É possível estimar a Clorofila-a em águas rasas meso–oligotróficas usando abordagens estatísticas e modelos empíricos a partir de imagens MODIS?

AUTOR(ES)
FONTE

RBRH

DATA DE PUBLICAÇÃO

26/04/2018

RESUMO

RESUMO A estimativa da concentração de Clorofila–a (Chl-a) em ambientes aquáticos através de técnicas de sensoriamento remoto é complexa devido as diferenças entre as propriedades óticas da água. O objetivo deste trabalho foi estimar concentrações de Chl-a a partir das combinações de bandas espectrais do sensor MODIS, aplicando análise de regressão linear múltipla (MLR), redes neurais artificiais (ANN), regressão multiplicativa não paramétrica e quatro modelos (Appel, Kahru, FAI e O14a). Os modelos de regressão linear múltipla (MLR), NPMR e ANN foram calibrados e validados utilizando medições in-situ de Clorofila–a. Os resultados demostraram que um simples e eficiente modelo desenvolvido e validado através de regressão linear múltipla (MLR) produz vantagens (i.e., melhor performance e poucas variáveis de entrada) em comparação com os modelos ANN, NPMR e quatro modelos (Appel, Kahru, FAI e O14a). Além disso, foi observado que em um grande lago raso subtropical, no qual o vento (intensidade e direção) e a hidrodinâmica são fatores essenciais na heterogeneidade espacial (distribuição de Chl-a), o modelo MLR desenvolvido utilizando um ponto específico do lago teve melhor performance que utilizando o total de dados, sugerindo que não seria apropriado generalizar um único modelo para estimar Clorofila– a nesses grandes lagos rasos utilizando o total de dados. Esta abordagem é uma ferramenta útil para estimar concentrações de Chl- a em ambientes rasos meso – oligotróficos e corroborar a heterogeneidade espacial desses ecossistemas.

ASSUNTO(S)

chl-a mlr ann nprm sensoriamento remoto lagoa mangueira

Documentos Relacionados