MÉTODO ALTERNATIVO DE AUTOCORRELAÇÃO ESPACIAL PARA A DETECÇÃO DE CLOROFILA EM CORPOS D’ÁGUA A PARTIR DE IMAGENS INFRAVERMELHAS OBTIDAS POR VEÍCULO AÉREO NÃO TRIPULADO (VANT) a
a
a
Tainá Thomassim Guimarães , Maurício Roberto Veronez , Marcelo Kehl de Souza , Luiz a a a b Gonzaga Jr. , Leonardo Campos Inocencio , Fabiane Bordin , Dalva Maria de Castro Vitti a
Universidade do Vale do Rio dos Sinos, e-mails:
[email protected];
[email protected];
[email protected];
[email protected];
[email protected];
[email protected]; bUSP, e-mail:
[email protected]
Introdução Um dos problemas ambientais relacionados à qualidade da água é a presença de algas fitoplanctônicas em ambientes aquáticos, que altera as características da água e a dinâmica biológica do ecossistema, sendo um aspecto importante para avaliação da condição ambiental. Neste sentido, a clorofila apresenta-se como a principal indicadora da presença de biomassa algal em ambientes aquáticos, sendo a sua quantificação importante em termos de qualidade, principalmente em ambientes lênticos, uma vez que as diversas espécies de algas são responsáveis pelo processo de eutrofização destes ambientes. (VILELA, 2010). Considerando que o monitoramento da concentração de clorofila em lagos, represas e reservatórios de extensas superfícies alagadas pode se tornar extremamente caro e demorado se for realizado de acordo com as técnicas convencionais de coleta e análises desta água, medidas complementares ou alternativas a este monitoramento podem ser adotadas por meio de sensoriamento remoto, pois alguns elementos encontrados nestas águas, como algas, material inorgânico suspenso e matéria orgânica, modificam as propriedades ópticas do corpo de água, alterando seu comportamento espectral e, então, a resposta recebida pelo sensor remoto quando o alvo é um corpo d’água. (LONDE, 2008). Na avaliação da qualidade da água e gestão de recursos hídricos, as imagens de sensoriamento remoto cumprem um importante papel, especialmente em sistemas lênticos e em áreas hídricas sob processos de eutrofização. A utilização de Veículos Aéreos Não Tripulados (VANTs) no imageamento destas superfícies permite mensurar e monitorar aspectos do meio ambiente com a possibilidade de aquisição das imagens com resolução espacial e temporal desejadas e ainda sob condições ambientais adversas, como por exemplo, sob cobertura de nuvens. (BABAN, 1999; HONKAVAARA et al., 2013). Considerando o exposto, o objetivo deste trabalho foi propor um método alternativo para a quantificação da concentração de clorofila na água por meio da correlação entre imagens infravermelhas obtidas por Veículo Aéreo Não Tripulado (VANT) e dados de análises laboratoriais.
Metodologia A área de estudo do presente trabalho foi o Campus da Universidade do Vale do Rio dos Sinos (UNISINOS), localizado no município de São Leopoldo – RS, tendo como material de estudo o lago presente dentro do Campus, que possui uma área de aproximadamente 23 mil m² e está localizado geograficamente nas coordenadas 29°47'43,77"S e 51°09'29,32" W (SIRGAS 2000). Metodologicamente nós mapeamos a área com um sensor de 3 canais (infravermelho próximo (N), verde (G) e azul (B)) acoplado a um Veículo Aéreo não Tripulado (VANT) da marca SenseFly, modelo Swinglet CAM, que sobrevoou a área de estudo a uma altitude de 170 m, totalizando 28 imagens aéreas do local. Além do sobrevoo da área para seu imageamento, nós estabelecemos de forma homogênea 20 pontos amostrais no lago onde realizamos coletas de amostras de água para determinação em laboratório das concentrações de clorofila, que foram realizadas conforme método proposto por Nusch (1980), utilizando como solvente para a extração da clorofila o etanol 80%, aquecido a 75ºC. Posteriormente, realizamos o processamento das imagens aéreas obtidas, onde geramos uma ortofoto e compatibilizamos ao sistema Geodésico SIRGAS 2000 (Sistema de Referência Geocêntrico para as Américas), na projeção UTM (Universal Transverso de Mercator), a partir de uma rede de 14 pontos onde suas coordenadas nós obtivemos com o sistema GNSS (Global Navigation Satellite System), a partir do método RTK (Real Time Kinematic). Com o canal do infravermelho próximo do sensor acoplado ao VANT nós geramos uma imagem de NDVI (Normalized Difference Vegetation Index), através de uma adaptação ao índice usualmente utilizado, tendo em vista que o sensor utilizado na captação das imagens não havia o canal referente ao vermelho. Desta forma, calculamos o NDVI de acordo com a eq. (1) abaixo: (1) Onde: NIR é o canal do infravermelho próximo e B é o canal referente ao azul. Com a imagem NDVI extraímos os índices referentes ao pixel de cada ponto amostral onde foi coletada e analisada a água. Para a análise desta correlação entre o NDVI e a concentração de clorofila na água foram adotados critérios rigorosos para a seleção dos dados, pois a resposta do sensor utilizado na aquisição das imagens poderia ter sido interferida por diversos fatores, como a reflexão da radiação solar pela superfície da água, presença de ventos e a própria atmosfera. Desta forma, desconsideramos quatro pontos classificados como outliers (dois em relação às análises de clorofila e dois em relação aos valores de NDVI) e, ainda, todos os pontos com os valores de NDVI fora do intervalo de mais ou menos um desvio da média do conjunto de dados. Considerando estes critérios, restaram 10 pontos para a análise, onde ajustamos pelo Método dos Mínimos Quadrados um modelo de correlação entre concentração de clorofila presente na água e o NDVI.
