Estimação da concentração de clorofila-a em um sistema de aquacultura a partir de imagens multiespectrais obtidas via ARP

• Ano de defesa: 2024
• Autor(a) principal: Lucchetta, Beatriz Cirino [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Sensoriamento remoto da cor da água; Alta resolução espacial; Modelagem bio-óptica; Dados radiométricos; Monitoramento da qualidade da água; Remote sensing of water color; High spatial resolution; Bio-optical modeling; Radiometric data; Water quality monitoring
• Link de acesso: https://hdl.handle.net/11449/261078

A clorofila-a (chl-a) é um importante indicador da produção primária e, consequentemente, da qualidade da água, essencial para a existência de ecossistemas aquáticos. O monitoramento da qualidade da água pode ser realizado por meio de imagens provenientes de sensores remotos: satélites e aeronaves remotamente pilotadas (ARPs). ARPs são um método alternativo para monitorar pequenos recursos hídricos, uma vez que permitem a coleta de dados com alta resolução espacial. Entretanto, desafios como reflexão especular e homogeneidade espectral da água podem dificultar o alinhamento fotogramétrico e precisam ser contornados. A trajetória de voo deve ser planejada para minimizar reflexos indesejados da luz solar. O presente estudo foi realizado em tanques de piscicultura, duas represas para alimentação dos tanques e um trecho do rio Mojiguaçu, localizados no Centro Nacional de Pesquisa e Conservação da Biodiversidade Aquática Continental – CEPTA, em Pirassununga/SP. A análise da qualidade da água do sistema de aquacultura foi realizada por meio da tomada de imagens da área com uma câmara Agrowing acoplada à ARP DJI Matrice 300 RTK. Para compatibilizar imagens capturadas pelo sensor multiespectral e a resposta espectral da superfície da Terra, medidas com espectrorradiômetro, foram aplicados dois métodos de calibração radiométrica, baseados em linha empírica, linear e exponencial. Os métodos foram testados com diversos alvos de calibração, incluindo alvos de água, para corrigir valores negativos de reflectância. O método exponencial revelou-se mais apropriado, com uma acurácia superior em relação ao método linear. Técnicas de regressão de aprendizado de máquina: Random Forest (RF) e Multilayer Perceptron (MLP), além da Regressão Linear Multivariada (MLR), foram usadas para construir modelos bio-ópticos para a estimação e mapeamento da concentração de chl-a. Dois voos (VOO1 e VOO2) foram realizados para abranger toda a área de estudo. A MLR e o RF resultaram em métricas satisfatórias para ambos os voos, de aproximadamente 12 µg/L para o RMSE, 20% para a NRMSE, -1 para o bias e 0,7 para o R2. Por sua vez, o modelo baseado em MLP não gerou bons resultados para o VOO2. O presente estudo demonstrou um grande potencial para a utilização de dados de alta resolução espacial para a estimação do conteúdo de chl-a de corpos d’água de pequenas extensões, pouco estudados quando comparados à grandes rios e reservatórios.