@MastersThesis{Silva:2020:UsOpWa,
author = "Silva, Edson Filisbino Freire da",
title = "Using optical water types for satellite monitoring of brazilian
inland waters",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2020",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2020-02-27",
keywords = "remote sensing, optical water types, inland waters, sensoriamento
remoto, tipos {\'o}pticos de {\'a}gua, {\'a}guas interiores.",
abstract = "One of the key issues of monitoring inland water quality is
spatial-temporal sampling because water quality can rapidly change
due to natural and anthropogenic influence. Remote sensing of
inland waters is a reliable tool for monitoring water quality in
large areas and time-series. However, the traditional method of
calibrating bio-optical algorithms for limnological parameters
(e.g., Chlorophyll-a (Chl-a), Total Suspended Matter (TSM), and
Colored Dissolved Organic Matter (CDOM)) is limited to bio-optical
characteristics of the study sites used for algorithm calibration.
Consequently, bio-optical algorithms are not suitable for
monitoring inland waters on a macro-scale level. On the other
hand, monitoring Optical Water Types (OWT) has shown a macro-scale
application, while those OWTs also represent changes in Chl-a,
TSM, and CDOM concentrations. Thus, monitoring Brazilian OWTs
could be a useful tool for water management on a wide scale. The
objective of this study is to create a method for monitoring the
water quality of Brazilian inland waters using OWTs. The study is
described in three chapters; the chapter 3 assesses the
uncertainties related to the merging of spectra measurements
obtained under different protocols of computing remote sensing
reflectance (Rrs); the chapter 4 describes the identification of
Brazilian OWTs using hyperspectral in situ Rrs, which was acquired
for water bodies encompassing a wide range of optical
characteristics in Brazil; the chapter 5 describes the training of
classification algorithms for detecting the OWTs using satellite
sensors. In the chapter 3, it is shown that Rrs computed on
Kutsers method is lower than that of Mobleys in all water types,
with bias reaching up to -100%. Both methods allow satisfactory
calibration of biooptical algorithms when they are used apart, but
there is a significant accuracy reduction when both methods are
mixed in the same database. Furthermore, almost half of the
samples are labeled with different clusters depending on the Rrs
method. Hence, merge both methods for calibrating biooptical
algorithms is viable when a validation dataset is used, but
spectral clustering should be avoided. In the chapter 4, a total
of eight OWTs are computed based on Rrs shape and magnitude, which
represent different optical and limnological characteristics of
Brazilian waters. The OWT 1 represents transparent waters with low
TSM, Chl-a, and CDOM concentrations; the OWT 2 represents
transparent waters with moderate CDOM and TSM; OWT 4 is
characterized by waters with algae bloom in aquatic system with
moderate TSM concentration; OWT 5 is characterized by waters with
algae bloom in low TSM concentration; OWT 6 is composed by waters
with severe algae bloom density; OWT 7 is characterized by waters
with the highest CDOM concentration; OWT 8 is waters with high TSM
concentration; OWT 9 is waters with the highest scattering and TSM
concentration. In the chapter 5, classification algorithms are
trained for detecting the OWTs in satellite images of Sentinel-2
MSI, Landsat-8 OLI, and Landsat-7 ETM+. Sentinel-2 MSI has the
best spectral resolution for classifying OWTs and exhibited
satisfactory accuracy (Recall from 0.77 to 0.99) in satellite
images. On the other hand, Landsat-8 OLI and Landsat-7 ETM+
classifications are profoundly affected by the overestimation of
nearx infrared bands, causing weak accuracy water bodies
characterized by algae blooms (OWTs 4, 5, and 6). In conclusion,
the proposed have many applications, such as i) support of
sampling design and survey campaigns; ii) detection of water
quality anomalies caused by abrupt changes such in sediment
loading and onset of algal blooms; iii) it could also be used for
a census of Brazilian surface waters and provide reliable data in
a macroscale level; last, iv) It could be used for improving the
accuracy and the scope of semi-analytical algorithms based on Rrs
by using the OWT in the calibration and validation process.
