Fechar
Metadados

@PhDThesis{Cairo:2020:ReUHIb,
               author = "Cairo, Carolline Tressmann",
                title = "Abordagem h{\'{\i}}brida aplicada ao monitoramento 
                         sistem{\'a}tico do estado tr{\'o}fico da {\'a}gua por 
                         sensoriamento remoto em reservat{\'o}rios: reservat{\'o}rio da 
                         UHE Ibitinga/SP",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2020",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2020-04-01",
             keywords = "clorofila-a, estado tr{\'o}fico, modelo h{\'{\i}}brido, 
                         reservat{\'o}rio tropical, chlorophyll-a, trophic state, hybrid 
                         model, tropical reservoir.",
             abstract = "O uso do sensoriamento remoto (SR) para o monitoramento do estado 
                         tr{\'o}fico de {\'a}guas interiores depende da 
                         calibra{\c{c}}{\~a}o de algoritmos bio-{\'o}pticos de 
                         clorofila-a (chl-a). Um dos principais fatores limitantes da 
                         calibra{\c{c}}{\~a}o desses algoritmos {\'e} que eles n{\~a}o 
                         conseguem lidar com precis{\~a}o com as amplas faixas de 
                         concentra{\c{c}}{\~a}o de chl-a em {\'a}guas opticamente 
                         complexas sujeitas a diferentes estados tr{\'o}ficos. Assim, este 
                         estudo prop{\^o}s uma abordagem h{\'{\i}}brida, que {\'e} uma 
                         estrutura combinada de algoritmos calibrados com dados in situ 
                         para faixas espec{\'{\i}}ficas de concentra{\c{c}}{\~a}o da 
                         chl-a, para monitorar sistematicamente o estado tr{\'o}fico da 
                         {\'a}gua em reservat{\'o}rios por SR. A {\'a}rea de estudo 
                         {\'e} o reservat{\'o}rio de Ibitinga, localizado no m{\'e}dio 
                         Tiet{\^e} (regi{\~a}o central do estado de S{\~a}o Paulo), 
                         sendo caracterizado por uma elevada variabilidade 
                         espa{\c{c}}o-temporal da concentra{\c{c}}{\~a}o da chl-a (31000 
                         mg/m3). As seguintes etapas foram realizadas para atingir o 
                         objetivo do presente estudo: 1) classes {\'o}pticas de faixas 
                         espec{\'{\i}}ficas de concentra{\c{c}}{\~a}o da chl-a foram 
                         definidas usando os m{\'e}todos limnol{\'o}gico e {\'o}ptico; 
                         2) algoritmos bio-{\'o}pticos de chl-a foram calibrados/validados 
                         para cada classe {\'o}ptica usando a simula{\c{c}}{\~a}o Monte 
                         Carlo a partir de medidas de Rrs in situ simuladas para as bandas 
                         do sensor MultiSpectral Instrument (MSI) do Sentinel-2; e 3) 
                         aplicou-se um classificador de {\'a}rvore de decis{\~a}o na 
                         imagem MSI/Sentinel-2 para detectar as classes {\'o}pticas de 
                         faixas espec{\'{\i}}ficas de concentra{\c{c}}{\~a}o da chl-a e 
                         alternar entre os algoritmos mais adequados para cada classe. Os 
                         resultados mostraram que as tr{\^e}s classes {\'o}pticas 
                         definidas apresentaram diferentes intervalos de 
                         concentra{\c{c}}{\~a}o da chl-a: a) para o m{\'e}todo 
                         limnol{\'o}gico a classe {\'o}ptica OligoMeso teve intervalo de 
                         varia{\c{c}}{\~a}o de 0-11,03 mg/m3, a classe {\'o}ptica 
                         EutroSuper intervalo de 11,0369,05 mg/m3 e a classe {\'o}ptica 
                         Hiper valor de chl-a maior que 69,05 mg/m3; e b) para o 
                         m{\'e}todo {\'o}ptico a classe {\'o}ptica Classe 1 teve 
                         intervalo de varia{\c{c}}{\~a}o de 2,8922,83 mg/m3, a classe 
                         {\'o}ptica Classe 2 intervalo de 19,5187,63 mg/m3 e a classe 
                         {\'o}ptica Classe 3 intervalo de 75,89938,97 mg/m3. Os algoritmos 
                         de melhor desempenho para as classes {\'o}pticas descritas 
                         s{\~a}o, respectivamente: a) para Modelo H{\'{\i}}brido 
                         Limnol{\'o}gico (MHL): 3 bandas (Rē = 0,92; MAPE = 25,17%), 
