View
215
Download
0
Category
Preview:
Citation preview
MINISTÉRIO DA CIÊNCIA E TECNOLOGIAINSTITUTO NACIONAL DE PESQUISAS ESPACIAIS
INPE-7261-TAE/41
SENSORIAMENTO REMOTO APLICADO AO ESTUDO DACONCENTRAÇÃO DE CLOROFILA-a, TRANSPARÊNCIA E
PROFUNDIDADE DA ÁGUA NA LAGOA DE ARARUAMA, RJ
Cláudia Zuccari Fernandes Braga
Tese apresentada ao Curso de Pós Graduação em Geociências da Universidade FederalFluminense, como requisito parcial para obtenção do Grau de Doutor em Geociências –
Área de Concentração Geoquímica Ambiental.
INPESão José dos Campos
1999
4
AGRADECIMENTOS
Aos meus pais, Americo e Ecy, pela confiança e apoio irrestritos.
Aos meus filhos, Luiz e Nina, pelas lições de vida.
Ao Douglas, por tanto amor.
Ao Dr. Björn Kjerfve, pela orientação.
Ao Dr. Marcio Luiz Vianna, pelas idéias originais e profícuas, além da
discussão dos objetivos, metodologia e resultados da pesquisa e minuciosa
revisão do manuscrito final.
Aos Drs. Alfredo V. Bellido Bernedo e Bruno Turcq, pela revisão detalhada,
discussão dos resultados e comentários que muito contribuíram para a melhoria
deste trabalho.
Ao Dr. Douglas Gherardi, pela discussão dos resultados, revisão do texto e
apoio fundamental em todos os aspectos, profissionais e pessoais.
Aos Drs. Thelma Krug, Bernardo Friedrich T. Rudorff e Evlyn Márcia L. de
Moraes Novo, pela oportunidade de executar esta etapa da minha formação
profissional.
Aos integrantes do Laboratório de Radiometria (LARAD - Inpe), Carlos
Alberto Steffen, Elisabete Caria Moraes e Fábio Furlan Gama, pelo suporte na
5
instrumentação, aquisição e tratamento preliminar dos dados
espectrorradiométricos.
Ao Dr. Flávio J. Ponzoni, pela revisão dos resultados da espectrorradiometria.
Ao Dr. Eduardo J. B. Bastos e à MSc Morgana L. Freire, pelo apoio e cessão
do programa para o teste de correção atmosférica das imagens Landsat.
Aos membros da Divisão de Processamento de Imagens (DPI/Inpe - S. J.
Campos), José Cláudio Mura, Eymar S. S. Lopes e Guaraci José Erthal pelo
suporte dado na utilização do programa SPRING para processamento de
imagens digitais.
À Divisão de Geração de Imagens (DGI/Inpe - Cachoeira Paulista).
Às operadoras do Laboratório de Tratamento de Imagens Digitais, Íris de
Marcelhas e Souza e Valéria Abrão P. Esteves.
Aos colegas Marcos da Costa Pereira e José Eduardo Mantovani, pela ajuda na
coleta de dados espectrorradiométricos em campo.
Ao amigo Geraldo P. Galvão, pelo apoio na infraestrutura computacional.
A todo o Departamento de Geoquímica da UFF, professores, funcionários e
colegas.
À equipe do Projeto PROLAGOS, pelo apoio aos trabalhos de campo e
disponibilização dos dados dos demais subprojetos envolvidos.
À CAPES, Instituto Acqua e PETROBRAS pelo financiamento da pesquisa.
6
SUMÁRIO
Folha de Aprovação........................................................................................................2
Dedicatória......................................................................................................................3
Agradecimentos ..............................................................................................................4
Sumário...........................................................................................................................6
Lista de Figuras ..............................................................................................................11
Lista de Tabelas ..............................................................................................................13
Lista de Abreviaturas......................................................................................................17
Resumo ...........................................................................................................................18
Abstract...........................................................................................................................19
1 INTRODUÇÃO ........................................................................................................20
1.1 JUSTIFICATIVA DO TRABALHO.......................................................................20
1.2 SENSORIAMENTO REMOTO DE ÁGUAS COSTEIRAS..................................24
1.2.1 Óptica aquática: princípios básicos ..................................................................24
1.2.2 Medidas espectrorradiométricas in situ: o estado da arte ..............................28
1.2.3 Medidas por sensores orbitais: o estado da arte ..............................................30
1.3 OBJETIVO DO TRABALHO.................................................................................33
1.4 ESTRUTURA DO TRABALHO ............................................................................34
7
2 ÁREA DE ESTUDO.................................................................................................37
2.1 SEDIMENTOS........................................................................................................40
2.2 CLIMA ....................................................................................................................41
2.3 HIDROLOGIA ........................................................................................................42
2.4 POLUIÇÃO.............................................................................................................44
2.5 PRODUTIVIDADE BIOLÓGICA..........................................................................45
3 MATERIAIS E MÉTODOS ....................................................................................47
3.1 PARÂMETROS AMBIENTAIS.............................................................................49
3.2 MEDIDAS DO FATOR DE REFLECTÂNCIA DA ÁGUA .................................52
3.2.1 Geometria de aquisição dos dados ....................................................................53
3.2.2 Obtenção dos espectros de fator de reflectância e curvas derivadas .............54
3.2.3 Seleção de faixas espectrais para a estimativa de parâmetros
ambientais......................................................................................................................57
3.3 DADOS LANDSAT-5 TM .....................................................................................59
3.3.1 Correção da influência da atmosfera nos dados obtidos em
plataformas orbitais .....................................................................................................61
3.3.2 Obtenção de bandas processadas a partir das bandas originais TM ............63
3.3.2.1 Razões entre bandas...........................................................................................63
3.3.2.2 Transformação por principais componentes......................................................64
3.3.3 Amostragem das imagens ..................................................................................65
3.3.4 Classificação digital não-supervisionada das imagens TM ............................66
3.4 ANÁLISES ESTATÍSTICAS .................................................................................67
3.4.1 Medidas de tendência central e dispersão dos conjuntos de dados................67
3.4.2 Análises de correlação ........................................................................................68
8
4 MEDIDAS DE PARÂMETROS AMBIENTAIS DA LAGOA DE
ARARUAMA ................................................................................................................70
4.1 DISTRIBUIÇÃO ESPACIAL E TEMPORAL DOS PARÂMETROS
MEDIDOS......................................................................................................................70
4.1.1 Salinidade ............................................................................................................72
4.1.2 Temperatura .......................................................................................................75
4.1.3 Clorofila-a ...........................................................................................................76
4.1.4 Total de sólidos em suspensão ...........................................................................78
4.1.5 Profundidade do disco de Secchi.......................................................................79
4.2 ANÁLISES DE CORRELAÇÃO ENTRE OS PARÂMETROS
AMBIENTAIS................................................................................................................81
4.2.1 Correlações entre os parâmetros ambientais por data de coleta ...................81
4.2.2 Correlações entre os valores médios diários dos parâmetros
ambientais......................................................................................................................82
4.3 CONCLUSÕES.......................................................................................................83
5 MEDIDAS ESPECTRORRADIOMÉTRICAS DA LAGOA DE
ARARUAMA ................................................................................................................86
5.1 ANÁLISE DOS ESPECTROS DE FR E CURVAS DERIVADAS.......................87
5.2 CORRELAÇÃO ENTRE OS PARÂMETROS AMBIENTAIS E O
FATOR DE REFLECTÂNCIA......................................................................................93
5.2.1 Correlações com a concentração de clorofila-a ...............................................94
5.2.2 Correlações com a profundidade do disco de Secchi ......................................100
5.2.3 Correlações com a profundidade da água........................................................104
5.2.4 Correlações com o total de sólidos em suspensão ............................................106
5.3 CONCLUSÕES.......................................................................................................108
9
6 AVALIAÇÃO DE PARÂMETROS AMBIENTAIS DA LAGOA DE
ARARUAMA ATRAVÉS DE DADOS DO SENSOR THEMATIC
MAPPER (TM) DO SATÉLITE LANDSAT-5 .........................................................110
6.1 IMAGENS TM TRANSFORMADAS POR ANÁLISE DE PRINCIPAIS
COMPONENTES...........................................................................................................110
6.2 ANÁLISE VISUAL DAS IMAGENS TM1, TM2 E TM3.....................................112
6.3 SEGMENTAÇÃO E CLASSIFICAÇÃO DAS IMAGENS TM1, TM2 E
TM3 ...............................................................................................................................114
6.3.1 Classificação da imagem de 17 de abril ............................................................115
6.3.2 Comparação entre as imagens classificadas de cada data de análise ............117
6.4 CORRELAÇÕES ENTRE OS DADOS TM E OS PARÂMETROS
AMBIENTAIS................................................................................................................124
6.4.1 Correlações com a concentração de clorofila-a ...............................................128
6.4.2 Correlações com a profundidade do disco de Secchi ......................................131
6.4.3 Correlações com a profundidade da água........................................................133
6.4.4 Correlações com os demais parâmetros ambientais........................................135
6.5 CORREÇÃO DOS DADOS TM PARA OS EFEITOS ATMOSFÉRICOS ..........136
6.5.1 Comparação entre os dados TM corrigidos e os dados
espectrorradiométricos ................................................................................................137
6.5.2 Correlações entre os dados TM e os dados espectrorradiométricos..............138
6.6 CONCLUSÕES.......................................................................................................141
7 CONSIDERAÇÕES FINAIS...................................................................................144
8 REFERÊNCIAS BIBLIOGRÁFICAS ...................................................................148
9 APÊNDICES .............................................................................................................161
10
9.1 MEDIDAS SUPERFICIAIS DE PARÂMETROS AMBIENTAIS
REALIZADAS DURANTE 21 DATAS DE COLETA NA LAGOA DE
ARARUAMA DURANTE O ANO DE 1994................................................................161
9.2 ESPECTROS DO FATOR DE REFLECTÂNCIA DA ÁGUA E
RESPECTIVAS CURVAS-DERIVADAS PRIMEIRA (EM 1/NM) E
SEGUNDA (EM 1/NM2) OBTIDOS NAS ESTAÇÕES AMOSTRADAS NAS
DATAS SELECIONADAS PARA ANÁLISE..............................................................169
9.3 DIAGRAMAS DE DISPERSÃO ENTRE OS PARÂMETROS
AMBIENTAIS E AS VARIÁVEIS ESPECTRORRADIOMÉTRICAS.......................181
9.4 DIAGRAMAS DE DISPERSÃO ENTRE OS PARÂMETROS
AMBIENTAIS E OS DADOS MULTIESPECTRAIS DO SENSOR
THEMATIC MAPPER - TM .........................................................................................200
9.5 DIAGRAMAS DE DISPERSÃO ENTRE OS DADOS TM CORRIGIDOS
(TMC, %) E OS DADOS TM SIMULADOS A PARTIR DE DADOS
ESPECTRORRADIOMÉTRICOS (RTM, %) ...............................................................210
11
LISTA DE FIGURAS
Figura 1 – Localização da Lagoa de Araruama ..............................................................22
Figura 2 - Principais localidades, aspectos fisiográficos e estações de coleta na
Lagoa de Araruama ......................................................................................38
Figura 3 - Carta batimétrica da Lagoa de Araruama ......................................................39
Figura 4 – Geometria de aquisição de dados espectrorradiométricos ............................54
Figura 5 – Exemplo de espectro do fator de reflectância bidirecional espectral
da água adquirido na Lagoa de Araruama.....................................................55
Figura 6 – Curvas-derivadas primeira (nm-1) e segunda (nm-2) do fator de
reflectância bidirecional espectral da água, referentes a três estações
amostrais na Lagoa de Araruama ..................................................................56
Figura 7 - Medidas de salinidade superficial (‰) realizadas em 12 estações de
coleta na Lagoa de Araruama durante o ano de 1994 ...................................72
Figura 8 - Medidas de precipitação (mm) realizadas na Estação Climatológica
de Iguaba Grande durante o ano de 1994 ......................................................73
Figura 9 - Medidas de temperatura superficial da água (ºC) realizadas em 12
estações de coleta na Lagoa de Araruama durante o ano de 1994 ................75
12
Figura 10 - Medidas de concentração de clorofila-a (µg.l-1) realizadas na Lagoa
de Araruama em 21 datas de coleta durante o ano de 1994 em 11
estações..........................................................................................................77
Figura 11 - Medidas do total de sólidos em suspensão realizadas na Lagoa de
Araruama em 12 estações de coleta durante o ano de 1994..........................79
Figura 12 - Espectros de FR e curvas-derivadas primeiras e segundas ..........................88
Figura 13 - Composição colorida das bandas TM1, TM2 e TM3 de 17 de abril
de 1994 ..........................................................................................................113
Figura 14 - Imagem classificada a partir da segmentação das bandas TM1,
TM2 e TM3 de 17 de abril de 1994...............................................................115
Figura 15 - Fotografias dos tipos de fundo típicos do interior das enseadas da
margem sul da Lagoa de Araruama...............................................................118
Figura 16 - Imagens classificadas a partir da segmentação das bandas TM1,
TM2 e TM3 em cada uma das seis datas de estudo ......................................119
Figura 17 - Diagramas de dispersão entre os dados TM e os parâmetro bióticos
analisados, evidenciando a variância dos dados referentes às
estações 1 e 2.................................................................................................127
13
LISTA DE TABELAS
Tabela 1 - Datas de coleta de dados na Lagoa de Araruama durante o ano de
1994, indicando a disponibilidade (X) de dados
espectrorradiométricos e imagens do sensor TM com cobertura de
nuvens inferior a 10%...................................................................................48
Tabela 2 - Variáveis selecionadas das curvas de fator de reflectância para a
estimativa da concentração de clorofila-a, sólidos totais em
suspensão e transparência da água na Lagoa de Araruama, RJ....................58
Tabela 3 - Variáveis selecionadas das curvas de primeira (D1-) e segunda (D2-)
derivadas do fator de reflectância para a estimativa da concentração
de clorofila-a, sólidos totais em suspensão e transparência da água
na Lagoa de Araruama, RJ ...........................................................................59
Tabela 4 - Resolução espectral e espacial das bandas do sensor “Thematic
Mapper” ........................................................................................................60
Tabela 5 - Médias e desvios-padrão (DP) dos parâmetros medidos em
superfície em 21 datas de coleta durante o ano de 1994 ..............................71
Tabela 6 - Médias e desvios-padrão (DP) dos parâmetros medidos em
superfície em 12 estações de coleta durante o ano de 1994 .........................71
14
Tabela 7 - Totais mensais de precipitação e evaporação e diferença entre
precipitação em evaporação (em mm) registrados na Estação
Climatológica de Iguaba Grande ..................................................................73
Tabela 8 - Coeficientes de variação (CV) das medidas de salinidade superficial
(em ‰) realizadas na Lagoa de Araruama durante o ano de 1994 em
12 e 11 (excluída a estação 1) estações de coleta .........................................74
Tabela 9 - Coeficientes de correlação estatisticamente significativos entre os
parâmetros ambientais medidos....................................................................81
Tabela 10 - Datas de coleta de dados espectrorradiométricos na Lagoa de
Araruama durante o ano de 1994, com as respectivas condições de
luminosidade e de cobertura de nuvens no céu ............................................87
Tabela 11 - Coeficientes de correlação simples bivariada (r) entre a
concentração de clorofila a e D2F658..........................................................95
Tabela 12 - Coeficientes de correlação simples bivariada (r) entre a
concentração de clorofila a e D2DIF............................................................95
Tabela 13 - Estações em que a profundidade de Secchi igualou-se à
profundidade da água e estações cuja profundidade foi inferior a 3m .........96
Tabela 14 - Coeficientes de correlação simples bivariada (r) entre a
concentração de clorofila-a e D2F658, após a exclusão dos dados
espúrios.........................................................................................................97
Tabela 15 - Coeficientes de correlação simples bivariada (r) entre a
concentração de clorofila-a e D2DIF, após a exclusão dos dados
espúrios.........................................................................................................97
Tabela 16 - Condições ambientais nas datas de coleta de dados que influenciam
as medidas espectrorradiométricas ...............................................................99
15
Tabela 17 - Coeficientes de correlação simples bivariada (r) entre a
profundidade do disco de Secchi e BD652...................................................101
Tabela 18 - Coeficientes de correlação simples bivariada (r) entre a
profundidade do disco de Secchi e D1F713 .................................................101
Tabela 19 - Coeficientes de correlação simples bivariada (r) entre a
profundidade do disco de Secchi e D2F685 .................................................101
Tabela 20 - Coeficientes de correlação simples bivariada (r) entre a
profundidade de Secchi e BD652 excluindo-se as estações com
dados espúrios...............................................................................................102
Tabela 21 - Coeficientes de correlação (r) entre a profundidade do disco de
Secchi e D1F713, excluindo-se as estações em que a profundidade
de Secchi igualou-se à profundidade da água...............................................102
Tabela 22 - Coeficientes de correlação simples bivariada (r) entre a
profundidade do disco de Secchi e D2F685, excluindo-se as
estações em que a profundidade de Secchi igualou-se à
profundidade da água....................................................................................103
Tabela 23 - Coeficientes de correlação simples bivariada (r) entre a
profundidade da água e D1DIF2 ..................................................................104
Tabela 24 - Coeficientes de correlação (r) entre a profundidade da água e
D1DIF2, excluindo-se os dados espúrios .....................................................106
Tabela 25 - Média e variância (entre parênteses) dos níveis digitais que
representam a Lagoa de Araruama nas imagens TM1, TM2 e TM3,
para os dois tipos de amostragem realizados................................................111
Tabela 26 - Porcentagem da variabilidade contida em cada fator resultante da
transformação por principais componentes aplicada às bandas TM1,
16
TM2 e TM3 (PC1, PC2 e PC3), para os dois tipos de amostragem
realizados ......................................................................................................112
Tabela 27 - Condições ambientais e médias diárias de parâmetros medidos in
situ nas datas de aquisição de imagens TM..................................................123
Tabela 28 - Coeficientes de correlação entre os parâmetros ambientais e as
imagens TM, superiores, em módulo, a 0,54................................................125
Tabela 29 - Coeficientes de correlação simples bivariada (r) entre a
concentração de clorofila-a e o segundo fator de principais
componentes (PC2), após a exclusão das estações com dados
espúrios.........................................................................................................130
Tabela 30 - Coeficientes de correlação simples bivariada (r) entre a
profundidade de Secchi e a banda TM1, após a exclusão dos dados
espúrios.........................................................................................................132
Tabela 31 - Coeficientes de correlação simples bivariada (r) entre a
profundidade do disco de Secchi e o primeiro fator da
transformação por principais componentes das bandas TM1, TM2 e
TM3 (PC1), após a exclusão dos dados espúrios .........................................132
Tabela 32 - Coeficientes de correlação simples bivariada (r) entre a
profundidade e a banda TM1, após a exclusão dos dados espúrios .............134
Tabela 33 - Coeficientes de correlação simples bivariada (r) entre a
profundidade e o primeiro fator da transformação por principais
componentes aplicada às bandas TM1, TM2 e TM3 (PC1), após a
exclusão dos dados espúrios .........................................................................134
Tabela 34 - Coeficientes de correlação (r) entre TM1C, TM2C e TM3C versus
RTM1, RTM2 e RTM3 obtidos em 10 estações de coleta ...........................139
17
LISTA DE ABREVIATURAS
BD652 - Valor do FR em 652 nm
CLA - Concentração de clorofila-a
D1DIF2 - Diferença entre os valores da derivada primeira em 589 nm e 558 nm
D1F713 - Valor da derivada primeira do FR em 713 nm
D2DIF - Diferença entre os valores da derivada segunda do FR em 658 nm e 673 nm
D2F658 - Valor da derivada segunda do FR em 658 nm
D2F685 - Valor da derivada segunda do FR em 685 nm
D1DIF1 - Diferença entre os valores da derivada primeira do FR em 521 nm e 558 nm
FR - Fator de reflectância
PROF - Profundidade
REM - Radiação eletromagnética
SEC - Profundidade do disco de Secchi
TEMP - Temperatura
TM - Thematic Mapper
TSS - Total de sólidos em suspensão
18
RESUMO
Este trabalho teve por objetivo integrar dados biogeoquímicos e geomorfológicos da Lagoade Araruama com dados multiespectrais, medidos por um sistema de observaçõessimultâneas in situ e orbitais, para o estudo dos parâmetros ambientais responsáveis pelasmodificações da qualidade da água nesta laguna hipersalina. As variáveis ambientaisrelevantes investigadas neste trabalho foram concentração de clorofila-a, total de sólidosem suspensão, medidas da profundidade do disco de Secchi, salinidade, temperatura eprofundidade da lâmina d’água. Ficou demonstrado que, nas áreas mais rasas (≤ 3,5 m), ascaracterísticas ópticas dos tipos de fundo explicam a variabilidade das imagens TM nasbandas 1, 2 e 3 e das medidas espectrorradiométricas entre 400 nm e 720 nm. Nas áreascom profundidade superior a 3,5 m, a concentração de clorofila-a, a profundidade deSecchi e a profundidade encontraram-se significativamente correlacionadas com os dadosTM e os dados espectrorradiométricos (nível de confiança = 95%). Demonstrou-se,também, que este limite de profundidade pode ser estabelecido a partir de umaclassificação digital automática por segmentação das bandas TM1, TM2 e TM3. Para osdados coletados nas áreas mais profundas, somente foi possível estabelecer um padrãoconsistente de correlação entre os parâmetros ambientais mencionados acima e as imagensTM a partir da aplicação de transformações por componentes principais às bandas TM1,TM2 e TM3. As medidas da profundidade de Secchi correlacionaram-se com o 1º fatorresultante das principais componentes (r2 ≅ 0,86) e a concentração de clorofila-a , mesmocom valores baixos (entre 1 µg.l-1 e 5 µg.l-1), correlacionou-se com o 2º fator (r2 ≅ 0,69).Apenas as medidas de profundidade puderam ser estimadas através dos dados originais dabanda TM1 (r2 ≅ 0,61). As medidas espectrorradiométricas se correlacionaramsignificativamente com estes mesmos parâmetros, tendo sido extraídas de curvas-derivadasde 1ª e de 2ª ordem do espectro de fator de reflectância. Tendo em vista que estesresultados foram comprovados no mínimo em 82% das datas de estudo, concluiu-se que épossível utilizar dados de sensores remotos para o estudo e o monitoramento de processosde modificação da qualidade da água na Lagoa de Araruama através de técnicas integradasde segmentação de imagens e aplicação de transformações matemático-estatísticas aosdados multiespectrais.
sensoriamento remoto, qualidade de água, laguna costeira
19
ABSTRACT
In the present work biogeochemical and geomorphological data from the hypersalinelagoon Lagoa de Araruama (RJ, Brazil) were used in conjunction with multispectral data,obtained simultanously in situ and from the Landsat-5 TM sensor, to investigate a set ofenvironmental parameters responsible for changes in water quality. The studiedenvironmental parameters were: salinity, temperature, chlorophyll-a, total suspendedsolids, Secchi depth and water depth. Results demonstrate that in shallow areas (≤ 3.5 mdepth) the optical properties of the bottom explain the observed variability in the TM bands1, 2 and 3, and the spectroradiometric measurements in wavelengths between 400 nm and720 nm. In deeper areas (> 3.5 m depth), concentration of chlorophyll-a, Secchi depth andwater depth showed significant (confidence level of 95%) correlation with TM andspectroradiometric data. This level of correlation was achieved by means of principalcomponents transformation applied to TM bands TM1, TM2 and TM3. It is alsodemonstrated here that this depth threshold can be established by digital object-basedsegmentation of TM bands TM1, TM2 and TM3. Optimal correlations (r2 around 0.86)were achieved between Secchi depth and first factor of the principal components, whilechlorophyll-a showed good correlation (r2 around 0.69) with the second factor (despiteconcentrations as low as 1 µg.l-1). Raw TM1 data showed reasonable correlation (r2 around0.61) with water depth. Chlorophyll-a, Secchi depth and water depth showed significantcorrelations with 1st and 2nd derivatives of the spectroradiometric measurements.Reproducibility of the above results in 82% of the surveyed dates supports the conclusionthat remote (orbital and shipborne) sensors can be successfully used to the study andmonitoring of changes in water quality of the Lagoa de Araruama. This performance canbe achieved when TM image segmentation and transformed multispectral data are usedtogether.
remote sensing, water quality, coastal lagoon
20
1 INTRODUÇÃO
1.1 JUSTIFICATIVA DO TRABALHO
As lagunas costeiras ocupam 13% das áreas costeiras do mundo, e estão
frequentemente sujeitas a impactos naturais e antropogênicos (Sikora & Kjerfve, 1985), já
que nas regiões litorâneas está concentrada a maior parte da população da Terra. Seis em
cada dez pessoas vivem a uma distância máxima de 60 km da costa, e dois terços das
cidades do mundo com população superior a 2,5 milhões de habitantes estão localizadas
em estuários (Polette, 1993). Kjerfve (1986) subdividiu estes corpos d'água, geralmente
rasos e aproximadamente paralelos à linha de costa, de acordo com sua troca de água com
o oceano adjacente. As classes lagunares propostas foram “sufocada” (“choked”), “restrita”
(“restricted”) ou “vazante” (“leaky”), respectivamente, das mais isoladas para as de maior
intercâmbio com as águas oceânicas, atualizando e estendendo as definições previamente
postuladas por Cameron & Pritchard (1963).
Na costa brasileira podem ser encontradas diversas lagunas, principalmente
dos tipos “sufocada” e “restrita”. A Lagoa de Araruama, RJ (Figura 1), é uma das maiores
lagunas costeiras hipersalinas do mundo, e foi classificada por Kjerfve et al. (1996) como
“sufocada”. Sua fisiografia é caracterizada por enseadas semi-isoladas, evidenciando um
21
processo que pode eventualmente levar à subdivisão do corpo lagunar em lagunas
menores. Localiza-se no extremo leste da planície costeira compreendida entre a cidade do
Rio de Janeiro e Cabo Frio, denominada “Região dos Lagos”, também ocupada por
dezenas de outras lagunas de origem semelhante. Neste complexo lagunar a Lagoa de
Araruama é a única hipersalina, o que se explica, principalmente, pelo gradiente climático
que ocorre na região, passando de semi-árido, a leste, em Cabo Frio, para tropical com
verão chuvoso e inverno seco em direção a oeste, acarretando um aumento gradativo da
pluviosidade média na mesma direção (Knoppers et al., 1991). Outro exemplo desta
relação entre o clima e a hipersalinidade é observado no sistema lagunar Caimanero-
Huizache, localizado no México, que apresenta uma hipersalinidade sazonal, com valores
máximos de salinidade (em torno de 80‰) registrados no final do período de menor
pluviosidade local, correspondente também a uma vazão mínima da bacia de drenagem
(Moore & Slinn, 1984). As características do canal de comunicação das lagunas costeiras
com o mar, a rede de drenagem e o clima, principalmente, são responsáveis pelo seu
regime hidrológico e, consequentemente, determinam os processos biogeoquímicos
atuantes, com influência direta no nível trófico da água.
A Lagoa dos Patos, na costa sul do Brasil, possui morfologia semelhante à
da Lagoa de Araruama, embora sua comunicação com o oceano adjacente, na sua
extremidade sul, seja característica de lagunas “restritas” (conforme a classificação de
Kjerve, 1986). Com aproximadamente 250 km de extensão, a penetração das águas salinas
do oceano pode chegar até 220 km ao norte durante o período do inverno, embora a bacia
de drenagem e o clima da região determinem um padrão de circulação que mantém a
salinidade média sempre inferior à da água do mar (Casalas et al., 1982; Hartman, 1998).
22
Figura 1: Localização da Lagoa de Araruama.
O grande potencial turístico da Lagoa de Araruama, aliado à sua
proximidade com grandes centros urbanos, tem causado o rápido crescimento da população
da região. Segundo dados e projeções da Fundação Estadual de Engenharia e Meio
Ambiente (FEEMA, 1988b), a população desta região, constituída pelos municípios
marginais à Lagoa de Araruama, atingiria um número de dois milhões de habitantes antes
do final do século, dez vezes o seu tamanho em 1988. Além de fluxos intensos nos finais
de semana, ocorrem picos nos meses de férias (em julho e de dezembro a março), o que
acarreta um aumento sensível na descarga de água doce e nutrientes para a laguna através
dos esgotos domésticos. A economia desta região baseia-se, principalmente, na pesca, na
extração de sal e de calcáreo e no turismo, atividades intimamente ligadas à Lagoa de
Araruama e, portanto, dependentes da manutenção de suas condições ambientais.
Araruama
São Pedro d’Aldeia
Cabo Frio
Arraial do CaboOceano Atlântico
Lagoa de Araruama
OceanoAtlântico
W 42º 19’ W 42º 12’ W 42º 05’
S 22º 50’
S 22º 55’
Brasil
23
Estimativas do aporte antropogênico de nitrogênio e fósforo total na Lagoa
de Araruama realizadas com base na vazão de esgotos domésticos (Souza, 1993)
alcançaram valores superiores àqueles observados nas outras lagunas da mesma região. O
autor observa que as condições oligotróficas predominantes na laguna ainda se mantêm
devido ao seu grande volume d’água e à sua hipersalinidade. A proposta de abertura de um
novo canal de comunicação da Lagoa de Araruama com o mar aumentaria
significativamente o fluxo de entrada de águas menos salinas e poderia causar um aumento
brusco no seu nível trófico, com prejuízos evidentes ao ecossistema lagunar e à economia
de toda essa região (Souza, 1993; Kjerfve et al., 1996). Al-Ramadhan (1988) descreve o
exemplo da laguna Khowr Al-Zubair, no Iraque, cuja condição de hipersalinidade (valores
de até 47‰ durante o verão) foi revertida para a condição de estuário a partir da abertura
de um canal de comunicação com o rio Eufrates. A abertura deste canal permitiu que
fossem observadas variações nas médias mensais de descarga de água doce entre 0 - 109
m3.s-1 durante o período de um ano medido pelo autor.
Uma conclusão importante sobre o funcionamento do ecossistema lagunar
apontada por Souza (1993) e Souza (1997) refere-se ao sistema pelágico, inteiramente
fótico, que apresentou baixa biomassa fitoplanctônica e pequena quantidade de carbono
orgânico detrítico. Esta comunidade de produtores primários fitoplanctônicos não justifica
a elevada razão entre o nitrogênio inorgânico dissolvido e o fósforo inorgânico dissolvido
medida durante a pesquisa, que seria então indicadora da atividade de uma comunidade de
produtores primários bentônicos. Por sua vez, o sedimento carbonático do sistema bêntico
forma um substrato capaz de remover fósforo da água. Isto sugere que no cinturão arenoso-
carbonático até 3 m de profundidade, sem limitação de luz, o microfitobentos possa ser o
responsável pela assimilação de nutrientes dissolvidos na coluna d'água, limitando a
24
produção primária fitoplanctônica. A caracterização dos processos biogeoquímicos
atuantes na Lagoa de Araruama, deve incluir, portanto, além de estimativas das
concentrações de substâncias dissolvidas e em suspensão na água, uma avaliação dos
processos que ocorrem na região bêntica, através dos quais poder-se-ia obter uma
estimativa mais precisa do ciclo biogeoquímico lagunar.
Devido à sua extensão (aproximadamente 40 Km no eixo maior) e à sua
morfologia, subdividida em compartimentos (ou enseadas) pelo crescimento de esporões
arenosos e apresentando extensas porções rasas (< 3 m de profundidade), a utilização de
técnicas de sensoriamento remoto orbital deve se constituir em uma ferramenta valiosa e
econômica no monitoramento das condições biogeoquímicas e das características
morfológicas desta laguna. Por esta razão, a seguir apresenta-se uma descrição sucinta dos
aspectos fundamentais relacionados ao emprego de dados multiespectrais para a
caracterização ambiental de ecossistemas aquáticos.
1.2 SENSORIAMENTO REMOTO DE ÁGUAS COSTEIRAS
1.2.1 Óptica aquática: princípios básicos
Estudos sobre a dependência e interação da biota aquática com a luz nos
processos fotossintéticos, como o de Jerlov (1976), deram início a pesquisas, realizadas em
laboratório, em que se determinaram os parâmetros que modificam as propriedades ópticas
da água pura. São eles os sólidos totais em suspensão, os pigmentos fotossintetizantes e a
matéria orgânica dissolvida (Bricaud & Sathyendranath, 1981; Prieur & Sathyendranath,
1981; Haardt & Maske, 1987). No âmbito destes mesmos trabalhos foram também
estimados os coeficientes de absorção e espalhamento da radiação eletromagnética (REM)
25
de cada uma destas substâncias isoladamente, revelando-se uma grande especificidade com
relação à natureza, ao tamanho, e à forma das partículas que as constituem. Gallie &
Murtha (1992), por exemplo, encontraram coeficientes de espalhamento semelhantes para
os sólidos em suspensão encontrados em dois diferentes lagos nos Estados Unidos, embora
a razão entre seus coeficientes de absorção fosse da ordem de um terço. Os mesmos
autores determinaram, em laboratório, o coeficiente de absorção da água pura, encontrando
valores muito próximos aos medidos por Smith & Baker (1981).
