Fechar
Metadados

@MastersThesis{Santos:2017:CoEsEs,
               author = "Santos, Jo{\~a}o Felipe Cardoso dos",
                title = "Contribui{\c{c}}{\~a}o ao estudo da estimativa da produtividade 
                         prim{\'a}ria por sat{\'e}lite na margem continental sudeste 
                         brasileira",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2017",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2016-08-30",
             keywords = "sensoriamento remoto da cor do oceano, produtividade prim{\'a}ria 
                         oce{\^a}nica, margem continental sudeste brasileira, ocean colour 
                         remote sensing, oceanic primary productivity, southeastern 
                         brazilian continental margin.",
             abstract = "A produtividade prim{\'a}ria oce{\^a}nica (PPO) {\'e} um 
                         processo importante no ciclo global do carbono, na 
                         compreens{\~a}o de processos f{\'{\i}}sicos como 
                         acidifica{\c{c}}{\~a}o dos oceanos e processos biol{\'o}gicos, 
                         como produ{\c{c}}{\~a}o pesqueira. O sensoriamento remoto da cor 
                         do oceano (SRCO) {\'e} uma ferramenta essencial com potencial de 
                         prover estimativas da produtividade prim{\'a}ria em larga escala 
                         espacial e cont{\'{\i}}nuas no tempo. Neste trabalho sete 
                         modelos de PPO foram avaliados para a margem continental sudeste 
                         brasileira (MCSB) utilizando dados in situ e de sensores orbitais 
                         da cor do oceano como o \emph{Moderate Resolution Imaging 
                         Spectroradiometer }(MODIS), Sea-viewing Wide Field-ofview Sensor 
                         (SeaWiFS) e MEdium Resolution Imaging Spectrometer (MERIS). Os 
                         produtos de entrada foram avaliados estatisticamente em 
                         rela{\c{c}}{\~a}o a medidas in situ obtidas em cruzeiros 
                         oceanogr{\'a}ficos realizados nos ver{\~o}es e invernos de 2001 
                         e 2002. O desempenho dos algoritmos e modelos foi analisado pelo 
                         erro m{\'e}dio quadr{\'a}tico (root mean square error, RMSE), 
                         pelo erro m{\'e}dio (bias), entre outros, convertidos em base 
                         logar{\'{\i}}tmica. Com dados SeaWiFS, estimativas de 
                         concentra{\c{c}}{\~a}o de clorofila-a (Cla, mgChl m\$^{-3}\$) 
                         apresentaram melhor desempenho com uso do algoritmo 
                         semi-anal{\'{\i}}tico GSM01 (RMSE \$\sim\$0,21, bias 
                         \$\sim\$ -0,02). Dados MODIS e MERIS apresentaram melhor 
                         desempenho com os algoritmos emp{\'{\i}}ricos OC3Mv6 (RMSE = 
                         0,27, bias = -0,13) e OC4Ev6 (RMSE = 0,25, bias = -0,05), 
                         respectivamente. A radia{\c{c}}{\~a}o fotossinteticamente 
                         dispon{\'{\i}}vel (PAR, Einstein m\$^{-2}\$ d\$^{-1}\$) com 
                         dados SeaWiFS, MODIS e MERIS apresentou um bias em 
                         rela{\c{c}}{\~a}o a medidas in situ que foi corrigido por um 
                         modelo de ajuste linear. O coeficiente de atenua{\c{c}}{\~a}o da 
                         PAR (KdPAR, m\$^{-1}\$) foi melhor estimado com o algoritmo 
                         baseado na Cla (RMSE \$\sim\$0,15, bias \$\sim\$0,01) com 
                         dados SeaWiFS, e baseado em raz{\~o}es de banda de 
                         reflect{\^a}ncia de sensoriamento remoto (R\$_{rs}\$, 
                         sr\$^{-1}\$) no azul e verde com dados MODIS (RMSE = 0,11, bias 
                         = 0,05) e com dados MERIS (RMSE = 0,10, bias = 0,05). A 
                         profundidade da zona euf{\'o}tica (Zeu, m) foi melhor estimada 
                         pelo algoritmo baseado na Cla semi-anal{\'{\i}}tica com dados 
                         SeaWiFS. Com dados MODIS e MERIS os algoritmos baseado na Cla e 
                         nas propriedades {\'o}pticas inerentes da {\'a}gua obtiveram 
                         melhor desempenho e foram utilizados ap{\'o}s serem corrigidos 
                         por um ajuste linear. As an{\'a}lises da PPO mostraram que o 
                         desempenho dos modelos n{\~a}o mostrou uma rela{\c{c}}{\~a}o 
                         direta com as respectivas complexidades. Os modelos que tiveram 
                         melhores desempenhos (RMSE = 0,20 - 0,25, bias = -0,13 - 0,02) 
                         foram BPM, MARRA e CbPM 2005\$^{M}\$, e utilizaram os 
                         par{\^a}metros fotossint{\'e}ticos medidos in situ 
                         (P\$^{B}\$max e \$\alpha\$\$^{B}\$). Esses modelos tiveram 
                         maior sensibilidade {\`a}s mudan{\c{c}}as nos produtos de Cla (2 
                         - 12\%), seguido do \$\alpha\$\$_{phy}\$ (1 - 4\%), da Zeu 
                         (\$\sim\$1\%) e do b\$_{bp}\$(443) (< 1\%). Entre os 
                         sensores o MODIS e SeaWiFS apresentaram melhor desempenho. Com 
                         dados MODIS a PPO foi melhor estimada pelos modelos EPPLEY, VGPM e 
                         CbPM2005. Com dados SeaWiFS os modelos com melhor desempenho foram 
                         BPM, MARRA e CbPM2005\$^{M}\$. Os resultados desse estudo 
                         indicaram que a an{\'a}lise conjunta dos algoritmos de SRCO com 
                         dados de diferentes sensores orbitais conseguiu identificar bons 
                         modelos de PPO para estimar a produtividade local. Compreender o 
                         desempenho desses algoritmos e modelos {\'e} essencial para 
                         estimar quantitativamente de maneira sin{\'o}ptica e em larga 
                         escala a PPO na MCSB, possibilitando estudos de monitoramento e 
                         efeitos da assimila{\c{c}}{\~a}o do carbono nos processos 
                         f{\'{\i}}sico-biol{\'o}gicos da margem continental sudeste. 
