Inferência espacial de clorofila a por redes neurais artificiais aplicadas a imagens multiespectrais e medidas tomadas in situ

Abstract

O conhecimento da distribuição espacial da concentração de componentes da água é de fundamental importância para inferir a respeito dos processos ecológicos que ocorrem num sistema hídrico sendo, entretanto, de difícil obtenção. Dentre as variáveis que merecem atenção no monitoramento de ambientes aquáticos, destaca-se a clorofila a, a qual é uma substância presente em algas responsáveis pela fotossíntese, organismos que constituem a base da cadeia alimentar nesses ambientes. Por se tratar de um pigmento fotossintetizante, a clorofila a apresenta a propriedade de interagir com a radiação eletromagnética, e dessa interação resultam diferentes processos, identificáveis por meio de sensores remotos. Assim sendo, a presente pesquisa se propôs a desenvolver um método de inferência da concentração de clorofila a utilizando Redes Neurais Artificiais (RNA). Utilizou-se como dados de entrada para a inferência combinações de bandas espectrais de uma imagem World View-2 e valores de concentração de clorofila a obtidos com um fluorômetro de campo, o qual possibilitou uma amostragem densa na área de estudos. A imagem multiespectral foi corrigida radiometricamente, eliminando efeitos de instrumentação e atmosféricos. Ainda, efetuou-se uma suavização espectral em cada uma das bandas e foi avaliado se esse tratamento na imagem possibilitaria...

The knowledge of the spatial distribution of water components concentrations is of fundamental importance to infer about the ecological processes that occur in an aquatic system, however, is difficult to obtain it. Among the variables that deserve attention in the monitoring of aquatic environments, cite the chlorophyll a, which is a substance of photosynthetic algae, organisms that are the basis of the food chain in these environments. Because it is a photosynthetic pigment, chlorophyll a has the property to interact with electromagnetic radiation, and it results in different processes, identifiable through remote sensing. Thus, this research intended to develop a chlorophyll a concentration inference method using Artificial Neural Networks (ANN). As input for the inference, it was used combinations of World View-2 spectral bands and chlorophyll a concentration values obtained with a field fluorometer, which allowed a dense sampling in the study area. The multispectral imagery was radiometrically corrected, eliminating the instrumentation and atmospheric effects. Still, it was performed a spectral smoothing in each of the spectral bands and evaluated whether this treatment would give... (Complete abstract click electronic access below)