A absorção e o espalhamento causados pelos constituintes opticamente
ativos presentes determinam a atenuação da REM em cada corpo d’água e,
consequentemente, sua profundidade máxima de penetração. Este limiar define, portanto, a
espessura da camada superficial sobre a qual podem ser extraídas informações de interesse
quando se efetuam medidas da radiação emergente. Dados de sensores óticos referentes a
corpos d'água rasos, como é o caso de praticamente todas as lagunas costeiras, são
influenciados não somente pela resposta espectral da coluna d'água e seus constituintes,
como também pelas propriedades óticas do material que compõe o fundo (Polcyn &
Lyzenga, 1975). O mesmo pode ocorrer em regiões mais profundas, desde que a
transparência da água permita que a radiação incidente atinja o fundo.
A matéria orgânica dissolvida é proveniente da excreção, secreção e
decomposição de organismos terrestres e aquáticos, e possui coloração marrom-amarelada
devido aos compostos húmicos e aos íons de ferro (Fe) e manganês (Mn) presentes na sua
constituição (Wetzel, 1975). A matéria orgânica dissolvida possui forte ação absorvedora
da REM visível, o que prejudica os organismos dependentes da luz no meio aquático. Sua
absorção é inversamente proporcional ao comprimento de onda da radiação
26
eletromagnética entre 400 nm e 700 nm, sendo desprezível a partir de 600 nm (Bricaud &
Sathyendranath, 1981).
A clorofila-a é o pigmento fotossintetizante indispensável e mais
comumente encontrado nos organismos produtores primários, e sua concentração na água é
utilizada como indicador do estado trófico. Este pigmento possui picos específicos de
absorção da luz visível, na faixa do azul e na faixa do vermelho (Bidigare & Ondrusek,
1990; Gitelson, 1992), mas que podem ser mascarados quando também estão presentes
sedimentos em suspensão ou matéria orgânica dissolvida na água (Quibell, 1991; Dekker
et al., 1992; Bowers et al., 1996). Dekker et al. (1992) sugerem que, em função da forte
absorção causada pela matéria orgânica dissolvida na faixa do azul, a detecção da clorofila
deva ser feita utilizando-se medidas da reflectância em 680 nm. Os mesmos autores
ressaltam que para concentrações de clorofila acima de 100 µg.l-1 este pico se desloca para
715 nm. Anteriormente, Quibell (1991), demonstrara experimentalmente que o pico de
reflectância em 550 nm de uma determinada espécie algal apresentava um deslocamento
para comprimentos de onda maiores à medida que eram adicionados sedimentos sólidos
minerais à suspensão.
A concentração de sólidos em suspensão varia de acordo com a descarga de
água doce através da rede de drenagem ou de esgotos domésticos e industriais, e interfere
na turbidez da água, podendo afetar intensamente a ecologia e o potencial recreacional dos
corpos d'água. Seu transporte na água é feito pelas correntes atuantes, que irão determinar
os locais preferenciais de deposição das partículas e de assoreamento. Ocorrências de
ressuspensão dos sedimentos do fundo devido à ação do vento são também responsáveis
pelo aumento da concentração de sólidos em suspensão na coluna d’água. Os sólidos totais
27
em suspensão constituem-se em uma fração inorgânica (partículas minerais) e uma fração
orgânica (organismos planctônicos e matéria orgânica particulada). A absorção da luz
visível pelos sólidos inorgânicos em suspensão é inversamente proporcional ao
comprimento de onda e, portanto, sua estimativa através de medidas
espectrorradiométricas deve ser realizada entre 550 e 700 nm, assim como a estimativa do
total de sólidos em suspensão (Novo et al., 1989 a e 1989 b; Novo et al. (1991); Quibell,
1991; Dekker, 1992; Bowers et al., 1996). Em função da natureza e da granulometria dos
sedimentos presentes em cada corpo d’água são determinadas as faixas espectrais mais
adequadas à sua detecção.
A água pura apresenta maior transparência à radiação na faixa do visível
(400 - 700 nm), principalmente entre 400 e 500 nm (NASA, 1971), o que torna esta faixa
espectral a mais adequada ao estudo de corpos d’água em geral. Por outro lado, apesar da
água absorver a radiação nos comprimentos de onda a partir de 700 nm, o material
particulado e os pigmentos fotossintéticos em suspensão apresentam picos de reflexão ou
de absorção logo após esta faixa (Dekker et al., 1992; Quibell, 1992). Isto justifica a
utilização de dados de sensores remotos operando na faixa de comprimentos de onda da
REM entre 400 e 800 nm para o estudo de corpos d’água.
A plataforma de aquisição dos dados também é um fator determinante das
medidas multiespectrais. Dados de radiância obtidos a nível orbital incluem, além das
informações do alvo de interesse, o efeito provocado pelos constituintes atmosféricos. A
realização de experimentos in situ com equipamentos de alta resolução radiométrica e
espectral permite o conhecimento do comportamento espectral dos alvos terrestres,
auxiliando na interpretação de imagens de sensores orbitais.
28
1.2.2 Medidas espectrorradiométricas in situ: o estado da arte
Através de instrumentos denominados espectrorradiômetros podem ser
obtidas medidas do fator de reflectância da água. O fator de reflectância é função das
propriedades ópticas dos alvos estudados, da geometria de iluminação e de observação e da
faixa espectral da medição (Han & Rundquist, 1994; Ferrier, 1995). Se o campo de visada
do espectrorradiômetro é pequeno (< 15°), se a iluminação (ou irradiância) do experimento
é produzida pelo fluxo solar direto e são tomadas medidas a intervalos menores que 10 nm,
o fator de reflectância da amostra pode ser chamado de fator de reflectância bidirecional
espectral (daqui por diante abreviado no texto por “fator de reflectância” ou “FR”)
(Steffen, 1993). As curvas que representam medidas sequenciais do FR numa determinada
região espectral são denominadas “espectros do FR”. Cada espectrorradiômetro é projetado
para a obtenção de medidas em faixas específicas da REM.
O espectro de um corpo d’água resulta do somatório dos espectros da água
pura e das substâncias opticamente ativas presentes. Em corpos d’água rasos, soma-se a
estes fatores o efeito da radiação refletida pelo fundo. Assim, para se determinar cada uma
destas substâncias individualmente é necessário eliminar o efeito das outras nos
comprimentos de onda mais adequados à sua detecção. Problemas semelhantes com
relação a espectros de reflectância de vegetação levaram Demetriades-Shah et al. (1990) a
utilizar razões entre bandas e derivadas dos espectros de reflectância para o estudo desses
alvos. Segundo os autores, estas técnicas são análogas às utilizadas em química analítica
para a eliminação de “ruídos de fundo” (sinais de baixa freqüência) ou superposição de
feições de absorção das substâncias presentes numa determinada amostra.
29
As razões de reflectância espectral deveriam incluir, idealmente, um
comprimento de onda referente a alta reflectância e outro comprimento de onda referente a
alta absorção da substância que se deseje estimar (Arenz et al., 1996). Quibel (1991)
utilizou a diferença entre a reflectância da amostra em 710 e em 665 nm para estimar a
concentração de clorofila, mas ressaltou a especificidade deste algoritmo em função da
natureza e granulometria do sedimento. Gitelson (1992), por sua vez, sugeriu a utilização
da razão entre a máxima reflectância na faixa do vermelho e a reflectância em 675 nm para
a estimativa de clorofila-a. Sathyendranath et al. (1994), utilizando valores de reflectância
medidos em bandas espectrais estreitas (10 nm) por um sensor imageador
aerotransportado, somente encontraram boas correlações com a concentração de clorofila-a
medida in situ quando utilizaram razões entre bandas (no entanto, a razão entre a
reflectância em 565 e em 545 nm teve melhor desempenho na primeira data de coleta de
dados (r2 = 0,89), enquanto a razão entre 565 e 505 nm apresentou os melhores resultados
de correlação com os dados in situ na segunda data (r2 = 0,78)).
O uso de derivadas primeiras (∂/∂λ) e de ordem superior de espectros de
reflectância busca eliminar, a cada passo, o efeito de um dos componentes de uma amostra,
considerando-se que o sinal referente a cada um deles pode ser representado por um
polinômio de ordem diferente. Os resultados de Goodin et al. (1993), demonstraram que
esta suposição é correta e aplica-se também a espectros de corpos d’água. Estes autores
procederam à derivação de espectros de água pura, e encontraram curvas derivadas de 1ª
ordem (nm-1) e de 2ª ordem (nm-2) iguais a zero, caracterizando os efeitos de reflectância
da água pura como efeitos de ordem zero; os espectros de água contendo apenas
sedimentos em suspensão apresentaram uma feição em torno de 720 nm nas curvas de 1ª
30
derivada (região em que a água pura não apresenta reflexão), e curvas de 2ª derivada iguais
a zero, caracterizando o efeito dos sedimentos em suspensão como efeitos de 1ª ordem;
finalmente, espectros de água contendo sedimentos em suspensão e clorofila apresentaram
uma feição centrada em 685 nm nas curvas de 2ª derivada, caracterizando os efeitos
causados pela clorofila como sendo de 2ª ordem. Além dos resultados de Goodin et al.
(1993) apresentados acima, Chen et al. (1992) também obtiveram melhores resultados de
correlação entre dados multiespectrais e o total de sólidos em suspensão quando utilizaram
valores extraídos da primeira derivada dos espectros originais de reflectância. Bidigare et
al. (1989), por sua vez, utilizaram-se da técnica de derivação de espectros com sucesso
para identificar os pigmentos fotossintéticos responsáveis pela absorção da luz na água do
mar. Estes autores ressaltaram também a forte influência causada pela presença de
sedimentos, eliminada a partir da 2ª derivada de espectros de absorção específica.
1.2.3 Medidas por sensores orbitais: o estado da arte
A partir do lançamento de sensores imageadores orbitais tornou-se possível
avaliar os processos de circulação e de eutrofização de corpos d’água em escala sinótica e
com alta resolução espacial (50-100 m) com um custo bastante inferior aos de trabalhos
realizados no campo ou a nível de aeronave (Klemas & Hardisk, 1983). Estimativas do
perímetro do espelho d'água e de áreas de inundação, por exemplo, foram realizadas
utilizando-se imagens na faixa do infravermelho (White, 1978; Rundquist et al., 1987) ou
utilizando-se índices a partir de dados no visível e no infravermelho próximo (McFeeters,
1996).
Devido a correlações encontradas entre dados multiespectrais na faixa do
31
visível com a concentração de clorofila-a e entre dados na faixa do visível e infravermelho
próximo com a concentração de sólidos em suspensão, estimativas empíricas destes dois
parâmetros têm sido frequentemente realizadas utilizando-se imagens orbitais (Jensen et
al., 1989; García and Caselles, 1990; Ekstrand, 1992; Braga et al., 1992; Mayo et al.,
1993; Harding et al., 1994; Liedtke et al., 1995). Através de análises de regressão simples
e múltipla estes autores relacionaram dados obtidos por sensores multiespectrais a medidas
in situ simultâneas do parâmetro que se desejava estimar. No entanto, os algoritmos
utilizados para a estimativa destes parâmetros, em geral, apresentam bom desempenho
apenas quando aplicados às regiões para as quais foram desenvolvidos, restringindo-se
também a condições climáticas específicas (Whitlock et al., 1982; Ferrier, 1995). Diversos
autores têm aplicado razões entre bandas para estimar a concentração de clorofila-a na
água com bons resultados (Gordon, 1983; Lavery et al., 1993; Mayo et al., 1995). Gordon
et al. (1988) utilizaram extensivamente a razão azul-verde em algoritmos para estimativa
da concentração de clorofila-a no mar através de dados do CZCS (Coastal Zone Colour
Scanner). No entanto, segundo Bowers et al. (1996), a presença de sólidos minerais em
suspensão afeta a sensitividade destes algoritmos, desenvolvidos para águas sem
sedimentos em suspensão ou matéria orgância dissolvida e, portanto, a metodologia de
emprego de razões entre bandas para determinação da concentração de clorofila pode não
ser adequada ao estudo da maioria dos corpos d’água costeiros e continentais.
Em corpos d'água relativamente rasos, vertical e horizontalmente
homogêneos, que apresentam um fundo também homogêneo, a batimetria pode ser
estimada a partir de medidas nos comprimentos de onda de maior penetração na água (400
- 600 nm) (Hallada, 1984; Hathout, 1985; Cabral, 1993; e Maritorena et al., 1994). As
condições de transparência da água determinam a maior profundidade passível de
32
detecção. Nestas mesmas condições de homogeneidade da água, e com as mesmas
limitações impostas pela sua transparência, podem também ser discriminados diferentes
tipos de substrato de fundo (Polcyn & Lyzenga, 1975; Lyzenga, 1979; Lyzenga, 1981;
Jupp et al., 1985; Khan et al., 1992; Luczkovich et al., 1993; Pasqualini et al., 1997). Na
prática, o gradiente batimétrico, o tipo de fundo e a composição da água definem as
variáveis ambientais passíveis de detecção e as limitações dos métodos que podem ser
utilizados para sua estimativa (Philpot, 1989).
As imagens obtidas pelo sensor TM na faixa do visível (bandas TM1, TM2
e TM3) sobre corpos d’água apresentam-se fortemente correlacionadas entre si (Braga,
1988; Novo & Braga, 1995; Lira et al., 1997), dificultando a exploração da variabilidade
dos dados multiespectrais contidos nestas bandas. Para minimizar este problema, pode-se
aplicar uma transformação por componentes principais (Dillon & Goldstein, 1984) aos
dados multiespectrais, através da qual são obtidas novas bandas (ou fatores) não-
correlacionadas entre si, mas que incluem a maior parte da informação (ou variância)
contida nas bandas originais. Esta técnica estatística multivariada tem fornecido bons
resultados no tratamento de dados de imagens multiespectrais em diversas áreas de
aplicação. Em geologia, Paradella (1986) e Loughlin (1991) utilizaram-na para a
discriminação de diferentes litologias através de imagens TM. Outra aplicação interessante
refere-se à detecção de mudanças no uso da terra, aplicando a transformação a imagens de
diferentes datas reunidas num mesmo conjunto (Ingebritsen & Lyon, 1985; Picchiotti et
al., 1997).
Em estudos de qualidade da água, Braga (1989), encontrou correlação
significativa entre a concentração de ferro e manganês no sedimento em suspensão com o
33
1º fator de uma transformação por principais componentes aplicada às bandas TM1, TM2,
TM3 e TM4. Lira et al. (1997) encontraram correlações estatisticamente significativas
entre o 1ºfator da transformação por principais componentes aplicada às bandas TM1, TM2
e TM3 com o total de sólidos em suspensão na água. Braga et al. (em preparo), em
trabalho realizado na Lagoa de Araruama, encontraram correlação entre o 1º fator de uma
transformação das bandas TM1, TM2 e TM3 com medidas da profundidade do disco de
Secchi, e correlação do 2º fator com a concentração de clorofila-a. A correlação observada
por Khan et al. (1992) entre a batimetria e o 1º fator de uma transformação aplicada às
bandas TM1 e TM2 indicou que em corpos d’água com baixa turbidez as principais
variações no sinal medido por um equipamento sensor correspondem a diferentes
profundidades nestas faixas espectrais. Da mesma forma, a correlação observada, no
mesmo estudo, entre o 2º fator e os diferentes tipos de sedimento de fundo indica que este
é um parâmetro secundário na variabilidade da resposta espectral de um corpo d’água entre
400 e 600 nm.
Neste trabalho, teremos oportunidade de avaliar o desempenho das referidas
técnicas no estudo de caso da Lagoa de Araruama.
1.3 OBJETIVO DO TRABALHO
O objetivo principal desta pesquisa é integrar dados biogeoquímicos e
geomorfológicos da Lagoa de Araruama com dados multiespectrais, medidos por um
sistema de observações in situ e orbitais, para o estudo dos parâmetros ambientais
responsáveis pelas modificações da qualidade da água nesta laguna hipersalina. As
variáveis ambientais relevantes investigadas neste trabalho foram as seguintes:
34
concentração de clorofila-a, concentração de sólidos totais em suspensão, transparência da
água, salinidade, temperatura e profundidade da lâmina d’água.
Desta forma, pretende-se ampliar o conhecimento adquirido em trabalhos
prévios sobre este ecossistema lagunar, além de se desenvolver uma metodologia de
aquisição e processamento de dados adequada ao monitoramento operacional da Lagoa de
Araruama, em apoio a atividades ligadas ao Gerenciamento Costeiro.
Este objetivo está inserido no subprojeto “Processos Físicos na Lagoa de
Araruama, RJ”, no âmbito do Projeto PROLAGOS (INSTITUTO ACQUA/PETROBRAS,
1996), financiado pelo Instituto ACQUA e pela PETROBRAS.
1.4 ESTRUTURA DO TRABALHO
Nas seções a seguir será demonstrado como as características dos tipos de
fundo explicam a variabilidade das imagens TM nas áreas mais rasas, apresentando-se um
método de processamento digital de imagens para delimitação desta região, abaixo da
isóbata de 3 m, aproximadamente. Será demonstrado também como as imagens resultantes
de uma transformação por componentes principais aplicada às bandas originais TM1, TM2
e TM3 apresentam-se correlacionadas com a profundidade do disco de Secchi (1º fator) e
com a concentração de clorofila-a (2º fator) nas áreas mais profundas do corpo lagunar.
Discutem-se também as restrições impostas para a estimativa da profundidade da água a
partir das correlações observadas entre este parâmetro e a banda TM1. Em função da alta
resolução dos dados adquiridos através das medidas espectrorradiométricas in situ, foram
determinadas regiões as espectrais mais adequadas à detecção da concentração de
35
clorofila-a, medidas de profundidade do disco de Secchi e profundidade da água nesta
laguna, além dos procedimentos necessários à extração das variáveis
espectrorradiométricas , partindo dos espectros de fator de reflectância obtidos.
Na seção 2, apresenta-se uma descrição da região de estudo, baseada em
trabalhos previamente desenvolvidos, focalizando os aspectos mais relevantes relacionados
às variáveis ambientais passíveis de identificação pelas técnicas de sensoriamento remoto
empregadas nesta pesquisa.
Na seção 3, encontram-se discriminados os dados físico-químicos e
multiespectrais adquiridos in situ para esta pesquisa e os métodos utilizados para sua coleta
e análise. Discriminam-se também as etapas seguidas no processamento digital das
imagens Landsat-5 TM e no tratamento dos dados espectrorradiométricos adquiridos, que
juntos formam o conjunto de dados multiespectrais, além da abordagem estatística
empregada para correlacioná-los às variáveis ambientais analisadas.
Os resultados são apresentados nas seções 4, 5 e 6. No primeiro destes,
apresenta-se um diagnóstico da variabilidade do corpo d’água lagunar ao longo do ciclo
anual analisado, em função das faixas de concentração dos parâmetros ambientais medidos
quinzenalmente. No segundo, são analisados os espectros do fator de reflectância da água
referentes às estações de coleta amostradas em cada data e suas respectivas curvas
derivadas. Apresentam-se também os resultados obtidos nas análises de correlação entre os
dados espectrorradiométricos e as variáveis ambientais, através dos quais foram
determinados os parâmetros responsáveis pelo comportamento espectral da Lagoa de
Araruama. No terceiro, apresentam-se os resultados do processamento dos dados TM,
36
incluindo uma avaliação do método de correção atmosférica aplicado e os resultados da
análise estatística de correlação entre as variáveis orbitais e os parâmetros ambientais
medidos in situ. Descrevem-se ainda os resultados de uma classificação digital automática
baseada na segmentação das imagens TM1, TM2 e TM3, a partir da qual foram definidas
as duas grandes classes espectrais lagunares.
Na seção 7, são integrados e discutidos os resultados apresentados nos três
capítulos anteriores, a partir dos quais se estabelece o procedimento adequado à utilização
de dados multiespectrais in situ e orbitais visando um diagnóstico mais abrangente e o
monitoramento da qualidade da água na Lagoa de Araruama. As principais conclusões e
implicações deste trabalho são apresentadas, tanto no que se refere à própria Lagoa de
Araruama quanto em relação à extração de informações sobre lagunas costeiras rasas via
sensoriamento remoto in situ e orbital.
37
2 ÁREA DE ESTUDO
A Lagoa de Araruama está localizada entre as latitudes 22°49' - 22°57' S e entre as
longitudes 042°00' - 042°25' W (Figura 2), e ocupa uma área de 210 km2 (incluído o canal
de comunicação com o mar), com 40 km de comprimento e largura máxima de 13 km
(Kjerfve et al., 1996). Possui uma profundidade média de 2,94 m, com o predomínio de
extensas áreas rasas (DHN, 1978), entre 1 e 2 m (Figura 3), verificando-se a profundidade
máxima de 17 m numa depressão existente na região da Enseada da Massambaba.
Sua origem é típica da evolução sedimentar do litoral norte fluminense, tendo sido formada
por processos de deposição de sedimentos marinhos. As características texturais destes
sedimentos apresentam indícios de intenso retrabalhamento por processos costeiros de alta
energia (ondas, ventos e correntes) ao longo de períodos de regressão e transgressão
marinhos (Turcq et al., 1998). Estudos recentes indicam que sua formação se iniciou
durante o Pleistoceno, mais de 120.000 anos atrás, com o isolamento de seu corpo d'água
se dando durante a regressão que caracterizou este período, e se estendeu até o Último
Máximo Glacial (UMG, 17.000 anos A.P.). Com a transgressão que se seguiu ao UMG,
iniciou-se a formação do sistema de restingas (entre 7.000 e 5.000 anos atrás), de cerca de
2 km de largura e 35 km de extensão, disposto em duas linhas de cordões arenosos (a
primeira datando de 120.000 anos e a segunda de 7.000 anos), e das pequenas lagunas
38
Figu
ra 2
- P
rinc
ipai
s lo
calid
ades
e a
spec
tos
fisi
ográ
fico
s da
Lag
oa d
e A
raru
ama.
Mun
icíp
ios:
Ara
ruam
a, I
guab
a G
rand
e, S
ão P
edro
d’A
ldei
a, C
abo
Frio
e A
rrai
al d
o C
abo;
Rio
s: d
as M
oças
(rM
o) e
Mat
arun
a (r
Mt)
; Ens
eada
s: A
caír
a (e
A),
Cor
oinh
as (
eC),
Mas
sam
-ba
ba (
eM)
e B
oque
irão
(B
); P
onta
dos
Car
deir
os (
pC)
e C
anal
de
Itaj
uru.
40
que ocorrem entre elas (Turcq et al., 1998). Segundo Muehe e Corrêa (1989), sistemas de
restinga de dupla barreira se desenvolvem como resultado de flutuações do nível do mar,
sendo a formação das lagunas internas resultado do isolamento de corpos d’água lagunares.
2.1 SEDIMENTOS
O fundo da Lagoa de Araruama apresenta uma topografia plana inclinando-se suavemente
em direção a um talweg, localizado próximo ao continente, que se estende ao longo do
eixo maior da laguna. Os cordões arenosos que progradam a partir do continente e,
principalmente, da restinga em direção ao interior da laguna reduziram a sua profundidade
média a 3 m, aproximadamente, e segmentaram a laguna em pequenas enseadas de formato
elíptico. Estas enseadas possuem características variadas em termos de sua ecologia,
batimetria, sedimentologia e hidroquímica.
O sedimento do fundo é de origem Quaternária costeira: na margem sul, as praias de fundo
de enseada e esporões são compostas por areias quartzosas marinhas com pouco silte e
ricas em fragmentos de bivalvos da espécie Anomalocardia brasiliensis. Nas reentrâncias
da margem sul, no lado voltado para oeste dos esporões arenosos, processos erosivos
expõem o horizonte de arenitos, enquanto que nas porções da restinga voltadas para o leste,
observam-se grupos de dunas submersas prolongando-se em direção ao centro da laguna
que suavizam o gradiente de profundidade (Slack-Smith et al., 1977a e 1977b; Coutinho et
al., 1998). Junto à margem norte, de composição predominantemente cristalina, o
sedimento inclui areias mistas flúvio-lagunares, sílticas ou síltico-argilosas, e proporções
variáveis de carapaças de moluscos e de algas diatomáceas.
41
Nas áreas com profundidade superior a 6 m estão depositados sedimentos de vasa orgânica
de enseada, matéria orgânica em estado coloidal, argilas caulínicas e esmectitas, carapaças
de diatomáceas e algas cianofíceas em abundância (Azevedo, 1984; Barroso, 1987). O
predomínio das argilas ricas em matéria orgânica nas áreas profundas indica que seu
transporte se dá principalmente por suspensão via rede de drenagem (Azevedo, 1984).
2.2 CLIMA
Segundo Barbiéri (1985), a maior parte da Lagoa de Araruama possui uma mistura de
climas tropicais, predominando, na região de Cabo Frio, o tipo “Semi-Árido Quente” e, na
região de Iguaba, “Tropical com Chuvas de Verão e Seca de Inverno”. Em Iguaba Grande
registra-se uma precipitação média anual de 898 mm, enquanto em Cabo Frio a
precipitação média anual é de 751 mm (Barbiéri, 1985). O período de maior pluviosidade,
de modo geral, vai de dezembro a janeiro, enquanto o período de menores índices vai de
junho a agosto.
Em oposição a isto observa-se uma alta taxa de evaporação média anual, em torno de 1,4 m
em Iguaba Grande, bastante superior aos índices pluviométricos medidos (Barbiéri, 1975 e
1985). O mesmo autor ressalta a significativa diferenciação climática entre estas duas
regiões, distantes entre si não mais que 20 km, e bem caracterizada pelos valores das
temperaturas máximas e mínimas absolutas (mais extremas e variáveis na região de
Iguaba), pela precipitação (em média sempre inferior na região de Cabo Frio), e pelos
ventos (mais intensos também na região de Cabo Frio). De modo geral, a região da Lagoa
de Araruama possui características climáticas que propiciam a atividade salineira, apesar
de estar inserida no contexto regional úmido do litoral sudeste do país (Barbiéri, 1985).
42
De acordo com os dados coletados no Campus em Extensão da Universidade Federal
Fluminense (UFF/IG), em Iguaba Grande, entre 1980 e 1989, predominam nesta região os
ventos de NE, com velocidade média de 4,3 m.s-1, frequentemente atingindo 10 m.s-1
(Kjerfve et al., 1996). Em Cabo Frio, predominam durante todo o ano ventos de NE, com
velocidades pouco variáveis, entre 4 e 6 m.s-1 (Barbiéri, 1985). Em função disto, a coluna
d'água apresenta pequena variação de temperatura, inferior a 0,5 °C (Kjerfve et al., 1996).
Os ventos de NE provocam intensas ressurgências na costa dos estados do Espírito Santo e
Rio de Janeiro, e especialmente em Cabo Frio, devido à sua linha de costa estar alinhada na
direção E - W (Martin et al., 1992). Franchito et al. (1998) demonstraram, através de
modelos numéricos de simulação, que a brisa marinha nesta região é mais intensa nos
meses de outubro a dezembro e de janeiro a março, em função da ocorrência de
ressurgência, e que o fenômeno da ressurgência , por sua vez, é amplificado pelo efeito da
brisa.
2.3 HIDROLOGIA
A bacia de drenagem da Lagoa de Araruama é bastante reduzida, cobrindo uma área de
320,39 km2, e apresenta relevo suave, sendo constituída, principalmente, por pastagens e
áreas desmatadas, além de plantações de cana-de-açúcar, áreas de produção de sal e áreas
urbanas. Os principais rios que desembocam na Lagoa de Araruama são o rio das Moças e
o rio Mataruna, que se localizam, respectivamente, nas duas primeiras enseadas a oeste
(Figura 2), e juntos representam mais que 50% da sua bacia de drenagem. Os demais rios,
Salgado, Guararu e Cortiço, também localizados na porção oeste da laguna, ficam a maior
parte do ano estagnados, situação evidenciada pela alta salinidade que apresentaram
43
durante amostragens realizadas por Souza (1993) e Kjerfve et al. (1996) entre os anos de
1991 e 1994. Em São Pedro da Aldeia, a rede fluvial que deságua na Lagoa ganha
expressão apenas durante episódios de intensa precipitação pluviométrica (FEEMA,
1988b).
O vento é a principal causa das pequenas variações de maré meteorológica observadas no
interior da Lagoa de Araruama, e tem um papel preponderante na circulação e mistura de
suas águas, devido à pequena profundidade e aos fluxos restritos de entrada e saída de água
doce e marinha da laguna. Em função disto, a coluna d'água apresenta pequena variação de
temperatura, inferior a 0,5 °C no corpo lagunar. No canal de Itajuru, por onde se dá a
penetração da água costeira mais fria, registra-se a maior variação, em torno de 2 °C
(Kjerfve et al., 1996).
A Lagoa de Araruama comunica-se com o mar através de um único canal, o de Itajuru,
estreito, relativamente longo (com aproximadamente 17 km de extensão) e meândrico. A
variação de maré na costa é de 1,05 m, mas torna-se desprezível a 14 km de distância do
oceano, no interior do canal de entrada (Lessa, 1989). Esta característica confere às águas
da Lagoa de Araruama um alto tempo de residência, da ordem de 170 dias, no mínimo,
conforme cálculos apresentados por Kjerfve et al. (1996). Graças às características semi-
áridas do clima da região, e à sua pequena bacia de drenagem, o seu balanço hídrico é
negativo, com a evaporação superando a precipitação (Barbiéri, 1985). Por isso, a Lagoa
de Araruama é, hoje, uma das maiores lagunas costeiras hipersalinas permanentes do
mundo (André et al., 1981 e INPH-Portobras, 1987 e 1988). Estes fatores contribuem
também para o fato de não haver fluxo de saída das águas da laguna para o oceano.
Segundo Turcq et al. (1998), registros de ressurgências em áreas costeiras estão associados
44
a balanços hídricos locais negativos e à ocorrência de lagunas hipersalinas.
Suas condições de hipersalinidade datam de, pelo menos, quatro a cinco décadas, com
variações significativas ao longo deste período. No entanto, medidas de salinidade obtidas
durante nove cruzeiros realizados entre 1991 e 1992 apresentaram valores marcadamente
constantes tanto espacial quanto sazonalmente (Kjerfve et al., 1996). A média ficou em
51,8 ‰, com desvio padrão médio de apenas 1,2 ‰. Os menores valores foram observados
na região oeste da laguna, influenciada pela vazão do rio das Moças, e no Canal de Itajuru.
Medidas de densidade realizadas pela Companhia Nacional de Álcalis de 1965 a 1991
indicaram uma queda significativa da salinidade de 57 ‰ para os valores atuais médios de
51,8 ‰, indicando uma tendência de decréscimo de 0,15 ‰ ao ano. Este decréscimo se
deve, em parte, ao bombeamento de 1 m3.s-1 de água doce da Adutora de Juturnaíba para a
região urbana adjacente que é posteriormente descarregada no corpo lagunar através da
rede de esgotos. Há possibilidade, também, que esta diminuição da salinidade seja
resultante de variações numa escala de tempo maior, possivelmente relacionado à
variabilidade climática.
2.4 POLUIÇÃO
As principais fontes de poluição das águas da laguna, segundo a FEEMA (FEEMA, 1988a
e 1988b), estão relacionadas à alta taxa de urbanização da região, principalmente na sua
margem norte, e à falta de infra-estrutura sanitária, ressaltando-se a presença de inúmeros
aterros e lançamento direto ou indireto dos esgotos domésticos no corpo d'água lagunar.
Num estudo mais recente, Coutinho et al. (1998) apontaram a existência de um total de
365 pontos de lançamento de efluentes líquidos na Lagoa de Araruama, 308 dos quais
45
canalizados e 57 a céu aberto. Deste total, 232 se referem a esgotos domésticos de imóveis
em condomínios.
