Desenvolvendo um modelo de sensoriamento remoto para estimativa de sólidos em suspensão em águas turvas complexas: o caso do Rio Madeira

Código

II-FLUHIDROS0077

Autores

Diogo Olivetti, Jean-Michel Martinez, David Guimarães Franca, Osmair Santos Ferreira, Andre Zumak Azevedo Nascimento, Keila Cristina Aniceto, Ednaldo Severo, Diego Alves Santos, ROGERIO RIBEIRO MARINHO, Daniel Augustos Cordeiro Fernandes, Camila da Silva Souto, Henrique Llacer Roig

Tema

09 - Modelagem de sedimentos

Resumo

O monitoramento de Sólidos Suspensos Totais (TSS) em águas continentais por sensoriamento remoto tem sido amplamente disseminado ao longo das últimas décadas, devido à capacidade de estimar este parâmetro de forma automatizada, além de outras vantagens associadas. Esta técnica fundamenta-se na interação deste componente, que é opticamente ativo, com a radiação eletromagnética. A região do infravermelho próximo é comumente aplicada, uma vez que é a faixa espectral na qual predominam os efeitos de retroespalhamento de TSS sem a interferência de outros componentes. No entanto, esta linearidade se limita a efeitos de saturação em águas turvas (>600 mg.l-1), com destaque ainda maior para o Rio Madeira, que é marcado por uma complexidade em suas águas de origem andina e amazônica. Neste aspecto, o objetivo deste trabalho foi desenvolver um modelo específico de TSS aplicáveis também para sensores orbitais e aerotransportados para o Rio Madeira diante de toda sua complexidade. Diversos modelos foram testados, obtidos e otimizados da literatura, com destaque para os modelos híbridos que foram desenvolvidos com algoritmos específicos para diferentes classes de concentração de TSS. Uma longa e extensa amostragem de dados foi realizada por meio de quinze campanhas de campo ao longo de um ano hidrológico. Os resultados demonstraram que os modelos híbridos foram mais adequados para o amplo conjunto de dados de TSS, porém não conseguiram superar as limitações como um todo, especialmente em águas extremamente turvas. O desafio reside em desenvolver modelos mais precisos que considerem demais fatores que influenciam na resposta espectral, como a granulometria.