Resultados e Discussões Como produto cartográfico inicial, obtido pelo sobrevoo com o VANT e pelo processamento das imagens, obteve-se o mosaico ortorretificado e georreferenciado da área (Fig. 1, a esquerda), que serviu como base para geração da imagem NDVI. Visando melhorar a visualização da distribuição espacial do NDVI ao longo do lago, realizamos um recorte apenas do material de estudo e
aplicamos uma composição colorida na imagem, ajustando-a para realçar as diferenças entre os valores do índice (Fig. 1, centro). Também obtivemos através da espacialização dos dados de concentração de clorofila nos pontos amostrais o mapa interpolado com a distribuição espacial desta variável ao longo do lago (Fig. 1, à direita).
Figura 1: Mosaico ortorretificado do lago e seu entorno (esquerda); Composição colorida NDVI do lago (centro); e Mapa interpolado da concentração de clorofila no lago (direita).
O modelo de correlação entre o NDVI e os índices de clorofila do lago Unisinos gerado consistiu em uma curva função polinomial de quinta ordem (Fig. 2), retornando um coeficiente de correlação (r) de 0,82, coeficiente de determinação (R²) igual a 0,66 e um desvio padrão de 12,8 µg/L. Desta forma, o polinômio adotado é apresentado da eq. (2) abaixo: (2) Onde: y representa a concentração de clorofila (em µg/L); x seria o NDVI em cada ponto amostral; e a, b, c, d, e, f são os respectivos coeficientes das variáveis, cujos valores são apresentados na Tab. 1. Coeficientes a b c d e f
Valores -11,01 -22.416,61 6 -1,08 x 10 7 -2,31 x 10 8 -2,23 x 10 8 -7,88 x 10
Figura 2: Gráfico da função polinomial gerada através da correlação entre clorofila e NDVI. Tabela 1: Valores dos coeficientes apresentados na eq. (2).
Conclusões Ainda que a literatura não traga aplicações de modelos polinomiais para estimativa de clorofila através de NDVI, ressalta-se que, segundo este estudo, através do polinômio apresentado é possível estimar a concentração de clorofila no lago mapeado com base nos valores de NDVI extraídos de uma imagem aérea do mesmo. O modelo apresentado possui valor conclusivo apenas para o material de estudo, já que seriam necessárias análises mais aprofundadas com quantidades maiores de amostras de diferentes épocas do ano e localidades para então generalizar os padrões observados. Os resultados podem, no entanto, servir de ponto de partida para estudos posteriores, com o objetivo de aprofundar o conhecimento sobre a interferência de outros parâmetros na resposta dos sensores, tais como a turbidez da água, presença de sólidos suspensos, profundidade do lago, interferência do fundo, entre outros. Por fim, conclui-se que os dados obtidos por sensoriamento remoto podem ser extremamente úteis na gestão de recursos hídricos, tendo em vista que se caracterizam por serem ferramentas rápidas para obtenção de concentrações variáveis que auxiliariam um monitoramento constante dos corpos hídricos, identificação, assim, a localização de pontos críticos para serem realizadas coletas e análises mais detalhadas desta água. Referências Bibliográficas Baban, S. M. J. 1999. Use of remote sensing and geographical information systems in developing lake management strategies. Hydrobiologia, v. 395, n. 3, p. 211-226. Honkavaara, E. et al. 2013. Processing and Assessment of Spectrometric, Stereoscopic Imagery Collected Using a Lightweight UAV Spectral Camera for Precision Agriculture. Remote Sensing, v. 5, p. 5006-5039. Londe, L. R. 2008. Comportamento espectral do fitoplâncton de um reservatório brasileiro eutrofizado – Ibitinga (SP). Tese (Doutorado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos. Nusch, E. A. 1980. Comparisonof different methods for chlorophyll and phaeopigments determination. Archiv für Hydrobiologie, v. 14, p.14-36. Vilela, M. A. 2010. Metodologia para monitoramento da qualidade da água de reservatórios utilizando sensoriamento remoto. Dissertação (Mestrado em Engenharia Civil) – Faculdade de Engenharia Civil, Universidade Federal de Uberlândia, Uberlândia.