2.5 PRODUTIVIDADE BIOLÓGICA
O corpo d'água lagunar é considerado oligotrófico, em função dos baixos níveis de
nutrientes e clorofila, e portanto com produtividade primária e potencial pesqueiro também
baixos (FEEMA, 1988a). No entanto, uma característica incomum deste ecossistema,
ressaltada por Knoppers et al. (1996), é a predominância da produção primária
microfitobentônica sobre a fitoplanctônica, ambas variando igualmente em função da
sazonalidade, com picos máximos no final do período de maior pluviosidade do verão e
mínimos no inverno, período de menor pluviosidade. Knoppers et al. (1996) definem duas
regiões distintas em relação a este aspecto: 1. o cinturão arenoso-carbonático, até 3 m de
profundidade, inteiramente fótico, onde a produção predomina sobre a decomposição da
matéria orgânica e a comunidade microfitobentônica apresenta uma eficiente fixação e
reciclagem interna do fósforo, limitando a população fitoplanctônica; e 2. a parte mais
profunda da laguna, limitada pela luz, onde a decomposição predomina sobre a produção.
Considerando a produtividade total, bentônica e fitoplanctônica, os mesmos autores
classificam a Lagoa de Araruama, de modo geral, como mesotrófica, apesar dos valores
medidos de concentração de clorofila-a, típicos de ambientes oligotróficos. A pequena
profundidade média da Lagoa de Araruama e a presença de ventos constantes na região
provocam, esporadicamente, a remoção de material do fundo, podendo reduzir,
temporariamente, a massa de produtores primários bentônicos e colocar nutrientes em
disponibilidade na coluna d’água.
46
A Lagoa de Araruama apresenta pequena diversidade e baixa densidade de produtores
primários. Ao contrário do oceano adjacente, onde predominam as algas diatomáceas, na
Lagoa de Araruama predomina o nanoplâncton, composto principalmente por
fitoflagelados, indicadores de oligotrofia. A deficiência de nutrientes na água impede o
desenvolvimento de uma cadeia trófica baseada na luz e em nutrientes inorgânicos. Por
outro lado, verifica-se um aumento significativo do bacterioplâncton do oceano para o
interior do corpo lagunar, sugerindo que a principal fonte de energia do sistema lagunar
seja a matéria orgânica dissolvida, provavelmente fornecida pelo sedimento e pelos
produtos de excreção (INSTITUTO ACQUA/PETROBRAS, 1996).
47
3 MATERIAIS E MÉTODOS
Neste capítulo descreve-se a metodologia de coleta de dados, a escolha das
variáveis ambientais e os métodos de medidas e análises destes dados. A integração dos
dados TM com os dados de variáveis ambientais e dados espectrorradiométricos adquiridos
in situ simultaneamente será objeto do Capítulo 6. A coleta destes dados foi realizada entre
11 de janeiro e 29 de dezembro de 1994. A metodologia adotada visou o teste das
seguintes hipóteses principais de trabalho:
(1) As variações na concentração de sólidos em suspensão e de clorofila-a na água, nas
áreas mais profundas do corpo lagunar, e a densidade da cobertura do fundo por algas
bênticas, nas áreas mais rasas, determinam o comportamento espectral da Lagoa de
Araruama, podendo ser monitoradas através de dados de sensores remotos no espectro
óptico;
(2) É possível estimar a batimetria do corpo lagunar nas áreas marginais mais rasas, onde a
coluna d'água é inteiramente transparente à luz visível nos menores comprimentos de
onda; e
48
(3) As áreas mais profundas e as áreas rasas da Lagoa de Araruama constituem-se em duas
grandes regiões com características espectrais diferenciadas, passíveis de discriminação
através de técnicas de processamento digital de imagens.
Os dados foram adquiridos durante as campanhas de coleta realizadas pelo
Projeto PROLAGOS, financiado pelo Instituto ACQUA e PETROBRAS, em 12 estações
(Figura 2), em datas coincidentes com as passagens do satélite Landsat-5 sobre a região de
estudo (Tabela 1).
Tabela 1 - Datas de coleta de dados na Lagoa de Araruama durante o ano de 1994,indicando a disponibilidade (X) de dados espectrorradiométricos e imagens do sensor TMutilizadas.
Data Dadosespectrorradiométricos
DadosTM
11 de Janeiro27 de Janeiro
28 de Fevereiro16 de Março01 de Abril X17 de Abril X X03 de Maio X X19 de Maio X04 de Junho X20 de Junho X X06 de Julho X22 de Julho X X
07 de Agosto X23 de Agosto X
08 de Setembro X24 de Setembro X10 de Outubro X26 de Outubro X
11 de Novembro X27 de Novembro X X29 de Dezembro X X
49
As 12 estações de coleta (Figura 2) foram homogeneamente distribuídas por
toda a Lagoa de Araruama, buscando-se amostrar áreas representativas de todo o
ecossistema estudado. As estações 1 e 2 foram amostradas por terra, a estação 1 distante
100 m da margem lagunar, e a estação 2 na extremidade de um pequeno cais. As demais
estações foram amostradas a bordo de uma embarcação. As coletas foram iniciadas às
6:00h LST (“Local Solar Time”, horário solar local), amostrando-se as estações 1 e 2,
sequencialmente. A amostragem com a embarcação iniciou-se sempre após as 8:00 h,
visitando-se as estações 10, 8, 5, 3, 4, 6, 7, 9, 11 e 12, nesta ordem.
3.1 PARÂMETROS AMBIENTAIS
Foram amostrados, no total, seis parâmetros ambientais nas 12 estações de
coleta, sendo que salinidade, temperatura, profundidade Secchi e profundidade total foram
medidas em campo, enquanto que as medidas do total de sólidos em suspensão (TSS) e
concentração de clorofila-a foram efetuadas em laboratório a partir de amostras d’água.
Nas estações com profundidade menor que 3 m as coletas se restringiram à superfície.
Naquelas com profundidade entre 3 m e 5 m, coletaram-se amostras à superfície e no
fundo. E nas estações com profundidade maior que 5 m, as coletas foram feitas à
superfície, no meio e no fundo. As amostras de água foram recolhidas utilizando-se uma
garrafa de Van Dorn (Kramer et al., 1994). A coleta e análise destes dados foi realizada
pela equipe do subprojeto “Processos biogeoquímicos na Lagoa de Araruama, RJ”
(INSTITUTO ACQUA / PETROBRAS, 1996) no âmbito do Projeto PROLAGOS. A
justificativa da escolha de cada um dos parâmetros analisados e os métodos empregados na
sua análise são descritos sucintamente a seguir.
50
Salinidade (‰) - Apesar da salinidade não interferir no comportamento
espectral da água (McCluney, 1976), sua distribuição espacial pode indicar a influência do
aporte de água doce em cada área amostrada na Lagoa de Araruama e, consequentemente,
a distribuição das prováveis fontes de material dissolvido e em suspensão para o corpo
lagunar. Além disto, sua variabilidade ao longo do tempo possibilita fazer inferências
quanto ao balanço hidrológico regional. A salinidade foi medida, em campo, com auxílio
de um refratômetro portátil, cuja precisão é de 0,1 ‰ e, em laboratório, algumas amostras
filtradas foram analisadas, para conferência, utilizando-se um radiômetro Condutivímetro
Copenhagen CDM83, segundo cálculos descritos em Fofonoff & Millard (1983).
Temperatura (ºC) - Os dados de temperatura coletados in situ foram
utilizados para se avaliar a possibilidade de estimar a temperatura superficial da Lagoa de
Araruama a partir dos dados das imagens na banda TM6 (correspondente à faixa da
radiação termal) do satélite Landsat-5. Através da sua variabilidade horizontal e vertical
pode-se ainda avaliar a condição de mistura das águas. Foi medida diretamente durante as
coletas, por imersão de um termômetro nos vasilhames de amostras, à sombra. As leituras
foram feitas após sua estabilização, com uma precisão de 0,2 ºC.
Profundidade do disco de Secchi (m) – Esta medida oferece uma avaliação
indireta da turbidez de corpos d’água, sendo inversamente correlacionada com a
concentração de partículas dissolvidas e em suspensão na água. Corresponde à máxima
profundidade de visibilidade de um disco circular branco com 25 cm de diâmetro, e deve
ser realizada sempre pela mesma pessoa durante as coletas de dados, evitando-se a
influência das características individuais de visão. A corda de sustentação do disco foi
graduada em intervalos de 10 cm, permitindo uma precisão em torno desta mesma medida.
51
Profundidade (m) - A análise das relações obtidas entre a profundidade e a
profundidade Secchi nas estações de coleta pode auxiliar na avaliação das condições de
mistura da água ao longo do corpo lagunar. A profundidade foi medida com uma corda
presa a um peso, graduada em intervalos de meio metro, estimando-se o erro em 25 cm.
Total de sólidos em suspensão - TSS (mg.l-1) - Este parâmetro interfere no
comportamento espectral da água e apresenta correlação com dados multiespectrais.
Quando presente em alta concentração sua distribuição pode ser usada para inferir os
padrões de circulação da água e os locais de maiores descargas de drenagem ou esgotos,
responsáveis pelo aporte de sedimento para os corpos d'água. A metodologia de análise
segue aquela proposta por Strickland & Parsons (1972), fornecendo uma precisão igual a
10%.
Concentração de clorofila-a (µg.l-1) - Assim como a concentração de sólidos
em suspensão, os pigmentos fotossintéticos possuem comportamento óptico ativo e,
portanto, são também responsáveis pelos padrões observados nos dados multiespectrais.
Através das medidas de clorofila-a pretende-se avaliar a produtividade primária
fitoplanctônica da Lagoa de Araruama. A concentração de clorofila-a foi determinada por
espectrofotometria (Strickland & Parsons, 1972), após extração do pigmento nos filtros
com acetona. Este método, segundo os mesmos autores, fornece uma precisão de 3%.
Para o presente trabalho, foram também levantados os dados de direção e
velocidade dos ventos medidos na Estação Climatológica de Iguaba Grande pelo
Departamento Nacional de Meterologia - DNMET, nas datas de coleta e nos três dias
anteriores às mesmas.
52
3.2 MEDIDAS DO FATOR DE REFLECTÂNCIA DA ÁGUA
Neste trabalho, foram realizadas medidas do fator de reflectância
bidirecional espectral (FR) da água da Lagoa de Araruama entre 400 nm e 800 nm, acima
da superfície, objetivando identificar, dentre os parâmetros ambientais medidos, aqueles
responsáveis pelo comportamento espectral da água da Lagoa de Araruama. Para isto,
partiu-se de uma análise das feições de absorção presentes nos espectros de FR para se
determinar as faixas espectrais cujas medidas foram posteriormente utilizadas em estudos
de correlação com as medidas dos parâmetros ambientais analisados.
De acordo com a metodologia proposta por Milton (1987), o FR foi
determinado a partir da razão entre a radiância da água e a radiância de uma superfície
lambertiana ideal, nas mesmas condições de iluminação e observação. Neste caso, a
superfície lambertiana ideal é aquela capaz de refletir isotropicamente, em todas as
direções, toda a radiação que sobre ela incide. No campo, a superfície lambertiana ideal
utilizada como referência constituiu-se em uma placa plana recoberta com várias camadas
de sulfato de bário (BaSO4), com aproximadamente 12 cm de diâmetro. Em laboratório, a
placa de BaSO4 foi calibrada com relação a uma superfície padrão cujo espectro de
reflectância é conhecido.
Para a realização das medidas utilizou-se um espectrorradiômetro Spectron
SE-590 (Spectron, 1988), que possui resolução espectral nominal de 3 nm, o que significa
que foram obtidas medidas referentes a intervalos contínuos de 3 nm. No entanto,
experimentos em laboratório indicam que sua resolução espectral seja da ordem de 10 nm
(C. A. Steffen, comunicação pessoal. DSR / OBT / INPE. São José dos Campos, 1993).
53
3.2.1 Geometria de aquisição dos dados
Posicionou-se o Spectron a uma altura média de 1,60 m em relação à
superfície da água, com um campo de visada angular (Ω) fixo em 6°, e uma inclinação de
45° com a vertical (Figura 4). Nesta inclinação, grande parte da luz refletida encontra-se
polarizada, e sua influência pode ser reduzida utilizando-se um filtro polarizador situado na
frente da lente da unidade detectora do espectroradiômetro (Ferrier, 1995), além de se
evitar também a interferência da reflexão do casco da embarcação nas medidas (Steffen,
1993). O filtro foi posicionado de forma a minimizar a radiância do céu especularmente
refletida na superfície da água na direção do sensor, propiciando a medição principalmente
da radiância emergente do meio aquático. A configuração utilizada permitiu a amostragem
instantânea na água de uma área aproximada de 600 cm2, denominada campo de visada.
Os efeitos dos reflexos (“glitter”) gerados pelas ondulações na superfície da
água foram minimizados realizando-se as medidas com o espectrorradiômetro situado num
plano perpendicular ao da direção do sol. Desta forma, diminui-se a influência do “estado
da superfície da água” (“sea state”) nas medidas, além de se evitar a inclusão de áreas
sombreadas no campo de visada do sensor.
A utilização de duas unidades detectoras radiométricas para medir
simultaneamente a água e a placa de referência poderia minimizar a influência de variações
na irradiância solar entre uma medida e outra, o que entretanto não foi possível.
Alternativamente, foram tomadas pelo menos duas medidas da água e duas da placa de
referência, intercaladas, em cada estação de coleta. Com o objetivo de minimizar o tempo
entre as medidas da água e da placa e, ao mesmo tempo, obter medidas confiáveis dos
54
alvos, o Spectron foi programado para gravar a média de dois espectros de cada alvo
medido.
A aquisição dos dados, em todas as datas de coleta, foi realizada
preferencialmente entre 9:00 h e 15:00 h, para minimizar a influência das variações da
geometria de visada, causadas pelas mudanças na elevação e declinação solar ao longo do
dia (Novo et al., 1989 b). Assim, não foi possível obter o fator de reflectância espectral
correspondente às estações 1 e 2, amostradas sempre pela manhã, entre 6:00 h e 7:00 h, e
sem possibilidade de retorno, já que o término da amostragem das demais estações
somente ocorria após as 15:00 hs.
Figura 4 – Geometria de aquisição de dados espectrorradiométricos. Fonte: C. A. Steffen,modificado de Steffen (1993).
3.2.2 Obtenção dos espectros de fator de reflectância e curvas derivadas
O tratamento preliminar dos dados espectrorradiométricos foi realizado
através do programa ESPECTRO (Steffen et al., 1996), desenvolvido pelo Laboratório de
Radiometria (LARAD) do INPE. Após a calibração das medidas de radiância da água em
55
relação às medidas de radiância da placa de BaSO4, foram obtidos os espectros de fator de
reflectância para cada estação amostrada nas datas de coleta. Em seguida, foi aplicado um
filtro “passa baixa” nas curvas obtidas para reduzir os ruídos de alta freqüência.
Finalmente, foi obtido um espectro (Figura 5) para cada estação amostrada, por data de
coleta, resultante da média aritmética dos espectros medidos em cada uma delas.
Figura 5 – Exemplo de espectro do fator de reflectância bidirecional espectral (“Fator dereflectância”) da água da Lagoa de Araruama.
Numa etapa posterior, foram calculadas as curvas derivadas primeira e
segunda dos espectros de FR em relação ao comprimento de onda (∂FR/∂λ e ∂2FR/∂λ2,
respectivamente). A derivada primeira (∆FR/∆λ) representa a inclinação dos espectros de
FR a cada 3 nm. A derivada segunda é calculada de forma análoga, partindo-se da curva
derivada primeira. As curvas obtidas (Figura 6), analogamente aos espectros de
reflectância, foram filtradas para eliminação de ruídos. As variações no coeficiente angular
das curvas derivadas permitem identificar os pontos de inflexão (mínimos e máximos) e as
feições de absorção e reflexão causadas pelas substâncias opticamente ativas presentes na
56
água, menos evidentes nos espectros de ordem inferior (Bidigare et al., 1989; Goodin et
al., 1993; Chen et al., 1992).
Figura 6 – Curvas-derivada primeira (nm-1) e segunda (nm-2) do fator de reflectânciabidirecional espectral da água, referentes a três estações amostrais na Lagoa de Araruama.
A partir da análise dos espectros de FR, auxiliada pela observação das
curvas derivadas, foi feito um diagnóstico do comportamento espectral da água da Lagoa
de Araruama entre 400 e 800 nm.
57
3.2.3 Seleção de faixas espectrais para a estimativa de parâmetros ambientais
Com base nas referências, selecionaram-se, nos espectros da Lagoa de
Araruama, as medidas de FR nos comprimentos de onda correspondentes às bandas de
absorção dos pigmentos fotossintéticos e aos picos de reflectância do material particulado
em suspensão (Tabela 2), para verificar a possibilidade de utilizá-los para a estimativa
destes parâmetros. Para testes de correlação com a concentração de clorofila-a, calculou-se
também uma razão entre bandas, objetivando eliminar o ruído causado pela resposta do
material em suspensão na faixa espectral em que a clorofila-a apresenta absorção (em
torno de 675 nm), produzindo fluorescência (Prezelin & Alberte, 1978, apud Bidigare et
al., 1989).
Foram ainda simuladas as bandas 1, 2 e 3 do sensor Thematic Mapper
(Tabela 2), de acordo com as funções de ponderação descritas em Markham & Barker
(1985), visando também posterior comparação com o desempenho das imagens TM
adquiridas.
Com o objetivo de obter variáveis mais adequadas à estimativa dos
parâmetros ambientais, além de se extrair os valores da 1ª e da 2ª derivada do fator de
reflectância (D1- e D2-, respectivamente) em determinados comprimentos de onda, foram
também calculadas diferenças entre bandas (Tabela 3). Para teste de correlação com o TSS,
calcularam-se duas diferenças entre valores das curvas derivadas primeiras, baseadas na
análise dos resultados de Chen et al. (1992), Goodin et al. (1993) e Arenz et al. (1996).
Para teste de correlação com a clorofila-a, foi calculada uma diferença entre bandas das
derivadas segundas (Goodin et al., 1993).
58
Tabela 2 - Variáveis selecionadas das curvas de fator de reflectância para a estimativa daconcentração de clorofila-a, de sólidos totais em suspensão e transparência da água naLagoa de Araruama, RJ.
Notação λ (nm) Aspectos relevantesBD441 441 Absorção da clorofila-a (1)BD522 522 Absorção de pigmentos carotenóides (2)BD553 553 Retroespalhamento máximo do particulado em suspensão (3)BD591 591 Aumento da absorção pela água pura (4)BD652 652 Absorção da clorofila-b (5)BD676 676 Absorção da clorofila-a (1)BD714 714 Retroespalhamento do material particulado suspenso (6)BD745 745 Retroespalhamento do material particulado suspenso (7)RR6759 676/591 Razão para estimativa da clorofila-a, análogo a (8)RTM1 450→520 Simulação da banda 1 do TM, segundo (9)RTM2 520→600 Simulação da banda 2 do TM, segundo (9)RTM3 630→690 Simulação da banda 3 do TM, segundo (9)
Fontes:(1) Prezelin & Alberte, 1978, in: Bidigare et al., 1989.(2) Mann & Myers, 1968, in: Bidigare et al., 1989.(3) Dekker et al., 1992.(4) Mayo et al., 1995.(5) Kan & Thornber, 1976, in: Bidigare et al., 1989.(6) Voss et al., 1986, in: Dekker et al., 1992.(7) Dekker et al., 1992.(8) Mittenzwey et al., 1992(9) Markham & Barker, 1985
As variáveis espectrorradiométricas discriminadas nas Tabelas 2 e 3
constituíram o conjunto de dados utilizados para a determinação dos parâmetros
ambientais que interferem no comportamento espectral da água da Lagoa de Araruama,
através de testes de correlação simples. Como a profundidade do disco de Secchi oferece
uma estimativa da transparência (ou cor) da água, estas medidas foram também
consideradas na análise da distribuição das variáveis espectrorradiométricas selecionadas.
Foi também investigada a relação entre a profundidade e a reflectância da água nesta
laguna.
59
Tabela 3 - Variáveis selecionadas das curvas derivadas primeira (D1-) e segunda (D2-) dofator de reflectância, para a estimativa da concentração de clorofila-a e dos sólidos emsuspensão na Lagoa de Araruama, RJ.
Notação λ (nm) Aspectos relevantesD1F521 521 Ponto de máximo na curva de 1ª derivada, relacionado à
absorção de pigmentos (1)D1F558 558 Ponto de máxima reflectância nos espectros originais, valores
da derivada primeira tendendo a zero, a serem empregados naestimativa de TSS (2)
D1F589 589 Ponto de mínimo na curva derivada primeira, relacionado àabsorção da água pura (3)
D1F651 651 Ponto de mínimo na curva derivada primeira, relacionado àabsorção da clorofila-b (4)
D1F713 713 Ponto de mínimo na curva derivada primeira, onde ocorre forteretroespalhamento do material particulado em suspensão (5)
D1DIF1 521-558 Diferença para estimativa de TSS (6)D1DIF2 589-558 Diferença para estimativa de TSS (6)D2F658 658 Ponto de máximo na curva derivada segunda, relacionado à
concentração de clorofila-a (7)D2F673 673 Valores tendendo a zero na curva derivada segunda, a serem
empregados na estimativa de clorofila-aD2F685 685 Ponto de mínimo na curva derivada segunda, relacionado à
concentração de clorofila-a (7)D2DIF 658-673 Diferença para estimativa de clorofila-a, baseada em (6)
Fontes:(1) Mann & Myers, 1968, in: Bidigare et al., 1989.(2) Dekker et al., 1992.(3) Mayo et al., 1995.(4) Kan & Thornber, 1976, in: Bidigare et al., 1989.(5) Voss et al., 1986, in: Dekker et al., 1992.(6) Goodin et al., 1993.(7) Gitelson, 1992.
3.3 DADOS LANDSAT-5 TM
As imagens orbitais utilizadas nesta pesquisa foram adquiridas pelo sensor
Thematic Mapper (TM) do satélite Landsat-5 (http://www. dgi.inpe.br/html/landsat.htm),
na órbita-ponto (WRS) 216-76, tendo sido gravadas e pré-processadas pelo INPE (Tabela
1). Dentre todas as imagens gravadas durante o ano de 1994, selecionaram-se aquelas que
60
apresentaram cobertura de nuvens sobre a região de estudo inferior a 10%, já que nas áreas
ocupadas pelas nuvens e suas respectivas sombras perdem-se as informações referentes ao
alvo de interesse (a água). As imagens TM foram adquiridas em formato digital, nas
bandas TM1, TM2, TM3, TM4, TM5 e TM6 (Tabela 4), e seu processamento foi realizado
através de rotinas do programa SPRING1993 (Câmara, 1996; NETGIS, 1997),
desenvolvido pela Divisão de Processamento de Imagens (DPI) do INPE
(http://www.dpi.inpe.br/spring). Inicialmente, as imagens foram corrigidas
geometricamente (ou georreferenciadas) a partir do seu registro com uma base cartográfica
na escala de 1:50.000 do Instituto Brasileiro de Geografia e Estatística (IBGE, 1978). As
estações de coleta foram localizadas em campo e plotadas na carta do IBGE a partir de
alinhamentos com feições geográficas no continente e nas margens lagunares e utilizando-
se uma bússola de alidade Freyeberger Mechanicks cuja precisão é da ordem de 1°. Sua
posição em coordenadas geográficas foi então transferida para uma base georreferenciada
no programa SPRING.
Tabela 4 - Resolução espectral e espacial das bandas do sensor “Thematic Mapper”.
Bandas Resolução espectral(nm)
Resolução espacial(m)
1 450 - 520 302 520 - 600 303 630 - 690 304 760 - 900 305 1.550 - 1.750 306 10.450 - 12.500 1207 2.080 - 2.350 30
As bandas TM1, TM2 e TM3 foram escolhidas por estarem localizadas nas
faixas espectrais de maior penetração na água, contendo mais informações sobre os
constituintes opticamente ativos na coluna d’água (Schiebe et al., 1983). A banda TM4
61
oferece o melhor contraste entre diferentes concentrações de material particulado suspenso.
A banda TM5 localiza-se numa faixa espectral onde ocorre forte absorção da água, e foi
utilizada para a definição do corpo lagunar, enquanto a banda TM6, localizada na faixa
espectral do infravermelho termal, foi analisada em termos de sua correlação com a
temperatura superficial da água na Lagoa de Araruama.
3.3.1 Correção da influência da atmosfera nos dados obtidos em plataformas orbitais
Os aerossóis e determinados gases presentes na atmosfera modulam a
radiação refletida ou emitida pelos alvos terrestres, modificando sua distribuição espectral
e adicionando a ela parte do brilho da atmosfera (Bastos, 1994). Assim, a radiância
aparente medida por um equipamento sensor em nível orbital inclui também a radiância da
atmosfera, que necessita ser eliminada para que se possa extrair os valores reais de
reflectância dos alvos terrestres. Os sensores passivos que operam na faixa do espectro
refletivo (de 300 a 4.000 nm), nos quais se inclui o TM, têm o sol como principal fonte de
radiação, devendo-se corrigir também a influência das variações do ângulo azimutal solar
ao longo do ano.
Na região espectral onde se localizam as bandas TM1, TM2, TM3 e TM4 a
atmosfera provoca, principalmente, o espalhamento da radiação eletromagnética, que pode
ser classificado em dois tipos: 1) o espalhamento Rayleigh, ou molecular, proporcional ao
inverso do comprimento de onda, provocado por partículas com raio menor que 10 nm,
típico das moléculas atmosféricas (metano (CH4), oxigênio (O2) e nitrogênio (N2),
principalmente); e 2) o espalhamento Mie, independente do comprimento de onda, causado
pelos aerossóis, partículas grandes e extremamente variáveis no espaço e no tempo (poeira,
62
fumaça, emissões industriais e vulcânicas e núcleos de condensação marinhos). A partir do
conhecimento das características atmosféricas e seus padrões de interação com a radiação
eletromagnética, foram desenvolvidos modelos que possibilitam estimar a atenuação
sofrida pela radiação que atravessa uma determinada atmosfera em função da natureza e
concentração de seus constituintes opticamente ativos (Kneyzis et al., 1988; Richter, 1989;
Tanré et al., 1990 e Bastos, 1994).
Para a correção dos efeitos atmosféricos nas imagens TM empregadas nesta
pesquisa foi escolhido o programa “5S code” (Tanré et al., 1990). A escolha deste
programa fundamentou-se nos resultados de um estudo comparativo realizado por Moran
et al. (1991) entre diversos métodos para correção de dados multiespectrais, que apontou o
“5S Code” como o de melhor desempenho. A equação final utilizada pelo programa “5S”
para o cálculo da reflectância dos alvos terrestres é a seguinte:
ρ’λ (µ,φ; -µ0, φ0) = ρλ atm (µ, φ; -µ0, φ0) + Tλ (µ0) ρλ Tλ (µ) __________
1 - Sρλ
Onde:ρ’λ = reflectância do alvo medida pelo sensorρλ atm = reflectância da atmosferaρλ = reflectância do alvoS = albedo esférico da atmosferaTλ (µ0) = transmitância atmosférica difusa na direção descendenteTλ (µ) = transmitância atmosférica difusa na direção ascendenteµ = cosseno do ângulo de visada do sensorµ0 = cosseno do ângulo zenital do solφ = ângulo azimutal de visadaφ0 = ângulo azimutal de iluminação
A versão utilizada foi adaptada por Freire (1996) para microcomputadores
“pc”, e simula o sinal detectado pelo sensor orbital TM considerando os efeitos de
63
espalhamento molecular e a reflectância de uma superfície uniforme e isotrópica.. Esta
adaptação incluiu ainda a inserção no programa de valores de concentração dos gases
atmosféricos (“atmosfera Rayleigh”) medidos em uma região de clima semi-árido no
nordeste brasileiro junto a um corpo d’água lacustre. Corrigiram-se os efeitos atmosféricos
de espalhamento Rayleigh (ou molecular) dos dados extraídos das bandas TM1, TM2 e
TM3 correspondentes às 12 estações de coleta na Lagoa de Araruama. A correção para os
efeitos provocados pelos aerossóis foi considerada dispensável em função das
características de homogeneidade do relevo e das condições climáticas da região onde se
localiza a Lagoa de Araruama, que permitem assumir como constante a concentração dos
aerossóis ao longo do tempo.
Finalmente, para se avaliar a eficiência do “5S Code”, realizou-se uma
comparação entre as bandas TM simuladas a partir dos dados espectrorradiométricos,
tomadas como a “verdade de campo”, e os dados corrigidos atmosfericamente, utilizando-
se análises de correlação simples. Os processamentos subsequentes com as imagens TM
foram realizados considerando-se os resultados destas correlações.
3.3.2 Obtenção de bandas processadas a partir das bandas originais TM
3.3.2.1 Razões entre bandas
Foram calculadas as razões entre as bandas TM2 e TM1 (TM21), TM3 e
TM1 (TM31) e TM3 e TM2 (TM32), para teste de correlação com a concentração de
clorofila-a (Gordon et al., 1983; Lavery et al., 1993; Mayo et al, 1995) e entre as bandas
TM3 e TM1 (TM31), para teste de correlação com as medidas de profundidade de Secchi
(Lavery et al., 1993).
64
3.3.2.2 Transformação por principais componentes
A análise de principais componentes é uma técnica estatística multivariada
que permite obter, a partir de um conjunto de dados de variáveis correlacionadas entre si,
um novo conjunto de variáveis (autovalores, ou fatores) resultantes de combinações
lineares das variáveis originais e que não são correlacionadas entre si. O objetivo principal
desta transformação é obter o menor número possível de fatores (principais componentes
ou PC’s) que representem a máxima porcentagem da variabilidade do conjunto de dados
original. Ou seja, para um conjunto de variáveis Xj, j = 1, 2, ..., p, o primeiro componente
pode ser escrito como (Dillon & Goldstein, 1984):
PC(1) = w(1)1.X1 + w(1)2.X2 + ... + w(1)p.Xp
onde os valores w(1)1, w(1)2, ... , w(1)p são escolhidos de forma que a razão entre a variância
de PC(1) e a variância total seja máxima, com a condição de que Σ w(1)j = 1, j = 1, 2, ... , p.
O segundo principal componente, PC(2), resulta de uma combinação linear ponderada das
variáveis originais não correlacionada com PC(1) e representa a máxima proporção da
variabilidade restante não explicada por PC(1). De uma forma geral, o m-ésimo componente
pode ser escrito como:
PC(m) = w(m)1.X1 + w(m)2.X2 + ... + w(m)p.Xp
e possui a maior variância dentre todas as combinações lineares possíveis que não sejam
correlacionadas com os componentes previamente extraídos. Cada fator subsequente,
portanto, contém proporções gradativamente menores da variabilidade restante. Podem ser
extraídos tantos fatores resultantes quantas forem as variáveis originais, contudo, é
65
desejável que com o menor número possível de fatores represente-se quase a totalidade da
variância dos dados.
No caso da Lagoa de Araruama, a técnica de principais componentes foi
empregada para gerar novas bandas espectrais (fatores) relacionadas, cada uma, a
diferentes aspectos físicos do ambiente lagunar, atendendo ao objetivo geral desta pesquisa
de verificar a influência dos parâmetros ambientais medidos in situ na variabilidade
espectral das imagens TM adquiridas. Foram utilizadas as bandas TM1, TM2 e TM3,
devido à possibilidade de se obter informações sobre as características físico-químicas da
coluna d’água nestas três faixas espectrais, especialmente considerando-se a baixa
profundidade média e relativamente alta transparência desta laguna (Braga et al., em
preparo). A área amostral das imagens TM restringiu-se ao espelho d’água, assegurando
que os fatores resultantes da transformação por componentes principais se discriminassem
somente em função das informações contidas na água. Para isto, através de uma
classificação das bandas TM4 e TM5, faixas em que existe alto contraste entre a terra e a
água, foi gerada uma máscara que permitiu a exclusão das feições terrestres nas imagens.
3.3.3 Amostragem das imagens
Os dados TM foram adquiridos em áreas regulares de 3 x 3 “pixels”
(aproximadamente 8.100 m2) em torno das estações de coleta, localizadas nas imagens
através de suas coordenadas geográficas previamente determinadas. O conjunto de
variáveis multiespectrais TM da presente pesquisa corresponde aos níveis digitais médios
destes nove “pixels” extraídos das bandas originais (TM1, TM2, TM3, TM4 e TM6) e
processadas (TM21, TM31, TM32, PC1, PC2 e PC3) nas 12 estações de coleta.
66
Os níveis digitais (ou níveis de cinza) nas imagens TM são valores que
variam entre zero e 255, associados a cada “pixel” (ou elemento de resolução, neste caso
igual a 30 x 30 m) em função das características de refletividade dos alvos contidos em
cada um. A representatividade das amostras é função da homogeneidade da área
amostrada. Em duas datas de estudo (03 de maio e 22 de julho), foram adquiridos também
os dados referentes a uma região de 5 X 5 “pixels” nas imagens, para se avaliar a
influência da área amostral na correlação entre os parâmetros ambientais e as variáveis
TM.