                         Normalized Difference Chlorophyll Index (NDCI: Rē = 0,79; MAPE = 
                         24,04%), e 2 bandas ou slope (B5/B3: Rē = 0,89; MAPE = 21,78% / 
                         slope: Rē = 0,88; MAPE = 26,65%); e b) para o Modelo 
                         H{\'{\i}}brido {\'O}ptico (MHO): 3 bandas (Rē = 0,78; MAPE = 
                         34,36%), slope (Rē = 0,93; MAPE = 23,35%), e 2 bandas (B5/B3: Rē = 
                         0,82; MAPE = 21,40% / B6/B3: Rē = 0,98; MAPE = 20,12%). O 
                         classificador da {\'a}rvore de decis{\~a}o mostrou uma 
                         acur{\'a}cia de 95% na detec{\c{c}}{\~a}o das classes 
                         {\'o}pticas dos m{\'e}todos limnol{\'o}gico e {\'o}ptico. A 
                         performance geral do MHL e MHO foram satisfat{\'o}rias (MHL: R2 = 
                         0,94; MAPE = 22,55% / MHO: R2 = 0,98; MAPE = 26,33%) usando dados 
                         in situ, mas foi reduzida usando a imagem MSI/Sentinel-2 (MHL: R2 
                         = 0,56; MAPE = 33,99% / MHO: R2 = 0,42; MAPE = 28,32%) devido 
                         possivelmente {\`a} diferen{\c{c}}a temporal entre os matchups, 
                         {\`a} variabilidade na hidrodin{\^a}mica do reservat{\'o}rio, 
                         {\`a} heterogeneidade da janela 3x3 pixels e {\`a} 
                         diferen{\c{c}}a de resolu{\c{c}}{\~a}o espacial entre os dados 
                         de campo e da imagem MSI/Sentinel-2. Existem algumas 
                         limita{\c{c}}{\~o}es da abordagem h{\'{\i}}brida desenvolvida 
                         neste estudo relacionadas {\`a} corre{\c{c}}{\~a}o 
                         atmosf{\'e}rica e corre{\c{c}}{\~a}o do glint, e tamb{\'e}m 
                         {\`a} sensibilidade do modelo de melhor desempenho em baixas 
                         condi{\c{c}}{\~o}es tr{\'o}ficas da {\'a}gua. Mas de maneira 
                         geral, a estrutura da abordagem h{\'{\i}}brida permitiu uma 
                         estimativa mais precisa da chl-a em {\'a}guas interiores 
                         eutrofizadas. Mesmo tendo desempenhos semelhantes, o MHO mostrou 
                         ser um m{\'e}todo mais preciso que o MHL para estimar a 
                         concentra{\c{c}}{\~a}o da chl-a, e consequentemente o estado 
                         tr{\'o}fico, no reservat{\'o}rio de Ibitinga. Isso porque as 
                         classes {\'o}pticas do m{\'e}todo {\'o}ptico estariam menos 
                         sujeitas a influ{\^e}ncia da varia{\c{c}}{\~a}o da intensidade 
                         da Rrs decorrentes de incertezas na coleta de campo, a 
                         valida{\c{c}}{\~a}o da {\'a}rvore de decis{\~a}o do MHO com 
                         dados in situ e com a imagem gerou menos erros de 
                         classifica{\c{c}}{\~a}o e a estrutura da condicional da 
                         {\'a}rvore de decis{\~a}o do MHO n{\~a}o usou a Banda 6 (B6) do 
                         MSI/Sentinel-2, que geralmente n{\~a}o tem uma boa 
                         corre{\c{c}}{\~a}o atmosf{\'e}rica pelo 6S (superestimada) em 
                         {\'a}guas interiores, podendo isso levar a erros na 
                         classifica{\c{c}}{\~a}o do pixel e, consequentemente, na 
                         estimativa da chl-a. Por fim, o resultado das s{\'e}ries 
                         temporais mostraram que a eutrofiza{\c{c}}{\~a}o no 
                         reservat{\'o}rio de Ibitinga foi intensificada a partir do ano de 
                         2018, aplicando ambos modelos h{\'{\i}}bridos nas imagens 
                         MSI/Sentinel-2. Para o MHL, o estado tr{\'o}fico predominante no 
                         reservat{\'o}rio nos meses de 2018/2019 foi o 
                         hipereutr{\'o}fico, enquanto para o MHO foi o 
                         supereutr{\'o}fico. ABSTRACT: Using remote sensing for monitoring 
                         trophic states of inland waters relies on the calibration of 
                         chlorophyll-a (chl-a) bio-optical algorithms. One of the main 
                         limiting factors of calibrating those algorithms is that they 
                         cannot accurately cope with the wide chl-a concentration ranges in 
                         optically complex waters subject to different trophic states. 
