@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/ibi/8JMKD3MGP3W34P/3M9PUKH",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}