Estimativa de Profundidade do Estuário do Rio Poxim – SE com Dados do Sensor TM Landsat 05
DOI:
https://doi.org/10.11137/2020_4_111_118Keywords:
Batimetria, Ecobatímetro, Sensoriamento remotoAbstract
A batimetria de um corpo d’água normalmente é estimada através de levantamentos batimétricos. Apesar de ser um método muito utilizado, os levantamentos batimétricos demandam tempo e diversos equipamentos, tornando-o oneroso e passível de erros. O objetivo principal deste estudo foi estimar a batimetria do estuário do rio Poxim a partir de técnicas de Sensoriamento Remoto e análises estatísticas de regressão. O trabalho foi realizado no estuário do rio Poxim, localizado na bacia hidrográfica do Rio Sergipe, na cidade de Aracaju - SE. Foram ajustados modelos de regressão entre os valores batimétricos e as bandas espectrais do satélite Landsat
5 TM e o índice da diferença normalizada da água. A avaliação dos modelos ajustados foi realizada pela análise de significância dos coeficientes, do coeficiente de determinação (r²), da raiz do erro quadrado médio (REQM) e da validação cruzada. A melhor correlação foi observada entre os valores de batimetria e a banda espectral do comprimento de onda do infra-vermelho próximo, com valor de 0,71. O melhor ajuste foi encontrado com a utilização do modelo linear, com r² igual a 0,6 e REQM de 33% (0,46 metros) na etapa de calibração e r² igual 0,53 e REQM de 0,51 metros (37%) na validação. Pode-se concluir que o modelo de batimetria, ajustado a partir de dados de Sensoriamento Remoto, pode ser utilizado para estimar de forma satisfatória os valores de batimetria do estuário do rio Poxim.
References
Anderson, N.T. & Marchisio, G.B. 2012. WorldView-2 and the evolution of the DigitalGlobe remote sensing satellite constellation: introductory paper for the special session on WorldView-2. In: PROC.SPIE, Vol. 8390, pp. 8390–8390–15.
Flener, C.; Lotsari, E.; Alho, P. & Kayhko, J. 2012. Comparison of empirical and theoretical remote sensing based bathymetry models in river environments. River Research and Applications, 28(1): 118-133.
Frazão, L.S. & Amaro, V.E. 2016. Caracterização batimétrica e físico-oceanográfica do porto de Cabedelo/Pb, Brasil: uma análise ambiental ao derrame de óleo. Revista Brasileira de Geomorfologia, 17(1): 125-143.
Gao, J. 2009. Bathymetric mapping by means of remote sensing: methods, accuracy and limitations. Progress in Physical Geography: Earth and Environment, 33(1): 103–116.
George, D.G. 1997. Bathymetric mapping using a compact airborne spectrographic imager (CASI). International Journal of Remote Sensing, 18: 2067–71.
Krug, L.A. & Noernberg, M.A. 2006. O sensoriamento remoto como ferramenta para determinação de batimetria de baixios na Baía das Laranjeiras, Paranaguá – PR. Revista Brasileira de Geofísica, 25(1): 101-105.
Krug, L.A. & Noernberg, M.A. 2005. Extração de Batimetria por Sensoriamento Remoto de Áreas Rasas dos Sistemas Estuarinos do Estado do Paraná. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - SBSR, XII, Goiania-GO, Brasil, 2005. Anais, Goiania, p. 3077- 3084.
Kumar, V.K.; Palit, A. & Bhan, S.K. 1997. Bathymetric mapping in Rupnarayan–Hooghly river confl uence using IRS data. International Journal of Remote Sensing, 18: 2269–70.
Legleiter, C.J.; Tedesco, M.; Smith, L.C.; Behar, A.E. & Overstreet, B.T. 2014. Mapping the bathymetry of supraglacial lakes and streams on the Greenland ice sheet using field measurements and high-resolution satellite images. The Cryosphere, 8: 215–228.
Lima, J.C.; Shinozaki-Mendes, R.A. & Almeida, A.Q. 2013. Estimativa da batimetria do açude do Saco-Pe com auxílio de dados orbitais. Engenharia Agrícola, 34(5): 1017-1023.
Mclusky, D.S. 1989. The estuarine ecosystem. 2nd edition, Series Tertiary Level Biology. Glasgow to London. Blackie and Son Ltd. 215 p.
Miecznik, G. & Grabowska, D. 2012. Worldview-2 bathymetric capabilities. In: PROC.SPIE, Vol. 8390, pp. 8390 – 8390 – 10.
Namikawa, L.M. 2015. Imagens Landsat 8 para monitoramento de volume de água em reservatórios: estudo de caso nas barragens Jaguari e Jacareí do sistema Cantareira. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO - SBSR, XVII, João Pessoa-PB, Brasil, 2015. Anais, João Pessoa, p. 4828- 4835.
ONU. 2017. Organização das Nações Unidas. Novo estudo da ONU indica que mundo terá 11 bilhões de habitantes em 2100. Disponível em: <https://nacoesunidas.org/novo-estudo-da-onu-indica-que-mundo-tera-11-bilhoes-de-habitantes-em-2100/ >. Acessado em: 15/02/2017.
R Development Core Team. 2014. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, Disponível em: <http://www.R-project.org/>.
Ribeiro, S.R.A.; Tedesco, A.; Krueger, C.P. & Centen, J.A. 2005. Extração de rofundidades mediante redes neurais artificias e modelo de regressão usando dados de levantamento GPS e de imagem IKONOSII – estudo comparativo. Engevista, 7(1):73-82.
Scott, D.B.; Tobin, R.; Williamson, M.; Medioli, F.S.; Latimer, J.S. & Boothman, W.A. 2005. Pollution monitoring in two North American estuaries: historical reconstructions using benthic foraminifera. Journal of Foraminiferal Research, 35(1): 65-82.
Tripathi, N.K. & Rao, A.M. 2002. Bathymetric mapping in Kakinada Bay, India, using IRS-1D LISSIII data. International Journal of Remote Sensing, 23: 1013–25.
Vermote, E.F.; Tanre, D.; Deuze, J.L.; Herman, M. & Morcette, J.J. 1997. Second Simulation of the Satellite Signal in the Solar Spectrum. IEEE Transactions on Geoscience and Remote Sensing, 35(1): 675-686.
Downloads
Published
Issue
Section
License
This journal is licensed under a Creative Commons — Attribution 4.0 International — CC BY 4.0, which permits use, distribution and reproduction in any medium, provided the original work is properly cited.