@PhDThesis{Jorge:2018:CaBiIm,
author = "Jorge, Daniel Schaffer Ferreira",
title = "Caracteriza{\c{c}}{\~a}o bio-{\'o}ptica e
implementa{\c{c}}{\~a}o de algoritmos semi-anal{\'{\i}}ticos
para o estudo da qualidade da {\'a}gua na Reserva de
Desenvolvimento Sustent{\'a}vel Mamirau{\'a}",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2018",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2018-04-24",
keywords = "sensoriamento remoto, propriedades bio-{\'o}pticas, lagos da
Amaz{\^o}nia, algoritmos semi-anal{\'{\i}}ticos,
simula{\c{c}}{\~a}o de sensores, remote sensing, bio-optical
properties, Amazon lakes, semi analytical algorithms, sensor
simulation.",
abstract = "O desenvolvimento de algoritmos com boa acur{\'a}cia e
precis{\~a}o para obten{\c{c}}{\~a}o de informa{\c{c}}{\~o}es
{\'o}pticas de {\'a}guas interiores {\'e} fundamental para
aumentar a aplicabilidade de dados de sensoriamento remoto para
fins de monitoramento. Embora os algoritmos
semi-anal{\'{\i}}ticos tenham sido desenvolvidos para as
{\'a}guas oce{\^a}nicas, diversos trabalhos adaptaram e
aplicaram estes em {\'a}guas continentais e costeiras, com
relativo sucesso, entretanto para {\'a}guas opticamente complexas
ainda n{\~a}o foi poss{\'{\i}}vel valid{\'a}-los. Para
compreender melhor estes ambientes e auxiliar o desenvolvimento de
ferramentas para o monitoramento de plan{\'{\i}}cies de
inunda{\c{c}}{\~a}o da Amaz{\^o}nia, este estudo possui 3
objetivos: i) Realizar a caracteriza{\c{c}}{\~a}o
bio-{\'o}ptica da Reserva de Desenvolvimento Sustent{\'a}vel
Mamirau{\'a} (RDSM) ii) Avaliar o impacto do SNR nos algoritmos
para estimativa de Chl-a e TSS em quatro lagos localizados na RDSM
iii) Avaliar dois algoritmos semi-anal{\'{\i}}ticos aplicados
aos lagos da Amaz{\^o}nia, que s{\~a}o muito din{\^a}micos, e
com alta variabilidade na concentra{\c{c}}{\~a}o de mat{\'e}ria
org{\^a}nica, sedimentos e fitopl{\^a}ncton. Para isto, dados
{\'o}pticos in situ foram obtidos durante cinco miss{\~o}es
entre 2015 e 2016, com um total de 102 pontos de amostragem. A
an{\'a}lise das propriedades {\'o}ticas deste ambiente mostrou
que estas s{\~a}o controladas por duas for{\c{c}}antes, tempo e
espa{\c{c}}o. Durante a vazante, os lagos possuem
caracter{\'{\i}}sticas relativamente homog{\^e}neas, enquanto
que durante a enchente, o impacto varia em fun{\c{c}}{\~a}o da
posi{\c{c}}{\~a}o dos lagos em rela{\c{c}}{\~a}o aos rios de
entorno. Para os lagos localizados dentro da floresta e longe dos
rios principais, observou-se um aumento na mat{\'e}ria
org{\^a}nica, enquanto que para os lagos localizados
pr{\'o}ximos aos rios, observou-se um aumento de detrito. Para
avaliar o impacto do SNR em medidas bio-{\'o}pticas, dois
conjuntos de dados foram simulados (espectros com e sem
ru{\'{\i}}do) com base em medi{\c{c}}{\~o}es in situ e nas
caracter{\'{\i}}sticas do sensor (MSI / Sentinel-2, OLCI /
Sentinel-3 e OLI / Landsat 8). O conjunto de dados foi testado em
tr{\^e}s algoritmos emp{\'{\i}}ricos para TSS e em quatro para
Chl-a. Os resultados mostraram que o impacto do SNR em cada
algoritmo exibiu padr{\~o}es semelhantes para ambos os
constituintes. Para algoritmos lineares e aditivos, a amplitude do
erro {\'e} constante para toda a faixa de
concentra{\c{c}}{\~a}o. No entanto, para algoritmos
multiplicativos, o erro muda de acordo com a equa{\c{c}}{\~a}o
do algoritmo e a magnitude da \𝑅\𝑟\𝑠.
