Clorofila a e turbidez a partir de imagens MODIS
A Represa Billings é considerada a maior represa da Região Metropolitana de São Paulo (RMSP), sendo a grande responsável pelo seu abastecimento público. Como a qualidade da sua água é afetada pela expansão urbana e atividades econômicas, há a necessidade de monitoramento contínuo. Dentre as mais pro...
Guardado en:
| Autores principales: | , , , , , |
|---|---|
| Publicado: |
2018
|
| Materias: | |
| Acceso en línea: | https://bdigital.uncu.edu.ar/fichas.php?idobjeto=12865 |
| date_str_mv |
2018-10-18 |
|---|---|
| description_str_mv |
A Represa Billings é considerada a maior represa da Região Metropolitana de São Paulo (RMSP), sendo a grande responsável pelo seu abastecimento público. Como a qualidade da sua água é afetada pela expansão urbana e atividades econômicas, há a necessidade de monitoramento contínuo. Dentre as mais promissoras ferramentas de monitoramento, as técnicas de sensoriamento remoto possuem as vantagens de, terem um baixo custo operacional e possibilidade de monitoramento em larga escala. Neste trabalho, utilizamos dados do satélite MODIS a partir da plataforma Google Earth Engine, para explicar a variação em dados de clorofila-a e turbidez obtidos in situ pela CETESB ao longo de 15 anos (2002-2017), através de regressão múltipla e do método de inteligência artificial random forest. Para a clorofila, utilizando técnicas de seleção de modelos, encontramos que o modelo mais simples e com maior explicação inclui as bandas 1, 2, 3, 5 e 7, com um R²=0.18 (P<0.001). Com o método random forest, obtivemos um R²=0.32 com as mesmas bandas, indicando maior poder de explicação em relação aos modelos lineares. Para a turbidez, ambos os métodos explicaram menos de 5% da variação nos dados, indicando uma fraca relação. Apesar do menor poder explicativo em relação ao encontrado na literatura, possivelmente devido às limitações dos dados da CETESB (como a ausência de informações do horário e ponto exatos da coleta), os modelos foram significativos, reforçando o potencial das informações a partir de satélites como indicativos de qualidade da água |
| autor_str_mv |
Bourscheidt, Vandoir Oswaldino da Silva, Letícia Ruiz Haddad, Isadora Saito Satoru, Victor Santos Ricco, Milena Stoppa Espinossi, Nathalia |
| descriptores_str_mv |
Calidad del agua Gestión ambiental Satélite artificial |
| disciplina_str_mv |
Ciencias ambientales |
| titulo_str_mv |
Clorofila a e turbidez a partir de imagens MODIS uma análise comparativa com 15 anos de dados in situ para a represa billings/sp |
| object_type_str_mv |
Ponencia |
| todos_str_mv |
UFSC UFSC UFSC UFSC UFSC |
| id |
12865 |
| plantilla_str |
Producción Científico Académica |
| record_format |
Producción Científico Académica |
| tipo_str |
textuales |
| type_str_mv |
Articulos |
| title_full |
Clorofila a e turbidez a partir de imagens MODIS |
| title_fullStr |
Clorofila a e turbidez a partir de imagens MODIS Clorofila a e turbidez a partir de imagens MODIS |
| title_full_unstemmed |
Clorofila a e turbidez a partir de imagens MODIS Clorofila a e turbidez a partir de imagens MODIS |
| description |
A Represa Billings é considerada a maior represa da Região Metropolitana de São Paulo (RMSP), sendo a grande responsável pelo seu abastecimento público. Como a qualidade da sua água é afetada pela expansão urbana e atividades econômicas, há a necessidade de monitoramento contínuo. Dentre as mais promissoras ferramentas de monitoramento, as técnicas de sensoriamento remoto possuem as vantagens de, terem um baixo custo operacional e possibilidade de monitoramento em larga escala. Neste trabalho, utilizamos dados do satélite MODIS a partir da plataforma Google Earth Engine, para explicar a variação em dados de clorofila-a e turbidez obtidos in situ pela CETESB ao longo de 15 anos (2002-2017), através de regressão múltipla e do método de inteligência artificial random forest. Para a clorofila, utilizando técnicas de seleção de modelos, encontramos que o modelo mais simples e com maior explicação inclui as bandas 1, 2, 3, 5 e 7, com um R²=0.18 (P<0.001). Com o método random forest, obtivemos um R²=0.32 com as mesmas bandas, indicando maior poder de explicação em relação aos modelos lineares. Para a turbidez, ambos os métodos explicaram menos de 5% da variação nos dados, indicando uma fraca relação. Apesar do menor poder explicativo em relação ao encontrado na literatura, possivelmente devido às limitações dos dados da CETESB (como a ausência de informações do horário e ponto exatos da coleta), os modelos foram significativos, reforçando o potencial das informações a partir de satélites como indicativos de qualidade da água |
| title |
Clorofila a e turbidez a partir de imagens MODIS |
| spellingShingle |
Clorofila a e turbidez a partir de imagens MODIS Calidad del agua Gestión ambiental Satélite artificial Bourscheidt, Vandoir Oswaldino da Silva, Letícia Ruiz Haddad, Isadora Saito Satoru, Victor Santos Ricco, Milena Stoppa Espinossi, Nathalia |
| topic |
Calidad del agua Gestión ambiental Satélite artificial |
| topic_facet |
Calidad del agua Gestión ambiental Satélite artificial |
| publishDate |
2018 |
| author |
Bourscheidt, Vandoir Oswaldino da Silva, Letícia Ruiz Haddad, Isadora Saito Satoru, Victor Santos Ricco, Milena Stoppa Espinossi, Nathalia |
| author_facet |
Bourscheidt, Vandoir Oswaldino da Silva, Letícia Ruiz Haddad, Isadora Saito Satoru, Victor Santos Ricco, Milena Stoppa Espinossi, Nathalia |
| title_sort |
Clorofila a e turbidez a partir de imagens MODIS |
| title_short |
Clorofila a e turbidez a partir de imagens MODIS |
| url |
https://bdigital.uncu.edu.ar/fichas.php?idobjeto=12865 |
| estado_str |
3 |
| building |
Biblioteca Digital |
| filtrotop_str |
Biblioteca Digital |
| collection |
Producción Científico Académica |
| institution |
Sistema Integrado de Documentación |
| indexed_str |
2023-04-25 00:35 |
| _version_ |
1764120160897073152 |