                         ABSTRACT: Estimation of the ocean primary productivity (PPO, in 
                         portuguese Produtividade Prim{\'a}ria Oce{\^a}nica) is important 
                         for calculating the carbon flux in the marine ecosystem, the 
                         impacts in the ocean acidification and for modeling carbon 
                         transfer through the pelagic food web. Satellite remote sensing is 
                         essential for understanding the temporal and spatial variation of 
                         oceanic PPO. In this study the performance of seven PPO models was 
                         assessed by comparing their output to in situ \$^{14}\$C data in 
                         the southeastern Brazilian continental margin (SBCM). The 
                         performance of PPO models was compared using the Moderate 
                         Resolution Imaging Spectroradiometer (MODIS), Sea-viewing Wide 
                         Field-of-view Sensor (SeaWiFS) and MEdium Resolution Imaging 
                         Spectrometer (MERIS). The PPO input variables were assessed by 
                         comparing with in situ data acquired in oceanographic cruises 
                         during summers and winters of 2001 and 2002. The ocean color 
                         algorithms and PP models performance were analyzed by the root 
                         mean square error (RMSE), the average error (bias), and others. 
                         Using SeaWiFS data the chlorophyll-a concentration (Cla, mgChl 
                         m\$^{-3}\$) showed better performance with semi-analytical 
                         algorithm GSM01 (RMSE \$\sim\$0.21, bias \$\sim\$ -0.02). 
                         Using MODIS and MERIS data, the empirical algorithms OC3Mv6 (RMSE 
                         = 0.27, bias = -0.13) and OC4Ev6 (RMSE = 0.25, bias = -0.05), 
                         performed better. The photosynthetically available radiation (PAR, 
                         Einstein m-2 d-1) presented bias compared with in situ 
                         measurements with SeaWiFS, MODIS and MERIS that was adjusted with 
                         a linear model. The PAR attenuation coefficient (KdPAR, m-1) was 
                         better estimated by the algorithm derived from Cla (RMSE 
                         \$\sim\$0.15, bias \$\sim\$0.01) with SeaWiFS data, and 
                         derived from remote sensing reflectance (R\$_{rs}\$, 
                         sr\$^{-1}\$) with MODIS (RMSE = 0.11, bias = 0.05) and MERIS 
                         (RMSE = 0.10, bias = 0.05) data. The euphotic depth (Zeu, m) 
                         obtained from Cla algorithm performed better with SeaWiFS. With 
                         MODIS and MERIS data the estimations of Zeu was based on the Cla 
                         and inherent optical properties algorithms. Analyses of PPO showed 
                         that the performance of the models did not presented a direct 
                         relationship with their complexities. The best PP estimations were 
                         with BPM, MARRA and CBPM2005\$^{M}\$ (RMSE = 0.20 - 0.25, bias = 
                         -0.13 - 0.02). These models used in situ measurements of 
                         photosynthetic parameters (P\$^{B}\$max e 
                         \$\alpha\$\$^{B}\$). The greater sensitivity by BPM, MARRA 
                         and CbPM2005\$^{M}\$ was observed with changes in input of Cla 
                         (2 -12\%), followed by aphy (1 - 4\%), Zeu (\$\sim\$1\%) and 
                         b\$_{bp}\$(443) (< 1\%). The MODIS and SeaWIFS sensors 
                         performed better. MODIS data presented better results with EPPLEY, 
                         VGPM and CbPM2005 with significance level of 0.05. SeaWiFS data 
                         performed better with BPM, MARRA and CbPM2005\$^{M}\$. The 
                         results of this study indicated that joint analysis of ocean color 
                         remote sensing algorithms with data from different satellite 
                         sensors could identify good models to estimate the local PP. 
                         Understand the performance of these algorithms and models is 
                         essential to quantitatively estimate PP with synoptic and 
                         largescale view provided by satellite in SBCM, enabling studies of 
                         monitoring and effects of carbon assimilation in physical and 
                         biological processes of the southeastern continental margin.",
            committee = "Kampel, Milton (presidente/orientador) and Rudorff, Nat{\'a}lia 
                         de Moraes and Alba, Jos{\'e} Juan Barrera",
           copyholder = "SID/SCD",
         englishtitle = "Contribution to the study of satellite primary productivity 
                         estimatives in the southeastern brazilian continental margin",
             language = "pt",
                pages = "157",
                  ibi = "8JMKD3MGP3W34P/3M9PUKH",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34P/3M9PUKH",
           targetfile = "publicacao.pdf",
        urlaccessdate = "24 nov. 2020"
}


Fechar