RESUMO: Um dos fatores limitantes para se monitorar a qualidade
das {\'a}guas interiores {\'e} a cobertura
espa{\c{c}}o-temporal de amostragens, visto que a qualidade da
{\'a}gua pode mudar rapidamente por causas naturais ou
antropog{\^e}nicas. O sensoriamento remoto de {\'a}guas
interiores {\'e} uma excelente ferramenta para monitorar com
maior frequ{\^e}ncia grandes regi{\~o}es. Entretanto, o
m{\'e}todo tradicional de calibra{\c{c}}{\~a}o de algoritmos
bio-{\'o}pticos para a estimativa de par{\^a}metros como
concentra{\c{c}}{\~a}o de Material Total Suspenso (TSM),
clorofila-a (Chl-a), e mat{\'e}ria org{\^a}nica colorida
dissolvida (CDOM) tem sua aplica{\c{c}}{\~a}o limitada {\`a}s
regi{\~o}es para as quais estes foram calibrados, e, portanto,
n{\~a}o podem ser aplicados em macro escala. Por outro lado, o
monitoramento de tipos {\'o}pticos de {\'a}gua (OWT) possui
aplica{\c{c}}{\~a}o em macro escala pois estes tamb{\'e}m
representam altera{\c{c}}{\~o}es em TSM, Chl-a, e CDOM. Sendo
assim, o uso de OWTs para o monitoramento de grandes regi{\~o}es,
como o territ{\'o}rio brasileiro, pode ser vantajoso. Essa
vantagem fundamenta o objetivo deste estudo, de criar um
m{\'e}todo para o monitoramento das {\'a}guas brasileiras usando
OWTs. Este estudo encontra-se descrito em tr{\^e}s
cap{\'{\i}}tulos; o cap{\'{\i}}tulo 3 investiga as incertezas
geradas quando diferentes m{\'e}todos de corre{\c{c}}{\~a}o de
glint para o c{\'a}lculo da reflect{\^a}ncia de sensoriamento
remoto (Rrs) s{\~a}o misturados para formar uma {\'u}nica base
de dados; o cap{\'{\i}}tulo 4 descreve como as OWTs de sistemas
aqu{\'a}ticos interiores brasileiros foram geradas a partir de
medidas de Rrs hiperespectral representativas de um amplo range de
caracter{\'{\i}}sticas {\'o}pticas dos corpos de {\'a}gua do
Brasil; o cap{\'{\i}}tulo 5 descreve o processo de treinamento
de algoritmos classificadores desenvolvidos para detectar OWTs
definidas por dados hiper espectrais aplicados a sensores
multiespectrais. Nos resultados do cap{\'{\i}}tulo 3, a Rrs
calculada utilizando o m{\'e}todo do Kutser {\'e} mais baixa que
a Rrs calculada pelo m{\'e}todo do Mobley em todos tipos de
{\'a}gua, sendo que a Rrs do Kutser pode subestimar em at{\'e}
-100% a Rrs corrigida por Mobley. Ambos os m{\'e}todos permitem
calibrar algoritmos bio-{\'o}pticos quando s{\~a}o usados
separados, mas quando s{\~a}o combinados em uma {\'u}nica base
de dados, pode haver uma queda significativa na acur{\'a}cia dos
algoritmos. Al{\'e}m disso, o processo de
classifica{\c{c}}{\~a}o (clustering) de espectros de Rrs,
aproximadamente metade das amostras s{\~a}o agrupadas em classes
distintas em fun{\c{c}}{\~a}o do m{\'e}todo de
corre{\c{c}}{\~a}o de glint utilizado. Portanto, ambos os
m{\'e}todos de corre{\c{c}}{\~a}o de glint podem ser combinados
para calibra{\c{c}}{\~a}o de algoritmos bio{\'o}pticos, desde
que uma base de dados de avalia{\c{c}}{\~a}o seja utilizada. Por
outro lado, deve se evitar clusterizar espectros combinando os
dois m{\'e}todos. No cap{\'{\i}}tulo 4, um total de oito OWTs
foram obtidas utilizando a forma e magnitude da Rrs, cujas
propriedades {\'o}pticas e limnol{\'o}gicas s{\~a}o distintas.