Por fim, para o algoritmo exponencial, a amplitude de erro {\'e}
maior para concentra{\c{c}}{\~a}o baixa. O sensor OLCI possui o
melhor desempenho (erro de at{\'e} 2 \μg/L para o Chl-a,
com faixa entre 9 e 14 \μg/L, e 3 mg/L para o TSS, com faixa
entre 5 e 30 mg/L). Para MSI, o erro dos algoritmos aditivos e
lineares para TSS e Chl-a {\'e} baixo (at{\'e} 5 mg/L e 1
\μg/L, respectivamente); mas, para o algoritmo
multiplicativo, os erros foram acima de viii 10 \μg/L. A
simula{\c{c}}{\~a}o OLI resultou em erros abaixo de 3 mg/L para
o TSS. No entanto, o n{\'u}mero e a posi{\c{c}}{\~a}o das
bandas do OLI restringem a estimativa de Chl-a. Para a
avalia{\c{c}}{\~a}o dos algoritmos semi-anal{\'{\i}}ticos,
foram testados dois algoritmos para os lagos da RDSM: Spectral
Optimization Algorithm (SOA); e Quasi-Anal{\'{\i}}tical Algoritm
(QAA). Cada algoritmo foi calibrado, utilizando tanto a estrutura
original quanto mudan{\c{c}}as propostas para {\'a}guas
opticamente complexas. Os algoritmos foram inicialmente testados
para todo o conjunto de dados coletados in situ com resultados
n{\~a}o satisfat{\'o}rios para o QAA. Para melhorar o desempenho
dos algoritmos, o conjunto de dados foi dividido em lagos escuros
(Bua Bua e Mamiraua) e lagos claros (Pirarara e Pantale{\~a}o),
com base no espectro de \𝑅\𝑟\𝑠. Os
resultados mostraram que os espectros de absor{\c{c}}{\~a}o
total derivados do SOA, quando comparados a medidas in situ,
apresentaram alta correla{\c{c}}{\~a}o, entretanto ao
discriminar as fra{\c{c}}{\~o}es em fitopl{\^a}ncton e
detrito+CDOM, o algoritmo n{\~a}o foi capaz de discriminas a
fra{\c{c}}{\~a}o do fitopl{\^a}ncton em lagos escuros. Para o
QAA, os resultados se mostraram satisfat{\'o}rios, tanto para a
absor{\c{c}}{\~a}o total, quanto para as absor{\c{c}}{\~o}es
fracionada. Entretanto, observou-se uma tend{\^e}ncia do QAA
subestimar os valores de absor{\c{c}}{\~a}o. Considerando que os
algoritmos n{\~a}o foram desenvolvidos para ambientes opticamente
complexos e com grande varia{\c{c}}{\~a}o espacial e temporal os
resultados se mostraram satisfat{\'o}rios, sendo uma ferramenta
fundamental para o desenvolvimento de programas de monitoramento
para {\'a}guas Amaz{\^o}nicas. ABSTRACT: The development of
algorithms with good precision and accuracy to obtain optical
information from inland waters is fundamental to increase the
applicability of remote sensing data for monitoring purposes.
