Mapeo de la dinámica regional de la transparencia en aguas continentales usando productos de reflectancia MOD09GA
DOI:
https://doi.org/10.18041/entramado.2017v13n2.26233Palavras-chave:
Teledetección, Dinámica Espacial, Algoritmos Empíricos, Embalse de Porto Primavera, Monitoreo, Calidad del aguaResumo
La transparencia del agua es un indicador de la calidad de este recurso, y ha sido demostrado que es posible estimar en imágenes generadas por plataformas orbitales la profundidad medida con el Disco de Secchi, con el uso de algoritmos empíricos. Los modelos empíricos correlacionan la intensidad del píxel capturado por la imagen en la banda centrada en los 645nm y el Disco de Secchi. Este trabajo investigativo se desarrolló en el embalse de Porto Primavera, localizado en la frontera que divide los estados de São Paulo, Matto Grosso do Sul e Paraná. Para calibrar y validar el modelo de correlación (reflectancia de superficie Vs Mediciones del Disco de Secchi) se realizaron dos campañas de campo (octubre de 2014 y abril de 2015). El modelo de calibración encontrado muestra que existe un coeficiente de determinación que puede ser considerado como adecuado para la estimación del DS (R2 = 0.8) y los errores asociados con las observaciones también son bajos (RMSE = 0,47m). La dinámica espacial del Disco de Secchi muestra que el embalse de Porto Primavera presenta los menores valores para esta variable en la margen situada en el estado de Matto Grosso do Sul, y en la temporada de otoño del hemisferio austral esta condición puede extenderse hasta la parte norte del lago.Downloads
Referências
ALIKAS, K., & KRATZER, S. Improved retrieval of Secchi depth for optically-complex waters using remote sensing data. In: Ecological Indicators, 2017, vol. 77, p. 218-227.
BOHNA, V., CARMONA, F., RIVAS, R., LAGOMARSINO, L., DIOVISALVIE, N., & ZAGARESEE, H. Development of an empirical model for chlorophyll-a and Secchi Disk Depth estimation for a Pampean shallow lake (Argentina). In: The Egyptian Journal of Remote Sensing and Space Science, 2017, p. 1-9.
CHIPMAN, J. Satellite remote sensing III: Regional-to global-scale systems. In J. CHIPMAN, L. OLMANSON, & A. GITELSON, Remote Sensing Methods for Lake management. ed 1. Minnesota. United States Environmental Protection Agency. 2009, p. 132.
CHIPMAN, J., & SCHLOS, A. Future developments in remote sensing for lake management. En J. CHIPMAN, L. OLMANSON, & A. GITELSON., Remote Sensing Methods for Lake. ed1. Minnesota. United States Environmental Protection Agency. 2009, p. 132.
DIAS, J. A construção da paisagem na raiadivisória São Paulo-Paraná-MatoGrosso do sul: Um estudo por teledetecção. Tese Doutorado em Geografia. Presidente Prudente, São Paulo, Universidade Estadual Paulista UNESP. Departamento de Geografía, 2003. 274p
DÖRNHÖFER, K., & OPPELT, N. Remote sensing for lake research and monitoring – Recent advances. In: Ecological Indicators, Mayo, 2016, vol. 64, p. 105-122.
FENG, L., HU , C., HAN, X., CHEN, X., & QI, L. Long-Term Distribution Patterns of Chlorophyll-a Concentration in China’s Largest Freshwater Lake: MERIS Full-Resolution Observations with a Practical Approach. In: remote sensing, 2015, vol. 7, n. 1, p. 275-299.
FULLER, L., JODOIN, R., & MINNERICK, R. Predicting Lake Trophic State by Relating Secchi-Disk Transparency Measurements to Landsat-Satellite Imagery for Michigan Inland Lakes, 2003–05 and 2007–08. Michigan: U.S. Geological Survey. 2011.
GITELSON, A., STARK, R., ORON, G., DOR, I. Monitoring of Polluted Water Bodies by Remote Sensing. In: Natural Resources, vol. 242, p. 181-188.
GUO, K., ZOU, T., JIANG, D., TANG, C., & ZHANG, H. Variability of Yellow River turbid plume detected with satellite remote sensing during water-sediment regulation. En: Continental Shelf Research, Marzo, 2017, vol. 135, n. 1, p. 74-85.
HAACKA, B., & RYERSONB, R. Improving remote sensing research and education in developing countries: Approaches and recommendations. In: International Journal of Applied Earth Observation and Geoinformation, 2016, vol 45, p. 77-83.
