedimentos suspensos, conhecidos como rios de águas brancas. Apoiando-se nesta justificativa, o principal objetivo deste trabalho foi gerar modelos capazes de estimar a CSS dos rios de águas brancas a partir de séries temporais de imagens orbitais. Adotou-se uma abordagem empírica, com uso da análise de regressão, como estratégia de modelagem e um conjunto de imagens do sensor TM, satélite Landsat 5. Os dados disponíveis para geração dos modelos são: uma série de 504 medidas \textit{in situ} de CSS quase concomitantes com a aquisição de imagens TM, das quais são derivadas séries de estimativas de reflectância em diferentes níveis de correção em cinco bandas espectrais e razões entre bandas. Além destas variáveis contínuas, também foram utilizadas informações de caráter categórico. Foram feitos vários testes com modelos lineares univariados e multivariados com todo o conjunto de dados, os quais não forneceram boas estimativas. Então o conjunto de dados foi particionado em grupos, adotando-se como critério as principais características físicas das áreas de drenagem à montante das estações de coleta \textit{in situ}, resultando em cinco modelos independentes. Todos estes modelos são estatisticamente significativos (valor- p <0,001), possuem valores de R$^{2}$ entre 0,78 e 0,91 e demonstram bons resultados de validação cruzada. Destes, apenas o modelo correspondente ao Rio Amazonas foi aplicado, em 119 imagens sem dados in situ. A série temporal preenchida com dados estimados mostrou o comportamento sazonal típico de transporte de sedimentos suspensos do Rio Amazonas, o que corrobora a qualidade deste modelo. Os resultados obtidos neste estudo sugerem que as críticas feitas mundialmente aos modelos empíricos não podem ser generalizadas, pois ficou demonstrado que os modelos podem ser aplicados em outras imagens sem dados \textit{in situ}. Uma grande quantidade de dados de CSS pode ser estimada com uso destes modelos em áreas remotas da Amazônia, o que pode permitir uma nova gama de investigações sobre condicionantes ambientais da produção de sedimentos destas áreas.