| Summary: | A planície de inundação do Baixo Rio Amazonas é sujeita a uma grande variação sazonal no nível d´água devido ao grande volume precipitado sobre esta região tropical, potencializada pela ampla dimensão da Bacia. Esta amplitude, associada à sua topografia plana, resulta também em uma ampla variação na extensão total de áreas inundadas ao longo do ano. Dados de Radares de Abertura Sintética (SAR) representam uma boa alternativa para o mapeamento da inundação nestas áreas, dada a sua capacidade de fornecer informações frequentes em variadas condições atmosféricas. Este estudo apresenta um método para o monitoramento da variação da extensão inundada, durante o ano hidrológico de 2007, utilizando imagens do sensor PALSAR/ALOS, modo ScanSAR. A área de estudo compreende uma seção do Baixo Rio Amazonas, a planície de inundação do Lago Grande de Curuai, próxima à cidade de Óbidos (PA). Doze cenas foram adquiridas entre os anos de 2006 e 2010, sendo sete delas durante o ano hidrológico de 2007. Registros do nível d´água de uma estação fluviométrica (Curuai), fotografias tomadas durante trabalho de campo realizado na enchente de 2011, e imagens ópticas (Landsat-5/TM e MODIS/Terra e Aqua) também foram utilizados. Um algoritmo de mineração de dados possibilitou a identificação de limiares, posteriormente utilizados para a construção de um método de classificação hierárquica, orientada ao objeto, para mapear as condições de inundação da área de estudo para todas as datas disponíveis. A acurácia da classificação foi calculada para os três primeiros níveis hierárquicos, assim como para a condição de inundação. Os níveis 1 e 2 (apenas um mapa para toda a série temporal) tiveram acurácia de 90 e 83\%, respectivamente. As classificações do Nível 3 (um mapa por data) foram validadas para os períodos de seca e cheia, com exatidões globais de 78 e 80\%, respectivamente. A condição de inundação foi mapeada com exatidões globais de 88 e 90 \% para seca e cheia, respectivamente. Para prever a extensão inundada da área de estudo, um modelo polinomial foi ajustado entre as áreas inundadas mapeadas e os níveis d´água registrados na estação fluviométrica de Curuai, para o ano hidrológico de 2007, com R$^{2}$ de 0,94 (p-valor<0,05). O modelo foi validado utilizando as classificações das datas de 2009 e 2010, com um erro quadrático médio (RMSE) de 202 km$^{2}$ (equivalente a 10\% da média dos valores mapeados). === The Lower Amazon River floodplain is subject to a large seasonal variation in water levels, related to the large amount of precipitation in this tropical region, and potentialized by the basin´s large dimension. This water level amplitude, associated with the floodplain flat topography, also results in significant variation in flood extent throughout the year. Synthetic Aperture Radar (SAR) data offers a good alternative for mapping the extent of flooded area in these wetlands, given its ability to provide timely and continuous information without being heavily affected by atmospheric conditions. This study presents a method for monitoring the flood extent variation, during the 2007 flood pulse, using ScanSAR/ALOS images. The study area comprised a section of the Lower Amazon River, the Curuai Lake floodplain, near the city of Óbidos (PA). Twelve ScanSAR scenes were acquired between 2006 and 2010, seven of them during the 2007 flood pulse. Water level records from a gauge station (Curuai), field photographs collected during the rising water period of 2011 and optical images (Landsat-5/TM and MODIS/Terra and Aqua) were also used. Data mining algorithm allowed the identification of thresholds, later used to implement a hierarchical, object based classification algorithm for mapping the flooding status in the study area for all available dates. The accuracy of the classification was assessed for the first three hierarchical classification levels, as well as for flooding status. Levels 1 and 2 (one land cover map for the entire time series) had overall accuracies of 90\% and 83\%, respectively. Level 3 classifications (one map per date) were validated only for the lowest and highest water stages, with overall accuracies of 78\% and 80\%, respectively. Flooding status was mapped with 88\% and 90\% accuracies for the lowest and highest water levels, respectively. To predict flood extent, a polynomial regression model was fitted between flooded area estimates and recorded water levels at the Curuai gauge, for the 2007 pulse, with R$^{2}$= 0.94 (p-value<0.05). The model was validated using the resulting classifications from 2009 and 2010 dates, with an overall Root Mean Squared Error (RMSE) of 202 km$^{2}$ (equivalent to 10\% of the average of observed values).
|
|---|