3.3.4 Classificação digital não-supervisionada das imagens TM
As imagens TM nas bandas TM1, TM2 e TM3 foram segmentadas e
posteriormente classificadas automaticamente para se identificar regiões com
características espectrais homogêneas dentro do corpo lagunar (Philpot, 1989), auxiliando
a análise dos demais dados obtidos nesta pesquisa. O método de segmentação utilizado foi
o de “crescimento de regiões” (NETGIS, 1997) e a escolha das bandas TM1, TM2 e TM3
se deveu, novamente, à sua maior potencialidade de obtenção de informações da coluna
d’água.
A técnica de segmentação de imagens mulitespectrais baseia-se na
identificação de padrões (ou “objetos”) nas imagens, e não simplesmente nos elementos de
resolução (“pixels”), como é o caso dos métodos tradicionais de classificação. A rotina
computacional empregada demanda a escolha de valores a partir dos quais são
identificados os diferentes “objetos”. Através do “índice de similaridade” define-se a
diferença, em níveis de cinza, entre cada classe que será posteriormente identificada,
67
enquanto através da “área” define-se a área mínima, em número de “pixels”, necessária
para caracterizar uma região como pertencente a uma determinada classe.
A classificação automática posterior é aplicável somente às mesmas bandas
que geraram a imagem segmentada. Definiu-se como classificador o método “Isoseg” e
geraram-se classificações para diferentes limiares de aceitação (90%, 95% e 99%), sendo
os resultados de cada uma comparados considerando-se os demais dados disponíveis sobre
a área de estudo.
3.4 ANÁLISES ESTATÍSTICAS
3.4.1 Medidas de tendência central e dispersão dos conjuntos de dados
Para se analisar a distribuição espacial e temporal das variáveis ambientais
medidas in situ na Lagoa de Araruama foram calculados parâmetros estatísticos
univariados, tais como a média aritmética (AVG) e o desvio-padrão (DP) dos dados
(Spiegel, 1977). Como o cálculo da média é bastante sensível a valores erráticos altos,
além dos desvios-padrão calcularam-se também os coeficientes de variação (CV) de cada
conjunto de dados. O CV corresponde à razão entre o desvio-padrão e a média (Isaaks &
Srivastava, 1989), e permite avaliar a forma de distribuição dos dados, além de revelar a
ocorrência de valores muito distantes da média quando seu cálculo ultrapassa ou se
aproxima de um (ou 100%). Na análise espacial, foram consideradas as medidas de cada
parâmetro nas 12 estações, por data de coleta. Para a análise temporal, consideraram-se
todas as medidas de um determinado parâmetro realizadas na mesma estação de coleta
durante todo o ano, além de se analisar a variação das médias, desvios-padrão e
coeficientes de variação de cada parâmetro ambiental ao longo do ano.
68
3.4.2 Análises de correlação
Foram empregadas também análises de correlação simples bivariada para se
caracterizar a situação físico-química e biológica do corpo d’água em cada data de estudo
(correlações entre os parâmetros ambientais), para se avaliar o comportamento espectral da
Lagoa de Araruama (correlações entre os parâmetros ambientais e as variáveis
espectrorradiométricas selecionadas) e para se identificar a influência de cada um dos
parâmetros de qualidade de água medidos na variabilidade dos dados multiespectrais TM
(correlações entre os dados TM e os parâmetros ambientais).
Optou-se pela utilização do coeficiente de correlação “r” não paramétrico,
calculado segundo Spearman, devido ao pequeno número de amostras (referentes às 12
estações) e à impossibilidade de realização de testes para se comprovar uma distribuição
normal dos dados (Siegel, 1981). Foi estabelecido um nível de significância (α/2) mínimo
de 0.025, embora numa primeira abordagem tenham sido considerados para análise os
valores de “r” superiores, em módulo, a 0.50.
A análise das correlações entre todos os parâmetros ambientais, dados
espectrorradiométricos e dados orbitais incluiu ainda a construção de diagramas de
dispersão relacionando as variáveis duas a duas, de modo a se analisar a tendência geral de
ajuste entre os dados e os desvios associados a cada amostra. Este procedimento visou uma
avaliação mais detalhada das correlações entre as variáveis através da identificação de
possíveis erros nas medidas in situ ou na localização das estações amostrais no campo.
Além disto, a freqüência com que determinadas estações apresentam decréscimos
substanciais aos coeficientes “r” calculados, quando incluídas no conjunto amostral, pode
69
revelar características da área de estudo que interfiram de forma espúria nos dados
extraídos das imagens digitais (Braga et al., 1993).
70
4 MEDIDAS DE PARÂMETROS AMBIENTAIS DA LAGOA DE ARARUAMA
4.1 DISTRIBUIÇÃO ESPACIAL E TEMPORAL DOS PARÂMETROS MEDIDOS
Neste trabalho, os resultados obtidos para as amostras coletadas no estrato
superficial da água (profundidade < 30 cm) (Apêndice 9.1) foram analisados mais
detalhadamente, enquanto que a distribuição dos parâmetros ambientais em outras
profundidades (Knoppers et al., 1996) foi discutida apenas quando necessária para a
compreensão dos resultados. Este procedimento decorre do fato de que as concentrações
dos parâmetros opticamente ativos na superfície da água possuem maior influência na sua
reflectância (Gordon & McCluney, 1975). As Tabelas 5 e 6 apresentam uma síntese dos
resultados das análises da água e medidas in situ realizadas em superfície na Lagoa de
Araruama nas 21 datas de coleta em 1994, onde a caracterização dos parâmetros clorofila-
a, total de sólidos em suspensão (TSS), salinidade e temperatura é feita pela apresentação
das médias e seus respectivos coeficientes de variação (CV, definido como a razão do
desvio-padrão pela média). Na Tabela 5, consideram-se todos os valores medidos ao longo
do ano em cada uma das estações de coleta e, na Tabela 6, os valores medidos em todas as
estações amostrais em cada data de coleta.
71
Tabela 5 - Médias e coeficientes de variação (CV, em %) anuais dos parâmetros medidosem superfície em cada estação amostral nas 21 datas de coleta durante o ano de 1994.CLA, concentração de clorofila-a (µg.l-1); TSS, total de sólidos em suspensão (mg.l-1);SAL, salinidade (‰); TPC, temperatura (°C); SEC, profundidade do disco de Secchi (m) ePROF, profundidade da água (m).
Estação CLA TSS SAL TPC SEC PROFMédia CV Média CV Média CV Média CV Média CV Média CV
1 2,9 149 12,2 116 48,6 3 25,2 12 0,6 0 0,6 02 1,7 71 10,4 72 56,1 1 25,1 12 0,7 0 0,7 03 1,7 85 8,4 74 56,8 1 25,9 10 3,2 27 8,1 84 1,4 85 6,3 62 56,9 1 25,9 10 3,3 15 3,5 215 1,8 77 7,3 85 56,7 1 25,8 9 2,8 14 4,2 216 1,6 72 8,9 85 57,0 1 25,8 9 2,8 23 6,5 97 1,4 99 9,0 90 57,2 1 25,7 10 2,9 21 3,2 208 1,6 67 7,8 74 57,4 0 25,5 10 1,9 20 7,3 109 1,4 80 6,2 52 57,4 0 25,8 10 2,7 21 3,1 910 2,4 42 10,3 67 57,8 0 25,6 10 2,2 19 4,2 1111 1,6 61 8,4 56 58,5 0 25,8 10 4,1 31 4,6 3012 1,9 62 13,1 75 57,3 0 26,3 11 1,8 34 2,9 14
Tabela 6 - Médias e coeficientes de variação (CV, em %) diários dos parâmetros medidosem superfície em 12 estações de coleta durante o ano de 1994. Abreviaturas, vide Tabela 5.
Data CLA TSS SAL TPCMédia CV Média CV Média CV Média CV
11Jan 5,4 59 3,4 25 55,3 1 26,9 127Jan 3,9 34 12,6 61 53,8 4 30,4 128Fev 0,9 52 4,9 35 56,5 6 29,5 116Mar 3,5 12 10,2 170 55,4 16 27,2 201Abr 0,9 42 16,5 34 57,3 6 28,8 117Abr 1,7 45 21,4 45 58,6 10 25,5 303Mai 1,7 34 9,2 53 58,5 6 25,6 219Mai 1,6 54 7,0 114 53,1 26 25,0 304Jun - - 9,2 53 60,0 2 - -20Jun 2,6 158 4,9 60 59,2 1 24,6 206Jul 1,3 44 4,8 70 57,8 7 22,7 222Jul 1,7 52 7,8 35 55,4 8 22,3 1
07Ago 1,8 72 7,2 35 54,5 6 20,2 323Ago 0,9 107 9,0 77 54,2 7 22,8 408Set 1,7 41 7,0 23 47,1 8 23,8 224Set 1,6 29 8,4 33 57,6 3 24,5 410Out 0,8 137 3,3 46 58,1 4 25,4 126Out 1,0 66 7,7 40 58,5 5 26,1 211Nov 0,6 90 9,5 37 57,5 6 27,7 227Nov 1,0 53 9,8 26 - - 26,6 229Dez 2,2 40 15,3 91 60,4 4 28,9 2
MÉDIA 1,8 - 9,0 - 56,4 - 25,7 -DP 1,2 - 4,4 - 3,0 - 2,6 -
CV (%) 66 49 5 10
72
4.1.1 Salinidade
Uma análise preliminar das medidas superficiais de salinidade apontou uma
grande diferença entre os valores correspondentes à estação 1 (média anual em 1994 de
48,6‰) e às demais (acima de 56 ‰) (Figura 7).
10
20
30
40
50
60
70
11Ja
n
28Fev
01Abr
03M
ai
04Ju
n06
Jul
07Ago
08Set
10Out
11Nov
29Dez
Data
Salin
idad
e (‰
)
E1
E2
E3
E4
E5
E6
E7
E8
E9
E10
E11
E12
Figura 7 - Medidas de salinidade superficial (‰) realizadas em 12 estações de coleta naLagoa de Araruama durante o ano de 1994.
A estação 1 está localizada na desembocadura do Rio das Moças (Figura 4),
uma das duas únicas fontes de água doce permanentes para a Lagoa de Araruama, no
compartimento de menor profundidade média de toda a laguna (Figura 3) e, portanto,
encontra-se mais sujeita à influência da descarga de água doce do rio e, talvez, então, dos
episódios de precipitação. De fato, a salinidade na estação 1 apresentou-se claramente
relacionada à diferença entre as médias mensais de precipitação e de evaporação (Apêndice
9.1 A e Tabela 7), com uma tendência de decréscimo de janeiro a julho e elevando-se
gradativamente no período de julho a dezembro. Os valores extremamente baixos medidos
em algumas datas (16 de março e 19 de maio, por exemplo) devem-se a chuvas intensas na
73
véspera da coleta (Figura 8). Os dados apresentados na Tabela 8 demonstram a diferença
entre o padrão de variabilidade da salinidade considerando-se todas as estações 1 e
excluindo-se a estação 1.
Tabela 7 - Precipitação e evaporação totais mensais (em mm) registradas na EstaçãoClimatológica de Iguaba Grande em 1994. Fonte: DNMET.
Mes Precipitação Evaporação Precip.-Evap.Janeiro 115,0 85,2 29,8
Fevereiro 0,0 186,1 -186,1Março 242,4 85,4 157,0Abril 106,9 83,1 23,8Maio 50,4 65,1 -14,7Junho 88,5 87,6 0,9Julho 71,0 101,3 -30,3
Agosto 19,5 114,9 -95,4Setembro 32,2 162,5 -130,3Outubro 15,6 161,1 -145,5
Novembro 68,4 167,8 -99,4Dezembro 51,1 159,1 -108,0
0,0
6,0
12,0
18,0
24,0
30,0
36,0
42,0
11Ja
n28
Fev
01Abr
03M
ai
04Ju
n06
Jul
07Ago
08Set
10Out
11Nov
29Dez
Data
Prec
ipita
ção
(mm
)
3 dias antes
2 dias antes
1 dia antes
Dia coleta
Total
Figura 8 - Medidas de precipitação (em mm) registradas na Estação Climatológica deIguaba Grande durante o ano de 1994. Fonte: DNMET.
74
As medidas de salinidade das estações de 2 a 12, de um modo geral,
apresentaram baixa variabilidade (Tabela 8) ao longo de todo o ano, independentemente
dos episódios pontuais de precipitação. Nas estações 8, 10 e 11, localizadas entre São
Pedro D’Aldeia e o Boqueirão (Figura 4), registraram-se as máximas com maior
frequência (Apêndice 9.1 A). Excetuando-se a estação 1, a maioria das mínimas de
salinidade foi registrada na estação 12, junto à saída do Canal de Itajuru, indicando a
influência da água oceânica, menos salina, que penetra pelo canal.
Tabela 8 - Coeficientes de variação (CV) das medidas de salinidade superficial (em ‰)realizadas na Lagoa de Araruama durante o ano de 1994 nas 12 estações de coleta e em 11estações (excluída a estação 1).
Data CV(%)(Est. 1 a 12)
CV (%)(Est. 2 a 12)
11 de Janeiro 1 127 de Janeiro 4 4
28 de Fevereiro 6 516 de Março 16 201 de Abril 6 317 de Abril 10 103 de Maio 7 319 de Maio 26 404 de Junho 2 220 de Junho 2 206 de Julho 7 322 de Julho 8 4
07 de Agosto 6 323 de Agosto 7 5
08 de Setembro 8 824 de Setembro 3 110 de Outubro 4 426 de Outubro 5 4
11 de Novembro 6 527 de Novembro - -29 de Dezembro 4 3
75
4.1.2 Temperatura
Os valores medidos de temperatura superficial da água (Apêndice 9.1 B)
apresentaram coeficientes de variação diários bastante baixos em todas as datas de coleta,
considerando-se todas as estações de amostragem, ainda menores que os de salinidade. No
entanto, observou-se claramente uma variação sazonal de grande amplitude nas medidas,
com médias diárias mais altas ocorrendo em torno de um mês após o solstício de verão (21
de dezembro) e o perihélio (03 de janeiro), épocas de maior insolação, e médias diárias
mais baixas ocorrendo durante os meses de inverno, período de menor insolação (Figura
9). O valor máximo de temperatura (31º C) foi registrado na estação 1 em 27 de janeiro, e
o valor mínimo (18,8º C) foi registrado na mesma estação em 07 de agosto. O estudo do
ciclo sazonal do fluxo de calor e da interação lagoa-atmosfera fogem ao escopo do presente
trabalho.
18,0
20,0
22,0
24,0
26,0
28,0
30,0
32,0
11Ja
n28
Fev
01Abr
03M
ai
04Ju
n06
Jul
07Ago
08Set
10Out
11Nov
29Dez
Data
Tem
pera
tura
(°C
)
E1
E2
E3
E4
E5
E6
E7
E8
E9
E10
E11
E12
Figura 9 - Medidas de temperatura superficial da água (ºC) realizadas em 12 estações decoleta na Lagoa de Araruama durante o ano de 1994.
76
4.1.3 Clorofila-a
A concentração de clorofila-a apresentou uma variabilidade relativamente
alta ao longo do corpo lagunar na maioria das datas de estudo, e uma variabilidade também
alta ao longo do ciclo anual estudado (Apêndice 9.1 C). A maior variabilidade ocorreu em
20 de junho (CV = 157%), devido ao valor extremamente alto medido na estação 1,
embora após a exclusão deste valor o CV diário seja ainda alto (67%) comparado às
demais datas estudadas. Outras datas de grande variabilidade foram 07 de agosto, 23 de
agosto, 10 de outubro e 11 de novembro, em que se registraram concentrações bastante
baixas em algumas estações. Em 07 e 23 de agosto registraram-se ventos de direção SW
com intensidade moderada. Na véspera do dia 10 de outubro registraram-se fortes ventos
de NE, com uma precipitação de 4,1 mm ocorrendo na antevéspera, e na véspera da coleta
do dia 11 de novembro ocorreram ventos de SW com precipitação de 6,4 mm. Nos três
dias anteriores e no próprio dia 20 de junho registraram-se ventos com velocidade em
média igual a 5 m.s-1 na direção NE. O aumento da intensidade dos ventos em corpos
d'água rasos pode provocar a ressuspensão dos sedimentos do fundo, redisponibilizando
nutrientes para os produtores primários na superfície. No entanto, o feito mais imediato
destes eventos são um aumento da turbidez e da turbulência da água, o que prejudica a
comunidade produtora primária. Sugere-se, portanto, que o aumento da variabilidade na
distribuição de clorofila-a na laguna e a ocorrência de médias diárias bastante baixas (em
torno de 0,8 µg.l-1) guardem estreita relação com uma combinação entre estas duas
variáveis ambientais (vento e precipitação).
Os valores de concentração de clorofila-a, em todas as datas de coleta,
excluindo-se os dados referentes à estação 1, ficaram entre zero e 5,4 µg.l-1 (Figura 10),
77
sendo que em 14 datas a variação foi bem menor, entre 1 e 1,8 µg.l-1. Via de regra, a
estação 10, na margem continental, apresentou as maiores concentrações de clorofila-a
(valores máximos em 30% das datas), conforme evidenciado pela sua média anual,
suplantada apenas pela média calculada para a estação 1. Por outro lado, o CV referente à
estação 10 foi o menor de todos, demonstrando que níveis altos de clorofila-a são
registrados neste local durante todo o ano. Dois fatores, provavelmente, são responsáveis
por este resultado: 1) a disponibilidade de nutrientes provenientes das descargas de esgotos
domésticos; e 2) a morfologia da enseada onde se localiza esta estação, mais fechada e
alinhada com a direção NE-SW. Os valores mínimos de concentração de clorofila-a na
coluna d’água foram registrados com maior freqüência na estação 7 (30% das datas),
localizada na margem sul, distante dos maiores núcleos urbanos.
0,0
1,0
2,0
3,0
4,0
5,0
6,0
11Ja
n
28Fev
01Abr
03M
ai
04Ju
n06
Jul
07Ago
08Set
10Out
11Nov
29Dez
Data
Con
c. d
e cl
orof
ila-a
(µg
/l) E2
E3
E4
E5
E6
E7
E8
E9
E10
E11
E12
Figura 10 - Medidas de concentração de clorofila-a (µg.l-1) realizadas na Lagoa deAraruama em 21 datas de coleta durante o ano de 1994 em 11 estações (excluída a estação1).
78
As concentrações médias diárias de clorofila-a, para todas as estações de
coleta, ficaram entre 0,6 e 5,4 µg.l-1. As maiores médias foram registradas nos meses de
verão, embora em 12 de fevereiro tenha sido registrada uma média bastante baixa. Pode ser
observado também um padrão sazonal na distribuição da clorofila-a na Lagoa de
Araruama, caracterizado por um período de concentrações mais altas e maior variabilidade
na média lagunar durante o verão e por outro período, com médias mais estáveis, que se
estende do final do outono ao início da primavera.
4.1.4 Total de sólidos em suspensão
A menor média de TSS (3,3 mg.l-1) foi observada em 10 de outubro, e a
maior (21,4 mg.l-1) registrou-se em 17 de abril, esta precedida por um período de grande
pluviosidade (Figura 8). Entretanto, em outras datas em que os totais de precipitação foram
semelhantes (19 de maio, por exemplo), a média lagunar de TSS não se apresentou alta em
relação às demais, indicando que as variações observadas não resultam de uma influência
direta da precipitação registrada desde os três dias anteriores às coletas. A variação na
intensidade dos ventos também não demonstra uma associação clara com as medidas de
TSS. Os maiores coeficientes de variação de TSS foram registrados em 16 de março (CV =
170%) e em 19 de maio (CV = 114%), e estão associados às medidas extremamente altas
da estação 1 (Figura 11). Excetuando-se os dados desta estação, os maiores CV’s foram
observados em 06 de julho, 23 de agosto e 29 de dezembro, sem uma relação evidente com
o regime de ventos.
As medidas de TSS referentes à estação 1 (Apêndice 9.1 D), ao contrário
das medidas de clorofila-a, não apresentaram variações significativas relacionadas à
79
proximidade com a desembocadura do Rio das Moças, exceto nas duas datas de maior
precipitação, em 16 de março e 19 de maio. Nestas datas, o valor máximo de TSS no corpo
lagunar foi registrado na estação 1. Na estação 10 foram registrados com maior frequência
(30% das datas) os valores máximos de TSS na lagoa de Araruama, assim como ocorreu
com as medidas de concentração de clorofila-a. Na estação 9 registraram-se os valores
mínimos em 30% das datas de coleta. A estação 6 demonstrou o comportamento mais
variável em termos deste parâmetro, com valores mínimos em 20% das datas e valores
máximos também em 20% das datas de coleta.
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
11Ja
n
28Fev
01Abr
03M
ai
04Ju
n06
Jul
07Ago
08Set
10Out
11Nov
29Dez
Data
Tot
al d
e só
lidos
em
sus
pens
ão (
mg/
l)
E1
E2
E3
E4
E5
E6
E7
E8
E9
E10
E11
E12
Figura 11 - Medidas do total de sólidos em suspensão realizadas na Lagoa de Araruama em12 estações de coleta durante o ano de 1994.
4.1.5 Profundidade do disco de Secchi
Os baixos coeficientes de variação diários das medidas de profundidade de
Secchi (CV máximo de 38%) expressaram uma razoável homogeneidade espacial na
transparência da água da Lagoa de Araruama em todas as datas de coleta, embora tenham
80
sido observados CV’s mais altos entre os meses de abril e agosto e CV’s mais baixos entre
setembro e março (Apêndice 9.1 E). Os CV’s também baixos calculados por estação de
coleta ao longo de todas as datas refletem a homogeneidade da transparência lagunar ao
longo do ciclo anual estudado. A análise das medidas de profundidade de Secchi não
evidenciou uma relação direta deste parâmetro com a precipitação e o vento medidos desde
os três dias anteriores às datas de coleta.
As medidas de profundidade de Secchi igualaram-se à profundidade nas
estações 1 e 2 em todas as coletas, iguais a 0,6 m para a estação 1 e 0,7 m para a estação 2.
Por este motivo, e por sua baixa profundidade, os dados de profundidade de Secchi destas
duas estações foram excluídos da análise deste parâmetro no restante do corpo lagunar.
Nas estações 4, 7, 9 e 12 freqüentemente registraram-se também medidas
iguais de profundidade de Secchi e profundidade da água (Apêndices 9.1 E e F),
demonstrando que o disco de Secchi é um instrumento inadequado para se avaliar a
transparência da água da Lagoa de Araruama nos locais mais rasos. Apesar disto, foram
identificadas duas regiões de maior turbidez, próximo ao município de São Pedro d’Aldeia
(estação 10) e no Boqueirão (estação 12), e uma região de menor turbidez no centro da
laguna (estação 3). Na estação 10 foram medidos os menores valores de profundidade de
Secchi do corpo lagunar em 60% das datas de coleta e, na estação 12, em 40% das datas.
Na estação 3 foram medidos os valores máximos de profundidade de Secchi em 25% das
datas de coleta. As datas de maior transparência da água concentraram-se, principalmente,
entre maio e julho.
81
4.2 ANÁLISES DE CORRELAÇÃO ENTRE OS PARÂMETROS AMBIENTAIS
4.2.1 Correlações entre os parâmetros ambientais por data de coleta
De modo geral, observou-se um número pequeno de correlações
significativas (dentro do nível de confiança pré-estabelecido) entre os parâmetros
ambientais medidos, sem um padrão regular ao longo do ano, conforme pode ser
observado na Tabela 9.
Tabela 9 - Coeficientes de correlação (r) estatisticamente significativos entre os parâmetrosambientais medidos. CLA, conc. de clorofila-a (µg.l-1); SEC, profundidade de Secchi (m);TSS, total de sólidos em suspensão (mg.l-1); SAL, salinidade (‰); e PROF, profundidade(m). Células com um hífen significam ausência de correlação e, com um asterisco,ausência de dados.
Data CLAx
SEC
CLAx
TSS
CLAx
SAL
CLAx
PROF
CLAx
TPC
TSSx
SEC
TSSx
SAL
TSSx
PROF
PROFx
SEC
PROFx
SAL
PROFx
TPC
SECx
TPC11Jan - - - * - - - * * * * -27Jan - - - * - - - * * * * -28Fev - - -0,60 - - - - - 0,89 -0,58 - -16Mar - 0,73 - - - - - - 0,79 - - -01Abr - - - - - - 0,73 - - - - -17Abr -0,86 - - - - - - - 0,63 - - 0,6803Mai -0,66 - - - - -0,61 - - 0,60 - 0,73 0,7919Mai - - - - - -0,64 - - 0,86 - - 0,7304Jun * * * * * - -0,67 - 0,72 - - -20Jun - - - - - -0,61 - - 0,64 0,64 - -06Jul - - - - - - - - 0,82 0,62 - -22Jul - - - - - - - - - - - -
07Ago - - - - - - - - 0,77 0,80 - 0,8223Ago - - 0,63 - - -0,74 - -0,58 0,78 - 0,59 0,6508Set - - - - - -0,73 - - 0,69 0,79 - -24Set - - 0,81 - - - - - - - - 0,6410Out - - - - - - - - 0,76 0,76 - -26Out - - - - - - - - 0,61 0,61 - -11Nov - - - - -0,60 - - - 0,78 - - -27Nov - - * 0,69 - - * - 0,73 * - 0,6029Dez - - - 0,79 - - -0,81 - - - - -
Para verificar a abrangência deste resultado, diminuiu-se o nível de
confiança de 95% para 90%. Os novos resultados confirmaram os anteriores, exceto pela
82
correlação direta entre a profundidade e a profundidade de Secchi observada em todas as
datas de coleta entre 27 de janeiro e 27 de novembro, com coeficientes (r) variando entre
0,56 e 0,89. A análise das correlações entre os mesmos parâmetros reunindo-se os dados
coletados durante todo o ano também indicou somente uma correlação significativa entre a
profundidade e a profundidade de Secchi (r = 0,66). No entanto, o fato de terem sido
obtidas medidas idênticas de profundidade e de profundidade de Secchi em várias estações
de coleta indica que o cálculo deste coeficiente de correlação provavelmente não possui a
precisão desejada. Assim, não se poderia afirmar, mas sugere-se, genericamente, que a
região de maior profundidade da Lagoa de Araruama apresenta menor turbidez, enquanto
que a região marginal, de menor profundidade, apresenta-se mais túrbida. Este resultado
parece lógico, já que os ventos, freqüentemente intensos nesta região, provocam maior
ressuspensão do fundo nas áreas mais rasas lagunares, e vice-versa.
As demais correlações significativas apresentadas na Tabela 9 não
apresentaram um padrão de ocorrência relacionado às variáveis climáticas (precipitação e
ventos) que pudesse lhes conferir um significado consistente. Assim, a análise das
correlações estatisticamente significativas obtidas demonstrou que a distribuição de cada
um dos parâmetros ambientais medidos nas 12 estações de coleta não dependeu da
distribuição dos demais, sendo provável que tenham ocorrido de forma aleatória.
4.2.2 Correlações entre os valores médios diários dos parâmetros ambientais
Um outro teste de correlação envolvendo as médias de cada parâmetro
medido por data de coleta e os totais mensais de precipitação, evaporação e a diferença
entre estes dois (aqui chamada de precipitação líquida) apontou uma correlação
83
significativa direta entre a concentração de clorofila-a e a precipitação líquida (r = 0,60).
Apesar de não se observarem paralelamente correlações inversas entre a concentração de
clorofila-a e a salinidade e entre a salinidade e a precipitação líquida, este resultado aponta
para tendência ao aumento da produtividade com o aumento da entrada de água doce no
sistema.
4.3 CONCLUSÕES
1. Dentre todos os locais de amostragem na Lagoa de Araruama, a estação
1, localizada na desembocadura do Rio das Moças, apresentou a maior variabilidade nas
medidas de todos os parâmetros ambientais analisados, principalmente em termos da
salinidade. As variações nas medidas de salinidade nesta estação demonstraram uma
relação clara com a diferença entre as médias mensais de precipitação e de evaporação,
apresentando decréscimos acentuados durante os eventos de precipitação mais intensos.
Nesta estação, portanto, a descarga do Rio das Moças rege o comportamento da coluna
d’água.
2. A temperatura foi o parâmetro que apresentou a menor variabilidade
diária espacial no corpo lagunar, com coeficiente de variação máximo de 4%. Por outro
lado, este foi o parâmetro que mais claramente expressou as variações sazonais climáticas,
com médias em torno de 20 ºC, no inverno, e 30 ºC, no verão. No entanto, a ocorrência de
médias diárias mais baixas mostrou-se associada com os eventos de precipitação.
3. A distribuição de clorofila-a na Lagoa de Araruama apresentou uma
variabilidade alta, espacial e temporalmente, demonstrando um caráter predominantemente
84
granular (“patchiness”). As concentrações médias de clorofila-a medidas foram bastante
baixas, entre 0,6 µg.l-1 e 4,3 µg.l-1, evidenciando uma produtividade primária
fitoplanctônica predominantemente oligotrófica. Além disto, estas médias apresentaram-se
diretamente relacionadas ao balanço hídrico do sistema (fluxos devido à precipitação).
4. As medidas de TSS apresentaram também uma grande variabilidade
espacial e temporal. As médias por data de coleta variaram entre 3,3 e 21,4 mg.l-1, porém
sem relação com a precipitação ou os ventos registrados desde três dias anteriores às
coletas, nem com as variações climáticas sazonais. Próximo a São Pedro D’Aldeia
registraram-se valores máximos deste parâmetro com maior freqüência.
5. A análise das medidas de profundidade de Secchi foi prejudicada pelo
fato de terem sido observados, na maioria das datas, valores deste parâmetro iguais à
profundidade total, em pelo menos cinco estações. Isto impediu uma avaliação mais
precisa da transparência do corpo lagunar e evidenciou a inadequação desta técnica para se
estimar a turbidez de corpos d’água rasos e de alta transparência.
6. Apesar das restrições impostas pelas medidas de profundidade de Secchi,
foram reveladas duas regiões de maior turbidez na laguna: uma na enseada de São Pedro
D’Aldeia (estação 10) e outra na sua conexão com o Canal de Itajuru (estação 12).
Revelou-se também uma região de menor turbidez no centro do corpo lagunar (estação 3).
7. A transparência da água da Lagoa de Araruama foi mais homogênea entre
janeiro e março e entre setembro e dezembro, quando a precipitação média na região é
maior. Entre os meses de abril e agosto, durante o período climático de menor precipitação,
a transparência lagunar mostrou-se menos homogênea. Por outro lado, os coeficientes de
85
variação relativamente baixos por data de coleta (entre 13% e 38%) expressaram uma
homogeneidade espacial razoável na transparência da água da Lagoa de Araruama. Os
CV’s também baixos calculados para cada estação de coleta (entre 14% e 34%)
considerando-se todas as datas refletiram a homogeneidade da transparência lagunar ao
longo do ciclo anual estudado.
8. Finalmente, excetuando-se as correlações entre a profundidade e a
profundidade de Secchi, a ausência de um padrão consistente de correlação entre os demais
parâmetros ambientais ao longo das várias datas de estudo permite afirmar que a
distribuição de cada um dos parâmetros analisados é independente das distribuição dos
demais.
86
5 MEDIDAS ESPECTRORRADIOMÉTRICAS DA LAGOA DE ARARUAMA
Conforme foi dito anteriormente, as medidas espectrorradiométricas da água
visaram a identificação dos parâmetros ambientais responsáveis pelo comportamento
espectral da água da Lagoa de Araruama. O desenho do experimento e estratégia de
medição foram descritos no Capítulo 3 (seção 3.2).
Dentre as 21 datas de coleta de dados in situ, foi possível medir o fator de
reflectância bidirecional espectral (FR) da água em 17 datas (Tabela 1). Em 19 de maio, 04
de junho, 06 de julho, 07 de agosto, 08 de setembro e 24 de setembro a luminosidade solar
apresentou-se variável devido à cobertura parcial de nuvens (Tabela 10). Nestas condições,
aumenta consideralvemente a probabilidade de as medidas da placa de referência e as
medidas da água, em cada estação, não serem obtidas sob a mesma intensidade de
iluminação, introduzindo erros na calibração dos espectros, portanto os dados referentes a
estas coletas foram descartados.