                         Thus, this study proposes a hybrid approach, which is a combined 
                         framework of algorithms calibrated with in situ data for specific 
                         chl-a concentration ranges, to systematically monitor the trophic 
                         state of water in reservoirs by SR. The study area is Ibitinga 
                         Reservoir, located in the Middle Tiet{\^e} (central region of 
                         S{\~a}o Paulo State), being characterized by high spatiotemporal 
                         variability of chl-a concentrations (31000 mg/m3). We took the 
                         following steps to address this issue: 1) we defined optical 
                         classes of specific chl-a concentration ranges using limnological 
                         and optical methods; 2) we calibrated/validated chl-a bio-optical 
                         algorithms for each optical class using Monte Carlo simulation 
                         from in situ Rrs data simulated for MultiSpectral Instrument (MSI) 
                         bands of Sentinel-2; and 3) we applied a decision tree classifier 
                         in MSI/Sentinel-2 image to detect the trophic classes and to 
                         switch to the suitable algorithm for the given class. The results 
                         showed that the three defined optical classes presented different 
                         ranges of chl-a concentration: a) for the limnological method, the 
                         optical class OligoMeso had a variation range of 0-11,03 mg/m3, 
                         the optical class EutroSuper a range of 11,0369,05 mg/m3, and the 
                         optical class Hiper chl-a values more than 69,05 mg/m3; and b) for 
                         the optical method, the optical class Class 1 had a variation 
                         range of 2,8922,83 mg/m3, the optical class Class 2 a range of 
                         19,5187,63 mg/m3, and the optical class Class 3 a range of 
                         75,89938,97 mg/m3. The best performance algorithms for the 
                         described optical classes are, respectively: a) for Limnological 
                         Hybrid Model (LHM): 3-band (Rē = 0,92; MAPE = 25,17%), Normalized 
                         Difference Chlorophyll Index (NDCI: Rē = 0,79; MAPE = 24,04%), and 
                         2-band or slope (B5/B3: Rē = 0,89; MAPE = 21,78% / slope: Rē = 
                         0,88; MAPE = 26,65%); and b) for Optical Hydrid Model (OHM): 
                         3-band (Rē = 0,78; MAPE = 34,36%), slope (Rē = 0,93; MAPE = 
                         23,35%), and 2-band (B5/B3: Rē = 0,82; MAPE = 21,40% / B6/B3: Rē = 
                         0,98; MAPE = 20,12%). The decision tree classifier showed an 
                         accuracy of 95% for detecting optical classes of the limnological 
                         e optical methods. The overall performance of LHM and OHM were 
                         satisfactory (LHM: R2 = 0,94; MAPE = 22,55% / OHM: R2 = 0,98; MAPE 
                         = 26,33%) using in situ data but reduced in the MSI/Sentinel-2 
                         image (LHM: R2 = 0,56; MAPE = 33,99% / OHM: R2 = 0,42; MAPE = 
                         28,32%) possibly due to the temporal gap between matchups, the 
                         variability in reservoir hydrodynamics, the heterogeneity of the 
                         3x3 pixel window and the difference in spatial resolution between 
                         the field data and the MSI/Sentinel-2 image. There are some 
                         limitations of the hybrid approach developed in this study related 
                         to atmospheric and glint correction and to the sensibility of the 
                         best performing model in low trophic conditions of the water. But 
                         in general, the extension of the hybrid approach framework allowed 
                         a more precise chl-a estimate in eutrophic inland waters. OHM 
                         proved to be a more accurate method than LHM for estimating chl-a 
                         concentration, as well as the trophic state, in Ibitinga 
                         Reservoir. This is because the optical classes of the optical 
                         method would be less subject to the influence of the variation in 
                         Rrs intensity due to uncertainties in the field collection, the 
                         validation of the MHO decision tree with in situ data and image 
                         generated less classification errors, and the conditional 
                         structure of the MHO decision tree did not use the MSI/Sentinel-2 
                         B6, which generally does not have a good atmospheric correction 
                         for 6S (overestimated) in inland waters, and this can lead to 
                         errors in pixel classification and, consequently, in the estimate 
                         of chl-a. Finally, the time series result showed that 
                         eutrophication in Ibitinga Reservoir was intensified from 2018, 
                         applying both hybrid models in MSI/Sentinel-2 images. For MHL, the 
                         predominant trophic state in the reservoir in 2018/2019 months was 
                         hypereutrophic, while for MHO it was supereutrophic.",
            committee = "Kampel, Milton (presidente) and Barbosa, Claudio Clemente Faria 
                         (orientador) and Lobo, Felipe de Lucia (orientador) and Oliveira, 
                         Nat{\'a}lia Rudorff and Lamparelli, Marta Cond{\'e} and 
                         Watanabe, Fernanda Sayuri Yoshino",
         englishtitle = "Hybrid apporach applied to systematic monitoring of the water 
                         trophic state with remote sensing techniques in reservoirs: UHE 
                         Ibitinga/SP reservoir",
             language = "pt",
                pages = "174",
                  ibi = "8JMKD3MGP3W34R/4247Q9L",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34R/4247Q9L",
           targetfile = "publicacao.pdf",
        urlaccessdate = "13 abr. 2021"
}


Fechar