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 RAPHAEL ALVES E 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.