Para haver tempo de percorrer todas as estações amostrais na Lagoa de
Araruama, as coletas de dados nas estações 3 a 12 foram iniciadas por volta das 8:30 h
87
(Apêndice 9.1 G). Devido a isto, em 5 datas as medidas espectrorradiométricas referentes à
estação 10 foram realizadas antes das 9:00 h. A penúltima e a última estações amostrais
(estações 11 e 12) também foram amostradas, em várias datas, fora do limite horário
recomendado (após as 15:00 h). Em casos mais extremos, algumas das últimas estações não
foram amostradas por não haver luz suficiente.
Tabela 10 - Datas de coleta de dados espectrorradiométricos na Lagoa de Araruamadurante o ano de 1994, com as respectivas condições de luminosidade e de cobertura denuvens no céu.
Data Cobertura do céu Luminosidade01 de Abril Encoberto Homogênea17 de Abril Céu limpo Homogênea03 de Maio Céu limpo Homogênea19 de Maio Parcialmente nublado Variável04 de Junho Parcialmente nublado Variável20 de Junho Claro com névoa Homogênea06 de Julho Parcialmente nublado Variável22 de Julho Claro com névoa Homogênea
07 de Agosto Parcialmente nublado Variável23 de Agosto Claro com névoa Homogênea
08 de Setembro Parcialmente nublado Variável24 de Setembro Parcialmente nublado Variável10 de Outubro Claro com névoa Homogênea26 de Outubro Encoberto Homogênea
11 de Novembro Claro com névoa Homogênea27 de Novembro Claro com nuvens Homogênea29 de Dezembro Claro com névoa espessa Homogênea
5.1 ANÁLISE DOS ESPECTROS DE FR E CURVAS-DERIVADAS
Os espectros de fator de reflectância e as curvas-derivadas primeira e
segunda referentes às estações amostradas em cada data são apresentados no Apêndice 9.2.
Sua observação demonstra que as águas da Lagoa de Araruama apresentaram baixa
reflectância em toda a faixa espectral analisada (Figura 12), com um valor máximo médio
89
em torno de 6%, conforme esperado para alvos desta natureza (Dekker et al., 1992; Steffen
et al., 1993; Goodin et al., 1993). Apenas em 23 de agosto o FR máximo registrado
excedeu 7%, no caso da medida referente à estação 9. Verificaram-se valores em média
mais baixos nas coletas de 03 de maio, 20 de junho, 10 de outubro, 27 de novembro e 29 de
dezembro, e valores mais altos nas coletas realizadas em 01 de abril, 17 de abril, 23 de
agosto, 26 de outubro e 11 de novembro. No entanto, as variações nos valores máximos de
FR não se mostraram associadas com a concentração de clorofila-a ou com o total de
sólidos em suspensão, nem com as medidas de profundidade do disco de Secchi.
Os espectros de FR revelaram uma baixa reflectância relativa da água na
faixa dos menores comprimentos de onda (entre 400 e 450 nm, principalmente), apesar da
radiação eletromagnética na faixa do azul possuir maior penetração na água. As derivadas
do FR nesta região atingiram valores muito mais baixos que em outras faixas espectrais,
sem qualquer variabilidade notável (pontos de máximo ou mínimo). Este comportamento,
segundo Dekker et al. (1992), está relacionado à forte absorção da luz causada pela
presença de matéria orgânica dissolvida na água, presente na maioria dos corpos d'água
costeiros e continentais, o que indica sua presença também na Lagoa de Araruama. Além
disto, a clorofila-a apresentou baixas concentrações na coluna d'água (seção 4.1.3), o que
certamente contribuiu para o mascaramento do seu pico de absorção em 440 nm.
Os valores do FR de todas as amostras apresentaram uma taxa de aumento
em direção à faixa do verde (entre 500 nm e 600 nm), onde atingiram seu máximo. Este
comportamento, provavelmente, se deve à presença de TSS na água, já que o TSS
apresenta reflectância crescente a partir de 500 nm (Dekker et al., 1992) e, ao mesmo
90
tempo, a absorção da REM provocada pela água pura é significativamente menor que na
faixa do vermelho. A partir de 590 nm observou-se uma diminuição do FR, correspondente
à crescente absorção da radiação nos comprimentos de onda mais longos pela água pura.
Em torno de 730 nm, os valores de FR atingiram valores insignificantes, não sendo possível
distinguí-los do ruído do equipamento sensor. Isto pode ser constatado pelos valores
praticamente nulos das derivadas primeira e segunda nesta faixa.
Os espectros da Lagoa de Araruama apresentaram feições de absorção
centradas em 522 e em 652 nm, indicando a presença de pigmentos carotenóides e de
clorofila-b, respectivamente, na água (Tabela 2). A absorção provocada pela água pura,
centrada em 591 nm, provocou uma nítida diminuição do FR a partir de 580 nm,
aproximadamente. A absorção da clorofila-a em 675 nm não produziu uma feição
correspondente nos espectros, certamente devido à sua baixa concentração na coluna
d’água. Acima do limite de detecção do espectrorradiômetro, a intensidade da radiação
registrada é proporcional à concentração das substâncias opticamente ativas na água.
Espectros da água obtidos por Mayo et al. (1995) no Lago Kinneret, em Israel, somente
apresentaram a feição de absorção da clorofila-a em 675 nm quando sua concentração
excedia 6 µg.l-1. Portanto, pode-se concluir que a Lagoa de Araruama, apesar de sua baixa
concentração de clorofila-a na água, pode ser classificada com um corpo d’água do “Tipo
II” (Morel & Prieur, 1977) onde ocorre a presença de pigmentos fotossintéticos, materiais
sólidos em suspensão e matéria orgânica dissolvida.
Feições de absorção pouco evidentes nos espectros de FR, correspondentes a
baixas concentrações das substâncias opticamente ativas, são, no entanto, mais facilmente
91
identificadas pelos pontos de inflexão nas curvas-derivadas primeiras. Analogamente, as
curvas-derivadas segundas evidenciam as características das curvas-derivadas primeiras
(Figura 12). Pontos de inflexão nas curvas, por sua vez, correspondem a pontos de
cruzamento do eixo na curva-derivada seguinte. Este procedimento, como se viu, permite
também a eliminação progressiva, a cada derivação, do efeito de cada uma das substâncias
com comportamento óptico ativo presentes na água. Foi observado somente um ponto de
cruzamento do eixo nas curvas-derivadas primeiras da Lagoa de Araruama (em torno de
557 nm), correspondente ao único ponto de inflexão (um ponto de máximo) dos espectros
de FR (Apêndice 9.2). Os pontos de inflexão em 521, 589 e 651 nm, corresponderam aos
comprimentos de onda nos quais se identificaram feições de absorção no espectro de
reflectância (522, 591 e 652 nm, respectivamente). Esta defasagem de 1 – 2 nm entre os
comprimentos de onda identificados nos espectros e seus correspondentes nas curvas-
derivadas primeiras provavelmente se deve ao filtro de médias utilizado para suavização dos
ruídos. Embora imperceptível nos espectros originais do presente estudo, na faixa de
comprimentos de onda entre 690 e 720 nm ocorre um aumento da reflectância da água em
função da presença de material particulado em suspensão (Morel & Prieur, 1977; Goodin et
al., 1993) ou de clorofila-a (Mittenzwey et al., 1991; Dekker et al., 1992). Para os dados
da Lagoa de Araruama, esta feição foi observada por um ponto de mínimo revelado nas
curvas-derivadas primeiras próximo a 690 nm. Nesta região, o FR, que vinha diminuindo,
passa a decair menos abruptamente e, portanto, a derivada primeira continua negativa, mas
diminui em módulo. Observou-se, ainda, uma defasagem nos comprimentos de onda onde
se observou esta feição para as curvas-derivadas de cada estação amostral, possivelmente
provocada pelas diferentes concentrações das substâncias opticamente ativas na água em
cada uma delas. Portanto, pode-se concluir que o procedimento de derivação dos espectros
92
de FR da Lagoa de Araruama efetivamente realçou os pontos de absorção dos constituintes
opticamente ativos na água, comprovando a presença de pigmentos carotenóides, clorofila-
b, clorofila-a e TSS no corpo lagunar.
As curvas-derivadas segundas apresentaram feições mais expressivas entre
550 e 625 nm, contrastando com os resultados previamente obtidos por outros autores
(Chen et al., 1992; Goodin et al., 1993), que apontaram respostas significativas somente
entre 650 e 730 nm. As curvas-derivadas segundas da Lagoa de Araruama também
apresentaram feições nesta faixa (um ponto de máximo em 658 nm e um ponto de mínimo
em 685 nm), porém de menor intensidade que as feições observadas na faixa do verde,
novamente revelando o efeito das baixas concentrações de clorofila-a na água. A ocorrência
do ponto de mínimo em 570 nm e do ponto de máximo em 610 nm nas derivadas segundas
necessitaria de outros estudos para ser explicada, já que não se encontra ainda descrita na
literatura. Como esta é a faixa de maior refletividade do material particulado, poder-se-ia
supor que estas feições estivessem relacionadas à sua presença, mas o trabalho de Goodin et
al. (1993) demonstrou que o efeito do TSS é eliminado dos espectros de água a partir da
derivada segunda. Por outro lado, as medidas tomadas nas estações mais profundas também
apresentaram a mesma característica, descartando-se a possibilidade de que estas feições na
faixa do verde nos espectros da Lagoa de Araruama estejam relacionadas ao sedimento de
fundo. Resta, portanto, a influência da matéria orgânica dissolvida, que teve sua presença na
água inferida a partir da baixa reflectância dos espectros entre 400 e 500 nm. Apesar de não
terem sido realizadas medidas da concentração do carbono orgânico dissolvido na água, a
concentração do carbono orgânico particulado foi medida nas estações de coleta em várias
datas (Souza, 1997). Embora não se possa afirmar que ambas sejam correlacionadas (apesar
93
do material orgânico particulado se constituir em fonte de carbono orgânico dissolvido),
foram realizadas análises de correlação entre as variáveis extraídas das derivadas segundas
do FR e as medidas do carbono orgânico particulado. Os coeficientes de correlação
calculados, no entanto, não indicaram qualquer tipo de relação entre a reflectância da água
da Lagoa de Araruama e o seu conteúdo de carbono orgânico particulado.
De modo geral, observou-se uma grande semelhança no formato, pontos de
inflexão e feições de absorção dos gráficos, tanto entre as estações amostradas numa mesma
data quanto entre todas as datas analisadas. Esta característica evidenciou um padrão de
comportamento espectral típico das águas da Lagoa de Araruama, com faixas de absorção
bem definidas. Este resultado demonstra a presença das mesmas substâncias opticamente
ativas em todas as áreas amostradas.
5.2 CORRELAÇÃO ENTRE OS PARÂMETROS AMBIENTAIS E O FATOR DEREFLECTÂNCIA
Através dos resultados de correlação significativos entre os parâmetros
medidos in situ e as variáveis espectrorradiométricas previamente selecionadas, foram
determinadas as substâncias responsáveis pelo comportamento espectral da água na Lagoa
de Araruama e as melhores faixas espectrais para sua detecção. Além da concentração de
clorofila-a, TSS e profundidade de Secchi, investigou-se também a correlação entre as
variáveis espectrorradiométricas e a profundidade da água em cada estação.
Geradas as matrizes de correlação, foi feita uma seleção das variáveis
espectrorradiométricas que maior correlação apresentaram com cada parâmetro ambiental
94
medido nas onze datas estudadas, visando o estabelecimento de um método de
determinação destes parâmetros através de sensores remotos.
5.2.1 Correlações com a concentração de clorofila-a.
A maioria das variáveis extraídas dos espectros de FR e das curvas-derivadas
não apresentou um padrão constante de correlação com a clorofila-a, ou seja, algumas
correlacionaram-se significativamente com este parâmetro em um certo número de datas,
mas na maioria delas os coeficientes de correlação foram extremamente baixos ou variando
entre negativos e positivos, sugerindo a aleatoriedade destes resultados. Este resultado já
era esperado em função das baixas concentrações de clorofila-a na água (médias diárias das
datas de dados espectrorradiométricos analisados abaixo de 2,6 µg.l-1). Apenas duas
variáveis, D2F658 e D2DIF, extraídas das curvas-derivadas segundas (Tabela 3),
apresentaram-se correlacionadas com a clorofila-a em um número significativo de datas,
embora em algumas das onze datas estudadas os coeficientes de correlação calculados
tenham sido bastante baixos ou negativos (Tabelas 11 e 12). Os coeficientes de correlação
mais altos entre a clorofila-a e D2F658 variaram, em módulo, entre 0,60 e 0,79, e os mais
altos entre a clorofila-a e D2DIF, entre 0,60 e 0,77.
A partir da análise dos diagramas de dispersão das medidas da concentração
de clorofila-a com D2F658 e D2DIF (Apêndices 9.3 A e B) foram identificadas estações
cujas medidas encontravam-se bastante discrepantes das demais, responsáveis pelos baixos
de valores de correlação calculados em determinadas datas. A maioria destas estações
possuíam uma baixa profundidade (menor que 3 m) ou o fato de as medidas de
profundidade do disco de Secchi realizadas nestes locais terem atingido o fundo
95
(profundidade de Secchi igual à profundidade da água) (Tabela 13). Isto sugere que o fator
de interferência nas correlações da concentração de clorofila-a na coluna dágua com
D2F658 e D2DIF tenha sido principalmente a influência da reflectância do fundo nas
medidas espectrorradiométricas realizadas nestas estações.
Tabela 11 - Coeficientes de correlação simples bivariada (r) entre a concentração declorofila a e D2F658; n, número de amostras; e α, nível de significância.
Data Estações sem dados r r2 n α1º de Abril 1, 2, 4, 8, 11, 12 0,60 0,36 6 0,20817 de Abril 1, 2 0,79 0,62 10 0,00803 de Maio 1, 2, 11, 12 0,50 0,25 8 0,20720 de Junho 1, 2 0,54 0,29 10 0,11122 de Julho 1, 2, 9, 11, 12 0,68 0,46 7 0,094
23 de Agosto 1, 2, 9, 11, 12 0,56 0,31 8 0,19210 de Outubro 1, 2, 3 -0,20 0,04 9 0,60426 de Outubro 1, 2 -0,01 0,00 10 0,987
11 de Novembro 1, 2 -0,40 0,16 10 0,24927 de Novembro 1, 2 -0,30 0,09 10 0,40729 de Dezembro 1, 2, 3, 4, 5, 10 -0,64 0,41 6 0,173
Tabela 12 - Coeficientes de correlação simples bivariada (r) entre a concentração declorofila a e D2DIF; n, número de amostras; e α, nível de significância.
Data Estações sem dados r r2 n α1º de Abril 1, 2, 4, 8, 11, 12 0,77 0,59 6 0,07217 de Abril 1, 2 0,73 0,53 10 0,01703 de Maio 1, 2, 11, 12 0,50 0,25 8 0,20720 de Junho 1, 2 0,44 0,19 10 0,19922 de Julho 1, 2, 9, 11, 12 0,68 0,46 7 0,094
23 de Agosto 1, 2, 11, 12 0,69 0,48 8 0,09010 de Outubro 1, 2, 3 -0,04 0,02 9 0,91126 de Outubro 1, 2 -0,01 0,00 10 0,987
11 de Novembro 1, 2 -0,24 0,06 10 0,50827 de Novembro 1, 2 -0,11 0,01 10 0,76129 de Dezembro 1, 2, 3, 4, 5, 10 0,03 0,00 6 0,957
96
Tabela 13 - Estações em que a profundidade de Secchi igualou-se à profundidade da água eestações cuja profundidade foi inferior a 3 m (entre parênteses, o valor medido).
Data Prof. de Secchi = profundidade Profundidade < 3 m1º de Abril 5, 7, 9, 12 -17 de Abril 4, 7 12 (2,8)03 de Maio 4, 7, 9 12 (2,8)20 de Junho 4, 7, 9, 12 -22 de Julho 4 -
23 de Agosto 7 7 (2)10 de Outubro - 7 (2,8), 11 (2,5), 12 (2,5)26 de Outubro 9, 11 9 (2,8), 11 (2,8)
11 de Novembro 4, 7, 9 7 (2,8), 9 (2,8), 12 (2,5)27 de Novembro 4, 5, 9, 11, 12 11 (2,5), 12 (2,5)29 de Dezembro 7, 9 12 (2,6)
No entanto, alguns outros dados bastante discrepantes foram identificados
(dados da estação 6 em 03 de maio, da estação 5 em 20 de junho, da estação 3 em 22 de
julho e da estação 10 em 26 de outubro), provavelmente relacionados a problemas nas
medidas in situ ou em laboratório (Apêndices 9.3 A e B). Os dados referentes à estação 7,
via de regra, mostraram-se bastante dispersos da provável curva de ajuste entre os dados
espectrais e a concentração de clorofila-a. Por outro lado, os dados referentes à estação 4,
mesmo quando a profundidade do disco de Secchi atingiu o fundo ou quando a
profundidade da água foi inferior a 3 m nesta estação, apresentaram um bom ajuste.
Considerando o exposto, os cálculos dos coeficientes de correlação entre a
concentração de clorofila-a e as duas variáveis espectrais (D2F658 e D2DIF) foram refeitos
excluindo-se os dados espúrios. A exclusão destes dados resultou no aumento significativo
das correlações em praticamente todas as datas, conforme pode ser visto nas Tabelas 14 e
15.
97
Tabela 14 - Coeficientes de correlação simples bivariada (r) entre a concentração declorofila-a e D2F658, após a exclusão dos dados espúrios; n, número de amostras; e α,nível de significância.
Data Estações Excluídas r r2 n α1º de Abril 5, 7, 9 1,00 1,00 3 0,0017 de Abril 7, 12 0,92 0,85 8 0,0003 de Maio 6, 7, 9 0,90 0,81 5 0,0420 de Junho 5, 7, 9, 12 0,83 0,69 6 0,0422 de Julho 3, 7 0,90 0,81 5 0,04
23 de Agosto 7 0,83 0,69 7 0,0410 de Outubro 7, 9, 11, 12 0,62 0,38 5 0,2726 de Outubro 9, 10, 11 0,64 0,41 7 0,12
11 de Novembro 7, 9 -0,52 0,27 8 0,1927 de Novembro 5, 7, 9, 11, 12 1,00 1,00 5 0,0029 de Dezembro 7, 9, 12 -0,87 0,76 3 0,33
Tabela 15 - Coeficientes de correlação simples bivariada (r) entre a concentração declorofila-a e D2DIF, após a exclusão dos dados espúrios; n, número de amostras; e α, nívelde significância.
Data Estações excluídas r r2 n α1º de Abril 5, 7, 9 1,00 1,00 3 0,0017 de Abril 7, 12 0,83 0,69 8 0,0103 de Maio 6, 7, 9 0,90 0,81 5 0,0420 de Junho 5, 7, 9, 12 0,83 0,69 6 0,0422 de Julho 3, 7 0,90 0,81 5 0,04
23 de Agosto 7 0,83 0,69 7 0,0410 de Outubro 7, 9, 11, 12 0,87 0,76 5 0,0526 de Outubro 9, 10, 11 0,64 0,41 7 0,12
11 de Novembro 7, 9 -0,35 0,12 8 0,4027 de Novembro 5, 7, 9, 11, 12 0,90 0,81 5 0,0429 de Dezembro 7, 9, 12 0,00 0,00 3 1,00
Somente em 11 de novembro e 29 de dezembro, D2F658 e D2DIF não
puderam explicar a distribuição das concentrações de clorofila-a medidas na Lagoa de
Araruama. Em 11 de novembro, isto ocorreu possivelmente devido a uma precipitação de
6,4 mm na véspera, além da ocorrência de ventos do quadrante sul que persistiram no dia da
coleta (Tabela 16). Em 29 de dezembro, quando também houve ausência de correlação,
98
foram registrados os ventos mais fortes dentre todas as datas de amostragem,
impossibilitando a amostragem nas estações 3, 4, 5 e 10. Dentre as seis estações restantes,
três enquadravam-se nos critérios para exclusão (estações 7, 9 e 12), o que inviabilizou a
utilização dos dados desta data. Coeficientes de correlação baixos foram também obtidos
em 26 de outubro, quando registrou-se a ocorrência de ventos do quadrante sul no dia
anterior e no dia da própria coleta. Em nenhuma das outras datas verificaram-se estas
condições, e as correlações apresentaram-se dentro do limite de confiança pré-estabelecido.
Estes resultados indicam que em condições climáticas extremas de vento e precipitação na
Lagoa de Araruama, os dados espectrorradiométricos não devem ser utilizados para a
estimativa da concentração de clorofila-a na água.
A variável D2DIF apresentou coeficientes de correlação com a clorofila-a,
em média, iguais àqueles obtidos pela variável D2F658 (r2 = 0,78), porém com menor
desvio (0,10 contra 0,20 da variável D2F658), o que lhe confere maior confiabilidade e
utilidade prática para a estimativa da concentração de clorofila-a na Lagoa de Araruama. O
melhor desempenho da variável D2DIF corrobora os resultados de Goodin et al. (1993),
que obtiveram melhores correlações com a clorofila-a utilizando a diferença entre os valores
da derivada segunda em 660 e 695 nm, correspondentes, respectivamente a um ponto de
máximo e ao ponto subseqüente onde a curva cruza o eixo das abcissas. No caso dos
espectros da Lagoa de Araruama, o ponto de máximo ocorreu em torno de 658 nm e o
ponto subseqüente de cruzamento do eixo, em torno de 673 nm, tendo sido estes, portanto,
os comprimentos de onda selecionados para o cálculo de D2DIF. 8. Como os resultados de
Goodin et al. (1993), foram obtidos a partir de experimentos desenvolvidos em laboratório,
comprovou-se a eficácia da metodologia de coleta utilizada em campo (geometria de visada
99
e filtro polarizador, conforme descrito no Capítulo 3) e a qualidade dos dados de fator de
reflectância obtidos no presente estudo.
Tabela 16 - Condições ambientais nas datas de coleta de dados que influenciam as medidasespectrorradiométricas (horários LST - “Local Solar Time”).
Data Superfície da água Vento às 9 e 15 hs (vel. em m.s-1) /Outras
1º Abr Ondas pequenas (até 15 cm dealtura), sem cristas
Calmaria; S (5,0) / Chuva na véspera (6,8mm)
17 Abr Turva; ondas pequenas, semcristas
NE (5,5); E (5,5) / Chuva na véspera(8,4 mm)
03 Mai Ondulações variáveis; maiorturbulência nas estações 3 e 4
NE (4,5); E (5,6) / Chuva nos três diasanteriores (total=1,4 mm)
20 Jun Lisa, sem ondas (rugosa nasestações 9, 11 e 12)
SE (1,6); NE (4,1)
22 Jul Ondas pequenas, sem cristas E (2,6); NE (5,8)
23 Ago Turva; sem ondas até 12 hs;após, ondas entre 10 e 40 cm,cristas e espuma
N (2,5); SW (7,3) / entrada de frente friaàs 12 hs; menor prof. Secchi média (2,3m) dentre estas datas
10 Out Lisa, sem ondas; turva E (2,6); E (5,3) / vento intenso navéspera (NE, 6,6 m.s-1); chuva naantevéspera (4,1 mm); menor prof.Secchi média (2,3 m) dentre estas datas
26 Out Ondas pequenas, sem cristas S (3,6); S (5,0) / ventos de quadrante sulna véspera
11 Nov Ondas pequenas, sem cristas SW (3,8); S (4,5) / chuva (6,4 mm) eventos de quadrante sul na véspera
27 Nov Rugosa, com espuma E (3,0); E (6,0)
29 Dez Rugosa, ondas variáveis (20-50 cm), espuma; turva
E (5,3); E (8,8) / 2ª menor prof. Secchimédia (2,4 m) dentre estas datas
100
A partir destes resultados, concluiu-se que é possível medir a concentração
de clorofila-a na coluna d’água lagunar entre, aproximadamente, 5 µg.l-1 e 1 µg.l-1, através
de medidas do fator de reflectância, utilizando-se a variável D2DIF (diferença entre as
medidas das derivadas segundas de FR em 658 nm e 673 nm). Este método, é, portanto, de
utilidade prática para o gerenciamento da qualidade da água na Lagoa de Araruama.
5.2.2 Correlações com a profundidade do disco de Secchi
Na primeira etapa da análise destes resultados, foram selecionadas três
variáveis espectrorradiométricas com as quais a profundidade de Secchi apresentou
coeficientes de correlação relativamente altos na maioria das datas (Tabelas 17, 18 e 19),
quais sejam, BD652 (r variando entre -0,62 e -0,92), D1F713 (r variando entre 0,65 e 0,98)
e D2F685 (r variando entre 0,60 e 0,98).
Analisaram-se, então, os diagramas de dispersão (Apêndices 9.3 C, D e E)
entre a profundidade de Secchi e cada uma destas variáveis, em todas as datas, buscando-se
identificar dados espúrios (“outliers”) responsáveis pelos baixos coeficientes de correlação
em algumas datas (em 03 de maio, por exemplo). Via de regra, as estações cujos dados
apresentaram maior dispersão foram aquelas onde as medidas de profundidade do disco de
Secchi igualaram-se à profundidade da água. No entanto, outras estações apresentaram
dados que, aparentemente, constituíram-se em erros amostrais (estações 5 e 8 em 22 de
julho, estação 9 em 23 de agosto e estação 12 em 10 de outubro). As Tabelas 20, 21 e 22
apresentam os coeficientes de correlação recalculados em função da exclusão destas
estações em cada data analisada.
101
Tabela 17 - Coeficientes de correlação simples bivariada (r) entre a profundidade do discode Secchi e BD652; n, número de amostras; e α, nível de significância.
Data Estações sem dados r r2 n α1º de Abril 1, 2, 4, 8, 11, 12 -0,68 0,46 6 0,1417 de Abril 1, 2 -0,92 0,85 10 0,0003 de Maio 1, 2, 11, 12 -0,47 0,22 8 0,2420 de Junho 1, 2 -0,75 0,56 10 0,0122 de Julho 1, 2, 9, 11, 12 0,00 0,00 7 1,00
23 de Agosto 1, 2, 11, 12 -0,68 0,46 8 0,0610 de Outubro 1, 2, 3 -0,62 0,38 9 0,0726 de Outubro 1, 2 -0,34 0,12 10 0,34
11 de Novembro 1, 2 -0,69 0,48 10 0,0327 de Novembro 1, 2 -0,62 0,38 10 0,0629 de Dezembro 1, 2, 3, 4, 5 -0,69 0,48 7 0,09
Tabela 18 - Coeficientes de correlação simples bivariada (r) entre a profundidade do discode Secchi e D1F713; n, número de amostras; e α, nível de significância.
Data Estações sem dados r r2 n α1º de Abril 1, 2, 4, 8, 11, 12 0,17 0,03 6 0,7517 de Abril 1, 2 0,93 0,87 10 0,0003 de Maio 1, 2, 11, 12 0,33 0,11 8 0,4220 de Junho 1, 2 0,65 0,42 10 0,0422 de Julho 1, 2, 9, 11, 12 0,22 0,04 7 0,64
23 de Agosto 1, 2, 11, 12 0,83 0,69 8 0,0110 de Outubro 1, 2, 3 0,66 0,44 9 0,0626 de Outubro 1, 2 0,86 0,74 10 0,00
11 de Novembro 1, 2 0,84 0,71 10 0,0027 de Novembro 1, 2 0,94 0,88 10 0,0029 de Dezembro 1, 2, 3, 4, 5 0,98 0,96 7 0,00
Tabela 19 - Coeficientes de correlação simples bivariada (r) entre a profundidade do discode Secchi e D2F685; n, número de amostras; e α, nível de significância.
Data Estações sem dados r r2 n α1º de Abril 1, 2, 4, 8, 11, 12 0,51 0,26 6 0,3117 de Abril 1, 2 0,88 0,77 10 0,0003 de Maio 1, 2, 11, 12 0,33 0,11 8 0,4220 de Junho 1, 2 0,53 0,28 10 0,1222 de Julho 1, 2, 9, 11, 12 0,60 0,36 7 0,15
23 de Agosto 1, 2, 11, 12 0,61 0,37 8 0,1110 de Outubro 1, 2, 3 0,66 0,44 9 0,0626 de Outubro 1, 2 0,78 0,61 10 0,01
11 de Novembro 1, 2 0,78 0,61 10 0,0127 de Novembro 1, 2 0,87 0,76 10 0,0029 de Dezembro 1, 2, 3, 4, 5 0,97 0, 7 0,00
102
Tabela 20 - Coeficientes de correlação simples bivariada (r) entre a profundidade do discode Secchi e BD652 excluindo-se as estações com dados espúrios; n, número de amostras; eα, nível de significância.
Data Estações excluídas r r2 n α1º de Abril 5, 7, 9 -0,87 0,76 3 0,3317 de Abril 4, 7 -0,93 0,87 8 0,0003 de Maio 4, 7, 9 -0,82 0,67 5 0,0920 de Junho 4, 7, 9, 12 -0,99 0,98 6 0,0022 de Julho 4, 5, 8 -0,40 0,16 4 0,60
23 de Agosto 7, 9 -0,61 0,37 6 0,2010 de Outubro 12 -0,71 0,50 8 0,0526 de Outubro 9, 11 -0,39 0,15 8 0,34
11 de Novembro 4, 7, 9 -0,52 0,27 7 0,2327 de Novembro 4, 5, 9, 11, 12 -0,70 0,49 5 0,1929 de Dezembro 7, 9 -0,98 0,96 5 0,01
Tabela 21 - Coeficientes de correlação (r) entre a profundidade do disco de Secchi eD1F713, excluindo-se as estações com dados espúrios; n, número de amostras; e α, nível designificância.
Data Estações excluídas r r2 n α1º de Abril 5, 7, 9 0,87 0,76 3 0,3317 de Abril 4, 7 0,93 0,87 8 0,0003 de Maio 4, 7, 9 0,56 0,31 5 0,3220 de Junho 4, 7, 9, 12 0,99 0,98 6 0,0022 de Julho 4, 5, 8 0,80 0,64 4 0,20
23 de Agosto 7, 9 0,93 0,87 6 0,0110 de Outubro 12 0,81 0,66 8 0,0226 de Outubro 9, 11 0,92 0,85 8 0,00
11 de Novembro 4, 7, 9 0,72 0,52 7 0,0727 de Novembro 4, 5, 9, 11, 12 1,00 1,00 5 0,0029 de Dezembro 7, 9 0,98 0,96 5 0,01
D1F713 mostrou-se a variável espectrorradiométrica que melhor representou
a variabilidade da profundidade de Secchi na Lagoa de Araruama, sendo que após a
exclusão dos dados espúrios, esta variável apresentou um coeficiente de correlação (r)
médio igual a 0,86. As variáveis BD652 e D2F685 apresentaram coeficientes de correlação
médios com a profundidade de Secchi iguais a -0,72 e 0,80, respectivamente. Apenas em 03
de maio D1F713 apresentou uma correlação baixa com a profundidade de Secchi, talvez em
103
função das variações nas condições do vento ao longo do dia associadas à precipitação
ocorrida na véspera (Tabela 16).
Tabela 22 - Coeficientes de correlação simples bivariada (r) entre a profundidade do discode Secchi e D2F685, excluindo-se as estações com dados espúrios; n, número de amostras;e α, nível de significância.
Data Estações excluídas r r2 n α1º de Abril 5, 7, 9 0,87 0,76 3 0,3317 de Abril 4, 7 0,95 0,90 8 0,0003 de Maio 4, 7, 9 0,56 0,31 5 0,3220 de Junho 4, 7, 9, 12 0,90 0,81 6 0,0222 de Julho 4, 5, 8 1,00 1,00 4 0,00
23 de Agosto 7, 9 0,32 0,10 6 0,5410 de Outubro 12 0,81 0,66 8 0,0226 de Outubro 9, 11 0,93 0,87 8 0,00
11 de Novembro 4, 7, 9 0,67 0,45 7 0,1027 de Novembro 4, 5, 9, 11, 12 1,00 1,00 5 0,0029 de Dezembro 7, 9 0,98 0,96 5 0,01
Resultado semelhante foi obtido por Goodin et al. (1993), que encontraram
uma correlação significativa (r = 0,95) entre os níveis de turbidez da água e os valores das
derivadas primeiras em 720 nm. Nas curvas-derivadas primeiras da Lagoa de Araruama,
observa-se uma mudança na declividade da função a partir de 713 nm, expressa nas curvas-
derivadas segundas por uma inversão no sinal dos valores. Nas curvas apresentadas pelos
autores supracitados, a mesma feição ocorreu em torno de 720 nm, explicando-se a
defasagem entre os melhores comprimentos de onda obtidos para a estimativa da turbidez
em cada uma destas pesquisas. Isto permite concluir que os níveis de turbidez da Lagoa de
Araruama podem ser determinados através dos valores das derivadas primeiras do fator de
reflectância em torno de 713 nm.
