MAPEAMENTO DE DIFERENTES TIPOS DE ÁGUA NO ESTUÁRIO DE GUAJARÁ-MIRIM POR MEIO DO MODELO LINEAR DE MISTURA ESPECTRAL (MLME)

Autores

¹Duarte, J.F.S.; ²Ramos, A.J.R.; ³Carneiro, R.S.G.S.; ⁴Silva, T.M.

¹INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS Email: duarte.jessyca@gmail.com
²UNIVERSIDADE FEDERAL RURAL DA AMAZÔNIA Email: alvaroramos85@hotmail.com
³INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS Email: rebeca.carneiro@inpe.br
⁴UNIVERSIDADE FEDERAL RURAL DA AMAZÔNIA Email: thamyresmsilva12@gmail.com

Resumo

Os ecossistemas estuarinos apresentam grande diversidade no que se diz respeito às características físico-químicas, geomorfológicas e biológicas. Por se apresentarem como um elo entre os rios e o mar, a mistura dessas águas faz com que as diferenças de tais características levem a complexas reações e mudanças de fase do material acumulado na água. Conhecer a dinâmica dos elementos presentes nas águas estuarinas apresenta um alto grau de compreensão acerca do funcionamento destes ecossistemas. Desta forma, os lagos e rios da Bacia Amazônica são classificados segundo o parâmetro coloração, como água preta, água clara e água branca. O uso de dados de Sensoriamento Remoto apresenta grande potencialidade para identificação e representação espacial e temporal da qualidade da água, permitindo o monitoramento de grandes áreas em diferentes escalas de tempo no estudo da dinâmica de sedimentos em corpos hídricos. O objetivo do presente trabalho consiste na identificação dos principais tipos de água da zona estuarina de Guajará-Mirim, através da caracterização espectral em imagens OLI/LANDSAT auxiliada pela aplicação do Modelo Linear de Mistura Espectral de Shimabukuro e Smith para o mapeamento das classes de água. A área de estudo está localizada no estuário do rio Guajará-Mirim ou Furo da Laura, o qual é o principal acidente hidrográfico do município, às margens do qual está situada à cidade de Vigia, e tem como um dos principais tributários o rio Baiacu, além de vários igarapés menores. Os dados utilizados foram as imagens do sensor OLI/ Landsat 8 (órbita-ponto 223/61) referente à data 01 de junho de 2016. Tal período foi selecionado por ser época de menor regime pluviométrico na região, apresentando menor incidência de nuvens. As faixas espectrais utilizadas para tal estudo compreendem os comprimentos de ondas correspondentes às bandas 1, 2 e 4. Inicialmente foi realizada a obtenção de perfis de reflectância da imagem, onde os valores de níveis digitais (ND) foram convertidos em valores de reflectância através da Correção de Reflectância IAR (Refletância Relativa Média Interna) para normalizar imagens para um espectro médio de cena. Foram adquiridos em campo pontos ao longo do estuário com auxílio de GPS (Global Positioning System) para posterior comparação, sendo as coordenadas geográficas: 0º51’11,5”S e 48°08’45,9”W; 0°50’42,8”S e 48°08’32,9”W; 0°53’54,6”S e 48°08’18,7”W; e 0°50’54,6”S e 48°07’9,2”W. Para extrair a máscara de água da imagem analisada, foi aplicado o índice NDWI (Normalized Difference Water Index), o qual permite ressaltar feições de água e minimizar o restante dos alvos, descriminando desta forma as feições estuarinas costeiras de forma mais eficiente. O NDWI é formulado pela razão da diferença pela soma das bandas do verde (V) e do infravermelho médio (IV). Em seguida, foi recortada a imagem pela máscara resultante do NDWI para isolar apenas as porções de interesse do estudo e então foi feita a seleção dos membros de referência para posterior aplicação do Modelo Linear de Mistura Espectral (MLME) realizada no software SPRING. Nesse trabalho foram selecionadas as componentes: Água Clara (baixos níveis de sedimentos suspensos), Água Branca (altos níveis de sedimentos suspensos) por serem os principais responsáveis pelas diferenças espectrais dos principais corpos d’água presentes na área de estudo e a componente Nuvens. Em seguida foi aplicado o MLME para estimar a proporção de cada componente selecionado, para cada pixel, a partir da resposta espectral nas diversas bandas do OLI, gerando as imagens-fração Água Clara, Água Branca e Nuvens. O mapeamento de diferentes águas foi feita a partir da segmentação das imagens-fração e o fatiamento das classes. As imagens-frações possibilitaram realçar os elementos puros os quais se apresentam em tons mais claros. A fim de caracterizar espectralmente os componentes resultantes do MLME, foram obtidas as curvas de reflectância dos alvos. A resposta é expressa em valores normalizados de reflectância, correspondentes às bandas 1, 2, 3, 4 e 5 do Landsat-8 OLI, para melhor caracterização espectral dos alvos estudados. Após análise das curvas espectrais dos alvos analisados, foi feita a validação com os dados obtidos em campo, os resultados se mostraram coerentes com o que se espera do comportamento espectral dos diferentes tipos de água e de nuvens. A classe água branca foi classificada de forma satisfatória após a aplicação do mlme; a classe água clara apresentou curva espectral mais baixa em relação à água branca por apresentar menores concentrações de sedimentos no período analisado. A curva espectral da classe nuvens mostrou-se com comportamento típico deste alvo, exibindo reflectância máxima nos intervalos espectrais das bandas utilizadas. Apesar das limitações tecnológicas do sensor OLI/LANDSAT para estudos de caracterização espectral de corpos d’água, ainda assim a imagem adquirida permitiu mapear os principais tipos de águas presentes na área de estudo. A aplicação do modelo linear de mistura espectral em estudos de recursos hídricos se destacou como uma importante ferramenta, e apresentou resultados satisfatórios para o presente estudo, mostrando eficiência em discriminar diferentes tipos de água segundo os parâmetros de coloração, que podem indicar distintas concentrações de sedimentos em suspensão nos corpos d’água, em especial para análises de baixa escala. O conhecimento prévio das curvas espectrais teóricas dos componentes avaliados foi de extrema importância para validar os resultados gerados pela classificação a partir do modelo de mistura linear, bem como os pontos de coleta em campo serviram como verdade terrestre e evidenciaram a coerência do mapeamento de águas barrentas classificadas neste estudo como “águas brancas”.

Keywords

Hidrologia; Reflectância; Sensoriamento Remoto

ARTIGO COMPLETO