| Summary: | The eutrophication of aquatic systems is a worldwide environmental problem. A major aftermath is health-inflicting toxic algal bloom, which can affect humans. Therefore, aquatic systems, mostly near urban environments require environmental monitoring. The use of remote sensing for monitoring algal blooms via bio-optical modelling is based on the spectral behaviour of the optically active components (OACs) in the water to estimate their concentrations. The detection of cyanobacteria, one of the main phyla of harmful algae, takes place via the identification of a unique pigment in inland waters cyanobacteria, the phycocyanin (PC). Remote sensing techniques, such as semi-empirical algorithms - a sort of bio-optical model - have been used to estimate PC concentration in aquatic systems using in situ hyperspectral data and satellite multispectral data. However, there is a lack in scientific works tackling PC prediction in tropical inland waters bearing PC in low concentration such as in city-supplying Guarapiranga reservoir at the southwestern region of São Paulo city. This is mostly true because scientific studies attempt to generate models based on bloom events. However, much uncertainty is associated with models results at the low concentration ranges. Therefore the goal of this research was to evaluate the re-parameterization of a semi-empirical algorithm for a tropical oligo-mesotrophic inland water. Radiometric, fluorometric, limnological, and multi-parameter sonde data were collected in Guarapiranga Reservoir, located. This thesis presents the findings which led to the algorithm re-parameterisation. Results showed that the calibration dataset (n=15) improved PC prediction R$^{2}$ by 15.3\% after the re-parameterisation; and for the validation dataset (n=19), PC prediction R$^{2}$ was improved by 4.79\%. NRMSE for the calibration dataset was bettered by 1.76\%; and it was almost equalised for the validation dataset (differed by 0.19\%). The new re-parameterisation correlation coefficient developed in this study presented a better R$^{2}$ (68\%) than that of the original algorithm (46\%). These correlations linked the band ratios used as enhancing coefficients to known PC spectral features. The bio-optical, radiometric, and water quality characterisation of Guarapiranga reservoir, and the evaluation of signal processing techniques of radiometric data yielded results that supported the generation of the new re-parameterisation coefficient. Such results were related to features in the blue-to-green spectral region capable of improving PC prediction. Uncertainties in the estimations are mainly due to the lack of in situ data. The re-parameterization was also considered for a synthetic dataset of the Ocean \& Land Colour Imager (OLCI) sensor/Sentinel 3. The simulation of OLCI data was conducted using its spectral response function, and it was important because of its potential use in environmental monitoring. Overall results were encouraging, however, further studies are suggested to further validate this new algorithm. Nevertheless, the development of a semi-empirical algorithm for low-concentration PC prediction in tropical inland waters is an important step for the development of an ever-improving robust tool for water quality monitoring. === A eutrofização de sistemas aquáticos é um problema ambiental global. Uma consequência de alta importância disso é a floração de algas tóxicas a qual pode afetar os seres humanos. Portanto, sistemas aquáticos, principalmente aqueles próximos a centros urbanos requerem monitoramento ambiental. A utilização de sensoriamento remoto para o monitoramento de florações de algas através da modelagem bio-óptica é baseada no comportamento espectral dos componentes opticamente ativos (OACs) da água, de modo a estimar suas concentrações. A detecção de cianobactérias, um dos filos mais importantes dentre as algas tóxicas, ocorre através da identificação de um pigmento nestes micro-organismos de águas interiores denominado, ficocianina (PC). Técnicas de sensoriamento remoto, tais como algoritmos semiempíricos - um tipo de modelo bio-óptico - tem sido utilizado para estimar concentrações de PC em sistemas aquáticos utilizando dados hiperespectrais in situ e dados de satélite multiespectrais. Entretanto, há uma deficiência em trabalhos científicos abordando predição de PC em águas interiores tropicais com baixas concentrações de PC tais como o reservatório de Guarapiranga, no sudoeste da capital de São Paulo. Isto é uma realidade, pois estudos científicos tendem a gerar modelos baseados em eventos de florações em que há maiores concentrações de PC. Porém, muita incerteza está associada a resultados de modelos em baixas concentrações de PC. Portanto, o objetivo deste trabalho foi avaliar a reparametrização de um algoritmo semiempírico para uma água interior oligo-mesotrófica tropical. Dados radiométricos, fluorométricos, limnológicos, e de uma sonda multiparâmetro foram coletados no reservatório de Guarapiranga. Esta dissertação apresenta os resultados que levaram à reparametrização do algoritmo. Os resultados mostraram que o R$^{2}$ do conjunto de dados de calibração (n=15) melhorou a predição de PC em 15.3\% após a reparametrização; e o R$^{2}$ do conjunto de dados de validação (n=19), melhorou a predição em 4.79\%. O NRMSE para o conjunto de dados de calibração foi melhorado em 1.76\%; e os NRMSEs da validação praticamente estabilizaram (diferenciando-se em 0.19\%). O coeficiente de correlação desenvolvido para a nova reparametrização neste estudo apresentou um R$^{2}$ (68\%) melhor do que o coeficiente do algoritmo original (R2 = 46\%) com o qual foi comparado. Estas correlações associam razões de bandas, utilizadas como coeficientes de melhoramento, a características espectrais de PC já conhecidas. A caracterização bio-óptica, radiométrica, e de qualidade da água do reservatório, bem como a avaliação de técnicas de processamento de sinais dos dados radiométricos geraram resultados que apoiaram a geração do coeficiente de reparametrização. Tais resultados estiveram relacionados a características nas regiões espectrais do azul-verde como sendo capazes de melhorar a predição de PC. Incertezas nas estimações são essencialmente devidas à falta de dados in situ. A reparametrização também foi considerada para um conjunto de dados sintético do sensor Ocean \& Land Colour Imager (OLCI)/Sentinel3. A simulação dos dados do OLCI foi realizada utilizando a sua função de respota espectral, e foi importante por causa do seu uso potencial em monitoramento ambiental. De maneira geral os resultados foram encorajadores, entretanto, estudos futuros são sugeridos para uma validação mais robusta deste novo algoritmo. Contudo, o desenvolvimento de um algoritmo semiempírico para a predição de PC em baixas concentrações em águas interiores tropicais é um passo importante para o desenvolvimento de um monitoramento de qualidade da água passível de ser melhorado continuamente.
|
|---|