104
5.2.3 Correlações com a profundidade da água
Assim como ocorreu com os estudos de correlação entre as variáveis
espectrorradiométricas e a clorofila-a ou a profundidade de Secchi, foram também
observadas correlações significativas entre a profundidade e determinadas variáveis
espectrorradiométricas sem, contudo, caracterizar-se um padrão consistente (repetitivo) ao
longo de todas as datas analisadas. A única exceção ocorreu em relação à diferença entre os
valores da derivada primeira em 589 nm e em 558 nm (D1DIF2), com a qual a profundidade
apresentou coeficientes de correlação (r) variando entre 0,87 e 0,15, estatisticamente
significativos em seis das onze datas estudadas (Tabela 23).
Tabela 23 - Coeficientes de correlação simples bivariada (r) entre a profundidade da água eD1DIF2; n, número de amostras; e α, nível de significância.
Data Estações sem dados r r2 n α1º de Abril 1, 2, 4, 8, 11, 12 0,55 0,30 6 0,2617 de Abril 1, 2 0,44 0,19 10 0,2103 de Maio 1, 2, 11, 12 0,85 0,72 8 0,0820 de Junho 1, 2, 3 0,43 0,19 9 0,2522 de Julho 1, 2, 9, 11, 12 0,56 0,31 7 0,19
23 de Agosto 1, 2, 11, 12 0,84 0,71 8 0,0110 de Outubro 1, 2, 3 0,87 0,76 9 0,0026 de Outubro 1, 2 0,82 0,67 10 0,00
11 de Novembro 1, 2 0,70 0,49 10 0,0227 de Novembro 1, 2 0,84 0,71 10 0,0029 de Dezembro 1, 2, 3, 4, 5 0,15 0,02 7 0,75
A análise dos diagramas de dispersão entre a profundidade e D1DIF2
(Apêndice 9.3 F), em todas as datas, permitiu a identificação das estações 5 e 9 como
responsáveis pela diminuição dos coeficientes de correlação na maioria dos casos. Estas
duas estações, dentre as 12 amostradas, estão localizadas em regiões de maior declividade
(Figura 3), o que provavelmente acarretou maior imprecisão nas medidas realizadas nestes
105
locais. Além disto, o fato de as medidas espectrorradiométricas terem sido realizadas na
popa da embarcação, enquanto as medidas do disco de Secchi foram realizadas próximo à
proa, reforça esta possibilidade. Outras estações, ainda, apresentaram dados de grande
dispersão em relação aos demais (estações 8 e 10 em 17 de abril, estações 4, 7 e 8 em 20 de
junho, estação 11 em 11 de novembro e estações 8 e 12 em 29 de dezembro), possivelmente
em função de erros nas medidas. A corda graduada presa a um peso, utilizada para
realização das medidas de profundidade, pode ter se desviado da direção perpendicular ao
fundo, em função da correnteza ou do movimento de deriva que o barco (mesmo ancorado)
apresentava devido ao vento, causando erro nas medidas. Esta suposição se baseia na
observação de que três, dentre estas datas acima mencionadas (17 de abril, 11 de novembro
e 29 de dezembro), apresentaram condições de vento intenso (Tabela 16) e, portanto, maior
probabilidade de ocorrência de erro amostral.
Após a exclusão dos dados pertencentes às estações mencionadas, o
coeficiente de correlação (r) médio obtido foi igual a 0,83 (Tabela 24). Para os dados de 17
de abril, apenas, foi obtido um coeficiente mais baixo (r = 0,66), não tendo sido possível
associar este resultado com as condições climáticas levantadas, já que em outras datas com
condições semelhantes obtiveram-se coeficientes de correlação próximos à média de todas
as coletas.
Conclui-se, portanto, que é possível estimar a profundidade da água na
Lagoa de Araruama entre as cotas de 2,5 m e 8,5 m, aproximadamente, com medidas de
sensores remotos, utilizando-se a diferença entre os valores das derivadas primeiras do fator
de reflectância em 589 nm e 558 nm.
106
Tabela 24 - Coeficientes de correlação (r) entre a profundidade da água e D1DIF2,excluindo-se os dados espúrios; n, número de amostras; e α, nível de significância.
Data Estações sem dados r r2 n α1º de Abril 5, 9 0,80 0,64 4 0,2017 de Abril 5, 8, 9, 10 0,66 0,44 6 0,1603 de Maio 5, 9 0,90 0,81 6 0,0220 de Junho 4, 5, 7, 8, 9 0,80 0,64 4 0,2022 de Julho 5, 9 0,83 0,69 6 0,04
23 de Agosto 5, 9 0,83 0,69 6 0,0410 de Outubro 5, 9 0,94 0,88 7 0,0026 de Outubro 5, 9 0,83 0,69 8 0,01
11 de Novembro 5, 9, 11 0,82 0,67 7 0,0227 de Novembro 5, 9 0,88 0,77 8 0,0029 de Dezembro 8, 9, 12 0,80 0,64 4 0,20
5.2.4 Correlações com o total de sólidos em suspensão
Não foi observado um padrão consistente de correlação entre o TSS e
qualquer uma das variáveis espectrorradiométricas selecionadas, apesar de terem sido
encontrados alguns coeficientes de correlação (r) altos, por exemplo, em 1° de abril (TSS
versus RR6759 = 0,94) e em 22 de julho (TSS versus D1F651 = -0,86). Apesar disto,
foram analisados os diagramas de dispersão do TSS com os valores da derivada primeira do
fator de reflectância em 713 nm (D1F713) e com D1DIF1 e D1DIF2 (Apêndice 9.3 G, H e
I) com base nos resultados apresentados por outros autores (Dekker et al., 1992; Goodin et
al., 1993). O padrão aleatório de distribuição dos dados confirmou a existência de qualquer
tendência de correlação, direta ou inversa, entre o TSS e os dados espectrorradiométricos.
Os resultados obtidos no estudo das correlações dos dados
espectrorradiométricos com a clorofila-a e com a profundidade de Secchi indicam que a
penetração da luz atinja o fundo lagunar nas áreas mais rasas (até 3 m, aproximadamente), e
influencie as medidas de FR realizadas. Como as medidas de TSS utilizadas nos estudos de
107
correlação referem-se a amostras coletadas à superfície, foi calculada uma média aritmética
dos valores de TSS para a coluna d’água, a partir dos dados de Knoppers et al. (1996),
para verificar a influência de uma eventual estratificação do TSS na água que estivesse
afetando os coeficientes de correlação. Para as estações com profundidade maior ou igual a
4 m, utilizaram-se medidas de superfície e meia profundidade e, no caso das estações com
profundidade menor que 4 m foram utilizados os valores medidos nas amostras coletadas à
superfície e no fundo. No entanto, os novos coeficientes de correlação obtidos entre o
“TSS médio” e as variáveis espectrorradiométricas não se mostraram significativamente
diferentes dos coeficientes obtidos considerando as medidas superficiais de TSS.
Duas hipóteses podem ser levantadas para explicar este resultado acima: a
primeira seria considerar que a natureza e a granulometria das partículas inorgâncias do
TSS da Lagoa de Araruama apresentem variações espaciais significativas, já que a margem
norte lagunar tem origem cristalina e a margem sul, origem sedimentar marinha. Uma
segunda possibilidade, e talvez a mais provável, seria o fato de o TSS possuir um alto
conteúdo de material orgânico, capaz de mascarar a resposta espectral da porção inorgânica
do sedimento, esta diretamente correlacionada com a reflectância de corpos d’água naturais
(Novo et al., 1989a e 1989b; Dekker et al., 1992; Bowers et al., 1996). De fato, as
amostras de água coletadas durante o desenvolvimento desta pesquisa, a olho nu límpidas,
apresentavam bastante dificuldade para a filtração, o que pode indicar a presença de
colóides orgânicos em abundância. O teste destas hipóteses dependeria da realização de
análises texturais e granulométricas dos sedimentos extraídos por filtração das amostras, o
que infelizmente não foi possível.
108
5.3 CONCLUSÕES
1. Considerando que as dez estações amostradas na Lagoa de Araruama são
representativas da sua variabilidade espacial, a obtenção de espectros de fator de
reflectância de natureza idêntica comprovou que as mesmas substâncias com
comportamento óptico ativo estiveram presentes no corpo lagunar ao longo do ciclo
estudado, evidenciando um relativo equilíbrio biogeoquímico neste ecossistema.
2. Os resultados dos estudos de correlação entre as variáveis
espectrorradiométricas e os parâmetros ambientais medidos na Lagoa de Araruama
demonstraram que os dados multiespectrais obtidos nas estações de menor profundidade
(menor que 3 m), ou naquelas onde as medidas de profundidade do disco de Secchi
atingiram o fundo, sofrem a influência da reflectância do fundo. Isto inviabiliza a utilização
de dados espectrorradiométricos in situ para a estimativa de substâncias opticamente ativas
na coluna d’água nestas regiões até 3,5 m, aproximadamente.
3. Nas áreas mais profundas da laguna (a partir de 3,5 m), foi possível obter
correlações significativas da concentração de clorofila-a com os dados
espectrorradiométricos, utilizando-se a variável D2DIF (r, em média, igual a 0,86). A partir
das correlações significativas observadas entre as medidas de profundidade do disco de
Secchi e os valores das curvas-derivadas primeiras em 713 (D1F713) (r, em média, igual a
0,87), demonstrou-se também ser possível utilizar medidas espectrorradiométricas para se
avaliar a transparência da água na Lagoa de Araruama nesta mesma região.
4. Foi também possível associar a variabilidade da reflectância da água na
109
Lagoa de Araruama com a sua profundidade, a partir das correlações significativas
observadas entre este parâmetro e a diferença entre os valores das curvas-derivadas
primeiras em 589 nm e em 558 nm (D1DIF2) (r, em média, igual a 0,83).
5. A variabilidade das medidas do total de sólidos em suspensão, por sua vez,
não pôde ser explicada por nenhuma das variáveis espectrorradiométricas analisadas,
levantando-se a hipótese de que o TSS da Lagoa de Araruama seja de natureza
predominantemente orgânica. Recomenda-se quantificar suas parcelas orgânica e inorgânica
para a realização de estudos futuros de correlação entre medidas multiespectrais in situ com
o total de sólidos em suspensão na água desta laguna.
6. As curvas-derivadas segundas do fator de reflectância da água
apresentaram feições espectrais significativas na faixa entre 550 nm e 625 nm,
possivelmente relacionadas à presença de matéria orgânica dissolvida na água.
110
6 AVALIAÇÃO DE PARÂMETROS AMBIENTAIS DA LAGOA DE ARARUAMA
ATRAVÉS DE DADOS DO SENSOR THEMATIC MAPPER (TM) DO SATÉLITE
LANDSAT-5
Um dos objetivos principais desta pesquisa consiste em caracterizar
processos biogeoquímicos e geomorfológicos com dados de sensores remotos, e portanto
introduzir uma ferramenta eficiente para a avaliação rápida e abrangente das modificações
da qualidade da água da Lagoa de Araruama. Neste capítulo são apresentados e discutidos
os dados orbitais adquiridos, incluindo-se o processamento digital das imagens e o estudo
de suas inter-relações com os dados espectrorradiométricos e ambientais adquiridos in situ.
6.1 IMAGENS TM TRANSFORMADAS POR ANÁLISE DE PRINCIPAISCOMPONENTES
A transformação por principais componentes aplicada às bandas TM1, TM2
e TM3 foi realizada a partir de amostras retangulares adquiridas sobre as imagens, sem
sobreposição, buscando-se cobrir toda a área superficial lagunar. A inclusão das áreas mais
rasas (bancos de areia submersos, por exemplo, representados nas imagens pelas cores
mais claras) nas amostras resultou em médias mais altas para os níveis digitais obtidos nas
bandas TM1, TM2 e TM3 (Tabela 25), em função da alta refletividade dos fundos arenosos
111
e calcáreos que, conseqüentemente, correspondem a “pixels” com níveis digitais mais
altos. Conforme mencionado no ítem anterior, observou-se uma variação nas médias
referentes a cada banda das diferentes datas das imagens adquiridas em função das
variações na irradiância e azimute solares ao longo do ano. Médias mais altas ocorreram no
período mais próximo ao verão (27 de novembro e 29 de dezembro) e médias mais baixas
ocorreram no período do inverno (20 de junho, principalmente).
Tabela 25 – Média e variância (entre parênteses) dos níveis digitais que representam aLagoa de Araruama nas imagens TM1, TM2 e TM3, para os dois tipos de amostragemrealizados.
Sem áreas rasas Todas as amostrasTM1 TM2 TM3 TM1 TM2 TM3
17 de Abril 55 (4) 20 (2) 13 (1) 56 (13) 22 (11) 14 (8)03 de Maio 49 (6) 18 (1) 12 (2) 50 (14) 20 (10) 13 (8)20 de Junho 44 (2) 15 (2) 11 (2) 45 (4) 16 (5) 11 (3)22 de Julho 49 (4) 19 (1) 13 (1) 51 (8) 20 (6) 15 (6)
27 de Novembro 74 (8) 29 (5) 20 (5) 76 (25) 31 (25) 21 (16)29 de Dezembro 74 (7) 29 (4) 21 (4) 76 (30) 32 (29) 23 (20)
O tipo de amostragem nas imagens afetou também a distribuição da
variância nos fatores resultantes da transformação por principais componentes. Quando
foram incluídas as áreas mais rasas, a porcentagem da variância contida no 1º fator (PC1)
foi maior comparada com a variância do mesmo fator resultante da amostragem em que se
evitaram as áreas mais rasas. ao mesmo tempo em que as porcentagens contidas nos
demais fatores (PC2 e PC3) foram menores para a amostragem incluindo as áreas rasas
(Tabela 26). Observou-se que os três fatores resultantes da transformação das imagens
referentes à data 20 de junho apresentaram uma distribuição mais homogênea do que os
fatores resultantes das demais datas. Este resultado provavelmente se deve à baixa
variabilidade dos níveis de cinza das imagens TM1, TM2 e TM3 nesta data (Tabela 25).
112
Tabela 26 - Porcentagem da variância contida em cada fator resultante da transformaçãopor principais componentes aplicada às bandas TM1, TM2 e TM3 para os dois tipos deamostragem realizados.
Sem áreas rasas Todas as amostrasPC1 PC2 PC3 PC1 PC2 PC3
17 de Abril 76 19 5 92 7 203 de Maio 69 23 8 84 12 320 de Junho 50 33 18 75 17 822 de Julho 69 21 10 83 13 4
27 de Novembro 78 16 6 91 7 229 de Dezembro 79 15 6 93 5 2
Tendo em vista o objetivo de identificar a relação entre os dados
multiespectrais TM e os parâmetros medidos na coluna d’água, optou-se pela utilização
dos fatores obtidos a partir da amostragem em que se excluíram as áreas mais rasas. Esta
escolha se baseou também nos resultados obtidos no tratamento dos dados
espectrorradiométricos apresentados no Capítulo anterior.
6.2 ANÁLISE VISUAL DAS IMAGENS TM1, TM2 E TM3
A análise visual das imagens foi realizada utilizando-se uma composição colorida das
bandas TM1, TM2 e TM3 (Figura 13). As feições de maior brilho observadas
correspondem às áreas mais rasas de fundo arenoso-calcáreo (localizadas principalmente
na margem sul da laguna) e aos esporões submersos, típicos da Lagoa de Araruama, que se
projetam das pontas das enseadas da margem sul em direção à margem oposta. O
crescimento destes esporões arenosos pode, eventualmente, causar a sub-divisão do corpo
lagunar, assim como ocorre em outras lagunas costeiras do tipo “sufocada” como a Lagoa
de Araruama (Bird, 1994). O processo de erosão das margens voltadas para o oeste é
evidenciado pelas tonalidades mais escuras que correspondem a estas áreas nas imagens,
em função de sua maior profundidade. Os sedimentos erodidos vão sendo gradativamente
113
Figu
ra 1
3 -
Com
posi
ção
colo
rida
das
ban
das
Tm
1, T
m2
e T
m3
de 1
7 de
abr
il de
199
4, in
clui
ndo
as e
staç
ões
de c
olet
a .
in s
itu
114
depositados no fundo das enseadas e junto às margens voltadas para leste, conforme pode
ser comprovado pelas tonalidades mais claras destas áreas nas imagens, que caracterizam
menores profundidades. A orientação dos esporões na direção sudeste-noroeste, como se
observa na imagem, indica que sua formação se dá por este mesmo processo de deposição
de sedimentos a partir da extremidade das margens voltadas para oeste, orientado pelos
movimentos preferenciais de circulação no interior destas enseadas da margem sul lagunar.
O exemplo mais nítido se verifica na Enseada das Coroinhas (Figura 2), onde está
localizada a estação 4.
A composição colorida revelou uma grande semelhança na tonalidade da
água no Canal de Itajuru e nas duas primeiras enseadas a oeste. Da região central da laguna
até próximo à margem norte, a imagem apresenta coloração mais escura, indicando
maiores profundidades e um forte gradiente batimétrico mais junto à margem. Extensas
áreas junto à margem sul apresentam tonalidades mais claras, correspondendo a menores
profundidades e gradientes batimétricos mais suaves (Figura 13).
6.3 SEGMENTAÇÃO E CLASSIFICAÇÃO DAS IMAGENS TM1, TM2 e TM3
A segmentação das imagens TM1, TM2 e TM3 foi realizada sucessivamente
utilizando-se diferentes índices de similaridade e de área (seção 3.3.4). Os critérios de
escolha da segmentação que permitiu uma classificação mais representativa da Lagoa de
Araruama em termos de sua geomorfologia e biogeoquímica baseou-se em trabalhos
prévios realizados nesta região (Slack-Smith et al., 1977a e 1977b, Coutinho et al., 1996;
Turcq et al., 1998) e em observações in situ durante as campanhas de coleta do Projeto
PROLAGOS. Foram selecionados um índice de similaridade igual a 2 níveis de cinza e um
115
limiar de área igual a 8 “pixels”. Para a classificação, os melhores resultados foram obtidos
a partir de um limiar de aceitação de 95%. Estes testes foram realizados com a imagem de
17 de abril, em função das melhores condições de visibilidade observadas em campo nesta
data.
6.3.1 Classificação da imagem de 17 de abril
Ao final da etapa de classificação da imagem de 17 de abril foram obtidas
26 diferentes classes temáticas no corpo lagunar (Figura 14), embora a maioria delas
possua pequena representatividade em termos de área.
Figura 14 - Imagem classificada a partir da segmentação das bandas TM1, TM2 e TM3 de17 de abril de 1994.
Os grupos de classes mais notáveis, identificados na Figura 14 por letras
maiúsculas, são discriminados a seguir.
A) uma classe maior, correspondente às áreas de maior profundidade (acima de 3m,
aproximadamente) na laguna;
B) uma classe incluindo as áreas centrais das duas primeiras enseadas a oeste e do Canal de
Itajuru, correspondente às menores profundidades médias;
116
C) uma classe correspondente à desembocadura do Rio das Moças;
D) uma classe de transição entre as áreas marginais mais rasas e as áreas mais profundas,
predominando na parte centro-sul lagunar; e
E) um grupo de classes que acompanham o contorno do fundo das enseadas da margem
sul, sugerindo uma relação com a batimetria.
Para verificar se a suposição de que as diferentes classes no grupo “E” se
relacionavam a variações na profundidade da água, foram realizadas medidas da
profundidade, in situ, no fundo das enseadas das Coroinhas e Acaíra (Figura 2), com
auxílio de um GPS (“Global Positioning System” - Geoposicionador por satélite). Dentro
de uma mesma classe (representada pela cor cian na Figura 14) na Enseada das Coroinhas
foram medidas variações de profundidade até 1 m. Dentro da classe em magenta foram
também observadas variações equivalentes, o mesmo ocorrendo com a classe de transição
representada pela letra “D”.
O longo tempo estimado para a renovação de 50% das águas da Lagoa de
Araruama (84 dias, segundo Kjerfve et al., 1996), o baixo aporte fluvial e seu isolamento
quase total das águas oceânicas são condições propícias à mistura e dispersão das
substâncias dissolvidas e em suspensão na água. Isto significa que o coeficiente de
extinção da luz na água pode ser considerado aproximadamente homogêneo ao longo do
corpo lagunar, excetuando-se as áreas mais próximas dos principais pontos de descarga da
drenagem e de esgotos domésticos na Lagoa de Araruama. Considerando ainda o exposto
no parágrafo anterior, pode-se supor que as imagens TM nas bandas do visível (TM 1, 2 e
3), principalmente na banda 1, estão refletindo, nas regiões mais rasas, a variabilidade do
comportamento espectral das feições de fundo.
117
De fato, ao longo de toda a margem sul, desde a Enseada da Massambaba
até a enseada do Rio das Moças, a oeste, observam-se depósitos finos de coloração ocre
(Figura 15, A e B), identificados por Knoppers et al. (1996) como microalgas bentônicas e
material orgânico particulado de coloração escura, que recobrem o substrato arenoso-
carbonático. Considerando a expressiva produtividade primária bentônica das águas destas
regiões mais rasas, ressaltadas por Souza (1996), pode-se esperar que as classes
identificadas pela segmentação, nestes locais, estejam relacionadas a diferentes densidades
de cobertura do microfitobentos.
6.3.2 Comparação entre as imagens classificadas de cada data de análise
A eliminação da parte terrestre nas imagens de 03 de maio, 20 de junho, 22
de julho, 27 de novembro e 29 de dezembro foi feita a partir do perímetro lagunar da
mesma base cartográfica do IBGE utilizada para o seu georeferenciamento. Desta forma,
ampliaram-se os limites marginais lagunares nas imagens destas datas em relação à
imagem de 17 de abril. Este procedimento visou a inclusão de uma estreita faixa de terra
principalmente na margem sul, para se avaliar a refletividade das reduzidas zonas de maré
e a (provável) evolução dos processos de deposição dos sedimentos nesta região.
Como se pode observar na Figura 16, em todas as classificações,
comparando-se com aquela referente a 17 de abril, pode ser observado um número maior
de classes nas bordas lagunares a sul e a oeste (compartimento do Rio das Moças).
118
Figura 15 - Fotografias dos tipos de fundo típicos do interior das enseadas da margem sulda Lagoa de Araruama; A, margem voltada para oeste na Enseada da Acaíra; e B, margemvoltada para leste na Enseada da Massambaba.
119
17 de Abril
03 de Maio
Figura 16 - Imagens classificadas a partir da segmentação das bandas TM1, TM2 e TM3em cada uma das seis datas de estudo. Índice de similaridade, 2; limiar de área, 8; e limiarde aceitação, 95%. (continua)
122
Nas classificações de 27 de novembro e de 29 de dezembro este mesmo
padrão de estreitas classes marginais verficou-se também na margem norte, sugerindo que,
nestas datas, tenha sido exposta uma área marginal normalmente submersa. Este fenômeno
pode ter sido resultante de uma diminuição do nível médio da água no interior da Lagoa de
Araruama em função do balanço hídrico negativo (Tabela 7) bastante intenso nestes dois
meses. Esta possível redução no nível da água explicaria também o maior número de
classes observado nestas duas datas, principalmente por um detalhamento maior das áreas
mais rasas a sul, devido à menor atenuação da radiação provocada por uma camada menos
profunda de água sobre os sedimentos do fundo nesta região. Um número
aproximadamente igual de classes foi também identificado em 03 de maio, embora este
resultado provavelmente se explique pela presença de nuvens nesta imagem, o que impede
uma avaliação mais precisa da variabilidade espectral da água propriamente dita.
Para cada data de imagem, o programa reconheceu o seguinte número de
classes: 17 de abril - 26 classes; 03 de maio - 37 classes; 20 de junho - 23 classes; 22 de
julho - 21 classes; 27 de novembro - 38 classes; e 29 de dezembro - 40 classes. Em três
datas observou-se um número relativamente menor de classes. Em 17 de abril, este fato
deveu-se, provavelmente, à não inclusão na imagem das áreas emersas da margem sul que
estão presentes nas demais imagens. As imagens de 20 de junho e 22 de julho, no entanto,
realmente apresentaram um número menor de classes em relação às demais datas,
principalmente nas áreas mais rasas junto à margem sul. Analisando-se os fatores
climáticos e médias diárias dos parâmetros ambientais medidos in situ (Tabela 27),
observa-se que o único fator comum entre estas duas datas (e diferente das demais)
constitui-se na baixa intensidade do vento registrado no mesmo horário da obtenção da
imagem. Os dados sugerem, portanto, que ventos a partir de 3 m.s-1, aproximadamente,
123
provoquem remoção dos sedimentos do fundo nas áreas marginais mais rasas, e que este
processo seja passível de registro através das imagens do sensor TM. Por outro lado, a
classificação da imagem de 22 de julho foi a única que não permitiu a distinção dos dois
compartimentos no extremo oeste lagunar, o que indica que a a menor densidade óptica
atmosférica provocada pela névoa (resultante do espalhamento da luz pelos aerossóis)
nesta data diminua sensivelmente a resolução radiométrica efetiva do sensor TM. Sugere-
se que nestas condições de baixa visibilidade atmosférica as imagens TM não devem ser
utilizadas para fins de classificação espectral da água na Lagoa de Araruama.
Tabela 27 - Condições ambientais e médias diárias de parâmetros medidos in situ nas datasde aquisição de imagens TM (*, cálculo excluindo a medida realizada na estação 1).
17 / Abr 03 / Mai 20 / Jun 22 / Jul 27 / Nov 29 / DezPrecipitação total
nos três diasanteriores (mm)
8,4 1,4 - - - -
Balanço hídrico nomês (mm)
+23,8 -14,7 -0,9 -30,3 -99,4 -108,0
Velocidade dovento às 9:00 LST
(m/s)
5,5 4,5 1,6 2,6 3,0 5,3
Superfície da água Ondaspequenas
Ondaspequenas
Lisa Ondaspequenas
Crespa Crespa
Condiçõesatmosféricas
Céu claro Céu claro;nuvens anordeste
Céu claro Névoauniforme
Céu claro Névoanão
uniforme
Clorofila-a (µg/l) 1,7 1,7 1,4* 1,7 1,0 2,2
TSS (mg/l) 21,4 9,2 4,9 7,8 9,8 15,3
Prof. de Secchi (m) 2,7 3,2 3,7 2,6 3,1 2,4
Apenas na classificação da imagem de 17 de abril foi definida uma classe
espectral correspondente à desembocadura do Rio das Moças, provavelmente em função de
124
ter sido esta também a única data em que ocorreu uma precipitação expressiva na véspera
da coleta de dados. De modo geral, no entanto, os resultados da classificação de todas as
datas indicam a diferenciação dos dois compartimentos no extremo oeste do restante do
corpo lagunar, que provavelmente se relacionam com sua baixa profundidade média e alto
despejo de água doce que favorecem o acúmulo de material orgânico e a evolução dos
processos naturais de sedimentação.
Quanto às estações de coleta deste trabalho, observa-se que a estação 1,
assim como a estação 2, pertencem a classes diferentes entre si e diferentes das demais
classes reveladas pelas classificações, representando padrões espectrais individualizados na
Lagoa de Araruama. Na área onde se localiza a estação 2 pode ser observada uma
confluência de várias classes, indicando uma grande variabilidade espectral que
provavelmente está relacionada à variabilidade do fundo e/ou da coluna d’água neste local.
6.4 CORRELAÇÕES ENTRE OS DADOS TM E OS PARÂMETROS AMBIENTAIS
Conforme descrito no Capítulo 3, foram extraídos os níveis digitais médios
de áreas quadradas de 9 “pixels” centralizadas sobre as estações de coleta, localizadas nas
imagens a partir das coordenadas geográficas de cada estação. Amostraram-se as bandas
TM1, TM2, TM3, TM4, TM6, PC1 e PC2. A extração dos dados multiespectrais referentes
às estações 1 e 2 foi realizada fora dos locais exatos da amostragem em campo (muito
próximos das margens do corpo lagunar), para evitar a inclusão de informações
contaminadas por alvos terrestres. No entanto, isto acarretou a possibilidade de os dados
das imagens não serem representativos das águas coletadas. Inicialmente, foram
selecionadas, arbitrariamente, as correlações superiores, em módulo, a 0,54 (Tabela 28).
125
Tabela 28 – Coeficientes de correlação entre os parâmetros ambientais e as imagens TM,superiores, em módulo, a 0,54; n, número de amostras; (-), ausência de correlação.
a) correlações com a concentração de clorofila-a
Data (n) TM1 TM3 TM21 TM31 TM32 PC1 PC2
17 de Abril (12) - 0,71 - 0,78 0,85 - -
03 de Maio (12) - 0,57 - - - - 0,58
20 de Junho (12) -0,57 - - - - - -
22 de Julho (12) - - 0,62 - - - 0,62
27 de Novembro (12) -0,62 -0,66 - - - -0,61 -
29 de Dezembro (8) - -0,71 - -0,68 -0,71 -0,57 -
b) correlações com a profundidade de Secchi
Data (n) TM1 TM2 TM3 TM4 TM21 TM31 TM32 PC1 PC2
17 de Abril (12) - - -0,84 -0,73 - -0,83 -0,90 - -0,72
03 de Maio (12) - - -0,77 - -0,71 -0,62 - -0,74
20 de Junho (12) - - - - - - - - -
22 de Julho (12) - - -0,60 - - -0,57 - - -0,59
27 de Novembro (12) -0,63 -0,65 -0,71 - -0,73 -0,82 -0,57 -0,66 -0,65
29 de Dezembro (9) - - -0,73 -0,61 -0,75 -0,56 -0,60 -0,62
c) correlações com a profundidade
Data (n) TM1 TM2 TM3 TM4 TM21 TM31 TM32 PC1 PC2
17 de Abril (12) - - -0,71 - -0,62 - - - -
03 de Maio (12) - - -0,76 - -0,57 -0,66 -0,74 - -0,69
20 de Junho (11) - - -0,64 -0,72 - -0,67 - - -
22 de Julho (12) - - -0,63 - - -0,76 -0,77 - -0,69
27 de Novembro (12) -0,76 -0,73 -0,77 - -0,68 -0,68 - -0,78 -
29 de Dezembro (9) -0,66 -0,56 -0,74 - - -0,63 -0,76 -0,76 -
d) correlações com o total de sólidos em suspensão
Data (n) TM1 TM2 TM3 TM31 TM32 PC1 PC2
17 de Abril (12) - - - - 0,57 - -
03 de Maio (10) - - - - - - -
20 de Junho (12) - - - - - - -
22 de Julho (12) 0,56 0,55 - - - 0,55 -
27 de Novembro (12) - - - - - - -
29 de Dezembro (8) 0,89 0,83 - -0,67 -0,67 0,89 -0,91
126
Na maioria das datas houve ausência de correlação dos dados TM com a
maioria dos parâmetros ambientais, e mesmo os coeficientes significativos calculados
foram relativamente baixos, com exceção das correlações entre a profundidade de Secchi e
a profundidade da água com as bandas TM3 e TM31. Procedeu-se então à análise
detalhada dos diagramas de dispersão entre cada parâmetro ambiental e todas as bandas do
TM, originais e processadas. Na maioria dos casos, confirmaram-se os resultados iniciais
de que os parâmetros ambientais medidos não explicavam a variabilidade das imagens.
No caso das correlações entre a profundidade do disco de Secchi e a
profundidade com as bandas TM3 e TM31, os diagramas de dispersão forneceram indícios
claros de que as correlações inicialmente calculadas de fato não ocorreram (Apêndices 9.4
A, B, C e D). Na verdade, elas foram causadas pela grande discrepância entre os valores
medidos in situ nas estações 1 e 2 e nas demais, que provocou a reunião dos dados
referentes a estas últimas num único grupo. A exclusão das estações 1 e 2 dos arquivos de
dados, conseqüentemente, revelou a existência de correlação significativa em apenas
alguns casos (em 17 de abril, SEC vs TM3 = -0,73 e SEC vs TM31 = -0,72; e em 27 de
novembro, SEC vs TM31 = -0,70), sendo que estas ocorrências não foram suficientes para
caracterizar um padrão consistente de correlação entre estes parâmetros.
