Avaliação de sensores orbitais na determinação da batimetria derivada de satélite: abordagem com métodos empíricos

• Ano de defesa: 2023
• Autor(a) principal: Andrade, Laura Coelho de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Engenharia Civil
• Palavras-chave em Português: Mapeamento multifeixe; Mapas batimétricos; Sensoriamento remoto; Aprendizado do computador; Geodesia
• Link de acesso: https://locus.ufv.br//handle/123456789/31052; https://doi.org/10.47328/ufvbbt.2023.198

No âmbito hidrográfico, sabe-se que a principal técnica empregada para o levantamento batimétrico de um corpo hídrico consiste no sensoriamento remoto acústico, com o emprego de ecobatímetros, uma vez que esses fornecem informações acuradas mesmo em grandes profundidades. A aquisição de dados batimétricos, com o foco em atualizar e editar cartas náuticas, é o principal objetivo de um Levantamento Hidrográfico. No entanto, o procedimento para aquisição de dados empregando métodos acústicos de sondagem são de alto custo, além de demandarem um longo período de execução. Nesse sentido, a utilização de técnicas para obtenção da batimetria derivada de satélite está trazendo resultados cada vez mais precisos com o avanço tecnológico e aprimoramento dos sensores, uma vez que esse método permite uma produtividade maior se comparado aos sensores acústicos e podem contribuir para a segurança da navegação, detectando perigos que podem ser representados em cartas e, portanto, evitado por navegadores. Assim, este trabalho busca apontar, por meio de uma avaliação dos sistemas Landsat 8, CBERS 4 e Sentinel 2A, em conjunto com métodos empíricos de Machine Learning, que são abordagens mais efetivas para estimativa da batimetria derivada de satélites em diferentes áreas de estudo. A partir resultados foi possível perceber a superioridade do sistema Landsat 8 em relação aos demais, principalmente quando empregado junto com o algoritmo Random Forest, o qual possibilitou o alcance de valores de RMSE inferiores que as demais abordagens, até mesmo analisando as discrepâncias em relação a profundidades dos rios. Além disso, foi possível observar que a imagem CBERS 4 é capaz de estimar a profundidade com apenas 0,48 m de incerteza para corpos hídricos com uma menor taxa de sedimentos em suspensão. Palavras-chave: Batimetria. Satellite Derived Bathymetry. Métodos Empíricos. Machine Learning.