@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/ibi/8JMKD3MGP3W34R/4247Q9L",
targetfile = "publicacao.pdf",
urlaccessdate = "20 abr. 2024"
}