Dinâmica espaço-temporal da turbidez no reservatório de Itaipu, na região sul do Brasil, utilizando dados de sensoriamento remoto

Abstract

A turbidez da água é um parâmetro crucial na determinação da qualidade da água. A erosão e o assoreamento estão diretamente ligados à turbidez, influenciando a qualida de das águas e o armazenamento de reservatórios. Mapear padrões de turbidez é importante para a gestão e monitoramento de reservatórios. O monitoramento da turbidez em reservatórios, depende de métodos tradicionais com coletas pontuais, analisadas em labor atório que consomem tempo, dinheiro e mão - de-obra exaustiva. Diante disso, o sensoriamento remoto surge como alternativa para complementar programas de monitoramento, preenchendo lacunas temporais e espaciais. Esta Tese aborda métodos para analisar e quantificar padrões de turbidez da água utilizando dados de sensoriamento remoto e técnicas de processamento digital de imagens. Investigou- se a relação entre turbidez, precipitação e reflectância espectral. Os resultados mostraram alta correlação entre o índic e de turbidez NDTI e a turbidez ( R² = 0,91). A precipitação teve influência determinante, sendo o rio Paraná, nos períodos de maior precipitação, o principal agente no transporte de sedimentos. Os compartimentos laterais do reservatório mostraram menor inf luência no transporte de sedimentos. Também comparou-se o desempenho dos algoritmos Classification and Regression Tree (CART), Naive Bayes (NB) e Random Forest (RF), a partir de classificação supervisionada de imagens, e abordagens em Pixel -Based Image analysis (PBIA) e Geographic Object-Based Image Analysis (GEOBIA), para classificar a turbidez. O classificador RF obteve a maior precisão em ambas as abordagens, seguido por CART e NB. Os índices Kappa e Aná lise Global das classificações GEOBIA foram superiores às classificações PBIA em ambos os algoritmos. Também avali ou-se o potencial de estimativa da Área de Água Superficial e Nível de Água do Reservatório. Testamos séries temporais de imagens ó pticas Landsat 8 e Sentinel-2, radar Sentinel- 1, e validação c om altimetria Jason-3. A metodologia foi desenvolvida na rotina operacional do Google Earth Engine, que agilizou o mapeamento. Os melhores resultados foram entre Sentinel-2 e NDWI com R² = 0,88 e RMSE de 11,59 km². No geral, nossos resultados demonstram o potencial do sensoriamento remoto para identificar e analisar padrões de turbidez no reservatório de Itaipu. O que pode ser extraído deste estudo é que a turbidez da água do reservatório é espectralmente ativa. Em segundo lugar, há uma forte conexão entre materiais supensos, turbidez e precipitação. Os dados multiespectrais de média resolução foram ideais na detecção e análise de turbidez. Nosso estudo mostra que mesmo sem dados in situ, é possível analisar, e quantificar padrões de turbidez do reservatório de Itaipu a partir de sensores acoplados em satélites espaciais.

Water turbidity is a crucial parameter in determining water quality. Erosion and siltation are directly linked to turbidity, influencing water quality and reservoir storage. Mapping turbidity patterns is important for reservoir management and monitoring. The monitoring of turbidity in reservoirs depends on traditional methods with punctual collections, analyzed in the laboratory that consume time, money and exhaustive labor. Given this, remote sensing emerges as an alternative to complement monitoring programs, filling temporal and spatial gaps. This Thesis addresses methods to analyze and quantify water turbidity patterns using remote sensing data and digital image processing techniques. The relationship between turbidity, precipitation and spectral reflectance was investigated. The results showed a high correlation between the NDTI turbidity index and turbi dity (R² = 0.91). Precipitation had a decisive influence, with the Paraná River, in periods of greater precipitation, being the main agent in the transport of sediments. The lateral compartments of the reservoir showed less influence on sediment transport. nt transport. The performance of the Classification and Regression Tree (CART), Naive Bayes (NB) and Random Forest (RF) algorithms was also compared, based on supervised image classification, and Pixel-Based Image analysis (PBIA) and Geographic Object approaches. Based Image Analysis (GEOBIA), to classify turbidity. The RF classifier achieved the highest accuracy in both approaches, followed by CART and NB. Kappa indices and Global Analysis of GEOBIA rankings were superior to PBIA rankings in both algorithms. The estimation potential of the Surface Water Area and Water Level of the Reservoir was also evaluated. We tested time series of Landsat 8 and Sentinel-2 optical images, Sentinel-1 radar, and validation with Jason-3 altimetry. The methodology was developed in the operational routine of Google Earth Engine, which streamlined the mapping. ng. The best results were between Sentinel-2 and NDWI with R² = 0.88 and RMSE of 11.59 km². Overall, our results demonstrate the potential of remote sensing to identify and analyze turbidity patterns in the Itaipu reservoir. What can be extracted from this study is that the turbidity of the reservoir water is spectrally active. e. Second, there is a strong connection between suspended materials, turbidity and precipitation. Medium resolution multispectral data were ideal for detecting and analyzing turbidity. Our study shows that even without in situ data, it is possible to analyze and quantify turbidity patterns in the Itaipu reservoir using sensors attached to space satellites.