Avaliação da Turbidez e do Material Particulado em Suspensão na Lagoa dos Patos por Sensoriamento Remoto

Abstract

O material particulado em suspensão (MPS) e a turbidez são duas variáveis importantes em ambientes costeiros, dado o seu papel na dinâmica biogeoquímica desses ambientes. Devido às alterações que causam na cor da água, essas variáveis podem ser estudadas por sensoriamento remoto. Destaca-se, porém, que inexiste uma metodologia (correção atmosférica e algoritmo) com desempenho superior às demais em todas as regiões. Assim, torna-se fundamental avaliar as estimativas em cada caso. O presente estudo teve como objetivo trazer recomendações para o sensoriamento remoto da turbidez e do MPS na Lagoa dos Patos (RS, Brasil). Estudos anteriores na área de estudo apontaram que a região possivelmente apresenta características ópticas distintas ao longo de sua extensão. Aqui, foram utilizadas imagens de três satélites (Sentinel-3, Sentinel-2 e Landsat-8) e comparadas diferentes correções atmosféricas (ACOLITE e POLYMER), algoritmos de turbidez e MPS (empíricos ou semi-analíticos; de banda única ou multibanda) e bandas (vermelho ou infravermelho próximo). As estimativas utilizando algoritmos estabelecidos na literatura, porém, apresentaram elevado viés, levando à necessidade de recalibração regional desses algoritmos. Isso foi realizado utilizando dados de campo de turbidez e MPS, aplicados a um método de ajuste de modelos geofísicos (GeoCalVal). As estimativas originais e recalibradas foram, então, classificadas com base em uma nova métrica (goodness of fit — GoF), que agrupa de forma objetiva diversos parâmetros estatísticos (correlação, acurácia, viés e comparação dos resíduos). Com base nessa métrica, recomenda-se a utilização da seguinte combinação para estimativas de turbidez na área de estudo: correção atmosférica do POLYMER, algoritmo de banda única, banda do infravermelho próximo e coeficientes originais. Para o MPS, a seguinte combinação é recomendada: correção atmosférica do ACOLITE, algoritmo de banda única, banda do infravermelho próximo e coeficientes recalibrados. Como recomendações para futuros trabalhos, tem-se a utilização de dados radiométricos de campo, aplicação de modelos de transferência radiativa e construção de séries temporais multissensores.Suspended particulate matter (SPM) and turbidity are two important variables in coastal environments, given their roles in the biogeochemical dynamics of these regions. Changes in the color of the water associated with these variables make it possible to study them by remote sensing. However, no methodology performs better than the others for all regions. Therefore, it is fundamental to evaluate these estimates in each case. The objective of the present study was to give recommendations for the remote sensing of turbidity and SPM in Patos Lagoon (Brazil). Previous studies in this area suggested that it has distinct optical properties throughout its extension. Here, we used scenes from three satellites (Sentinel-3, Sentinel-2 e Landsat-8) and compared different combinations of atmospheric correction (ACOLITE and POLYMER), algorithms (empirical or semi-analytic; single or multi-band), and bands (red or near-infrared). Turbidity and SPM estimates from established algorithms were highly biased, leading to the need of recalibration of these algorithms regionally. The recalibration was performed using in situ turbidity and SPM measurements applied to a calibration method for geophysical models (GeoCalVal). Estimates using original and recalibrated products were further analyzed based on a novel metric (goodness of fit —GoF), which objectively gathers multiple statistical parameters (for correlation, accuracy, bias, and residuals). Based on this new metric, the following setup for estimating turbidity in Patos Lagoon is recommended: POLYMER atmospheric correction, single-band algorithm, near-infrared band, and original coefficients. On the other hand, the following setup for SPM is recommended: ACOLITE atmospheric correction, singleband algorithm, near-infrared band, and recalibrated coefficients. In future studies, we suggest the use of in situ radiometric data, the application of radiative transfer models, and the building of multi-sensor time series.