A OWT 1 compreende {\'a}guas transparentes com baixa
concentra{\c{c}}{\~a}o de TSM, Chl-a e CDOM; a OWT 2 compreende
{\'a}guas transparentes com moderada concentra{\c{c}}{\~a}o de
CDOM e TSM; a OWT 4 inclui {\'a}guas com flora{\c{c}}{\~a}o de
algas em ambientes com concentra{\c{c}}{\~a}o moderada de TSM; a
OWT 5 compreende {\'a}guas com flora{\c{c}}{\~a}o de algas em
ambientes com baixa concentra{\c{c}}{\~a}o de TSM; a OWT 6
inclui {\'a}guas com flora{\c{c}}{\~o}es de algas com alta
densidade; a OWT 7 compreende {\'a}guas com elevadas
concentra{\c{c}}{\~o}es de CDOM; a OWT 8 s{\~a}o {\'a}guas com
alta concentra{\c{c}}{\~a}o de TSM; e a OWT 9 s{\~a}o
{\'a}guas com alto retro espalhamento e as mais altas
concentra{\c{c}}{\~o}es de TSM. No cap{\'{\i}}tulo 5,
algoritmos classificadores foram treinados para detectarem as OWTs
em imagens dos sensores Sentinel-2 MSI, Landsat-8 OLI e Landsat-7
ETM+. Sentinel-2 MSI mostrou a melhor capacidade espectral para
classificar as OWTs. Nas imagens de sat{\'e}lite, o desempenho
dos classificadores {\'e} muito sens{\'{\i}}vel a
corre{\c{c}}{\~a}o atmosf{\'e}rica, sendo o Sentinel-2 MSI o
que apresenta o melhor desempenho entre as imagens orbitais. Por
outro lado, as classifica{\c{c}}{\~o}es das imagens obtidas por
Landsat-8 OLI e Landsat-7 ETM+ foram significativamente afetadas
pela super estima{\c{c}}{\~a}o de suas bandas no infravermelho
pr{\'o}ximo, o que levou {\`a} redu{\c{c}}{\~a}o da
acur{\'a}cia de classifica{\c{c}}{\~a}o de OWTs relacionadas a
flora{\c{c}}{\~a}o de algas (OWTs 4, 5 e 6). Concluindo, a
utiliza{\c{c}}{\~a}o do m{\'e}todo proposto neste estudo para o
monitoramento das {\'a}guas interiores brasileiras pode: i)
fornecer subs{\'{\i}}dios para o delineamento amostral e para o
planejamento de campanhas de campo; ii) permitir
detec{\c{c}}{\~a}o de anomalias em mudan{\c{c}}as abruptas do
ambiente, como alto aporte de sedimentos e a flora{\c{c}}{\~a}o
de algas; iii) o m{\'e}todo pode tamb{\'e}m ser utilizado para
um cadastro das {\'a}guas superficiais brasileiras,
informa{\c{c}}{\~a}o essencial para determinar um n{\'{\i}}vel
de refer{\^e}ncia da qualidade da {\'a}gua contra qual medir
impactos antropog{\^e}nicos e naturais em um n{\'{\i}}vel de
macro escala.; iv) melhorar a acur{\'a}cia de algoritmos
semi-anal{\'{\i}}ticos baseados em Rrs, usando as OWTs durante o
processo de calibra{\c{c}}{\~a}o e valida{\c{c}}{\~a}o.",
committee = "Barbosa, Cl{\'a}udio Clemente Faria (presidente) and Novo, Evlyn
M{\'a}rcia Le{\~a}o de Moraes (orientadora) and Lobo, Felipe de
Lucia (orientador) and Noernberg, Mauricio Almeida and Costa,
Maycira",
englishtitle = "Uso de tipos {\'o}pticos de {\'a}gua para o monitoramento das
{\'a}guas interiores brasileiras por sat{\'e}lites",
language = "en",
pages = "111",
ibi = "8JMKD3MGP3W34R/4247NRS",
url = "http://urlib.net/ibi/8JMKD3MGP3W34R/4247NRS",
targetfile = "publicacao.pdf",
urlaccessdate = "28 mar. 2024"
}