Publicação: Estimação da concentração de clorofila-a em um sistema de aquacultura a partir de imagens multiespectrais obtidas via ARP
Carregando...
Data
2024-11-21
Autores
Orientador
Watanabe, Fernanda Saiury Yoshino 
Coorientador
Bernardo, Nariane Marselhe Ribeiro
Pós-graduação
Ciências Cartográficas - FCT
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A clorofila-a (chl-a) é um importante indicador da produção primária e,
consequentemente, da qualidade da água, essencial para a existência de ecossistemas aquáticos. O monitoramento da qualidade da água pode ser realizado por meio de imagens provenientes de sensores remotos: satélites e aeronaves remotamente pilotadas (ARPs). ARPs são um método alternativo para monitorar pequenos recursos hídricos, uma vez que permitem a coleta de dados com alta resolução espacial. Entretanto, desafios como reflexão especular e homogeneidade espectral da água podem dificultar o alinhamento fotogramétrico e precisam ser contornados. A trajetória de voo deve ser planejada para minimizar reflexos indesejados da luz solar. O presente estudo foi realizado em tanques de piscicultura, duas represas para alimentação dos tanques e um trecho do rio Mojiguaçu, localizados no Centro Nacional de Pesquisa e Conservação da Biodiversidade Aquática Continental – CEPTA, em Pirassununga/SP. A análise da qualidade da água do sistema de aquacultura foi realizada por meio da tomada de imagens da área com uma câmara Agrowing acoplada à ARP DJI Matrice 300 RTK. Para compatibilizar imagens capturadas pelo sensor multiespectral e a resposta espectral da superfície da Terra, medidas com espectrorradiômetro, foram aplicados dois métodos de calibração radiométrica, baseados em linha empírica, linear e exponencial. Os métodos foram testados com diversos alvos de calibração, incluindo alvos de água, para corrigir valores negativos de reflectância. O método exponencial revelou-se mais apropriado, com uma acurácia superior em relação ao método linear. Técnicas de regressão de aprendizado de máquina: Random Forest (RF) e Multilayer Perceptron (MLP), além da Regressão Linear Multivariada (MLR), foram usadas para construir modelos bio-ópticos para a estimação e mapeamento da concentração de chl-a. Dois voos (VOO1 e VOO2) foram realizados para abranger toda a área de estudo. A MLR e o RF resultaram em métricas satisfatórias para ambos os voos, de aproximadamente 12 µg/L para o RMSE, 20% para a NRMSE, -1 para o bias e 0,7 para o R2. Por sua vez, o modelo baseado em MLP não gerou bons resultados para o VOO2. O presente estudo demonstrou um grande potencial para a utilização de dados de alta resolução espacial para a estimação do conteúdo de chl-a de corpos d’água de pequenas extensões, pouco estudados quando comparados à grandes rios e reservatórios.
Resumo (inglês)
Chlorophyll-a (chl-a) is an important indicator of primary production and, consequently, of water quality, essential for the existence of aquatic ecosystems. Water quality monitoring can be carried out using images from remote sensors: satellites and remotely piloted aircraft (RPAs). RPAs are an alternative method for monitoring small water bodies, as they allow data collection with high spatial resolution. However, challenges such as specular reflection and the spectral homogeneity of water can hinder photogrammetric alignment and need to be addressed. The flight path should be planned to minimize unwanted sunlight reflections. The present study was conducted in aquaculture tanks, two reservoirs supplying the tanks, and a section of the Mojiguaçu River, located at the National Research and Conservation Center for Continental Aquatic Biodiversity – CEPTA, in Pirassununga/SP, Brazil. The water quality analysis of the aquaculture system was performed using images captured by an Agrowing camera mounted on a DJI Matrice 300 RTK RPA. To align the images captured by the multispectral sensor with the spectral response of the Earth's surface, as measured with a spectroradiometer, two radiometric calibration methods were applied: empirical line-
based, both linear and exponential. These methods were tested with various calibration targets, including water targets, to correct negative reflectance values. The exponential method proved to be more suitable, with greater accuracy compared to the linear method. Machine learning regression techniques—Random Forest (RF) and Multilayer Perceptron (MLP)—as well as Multivariate Linear Regression (MLR), were used to develop bio-optical models for estimating and mapping chl-a concentration. Two flights (Flight 1 and Flight 2) were conducted to cover the entire study area. MLR and RF produced satisfactory metrics for both flights, with approximately 12 μg/L for RMSE, 20% for NRMSE, -1 for bias, and 0.7 for R². On the other hand, the MLP-based model did not yield good results for Flight 2. This study demonstrated significant potential for using high spatial resolution data to estimate chl-a content in small water bodies, which are less studied compared to large rivers and reservoirs.
Descrição
Idioma
Português
Como citar
LUCCHETTA, Beatriz Cirino. Estimação da concentração de clorofila-a em um sistema de aquacultura a partir de imagens multiespectrais obtidas via ARP. Orientador: Fernanda Saiury Yoshino Watanabe. 2025. 114 f. Dissertação (Mestrado em Ciências Cartográficas) - Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente, 2024.