Uma verificação da disposição dos dados referentes às estações 1 e 2 nos
demais diagramas apontou o mesmo tipo de problema relatado acima para as correlações
entre a profundidade de Secchi e a profundidade (Figura 17). Sendo assim, e considerando
também os resultados das classificações por segmentação das imagens (em que ficou
evidente a grande distinção espectral entre os compartimentos onde se localizam as
estações 1 e 2 e os demais) e o fato de que estas duas estações foram amostradas nas
127
imagens fora dos locais correspondentes à coleta in situ, optou-se pela sua exclusão dos
testes de correlação entre os parâmetros ambientais e os dados TM.
17 de Abril
CLA
4.03.53.02.52.01.51.0.5TM3
24
22
20
18
16
14
12
1211 10
987
6
5
43
2
1
03 de Maio
SEC
76543210TM1
56
54
52
50
48
46
44
12 11
10
98
7
65
4
3
2
1
20 de Junho
TSS
14121086420
TM
4
5.0
4.5
4.0
3.5
3.0
2.5
1211
10
9
8
7
6
5
4
3
2
1
22 de Julho
PROF
86420
PC
1
131
130
129
128
127
126
125
124
12
11
10
9
8
7
6
5
4
3
2
1
27 de Novembro
CLA
2.52.01.51.0.50.0
PC
2
136
134
132
130
128
126
124
12 11
10
9
8
7
65 43
2
1
29 de Dezembro
TPC
30.530.029.529.028.528.027.5
TM
6
129.5
129.0
128.5
128.0
127.5
127.0
126.5
126.0
1211
9
87
62
1
Figura 17 - Diagramas de dispersão entre os dados TM e os parâmetro bióticos analisados,evidenciando a variância dos dados referentes às estações 1 e 2.
Por outro lado, os diagramas de dispersão evidenciaram ajustes claros entre
alguns pares de variáveis que, no entanto, não se expressaram em coeficientes de
correlação significativos. Estes coeficientes de correlação apresentaram-se baixos em
função das medidas realizadas em determinadas estações de coleta com características
128
comuns, e específicas para o caso de cada parâmetro ambiental analisado, assim como
ocorreu nas análises de correlação entre os dados espectrorradiométricos e os parâmetros
ambientais. A seguir, apresentam-se as correlações entre os parâmetros medidos in situ na
superfície da água e os dados TM da Lagoa de Araruama.
6.4.1 Correlações com a concentração de clorofila-a
Através da análise dos diagramas de dispersão entre as medidas de
concentração de clorofila-a e os dados TM, observou-se um bom ajuste deste parâmetro
com o segundo fator da transformação por principais componentes (PC2) (Apêndice 9.4
E). Observou-se que as estações com profundidade igual ou inferior a 2,5 m e a estação 7
apresentaram, em todos os casos, dados que não se ajustavam às curvas de correlação
delineadas pelos dados da demais estações. Em 17 de abril, também a estação 9 apresentou
um dado de grande dispersão, assim como a estação 11 em 03 de maio, as estações 3, 4 e 5
em 20 de junho, as estações 9 e 11 em 22 de julho, a estação 5 em 27 de novembro e a
estação 8 em 29 de dezembro. A exclusão das estações espúrias em cada data analisada
elevou os coeficientes de correlação (r) entre estes dois parâmetros a níveis significativos
em praticamente todos os casos, variando entre 0,70 e 0,95.
Em 20 de junho, observou-se o maior número de estações com dados de
grande dispersão e, mesmo após sua exclusão, atingiu-se um coeficiente de correlação (r =
0,70) inferior à média dos coeficientes calculados nas demais datas. A análise dos dados da
Tabela 26 e da Figura 10 sugere que este resultado esteja relacionado à baixa variância dos
níveis digitais nas bandas TM1, TM2 e TM3 nesta data e também às baixas concentrações
de clorofila-a medidas in situ (83% dos valores entre 0,3 µg.l-1 e 1,7 µg.l-1). Em 03 de
129
maio, a estação 11 foi amostrada na imagem em local diferente da coleta de dados in situ
devido à presença de nuvens na imagem, o que provavelmente explica seu ajuste ruim à
correlação.
Note-se que nas estações 9 e 11, com grande freqüência, obtiveram-se dados
espúrios. A análise dos resultados das medidas de concentração de clorofila-a (Capítulo 4)
indicou que os valores máximos diários foram registrados na maioria das datas entre a
Enseada de São Pedro d’Aldeia e o Boqueirão, onde se localizam as estações 8, 9, 10 e 11.
Nas áreas correspondentes às estações 9 e 11, principalmente, a composição colorida das
imagens (Figura 13) indicou, através de níveis de cinza mais altos, a ocorrência de áreas
com fundos rasos. Próximo à estação 11, ainda, supõe-se ocorrer a maior profundidade do
corpo lagunar, em torno de 17 m e, embora esta informação não tenha sido confirmada
através de investigações no local, verificam-se áreas com tonalidade mais escura neste
local que indicam a ocorrência de maiores profundidades . Isto indica que possa ter havido
“contaminação” na média de níveis de cinza obtida para correlação com os dados in situ, o
que explicaria o ajuste ruim destes dados às curvas de correlação. As medidas de
profundidade máxima e mínima obtidas para a estação 11 ao longo do ano (Apêndice 9.1
F) evidenciam a grande variabilidade batimétrica deste local e a dificuldade em se retornar
ao mesmo local de amostragem em cada data de coleta.
Os dados da estação 7 apresentaram grande dispersão em todas as datas, o
que provavelmente decorre da sua localização sobre uma região que, além de rasa,
apresenta alta variabilidade nas características do fundo (Figura 15), evidenciada pela
segmentação das imagens (Figura 16). Este problema é agravado pelo fato de a
amostragem nas imagens incluir uma área correspondente a 8.100 m2 (3 X 3 “pixels”). Já a
130
estação 4, apesar de possuir pequena profundidade, está localizada na classe maior do
centro lagunar e, de fato, com exceção dos dados de 20 de junho, não apresentou dados de
grande dispersão. A comparação dos locais de amostragem dos dados e suas características
de ajuste às correlações com as imagens classificadas por segmentação indicou que a maior
classe identificada, que abrange principalmente a área centro-norte lagunar, define a área
onde é possível estimar a concentração de clorofila-a na coluna d’água.
Considerando-se o valor médio dos coeficientes de correlação (r) finais
obtidos em todas as datas de imagem (Tabela 29), pode-se afirmar que a distribuição de
clorofila-a explicou, em média, 83% da variabilidade das imagens do segundo fator da
transformação por principais componentes (PC2) aplicada às bandas TM1, TM2 e TM3.
Tabela 29 - Coeficientes de correlação simples bivariada (r) entre a concentração declorofila-a e o segundo fator de principais componentes (PC2), após a exclusão dasestações com dados espúrios; n, número de amostras; e α, nível de significância.
Data Estações Excluídas r r2 n α17 de Abril 1, 2, 7, 9 0,80 0,64 8 0,0203 de Maio 1, 2, 7, 11 0,83 0,69 8 0,0120 de Junho 1, 2, 3, 4, 5, 7 0,70 0,49 6 0,1322 de Julho 1, 2, 7, 9, 11 0,89 0,79 7 0,01
27 de Novembro 1, 2, 7, 11, 12 0,74 0,55 7 0,0229 de Dezembro 1, 2, 7, 8 0,95 0,90 4 0,05
A banda PC2, por sua vez, representou aproximadamente 20% da
variabilidade espectral das imagens TM1, TM2 e TM3 da Lagoa de Araruama (Tabela 27).
Considerando, ainda, que as classificações por segmentação de imagens obtidas sob boas
condições de visibilidade atmosférica foram capazes de definir as áreas onde os dados TM
podem ser correlacionados a dados in situ de concentração de clorofila-a, pode-se concluir
131
que este parâmetro seja um fator secundário na determinação da variabilidade espectral da
água da laguna nas regiões com profundidade superior a 3 m, aproximadamente.
6.4.2 Correlações com a profundidade do disco de Secchi
Apesar da análise dos diagramas de dispersão entre a profundidade de
Secchi e as bandas TM3 e TM31 ter indicado a inexistência de correlação entre estes
parâmetros, por outro lado observou-se um bom ajuste entre as medidas da profundidade
de Secchi e os dados das bandas TM1 e PC1 (Apêndice 9.4 F e 9.4 G). Novamente
observaram-se dados de algumas estações nitidamente discrepantes dos demais,
responsáveis pelos baixos coeficientes de correlação calculados. Tais estações
apresentaram, como característica comum, medidas da profundidade de Secchi iguais à
profundidade da água. Além destas, a estação 7 apresentou dados de grande dispersão
mesmo quando as medidas da profundidade de Secchi não se igualaram às medidas da
profundidade. Em 17 de abril, os dados da estação 11 também apresentaram grande
dispersão e, em 20 de junho, idem. Em 22 de julho, apresentaram-se discrepantes também
os dados das estações 9 e 11 e, em 27 de novembro, os dados da estação 6. Note-se que os
dados da estação 11, com grande freqüência, apresentaram-se discrepantes dos demais em
termos de ajuste às correlações, provavelmente em função da variabilidade espectral desta
área onde está localizada, conforme mencionado no ítem anterior.
Os dados das imagens de 22 de julho e de 29 de dezembro forneceram os
ajustes mais fracos para a correlação entre a profundidade de Secchi e PC1, possivelmente
em função de, nestas datas, a transparência da água ter apresentado menor variabilidade,
portanto oferecendo maior dificuldade para discriminação através dos dados orbitais TM.
132
Após a exclusão dos dados espúrios dos arquivos de dados, evidenciou-se
uma forte correlação entre a profundidade de Secchi e PC1, significativa em todas as datas,
exceto em 29 de dezembro (Tabela 30). Em 29 de dezembro, no entanto, as condições
climáticas adversas (fortes ventos) e o reduzido número de estações amostradas tornam
este resultado pouco significativo em face dos resultados das demais datas. Por outro lado,
os coeficientes finais de correlação entre a profundidade de Secchi e a banda TM1 (Tabela
31) apresentaram-se mais baixos que aqueles entre a profundidade de Secchi e PC1 em
todas as datas e, ainda, fora dos limites de confiança também em 27 de novembro.
Tabela 30 - Coeficientes de correlação simples bivariada (r) entre a profundidade do discode Secchi e o primeiro fator da transformação por principais componentes das bandasTM1, TM2 e TM3 (PC1), após a exclusão dos dados espúrios; n, número de amostras; α,nível de significância.
Data Estações Excluídas r r2 n α17 de Abril 1, 2, 4, 7, 11 -0,96 0,92 7 0,0003 de Maio 1, 2, 4, 7, 9 -0,87 0,76 7 0,0120 de Junho 1, 2, 4, 7, 9, 11, 12 -0,98 0,96 5 0,0122 de Julho 1, 2, 4, 7, 9, 11 -0,83 0,69 6 0,04
27 de Novembro 1, 2, 4, 5, 6, 7, 9, 11, 12 -1,00 1,00 3 0,0029 de Dezembro 1, 2, 7, 9 -0,56 0,31 5 0,32
Tabela 31 - Coeficientes de correlação simples bivariada (r) entre a profundidade de Secchie a banda TM1, após a exclusão dos dados espúrios; n, número de amostras; α, nível designificância).
Data Estações Excluídas r r2 n α17 de Abril 1,2,4,7,11 -0,80 0,64 7 0,0303 de Maio 1,2,4,7,9 -0,93 0,87 7 0,0020 de Junho 1,2,4,7,9,11,12 -0,76 0,58 5 0,1322 de Julho 1,2,4,7,9,11 -0,83 0,69 6 0,10
27 de Novembro 1,2,4,5,6,7,9,11,12 -0,87 0,76 3 0,3329 de Dezembro 1, 2, 7, 9 -0,56 0,31 5 0,32
Para as cinco datas em que a correlação entre a profundidade de Secchi e
PC1 foi significativa, os coeficientes de correlação, r, variaram entre -0,83 e -1,00, com
133
média em torno de -0,93, indicando, portanto, que a profundidade do disco de Secchi
explicou 93%, aproximadamente, da variabilidade da imagem transformada PC1. Como a
imagem PC1 respondeu por, aproximadamente, 75% da variabilidade espectral da água da
laguna, pode-se concluir que a turbidez é o principal fator determinante da variabilidade
espectral da Lagoa de Araruama medida pelo sensor TM.
6.4.3 Correlações com a profundidade da água
A análise dos diagramas de dispersão entre as medidas de profundidade da
água e os dados TM indicou um bom ajuste deste parâmetro também com as bandas TM1 e
PC1 (Apêndice 9.4 H e 9.4 I). Os dados que provocaram os baixos coeficientes de
correlação anteriormente calculados foram aqueles referentes às estações 5 e 9, localizadas
em áreas de grande variabilidade batimétrica, já identificadas durante a análise dos dados
espectrorradiométricos. Em 17 de abril e 03 de maio, também a estação 10 apresentou
dados de grande dispersão. Estas datas foram precedidas por episódios de precipitação, e a
amostragem nas imagens pode ter incluído “pixels” contaminados por sedimentos em
suspensão trazidos pela drenagem e saídas de esgoto, que mascaram a informação sobre a
batimetria . Deve-se ressaltar que nesta área, localizada numa das enseadas mais fechadas
da laguna, a dispersão de efluentes sólidos provavelmente se dá mais lentamente,
influenciando as amostras coletadas. Em 03 de maio, além deste fator, a ocorrência de
nuvens sobre a imagem também pode ter se constituído em “ruído” na amostragem. Em 20
de junho, o dado referente à estação 11 mostrou-se nitidamente discrepante dos demais,
como em vários outros casos discutidos nos ítens anteriores e também na análise dos dados
espectrorradiométricos, demonstrando que este local de coleta não é adequado à avaliação
de parâmetros ambientais através de dados de sensores remotos.
134
Excluídos os dados espúrios citados acima, foram obtidas melhores
correlações da profundidade com a banda TM1 (Tabela 32) do que com PC1 (Tabela 33).
Tabela 32 - Coeficientes de correlação simples bivariada (r) entre a profundidade e a bandaTM1, após a exclusão dos dados espúrios; n, número de amostras; e α, nível designificância.
Data Estações Excluídas r r2 n α17 de Abril 1, 2, 5, 9, 10 -0,81 0,66 7 0,0303 de Maio 1, 2, 5, 9, 10 -0,85 0,72 7 0,0220 de Junho 1, 2, 5, 9, 11 -0,82 0,67 6 0,0522 de Julho 1, 2, 5, 9 -0,71 0,50 8 0,05
27 de Novembro 1, 2, 5, 9 -0,82 0,67 8 0,0129 de Dezembro 1, 2, 9 -0,67 0,45 6 0,15
Tabela 33 - Coeficientes de correlação simples bivariada (r) entre a profundidade e oprimeiro fator da transformação por principais componentes aplicada às bandas TM1, TM2e TM3 (PC1), após a exclusão dos dados espúrios; n, número de amostras; e α, nível designificância.
Data Estações Excluídas r r2 n α17 de Abril 1, 2, 5, 9, 10 -0,79 0,62 7 0,0403 de Maio 1, 2, 5, 9, 10 -0,72 0,52 7 0,0720 de Junho 1, 2, 5, 9, 11 -0,70 0,49 6 0,1322 de Julho 1, 2, 5, 9 -0,71 0,50 8 0,05
27 de Novembro 1, 2, 5, 9 -0,76 0,58 8 0,0329 de Dezembro 1, 2, 5, 9 -0,67 0,45 6 0,15
Este mesmo resultado foi mencionado por outros autores (Cabral, 1993;
Maritorena et al., 1994), embora ressalte-se a interferência da turbidez da água na precisão
das estimativas. De fato, como a Lagoa de Araruama constitui-se em um corpo d’água do
Tipo II (Morel & Prieur, 1977), ou seja, onde estão presentes sedimentos sólidos em
suspensão e material orgânico dissolvido, a estimativa da profundidade esbarra na
interferência da variabilidade destes dois parâmetros. Por outro lado, a relativa
homogeneidade da água da Lagoa de Araruama provavelmente foi um fator determinante
para que se verificasse a correlação entre as medidas de profundidade e a banda TM1, e os
135
problemas levantados justificam os coeficientes, não muito altos, em média obtidos (igual
a -0,78). Os coeficientes relativamente mais baixos em 22 de julho (r = -0,71) se deveram,
provavelmente, à interferência da atmosfera e, em 29 de dezembro (r = -0,67), às condições
climáticas e pequeno número de estações amostradas. Embora correlações entre medidas
de profundidade e o primeiro fator de principais componentes de bandas TM na faixa do
visível tenham sido reportadas anteriormente (Van Hengel & Spitzer, 1991; Khan et al.,
1992), no caso da Lagoa de Araruama os coeficientes de correlação significativos
observados provavelmente se devem à correlação significativa, em todas as datas, entre a
profundidade e a profundidade de Secchi, esta sim correlacionada com PC1.
Os dados referentes à estação 7, ao contrário do que aconteceu nas
correlações com a concentração de clorofila-a e a profundidade de Secchi, não se
apresentaram dispersos em relação à maioria dos dados das demais estações, o que
demonstra a relativa homogeneidade batimétrica desta estação e corrobora a suposição
levantada através da análise das imagens segmentadas de que a variabilidade espectral da
laguna nesta área seja devida à densidade fitobentônica.
6.4.4 Correlações com os demais parâmetros ambientais
Apesar da literatura no assunto oferecer inúmeros exemplos que comprovam
a viabilidade de se estimar o total de sólidos em suspensão através de dados TM (Capítulo
1), não foram observados padrões de correlação consistentes entre os dados TM e as
medidas de TSS realizadas na Lagoa de Araruama. Assim como mencionado quando da
análise dos dados espectrorradiométricos, este resultado negativo pode estar relacionado à
natureza predominatemente orgânica dos sedimentos presentes na Lagoa de Araruama,
136
demandando estudos futuros, mais detalhados neste aspecto, para se comprovar a
veracidade desta hipótese.
Embora não se constituindo em um dos objetivos deste trabalho, em função
de Lavery et al. (1993) terem utilizado dados da banda TM4 para estimar a salinidade da
água no sistema estuarino de Peel-Harvey, Australia, esta possibilidade foi investigada na
presente pesquisa. No entanto, as medidas de salinidade realizadas na Lagoa de Araruama
não se mostraram correlacionadas com os dados extraídos da banda TM4 ou com os
demais dados multiespectrais.
Além disto, os dados da banda TM6 não se mostraram correlacionados com
a temperatura superficial da água, provavelmente em função do sensor termal do TM não
possuir a resolução radiométrica necessária para discernir as diferenças mínimas de
temperatura que ocorrem na maior parte do corpo lagunar (em torno de 0,5 ºC). Apenas as
estações 1 e 2 apresentaram diferenças de temperatura maiores em relação às demais
estações amostrais na laguna (em torno de 2,5 ºC), mas sua proximidade com as margens
inviabilizou a extração do dado correspondente nas imagens da banda TM6, devido à sua
resolução espacial de 120 m.
6.5 CORREÇÃO DOS DADOS TM PARA OS EFEITOS ATMOSFÉRICOS
Apesar de já terem sido descritos no Capítulo 3 (seção 3.3.1), alguns
aspectos do método de correção atmosférica serão brevemente comentados aqui, visando
maior fluidez do texto. Os dados extraídos das imagens TM nas bandas TM1, TM2 e TM3,
em áreas de 3 X 3 “pixels” correspondentes às 12 estações de coleta, foram corrigidos para
137
se eliminar o efeito do espalhamento provocado pelos gases atmosféricos e também o
efeito das variações na irradiância, no ângulo azimutal e na elevação solar ao longo do ano.
Para se avaliar o desempenho do método de correção utilizado (“5S”) foram realizados
estudos comparativos (incluindo-se análises de correlação) entre os dados TM, originais
(TM1, TM2 e TM3, em níveis digitais) e corrigidos (TM1C, TM2C e TM3C, valores de
reflectância em %) e os dados das bandas TM simuladas a partir dos dados
espectrorradiométricos (RTM1, RTM2 e RTM3, em %), estes últimos tomados como
referência (ou “verdade de campo”).
6.5.1 Comparação entre os dados TM corrigidos e os dados espectrorradiométricos
Os dados extraídos do espectrorradiômetro constituem-se em valores de
fator de reflectância, e não em valores de reflectância absoluta, o que impede uma
comparação direta entre os dados de reflectância obtidos a partir dos dados TM e os dados
espectrorradiométricos in situ. No entanto, observaram-se valores de TM-C mais baixos
em junho, principalmente, valores intermediários em abril, e valores mais altos em
dezembro, assim como para os valores TM não corrigidos, provavelmente em função da
correção ter sido aplicada apenas para o efeito do espalhamento “Rayleigh”. Por outro
lado, os dados RTM- apresentaram valores mais baixos em novembro, valores
intermediários em junho e valores mais altos em abril, demonstrando uma relação com as
médias de TSS e a concentração de clorofila-a medidas (Tabela 6). Isto sugere que o
programa “5S” não esteja corrigindo adequadamente os dados em termos das variações na
irradiância e ângulo azimutal solares ao longo do ano.
Os valores de RTM- apresentaram um valor mínimo de 0,2% para uma
138
medida na banda 3 (em 27 de novembro), e um valor máximo de 6% na banda 2 (em 17 de
abril). Os valores de TM-C também apresentaram um valor mínimo (0,9%) na banda 3 (em
20 de junho) e um valor máximo (18%) na banda 2 (em 29 de dezembro) (Apêndice 9.5).
Verificou-se que os dados RTM-, de modo geral, apresentaram pelo menos o dobro da
amplitude dos dados TM-C, o que se explica pela maior resolução radiométrica do
espectrorradiômetro. Em outras palavras, os dados espectrorradiométricos apresentaram
maior variabilidade, possuindo, portanto, maior potencial de reconhecimento dos diferentes
padrões espectrais da Lagoa de Araruama.
6.5.2 Correlações entre os dados TM e os dados espectrorradiométricos
Os dados das bandas TM1, TM2 e TM3 corrigidos e os dados
espectrorradiométricos integrados para simular estas mesmas bandas apresentaram-se
significativamente correlacionados em diversas datas de estudo (Tabela 34), com exceção
das datas 20 de junho e 22 de julho. No entanto, a análise dos diagramas de dispersão entre
as variáveis RTM- e TM-C (Apêndice 9.5) apontou novamente a interferência de estações
de baixa profundidade e grande transparência no ajuste das curvas de correlação (estações
4, 7 e 9, principalmente ), revelando que a interferência do fundo afeta diferentemente os
dados multiespectrais coletados pelo sensor espectrorradiométrico e pelo sensor orbital.
Pode-se concluir, então, que existe uma grande variabilidade no padrão espectral dos
sedimentos do fundo nestas estações, suficiente para inviabilizar a comparação entre as
medidas espectrorradiométricas in situ e os dados TM, devido à diferença entre as áreas
amostradas a partir de cada uma destas plataformas de aquisição de dados multiespectrais.
Além disto, a amplitude da dispersão dos dados destas estações mais rasas e
139
de maior transparência variou de uma data para outra, demonstrando também uma grande
variabilidade temporal na reflectância do fundo nestas áreas. A possibilidade de que este
resultado tenha ocorrido em função de amostragens in situ referentes a áreas diferentes
daquelas amostradas nas imagens orbitais deve ser descartada, já que somente algumas
estações (e repetidas vezes) apresentam dados de grande dispersão. A estação 4, localizada
na região onde o fundo apresenta coloração mais clara, foi responsável por dados de
grande dispersão em todas as datas em que foi amostrada.
Tabela 34 – Coeficientes de correlação simples bivariada (r) entre os dados TM corrigidospara os efeitos atmosféricos (TM1C, TM2C e TM3C, em %) e as bandas TM simuladas apartir dos dados espectrorradiométricos (RTM1, RTM2 e RTM3, em %); entre parênteses,o nível de significância da correlação; n, número de estações.
Data n RTM1 vs TM1C RTM2 vs TM2C RTM3 vs TM3C17 de Abril 10 0,60 (0,07) 0,65 (0,04) 0,84 (0,00)03 de Maio 8 0,76 (0,03) 0,83 (0,01) 0,88 (0,00)20 de Junho 10 0,19 (0,60) 0,02 (0,96) -0,24 (0,51)22 de Julho 7 0,32 (0,48) 0,49 (0,27) 0,67 (0,10)
27 de Novembro 10 0,69 (0,03) 0,53 (0,12) 0,70 (0,03)29 de Dezembro 7 0,71 (0,07) 0,64 (0,12) 0,68 (0,09)
A interferência da reflectância do fundo impediu uma análise mais precisa
dos coeficientes de correlação obtidos e, consequentemente, uma avaliação quantitativa da
representatividade dos dados TM quanto à variabilidade espectral da Lagoa de Araruama.
Teoricamente, a diferença entre 100% e o coeficiente de correlação obtido ente cada duas
bandas correspondentes (TM-C versus RTM-) corresponderia à porcentagem da influência
dos aerossóis atmosféricos nos dados TM, para os quais não foi aplicada correção (E. J. B.
Bastos, comunicação pessoal. DMS / MET / INPE, São José dos Campos, 1993). Embora
não se possa discutir os resultados em termos dos valores absolutos dos coeficientes de
correlação, foram obtidos valores relativamente mais baixos em 20 de junho, 22 de julho e
29 de dezembro. Em 20 de junho, a entrada de fortes ventos de SW ao meio-dia alterou
140
sensivelmente as condições da água a partir deste horário, sendo que a imagem tomada
pelo satélite oferece uma visão instantânea do ambiente às 9:00 LST. Em 22 de julho e 29
de dezembro verificou-se uma concentração maior de névoa na atmosfera sobre a Lagoa e,
portanto, menor visibilidade. Em 03 de maio, por exemplo, quando se verificaram as
melhores condições de visibilidade atmosférica dentre todas as datas, os coeficientes de
correlação foram os mais altos. Se excluídas dos cálculos desta data as estações 4 e 9, cujo
comportamento anômalo revelou-se nos diagramas de dispersão (Apêndice 9.5), os valores
de correlação entre as bandas RTM- e TM-C correspondentes se elevariam a, no mínimo,
0,94, o que seria de se esperar para uma baixa concentração de aerossóis na atmosfera. Isto
significa que, mesmo neste ambiente com clima predominantemente semi-árido, a
influência dos aerossóis marinhos nas áreas costeiras necessita ser quantificada para que os
procedimentos de correção forneçam valores mais precisos da reflectância dos alvos
terrestres a partir de dados orbitais. Por outro lado, estes resultados demonstram também
que, em boas condições de visibilidade, os dados TM conseguem representar a
variabilidade espectral in situ da coluna d’água da Lagoa de Araruama nas áreas acima de
3,5 m de profundidade, aproximadamente.
Os valores de correlação variaram também em função da banda espectral,
verificando-se valores mais altos, ou seja, maior correspondência entre os dados in situ e
orbitais, na faixa da banda TM3. Isto se explica pelo fato de, nesta faixa espectral, a
influência da variabilidade do fundo ser menor devido à menor profundidade de penetração
da radiação eletromagnética.
Por outro lado, os dados referentes às bandas TM-C apresentaram-se
linearmente correlacionados com os dados TM originais, o que se explica pelo fato de os
141
valores de transmitância atmosférica utitlizados como entrada no programa de correção
serem idênticos para toda a área de estudo, resultando numa transformação linear dos
dados. Assim, em função do exposto neste ítem e no ítem anterior, e também por uma
questão de simplicidade, foram utilizados na análise estatística somente os dados originais
de níveis de cinza extraídos das imagens.
6.6 CONCLUSÕES
1. Os estudos de correlação entre os dados espectrorradiométricos in situ e
os dados TM corrigidos para os efeitos atmosféricos indicou que a interferência do fundo
nas áreas até 3,5 m afeta diferentemente os dados multiespectrais coletados por cada um
destes sensores, devido à grande variabilidade espacial dos sedimentos do fundo nas áreas
mais rasas e à diferença entre as áreas amostradas a partir de cada uma destas plataformas
de aquisição de dados multiespectrais. Além disto, a variância das medidas realizadas
nestas estações variou de uma data para outra, demonstrando também uma grande
variabilidade temporal na reflectância do fundo nestas áreas.
2. A comparação entre os dados TM corrigidos e os dados TM simulados
indicou que, mesmo neste ambiente com clima predominantemente semi-árido, a
influência dos aerossóis marinhos nas áreas costeiras necessita ser quantificada para que os
procedimentos de correção forneçam valores mais precisos da reflectância dos alvos
terrestres a partir de dados orbitais. Por outro lado, estes resultados demonstraram também
que, em boas condições de visibilidade, os dados TM nas bandas TM1, TM2 e TM3
conseguem representar a variabilidade espectral in situ da coluna d’água da Lagoa de
Araruama nas áreas acima de 3,5 m de profundidade, aproximadamente.
142
3. A composição colorida das bandas TM1, TM2 e TM3 revelou uma
grande semelhança na tonalidade da água no Canal de Itajuru e nas duas primeiras
enseadas a oeste, ao mesmo tempo claramente diferenciadas do restante do corpo lagunar.
Nas enseadas da margem sul, o processo de erosão das margens voltadas para o oeste foi
evidenciado pelas tonalidades mais escuras, em função de sua maior profundidade. Nesta
mesma região, o processo de sedimentação das margens voltadas para leste e a construção
dos esporões arenosos submersos a partir da sua extremidade foi visualizado através de
tonalidades mais claras correspondentes a estas áreas nas imagens, características de
menores profundidades.
4. A análise das imagens classificadas por segmentação indicou que ventos
a partir de 3 m.s-1, aproximadamente, provocam remoção dos sedimentos do fundo nas
áreas marginais mais rasas, e que este processo é passível de registro através das imagens
do sensor TM. Indicou também que a menor densidade óptica atmosférica provocada pelos
aerossóis diminui sensivelmente a resolução radiométrica efetiva do sensor TM,
inviabilizando seu uso para fins de classificação espectral da água na Lagoa de Araruama.
5. Através desta classificação, ainda, foi possível distinguir as áreas mais
rasas (até 3,5 m, aproximadamente), onde a reflectância do fundo apresentou-se
responsável pela variabilidade das imagens TM, das áreas profundas (acima de 3,5 m),
onde foi possível estimar constituintes opticamente ativos na coluna d’água. Nas áreas
rasas lagunares, observações in situ sugerem que as imagens TM possam ser usadas para
identificar regiões de ocorrência de comunidades microfitobentônicas com diferentes
densidades de cobertura do fundo.
143
6. Não foram observados padrões de correlação consistentes entre os dados
TM e as medidas de TSS realizadas na Lagoa de Araruama, provavelmente em função da
natureza predominatemente orgânica dos sedimentos presentes na Lagoa de Araruama. Os
dados da banda TM6 também não se mostraram correlacionados com a temperatura
superficial da água, provavelmente em função de a resolução radiométrica do sensor termal
do TM não ser suficiente para discernir as diferenças mínimas de temperatura que ocorrem
na maior parte do corpo lagunar (em torno de 0,5 ºC).
7. A relativa homogeneidade da água da Lagoa de Araruama provavelmente
foi um fator determinante para que se verificasse a correlação entre as medidas de
profundidade da água e a banda TM1, embora a presença de sedimentos em suspensão e
matéria orgância dissolvida justifique os coeficientes não muito altos (r = -0,78, em média)
obtidos.
8. Para as áreas com profundidade maior que 3,5 m, aproximadamente,
foram obtidas correlações significativas da concentração de clorofila-a com PC2 (r em
torno de 0,83) e da profundidade de Secchi com PC1 (r em torno de -0,93). Considerando-
se que a banda PC2 representou aproximadamente 20% da variabilidade espectral das
imagens TM1, TM2 e TM3 da Lagoa de Araruama, pode-se concluir que a concentração
de clorofila-a seja um fator secundário na determinação da variabilidade espectral da água
da laguna nestas regiões. Por outro lado, como a imagem PC1 respondeu por,
aproximadamente, 75% da variabilidade espectral da água da laguna, através de sua
correlação com as medidas da profundidade de Secchi pode-se concluir que a turbidez é o
principal fator determinante da variabilidade espectral da Lagoa de Araruama medida pelo
sensor TM.
144
7 CONSIDERAÇÕES FINAIS
Os dados TM e os dados espectrorradiométricos apresentaram-se
correlacionados com os mesmos parâmetros ambientais dentre aqueles estimados na água
da Lagoa de Araruama, quais sejam, a concentração de clorofila-a, a profundidade do disco
de Secchi e a profundidade da água. Além disto, a classificação automática das imagens
TM nas bandas TM1, TM2 e TM3 através do método da segmentação permitiu separar as
áreas rasas (até 3,5 m), onde a reflectância do fundo é responsável pela variabilidade das
imagens TM (e das medidas espectrorradiométricas), das áreas profundas (acima de 3,5
m), onde foi possível estimar constituintes opticamente ativos na coluna d’água.Verificou-
se que as correlações com a concentração de clorofila-a e com a profundidade do disco de
Secchi foram válidas somente nas áreas com profundidade superior a 3,5 m,
aproximadamente, em função da interferência da refletividade dos sedimentos do fundo
nas medidas multiespectrais obtidas nas áreas mais rasas. Assim, concluiu-se que a partir
de medidas in situ do fator de reflectância da água é possível identificar os parâmetros
ambientais responsáveis pela variabilidade das medidas de radiância do sensor orbital TM.