ISENSTEIN, E., & PARK, M. Assessment of nutrient distributions in Lake Champlain using satellite remote sensing. In: Journal of Environmental Sciences, Septiembre , 2014, vol. 26, n. 9, p. 1831-1836.
KNIGTH, J., & VOTH, M. Application of MODIS imagery for intra-annual water clarity assessment of Minnesota Lakes. In: Journal of remote sensing of environment, 2012, vol. 4, p. 2181-2198.
LEE, Z., SHANG, S., HU, C., DUD, K., WEIDEMANNE, A., HOUE, W., LIN, G. Secchi disk depth: A new theory and mechanistic model for underwater visibility. In: Remote Sensing of Environment, Noviembre de 2015, vol. 169, p.139-149.
LUOA, J., LI, X., MAA, R., LI, F., QINA, B., & HUANG, W. Applying remote sensing techniques to monitoring seasonal and interannual changes of aquatic vegetation in Taihu Lake, China. In: Ecological Indicators, Enero 2016, vol. 60, p. 503-513.
MATTHEWS, M. W. A current review of empirical procedures of remote sensing in inland and near-coastal transitional waters. In: International Journal of Remote Sensing, Agosto 2011, vol.32, n. 21, p. 6855-6899.
McCULLOUGH, I., LOFTIN, C., & SADER, S. High-frequency remote monitoring of large lakes with MODIS 500 m imagery. In: Journal of Remote sensing of environment, Semptiembre 2012, vol. 124, p. 234-241.
MONCAYO, R. Estudo do nível trófico do reservatório de porto primavera por meio de sensoriamento remoto e visualização de séries temporais. Presidente prudente, São Paulo, Universidade Estadual Paulista UNESP. Departamento de Cartografía. 2015, p. 153.
MONCAYO, R., & TRINDADE GALO, M. Evaluación espacio temporal del estado trófico de un lago de grandes dimensiones usando imagenes MOD09GA. En: Revista de Ciencia e Ingeniería NEOGRANADINA, 2017, vol. 25, n. 1, p. 27-42.
NOVO, E., BARBOSA, C., MELACK, J., DE FREITAS, R., & SHIMABUKURO, Y. Comparação de Imagens MODIS e ETM+ para Estudo de Águas Interiores: Imposições da Resolução Espacial. Em: Revista Brasileira de Cartografia, 2007, p. 109-118.
RUDORFF, B., SHIMABUKURO, Y., & CEBALLOS, J. O sensor MODIS e suas aplicações ambientais no Brasil. Ed 1. São José dos Campos: INPE. 2007. 448p. ISBN 8560507000.
SOUZA FILHO, E., ZANETTI, K., PINESE, J., & FRANÇA, V. (2010). A hidroquímica do rio Paraná após a barrage de Porto Primavera. En: Bol. geogr., Maringá. 2010. v. 28, n. 2, p. 101-112,
TOTH, C., & JÓZKÓW, G. Remote sensing platforms and sensors: A survey. In: ISPRS Journal of Photogrammetry and Remote Sensing, Mayo 2016, vol. 115, p. 22-36.
TYLER, A., SVAB, E., PRESTON, T., PRÉSING, M., & KOVÁCS, W. Remote sensing of the water quality of shallow lakes: A mixture modelling approach to quantifying phytoplankton in water characterized by high-suspended sediment. In: International Journal of Remote Sensing, Febrero 2007, vol. 27, n. 8, p. 1521-1537.
WHITLEY, E., & BALL, J. Statistics review 1: Presenting and summarising data. In: Critical Care, Febrero 2002, vol. 6, n. 1, p. 66-71.
WU, G., DE LEEUW, J., SKIDMORE, A., PRINS, H., & LIU, Y. Comparison of MODIS and landsat TM5 images for mapping tempo-spatial dynamics of Secchi disk depths in Poyang Lake National Nature Reserve, China. In: International Journal of Remote Sensing, Marzo 2008, vol, 29, n. 8, p. 2183-2198.
ZHANG, Y., LIN, S., QIAN, X., WANG, Q., QIAN, Y., LIU, J., & GE, Y. Temporal and spatial variability of chlorophyll a concentration in Lake Taihu using MODIS time-series data. In: Hydrobiologia, Febrero 2011, vol. 661, n. 1, p. 235-250.
ZHU, L., WANG, S., ZHOU, Y., YAN, F., & ZHOU, W. Water Quality Monitoring in Taihu Lake Using MODIS Image Data. In: IEEE Journal, 2004, p. 2314-2317.