Although semianalytical algorithms had been developed for ocean
waters, several works adapted and applied them on coastal and
inland waters, with relative success, but for extremely complex
waters, validations have yet to be achieved. To understand better
those environments and to develop new tools to monitor Amazonian
flood plains, this has 3 objectives: i) Accomplish the bio-optical
characterization of the Mamirau{\'a} Sustainable Development
Reserve (MSDR) ii) Evaluate the impact of signal-to-noise ratio
(SNR) on Chla and TSS algorithms in four lakes located in the
Mamirau{\'a} Sustainable Development Reserve (RDSM) iii) Evaluate
two semi-analytical algorithms applied to Amazon lakes, which are
dynamic and with high variability in the organic matter, sediments
and phytoplankton concentration. To accomplish that, in situ
optical data were obtained during five missions between 2015 and
2016, with a total of 102 sampling stations. The evaluation of the
optical propertis of this environment showed that those are
controlled by 2 forces, time and space. During the receding water,
the lakes have relatively homogeneous characteristics, while
during the flood, the impact changes based on the lakes position
in relation with the surrounding rivers. For the lakes located
inside the forest and far from the main rivers, an increase in
organic matter was observed, while for the lakes located near the
rivers, an increase in detritus was observed. To evaluate the
impact of the SNR on biooptical measurements, two datasets were
simulated (noisy and noiseless), based on in situ measurements and
sensors design (MSI / Sentinel-2, OLCI / Sentinel-3 e OLI /
Landsat 8). The dataset was tested in three empirical algorithms
for TSS and four for Chl-a. The results showed that the impact of
the SNR on each algorithm showed similar patterns for both
constituents. For linear additive algorithms, the error amplitude
is constant for all the concentration range. But for
multiplicative algorithms, the uncertainty changed based on the
algorithm equation and \𝑅\𝑟\𝑠
magnitude. Lastly, for exponential algorithms, the error amplitude
is higher for lower concentration. OLCI sensor had the best
performance (error of up to 2 \μg/L for Chl-a, with range
between 9 and 14 \μg/L and 3 mg/L for TSS with range between
5 and 30 mg/L). For MSI, the additive and linear algorithms error
for TSS and Chl-a is low (up to 5 mg/L and 1 \μg/L,
respectively); but for multiplicative algorithms, the errors were
above 10 \μg/L. OLI simulation resulted in errors bellow 3
mg/L for TSS. However, OLI band positions and numbers is
restrictive for Chl-a estimation. x To evaluate the
semi-analytical algorithms, two algorithms were tested for RDSM
lakes: Spectral Optimization Algorithm (SOA); and
Quasi-Anal{\'{\i}}tical Algoritm (QAA). Each algorithm was
calibrated, using both the original structure and proposed changes
for optically complex waters. The algorithms were initially tested
for all the dataset sampled in situ, but the results were not
satisfactory for QAA. To increase the algorithm performance the
dataset was divided on dark lakes (Bua Bua and Mamirau{\'a}) and
bright lakes (Pirarara and Pantale{\~a}o), based on
\𝑅\𝑟\𝑠 spectrum. The results showed
that the total absorption spectra derived from SOA, when compared
to in situ measurements, presented high correlation, however when
discriminating the phytoplankton and detritus+CDOM fractions, the
algorithm was not successful to discriminate the phytoplankton
fraction on dark lakes. For the QAA, the results were
satisfactory, for both total and fractioned absorption. However,
QAA showed a tendency to underestimate the absorption magnitude.
Considering that the algorithms were not developed for optically
complex environments and with high spatial and temporal
variability, the results were satisfactory, being a fundamental
tool for the development of monitoring programs for Amazon
waters.",
committee = "Moraes Novo, Evlyn M{\'a}rcia Le{\~a}o de (presidente) and
Barbosa, Cl{\'a}udio Clemente Faria (orientador) and Affonso,
Adriana Gomes (orientadora) and Rudorff, Nat{\'a}lia de Moraes
and Carvalho, Lino Augusto Sander de and Costa, Maycira and
Ciotti, Aurea Maria",
englishtitle = "Bio-optical characterization and implementation of semi-analytical
algorithms for the study of Mamirau{\'a} Sustainable Development
Reserve water quality",
language = "pt",
pages = "161",
ibi = "8JMKD3MGP3W34R/3QRHPKP",
url = "http://urlib.net/ibi/8JMKD3MGP3W34R/3QRHPKP",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}