Esta é, portanto, a estratégia metodológica mais apropriada para a utilização de dados de
sensores remotos visando o monitoramento ambiental da Lagoa de Araruama, e com
grande potencial de aplicação para o monitoramento de corpos d’água costeiros em geral.
145
Atenção especial deve ser dada ao fato de somente ter sido possível
estabelecer um padrão consistente de correlação entre os parâmetros ambientais
mencionados acima e os dados multiespectrais a partir da aplicação de transformações
matemático-estatísticas a estes últimos. As variáveis espectrorradiométricas selecionadas
foram obtidas a partir de curvas-derivadas de primeira e segunda ordem, enquanto que aos
dados TM foram aplicadas transformações por componentes principais para a obtenção de
novas bandas (ou fatores), estes produtos, sim, capazes de representar a variabilidade de
constituintes opticamente ativos no corpo d’água lagunar. Apenas as medidas de
profundidade puderam ser estimadas através dos dados originais da banda TM1, embora
esta correlação tenha apresentado os menores coeficientes médios dentre todas as
correlações obtidas. Deve-se ressaltar que a estimativa da profundidade somente foi
possível devido à alta transparência e relativamente baixa profundidade média da água da
Lagoa de Araruama.
Poucas referências são encontradas na literatura sobre a aplicação de
transformações por principais componentes às imagens TM para avaliações de qualidade
da água em regiões costeiras. No entanto, Hinton (1991) demonstrou que esta técnica
permite a identificação dos parâmetros associados à variabilidade espectral de corpos
d’água túrbidos, embora ressalte que as condições ambientais específicas em cada data de
análise irão determinar a relação de cada parâmetro opticamente ativo com cada um dos
fatores resultantes. Para a Lagoa de Araruama pode-se concluir, então, através das
correlações observadas entre a profundidade de Secchi e PC1 e entre a concentração de
clorofila-a e PC2, que a turbidez constitui-se no parâmetro de maior influência na resposta
espectral desta laguna (aproximadamente 80% da variância contida nas bandas TM1, TM2
e TM3). Analogamente, a concentração de clorofila-a representa um fator secundário para
146
a determinação da variabilidade espectral do corpo d’água lagunar. Como as medidas da
profundidade de Secchi não se apresentaram correlacionadas com a concentração de
clorofila-a ou com o total de sólidos em suspensão na água de forma consistente, sugere-se
que a concentração de matéria orgância dissolvida possua uma grande influência no
comportamento óptico lagunar, o que necessitaria ser investigado em estudos futuros.
Cabe citar aqui o desempenho aleatório das razões e diferenças de bandas
utilizadas nesta pesquisa, tanto para os dados espectrorradiométricos quanto para os dados
TM. Estes resultados confirmaram a expectativa de que as razões entre bandas para a
estimativa da concentração de clorofila-a na água se aplicam apenas a corpos d’água do
“Tipo 1” (água contendo apenas clorofila-a, segundo Morel & Prieur, 1977) e que os
demais algoritmos citados na literatura (Lavery et al., 1993; Mayo et al., 1995;
Sathyendranath et al., 1997) se aplicam apenas às regiões e condições ambientais para as
quais foram desenvolvidos (Ferrier, 1995; Bowers et al., 1996). Neste aspecto, o
tratamento dos dados multiespectrais empregado na presente pesquisa demonstrou ser de
grande utilidade para o desenvolvimento de modelos mais precisos para a estimativa de
parâmetros de qualidade da água em regiões costeiras.
A metodologia utilizada para a detecção da concentração de clorofila-a na
água comprovou também sua eficácia para a detecção de baixos valores deste parâmetro
(entre 1 µg.l-1 e 5 µg.l-1), apesar de diversos autores (Mittenzwey et al., 1992; Gitelson,
1992; Dekker et al., 1992) terem mencionado a grande dificuldade em se obter correlações
significativas para concentrações abaixo de 3 µg.l-1.
Finalmente, deve-se ressaltar a necessidade de se estabelecer locais de
147
amostragem in situ de acordo com as restrições impostas pela transparência da água e
refletividade dos sedimentos de fundo, para se obter melhores correlações entre os dados
multiespectrais e a concentração das substâncias opticamente ativas na água através da
metodologia aqui apresentada.
148
8 REFERÊNCIAS BIBLIOGRÁFICAS
AL-RAMADHAN, B. M. Residual fluxes of water in an estuarine lagoon. Estuarine,Coastal and Shelf Science, v. 26, p. 319-330, 1988.
ANDRÉ, D. L., OLIVEIRA, M. C., OKUDA, T., HORTA A. M. T. C., SOLDAN, A. L.,MOREIRA, I. M. N. S., ROLLEMBERG, M. C. E. & FONSECA-HEIZEN, V. E.Estudo preliminar sobre as condições hidroquímicas da Lagoa de Araruama, Rio deJaneiro. Rio de Janeiro, Instituto de Pesquisas da Marinha, 1981.
ARENZ, JR, R. F., LEWIS, JR, W. M. & SAUNDERS, III, J. F. Determination ofchlorophyll and dissolved organic carbon from reflectance data for Colorado reservoirs.International Journal of Remote Sensing, v. 17, n. 8, p. 1547-1566, 1996.
AZEVEDO, L. S. P. Considerações geoquímicas das lagunas do litoral leste do Rio deJaneiro. In: LACERDA, L. D.; ARAÚJO, D. S. D.; CERQUEIRA, R.; TURCQ, B.(Eds.) Restingas, origem, estrututra, processos. Niterói: CEUFF, 1984, p. 123-135.
BARBIÉRI, E. B. Condições climáticas dominantes na porção oriental da Lagoa deAraruama - RJ e suas implicações na diversidade do teor de salinidade. Caderno deCiências da Terra, Universidade de São Paulo, n. 59, 1985. 35 p.
BARBIÉRI, E. B. Ritmo climático e extração do sal em Cabo Frio. Revista Brasileira deGeografia, v. 7, n. 4, p. 23-109, 1975.
BARROSO, L. V. Diagnóstico Ambiental da Lagoa de Araruama - RJ. Boletim FBCN, v.22, p. 30-65, 1987.
149
BASTOS, E. J. B. Modelagem de radiâncias emergentes do sistema terra-atmosfera paracalibração de imageadores no visível. São José dos Campos, 1994. 180 p. Tese(Doutorado em Meteorologia) - Instituto Nacional de Pesquisas Espaciais. (INPE-5568-TDI/541).
BASTOS, E. J. B. (Comunicação pessoal). São José dos Campos, 1997. Instituto Nacionalde Pesquisas Espaciais, DCM / MET / INPE.
BIDIGARE, R. R. & ONDRUSEK, M. In vivo absorption properties of algal pigments.SPIE V. 1302, Ocean Optics X, p. 290-302, 1990.
BIDIGARE, R. R., MORROW, J. H. & KIERFER, D. A. Derivative analysis of spectralabsorption by photosynthetic pigments in the western Sargasso Sea. Journal of MarineResearch, 47, p. 323-341, 1989.
BIRD, E. C. F. Physical setting and geomorphology of coastal lagoons. In: KJERFVE, B.(Ed.) Coastal Lagoon Processes. Amsterdam: Elsevier, 1994. cap. 2, p. 9-39 (ElsevierOceanography Series, 60).
BOWERS, D. G., HARKER, G. E. L. & STEPHAN, B. Absorption of inorganic particlesin the Irish Sea and their relevance to remote sensing of chlorophyll. InternationalJournal of Remote Sensing, v. 17, n. 12, p. 2449-2460, 1996.
BRAGA, C. Z. F. Detecção de ferro e manganês presentes no sedimento em suspensão naBaía de Guanabara a partir de dados TM/LANDSAT. In: SIMPÓSIOLATINOAMERICANO EN PERCEPCIÓN REMOTA, 4., 1989, Bariloche, Memorias.Bariloche, SELPER, 1989, tomo 2, p. 856-861. (INPE-8225-PRE/225).
BRAGA, C. Z. F. Utilização de imagens dos satélites Landsat-5 e NOAA-9 naidentificação de parâmentros físico-químicos da água na Baía de Guanabara. São Josédos Campos, 1988. 115 p. Dissertação (Mestrado em Sensoriamento Remoto) -Instituto Nacional de Pesquisas Espaciais. (INPE-4761-TDL/349).
BRAGA, C. Z. F., NOVO, E. M. L. M. & KRUG, T. Considerações sobre a modelagemempírica de variáveis limnológicas no reservatório de Barra Bonita utilizando dadosLandsat-5 TM. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 7.,1983, Curitiba, Anais. São José dos Campos, INPE, 1993, v. 4, p. 85-93. (INPE-8861-PRE/861).
BRAGA, C. Z. F., SETZER, A. W. & LACERDA, L. D. Water quality assessment withsimultaneous Landsat-5 TM data at Guanabara Bay, Rio de Janeiro, Brazil. RemoteSensing of Environment, v. 45, n. 2, p. 95-106, 1993. (INPE-8914-PRE/914).
150
BRAGA, C. Z. F., VIANNA, M. & KJERFVE, B. Environmental characterization of ahypersaline coastal lagoon from Landsat-5 TM data. (a ser submetido ao periódicoRemote Sensing of Environment).
BRICAUD, A. & SATHYENDRANATH, S. Spectral signatures of substances responsiblefor the change in ocean colour. In: INTERNATIONAL COLLOQUIUM ONSPECTRAL SIGNATURES OF OBJECTS IN REMOTE SENSING, 1981, Avignon,Signatures Spectrales d’Objects in Teledétection. Avignon, 1981, p. 41-55.
CABRAL, A. P. Extração da batimetria e dos tipos de substrato de um setor daplataforma continental do Rio Grande do Norte utilizando imagens TM-Landsat. SãoJosé dos Campos, 1993. 106 p. Dissertação (Mestrado em Sensoriamento Remoto) -Instituto Nacional de Pesquisas Espaciais.
CÂMARA, G., FREITAS, U. M., SOUZA, R. C. M. & GARRIDO, J. SPRING:Integrating Remote Sensing and GIS by Object-Oriented Data Modelling. Computersand Graphics, v. 20, n. 3, p. 395-403, 1996.
CAMERON, W. M. & PRITCHARD, D. W. Estuaries. In: M.N. Hill (ED.), The Sea. NewYork: Wiley, 1963. p. 306-324.
CASALAS, A. B., SALOMON, J. C. & BORDAS, M. P. Water circulation and dispersioncapacity in the Lagoa dos Patos - Guaíba coastal system. In: INTERNATIONALSYMPOSIUM ON UTILIZATION OF COASTAL ECOSYSTEMS: PLANNING,POLLUTION AND PRODUCTIVITY. Proceedings. Rio Grande, RS, 21 - 27 Nov.1982. v. 2, p. 455-470.
CHEN, Z., CURRAN, P. J. & HANSOM, J. D. Derivative reflectance spectroscopy toestimate suspended sediment concentration. Remote Sensing of Environment, v. 40, p.67-77, 1992.
COUTINHO, R., KJERFVE, B., KNOPPERS, B., MUEHE, D., RIBEIRO, P. &VALENTIM, J. L. Lagoa de Araruama: uma lagoa ameaçada. Ciência Hoje, 1998 (noprelo).
DEKKER, A. G., MALTHUS, T. J., WIJNEN, M. M. & SEYHAN, E. The effect ofspectral bandwidth and positioning on the spectral signature analysis of inland waters.Remote Sensing of Environment, v. 41, p. 211-225, 1992.
DEMETRIADES-SHAH, T. H., STEVEN, M. T. & CLARK, J. A. High resolutionderivative spectra in remote sensing. Remote Sensing of Environment, v. 33, p. 55-64,1990.
151
DHN - Diretoria de Hidrografia e Navegação. Lagoa de Araruama (Folha de Bordo FB1500 - 2/77). Ministério da Marinha / DHN / DHN 60, 1978.
DILLON, W. R. & GOLDSTEIN, M. Multivariate Analysis - Methods and applications.New York: John Wiley & Sons, 1984. 587 p.
EKSTRAND, S. Landsat TM based quantification of chlorophyll-a during algal blooms incoastal waters. International Journal of Remote Sensing, v. 13, n. 10, p. 1913-1926,1992.
FEEMA (Fundação Estadual de Engenharia e Meio Ambiente) Perfil Ambiental domunicípio de Araruama. Rio de Janeiro, 1988a. 45 p.
FEEMA (Fundação Estadual de Engenharia e Meio Ambiente). Perfil Ambiental domunicípio de São Pedro da Aldeia. Rio de Janeiro, 1988b. 43 p.
FERRIER, G. A field study of the variability in the suspended sediment concentration-reflectance relationship. International Journal of Remote Sensing, v. 16, n.14, p. 2713-2720, 1995.
FOFONOFF, N. P. & MILLARD Jr., R. C. Algoritms for calculation of fundamentalproperties of sea water. UNESCO Technical Papers in Marine Science, v. 44, 53 p.,1983.
FRANCHITO, S. H., RAO, V. B., STECH, J. L. & LORENZZETTI, J. A. The effect ofcoastal upwelling on the sea-breeze circulation at Cabo Frio, Brazil: a numericalexperiment. Annales Geophysicae, Apr 1998, 16 p.
FREIRE, M. L. F. Correção atmosférica em imagens Landsat contaminadas por efeito deadjacência. João Pessoa, 1996. 98 p. Dissertação (Mestrado em Meteorologia) -Universidade Federal da Paraíba. (DCA-CMM TD nº 05)
GALLIE, E. A. & MURTHA, P. A. Specific absorption and backscattering spectra forsuspended minerals and chlorophyll-a in Chilko Lake, British Columbia. RemoteSensing of Environment, v. 39, p. 103-118, 1992.
GARCÍA, M. J. & CASELLES, V. A multi-temporal study of chlorophyll-a concentrationin the Albufera lagoon of Valencia, Spain, using Thematic Mapper data. InternationalJournal of Remote Sensing, v. 11, n. 2, p. 301-311, 1990.
152
GITELSON, A. The peak near 700nm on radiance spectra of algae and water: relationshipsof its magnitude and position with chlorophyll concentration. International Journal ofRemote Sensing, v. 13, n. 17, p. 3367-3373, 1992.
GOODIN, D. G., HAN, L., FRASER, R. N., RUNDQUIST, D. C. & STEBBINS, W. A.Analysis of suspended solids in water using remotely sensed high resolution reflectancespectra. Photogrammetric Engineering and Remote Sensing, v. 59, n. 4, p. 505-510,1993.
GORDON, H. R. & McCLUNEY, W. R. Estimation of depht of sunlight penetration in thesea for remote sensing. Applied Optics, v. 14, p. 413-416, 1975.
GORDON, H. R., BROWN, J. W. & EVANS, R. H. Exact Rayleigh scattering calculationsfor use with the Nimbus-7 Coastal Zone Color Scanner. Applied Optics, v. 27, n. 5, p.862-871, 1988.
GORDON, H. R., CLARK, D. K., BROWN, J. W., BROWN, O. B., EVANS, R. H. &BROENKOW, W. W. Phytoplankton pigment concentration in the Middle AtlanticBight: comparison of ship determinations and CZCS estimates. Applied Optics, v. 22,n. 1, 1983.
HAARDT, H. & MASKE, H. Specific in vivo absorption coefficient of chlorophyll-a at675 nm. Limnology and Oceanography, v. 32, p. 608-619, 1987.
HALLADA, W. A. Mapping bathymetry with Landsat-4 TM, preliminary findings. In:CANADIAN SYMPOSIUM ON REMOTE SENSING, 9., 1984, Newfoundland.Proceedings. Ottawa, Canadian Aeronautics and Space Institute, 1984, p. 277-285.
HAN, L. & RUNDQUIST, D. C. The response of both surface reflectance and theunderwater light field to various levels of suspended sediments: preliminary results.Photogrammetric Engineering and Remote Sensing, v. 60, n. 12, p. 1463-1471, 1994.
HARDING Jr., L. W., ITSWEIRE, E. C. & ESAIAS, W. E. Estimates of phytplanktonbiomass in the Cheasapeake Bay from aircraft remote sensing of chlorophyllconcentrations, 1989-92. Remote Sensing of Environment, v. 49, p. 41-56, 1994.
HARTMAN, C. Dinâmica, distribuição e composição do material em suspensão naextremidade sul da Laguna dos Patos, RS, Brasil. Porto Alegre, 1998. 362 p. Tese(Doutorado em Geociências) - Universidade Federal do Rio Grande do Sul. (Inédito).
HATHOUT, S. The use of enhanced Landsat imagery for mapping lake depth. Journal ofEnvironmental Management, v. 20, n. 3, p. 253-261, 1985.
153
HINTON, J. C. Application of eigenvector analysis to remote sensing of coastal waterquality. International Journal of Remote Sensing, v. 12, n. 7, p. 1441-1460, 1991.
IBGE - Instituto Brasileiro de Geografia e Estatística. Araruama (Folha SF-23-Z-B-VI-3).SEPLAN / IBGE / Diretoria de Geodésia e Cartografia / Superintendência deCartografia, 1978.
IBGE - Instituto Brasileiro de Geografia e Estatística. Cabo Frio (Folha SF-23-Z-B-VI-4).SEPLAN / IBGE / Diretoria de Geodésia e Cartografia / Superintendência deCartografia, 1978.
INGEBRITSEN, S. E. & LYON, R. J. P. Principal component analysis of multitemporalimage pairs. International Journal of Remote Sensing, v. 6, n. 5, p. 687-696, 1985.
INPH- Instituto de Pesquisas Hidroviárias / PORTOBRAS 1ª Campanha de mediçõeshidráulico-sedimentológicas na Lagoa de Araruama - RJ. Campanha de Verão, Rio deJaneiro, 1987. 126 p.
INPH- Instituto de Pesquisas Hidroviárias / PORTOBRAS 2ª Campanha de mediçõeshidráulico-sedimentológicas na Lagoa de Araruama - RJ. Campanha de Inverno, Riode Janeiro, 1988. 76 p.
INSTITUTO ACQUA / PETROBRAS Programa PROLAGOS - Uma Síntese. Rio deJaneiro: Instituto ACQUA, 1996. 28 p.
ISAAKS, E. H. & SRIVASTAVA, R. M. An introduction to applied geostatistics. OxfordUniversity Press, 1989. 561 p.
JENSEN, J. R., KJERFVE, B., RAMSEY III, E. W., MAGILL, K. E., MEDEIROS, C. &SNEED, J. E. Remote sensing and numerical moddeling of suspended sediment inLaguna de Terminos, Campeche, Mexico. Remote Sensing of Environment, v. 28, p. 33-44, 1989.
JERLOV, N. G. Marine Optics. 2. ed. Amsterdam: Elsevier, 1976.
KHAN, M. A., FADLALLAH, Y. H. & AL-HINAI, K. G. Thematic mapping of subtidalcoastal habitats in the western Arabian Gulf using Landsat TM data - Abu Ali Bay,Saudi Arabia. Internation Journal of Remote Sensing, v. 13, n. 4, p. 605-614, 1992.
KJERFVE, B. Comparative oceanography of coastal lagoons. WOLFE, D. A. (Ed.),Estuarine Variability. Academic Press, 1986. p. 63-81.
154
KJERFVE, B., SCHETTINI, C. A. F., KNOPPERS, B., LESSA, G. & FERREIRA, H. O.Hydrology and salt balance in a large, hypersaline coastal lagoon: Lagoa de Araruama,Brazil. Estuarine, Coastal and Shelf Science, v. 42, p 701-725, 1996.
KLEMAS, V. & HARDISK, M. The use of remote sensing in global biosystem studies.Advanced Space Research, v. 3, n. 9, pp. 115-122, 1983.
KNEYZIS, F. X., SHETTLE, E. P., AREU, L. W. et al. User’s guide to LOWTRAN7.Report AFGL-TR-88-0177, Air Force Cambridge Research Laboratories, Badford,MA, August, 1988. 137 p.
KNOPPERS, B., KJERFVE, B. & CARMOUZE, J. Trophic state and water turn-over timein six choked coastal lagoons in Brazil. Biogeochemistry, v. 14, p.149-166, 1991.
KNOPPERS, B., SOUZA, W. & VIANNA, E. F. C. Processos biogeoquímicos na Lagoade Araruama, RJ. In: COUTINHO, R. (Ed.) Relatório Final - Projeto PROLAGOS. Riode Janeiro, Fundação Roberto Marinho, Instituto Acqua, 1996. cap. 9, 46 p.
KRAMER, K. J. M., BROCKMAN, U. H. & WARWICK, R. M. In: Balkema, A. A. TidalEstuaries: Manual of Sampling and Analytical Procedures. Rotterdam/Brookfield,1994. 304 p.
LAVERY, P., PATTIARATCHI, C., WYLLIE, A. & HICK, P. Water quality monitoringin estuarine waters using the Landsat thematic mapper. Remote Sensing ofEnvironment, v. 46, p. 268-280, 1993.
LESSA, G. C. Considerações sobre o comportamento hidráulico do canal de Itajuru -laguna de Araruama (RJ). In: SIMPÓSIO DE GEOGRAFIA FÍSICA APLICADA, 3.,1989, Nova Friburgo, Anais. 1989, p. 334-347.
LIEDTKE, J., ROBERTS, A. & LUTERNAUER, J. Practical remote sensing of suspendedsediment concentration. Photogrammetric Engineering and Remote Sensing, v. 61, p.167-175, 1995.
LIRA, J., MORALES, A. & ZAMORA, F. Study of sediment distribution in the area of thePánuco river plume by means of remote sensing. International Journal of RemoteSensing, v. 18, n. 1, p. 171-182, 1997.
LOUGHLIN, W. P. Principal component analysis for alteration mapping.Photogrammetric Engineering and Remote Sensing, v. 57, n. 9, p. 1163-1169, 1991.
155
LUCZKOVICH, J. J., WAGNER, T. W., MICHALEK, J. L. & STOFFLE, R. W.Discrimination of coral reefs, seagrass meadows, and sand bottom types from space: aDominican Republic case study. . Photogrammetric Engineering and Remote Sensing,v. 59, n. 3, p. 385-389, 1993.
LYZENGA, D. R. Remote sensing of bottom reflectance and water attenuation parametersin shallow water using aircraft and Landsat data. International Journal of RemoteSensing, v. 2, p. 71-82, 1981.
LYZENGA, D. R. Shallow-water reflectance modeling with applications to remote sensingof the ocean floor. In: INTERNATIONAL SYMPOSIUM ON REMOTE SENSINGOF ENVIRONMENT, 13., 1979, Ann Arbor. Proceedings. 1979, v. 1, p. 583-602.
MARITORENA, S., MOREL, A. & GENTILI, B. Diffuse reflectance of oceanic shallowwaters: Influence of water depth and bottom albedo. Limnology and Oceanography, v.39, n. 7, p. 1689-1703, 1994.
MARKHAM, B. L. & BARKER, J. L. Landsat MSS and TM post calibration dynamicranges, exoatmospheric reflectance and at-satellite temperatures. In: EOSAT. LandsatTechnical Notes, Lanham, 1986. p. 2-7.
MARKHAM, B. L. & BARKER, J. L. Spectral characterization of the Landsat ThematicMapper sensors. International Journal of Remote Sensing, v. 6, p. 697-716, 1985.
MARTIN, L. & FLEXOR, J. M. Lagoon sediments of the Cabo Frio region as records ofthe variations of the local upwelling during the last 7,000 years. In: LACERDA, L. D.,TURCQ, B., KNOPPERS, B. & KJERFVE, B. (Eds.) Paleoclimatic changes and thecarbon cycle. Rio de Janeiro, SBGq, 1992, p. 35-40. (Série Geoquímica Ambiental, 1).
MAYO, M., GITELSON, A., YACOBI, Y. Z. & BEN-AVRAHAM, Z. Chlorophylldistribution in Lake Kinneret determined from Landsat Thematic Mapper data.International Journal of Remote Sensing, v. 16, n. 1, p. 175-182, 1995.
MAYO, M., KARNIELI, A, GITELSON, A. & BEN-AVRAHAM, Z. Determination ofsuspended sediment concentrations from CZCS data. Photogrammetric Engineeringand Remote Sensing, v. 59, n. 8, p. 1255-1269, 1993.
McCLUNEY, W. R. Remote measurement of water colour. Remote Sensing ofEnvironment, v. 5, n.1, p. 3-33, 1976.
156
McFEETERS, S. K. The use of Normalized Difference Water Index (NDWI) in thedelineation of open water features. International Journal of Remote Sensing, v. 17, n. 7,p. 1425-1432, 1996.
MILTON, E. J. Principles of field spectroscopy. International Journal of Remote Sensing,v. 8, n. 12, p. 1807-1827, 1987.
MITTENZWEY, K. H., ULLRICH, S., GITELSON, A. A. & KONDRATIEV, K. Y.Determination of chlorophyll-a of inland waters on the basis of spectral reflectance.Limnology and Oceanography, v. 37, n. 1, p. 147-149, 1992.
MOORE, N. H. & SLINN, D. J. The physical hydrology of a lagoon system on the Pacificcoast of Mexico. Estuarine, Coastal and Shelf Science, v. 19, p.413-426, 1984.
MORAN, M. S., JACKSON, R. D., SLATER, P. N. & TEILLET, P. M. Comparison ofatmospheric correction procedures for visible and near-IR sattelite sensor output. In:INTERNATIONAL COLLOQUIUM - PHYSICAL MEASUREMENTS ANDSIGNATURES IN REMOTE SENSING, 5., 1991, Courchevel. Proceedings, 1991. p. 7-12. (ESA SP-319, May 1991).
MOREL, A. & PRIEUR, L. Analysis of variations in ocean color. Limnology andOceanography, v. 22, p. 709-722, 1977.
MUEHE, D. & CORREA, C. H. T. The coastline between Rio de Janeiro and Cabo Frio.p.110-123. In: NEVES, C. (Ed.) Coastlines of Brasil. New York: American Society ofCivil Engineers. 1989, 291 p.
NASA Langley Research Center. Remote Measurement of Pollution. Washington, DC,1971. (NASA-SP-285).
NETGIS – Geoprocessamento e Informática Ltda. SPRING – Sistema de processamento deinformações georeferenciadas. Versão 2.0.4, 1997. 4 v.
NOVO, E. M. L. M. & BRAGA, C. Z. F. II Relatório do Projeto Sensoriamento Remotode Sistemas Aquáticos. São José dos Campos, INPE, 1995. 103 p. (INPE-5620-PRP/189)
NOVO, E. M. L. M., HANSON, J. D. & CURRAN, P. The effect of sediment type on therelationship between reflectance and suspended sediment concentration. InternationalJournal of Remote Sensing, v. 10, p. 1283-1289, 1989 a.
157
NOVO, E. M. L. M., HANSON, J. D. & CURRAN, P. The effect of viewing geometry andwavelength on the relationship between reflectance and suspended sedimentconcentration. International Journal of Remote Sensing, v. 10, n. 8, p. 1357-1372, 1989b.
NOVO, E. M. L. M., STEFFEN, C. A. & BRAGA, C. Z. F. Results of a laboratoryexperiment on relating spectral reflectance to total suspended solids. Remote Sensing ofEnvironment, v. 36, n. 1, p. 67-72, 1991. (INPE-8902-PRE/902)
PARADELLA, W. O significado litológico da informação espectral e temporal (sazonal)de dados digitais MSS do satélite Landsat-3 para o baixo vale do rio Curaçá, Bahia.Revista Brasileira de Geociências, n. 16, p. 135-148, 1986.
PASQUALINI, V., PERGENT-MARTINI, C., FERNANDEZ, C. & PERGENT, G. Theuse of airborne remote sensing for benthic cartography: advantages and reliability.International Journal of Remote Sensing, v. 18, n. 5, p. 1167-1177, 1997.
PHILPOT, W. D. Bathymetric mapping with passive multispectral imagery. AppliedOptics, v. 28, n. 8, p. 1569-1578, 1989.
PICCHIOTTI, A., CASACCHIA, R. & SALVATORI, R. Multitemporal PrincipalComponent Analysis of spectral and spatial features of the Venice Lagoon.International Journal of Remote Sensing, v. 18, n. 1, p. 183-196, 1997.
POLCYN, F. C. & LYZENGA, D. R. Remote bathymetric and shoal detection with ERTS.Ann Arbor, 1975. 55 p.(NASA - CR - ERIM - 193300-51-F).
POLETTE, M. Planície do Perequê / Ilha de São Sebastião - Diagnóstico e planejamentoda paisagem costeira. São Carlos, 1993. 185 p. Dissertação (Mestrado em Ecologia eRecursos Naturais) - Universidade Federal de São Carlos.
PREZELIN, B. B. & ALBERTE, R. S. Photosynthetic characteristics and organization ofchlorophyll in marine dinoflagellates. Proc. Nat. Acad. Sci. USA, n. 75, p. 1801-1804,1978.
PRIEUR, L. & SATHYENDRANATH, S. An optical classification of coastal and oceanicwater based on the specific spectral absorption curves of phytoplancton pigments,dissolved organic matter, and other particulate materials. Limnology andOceanography, v. 26, n. 4, p. 671-689, 1981.
158
QUIBELL, G. Estimating chlorophyll concentrations using upwelling radiance fromdifferent freshwater algal genera. International Journal of Remote Sensing, v. 13, n. 14,p. 2611-2621, 1992.
QUIBELL, G. The effect of suspended sediment on reflectance spectra from freshwateralgae. International Journal of Remote Sensing, v. 12, n. 1, p. 177-182, 1991.
RICHTER, R. Model SENSAT-3. DLR-IB 552/06-89, Wessling, German AerospaceResearch Establishment, 1989.
RUNDQUIST, D. C., LAWSON, M. P., QUEEN, L. P. & CERVENY, R. S. Therelationship between summer-season rainfall events and lake-surface area. WaterResources Bulletin, v. 23, p. 493-508, 1987.
SATHYENDRANATH, S., SUBBA RAO, D. V., STUART, V., PLATT, T., BUGDEN,G. L., JONES, W. & VASS, P. Aircraft remote sensing of toxic phytoplankton blooms:a case study from Cardigan River, Prince Edward Island. Canadian Journal of RemoteSensing, v. 23, n. 1, p. 15-23, 1997.
SCHIEBE, F. R., RITCHIE, J. C. & BOATWRIGHT, G. O. A first evaluation of LandsatTM data to monitor suspended sediments in lakes. In: LANDSAT-4 SCIENCEINVESTIGATION SUMMARY - LANDSAT-4 EARLY RESULTS SYMPOSIUM,FEB. 22-24, AND THE LANDSAT SCIENCE CHARACTERIZATIONWORKSHOP, Greenbelt, 1983, Proceedings. Washington, NASA GODDARDSPACE FLIGHT CENTER, 1983. v.1, p.141.
SIEGEL, S. Estatística não-paramétrica para as ciências do comportamento. São Paulo,Mc Graw-Hill, 350 p., 1981.
SIKORA, W. B. & KJERFVE, B. Factors influencing the salinity of Lake Pontchartrain,Louisiana, a shallow coastal lagoon: analysis of a long-term data set. Estuaries, v. 8, n.2A, p. 170-180, 1985.
SLACK-SMITH, R. J., FARIA, F. O. S., JABLONSKI, S. & RODRIGUES, L. F.Camarão Rosa (Penaeus brasiliensis Latreille) na Lagoa de Araruama, RJ, 1ª Parte:Resultados de amostragens de capturas e análises da pesca artesanal. Brasília:SUDEPE/PDP, 1977a. 53 p. (Doc. Ténicos, n. 22).
SLACK-SMITH, R. J. & FARIA, F. O. S. Camarão Rosa (Penaeus brasiliensis Latreille)na Lagoa de Araruama, RJ, 2ª Parte: Resultados preliminares sobre crescimento emortalidade. Brasília, SUDEPE/PDP, 1977b. 29 p. (Doc. Técnicos, n. 23).
159
SMITH, N. P. The Laguna Madre of Texas: hydrography of a hypersaline lagoon. In:KJERFVE, B. (Ed.) Hydrodynamics of Estuaries. Boca Raton: CRC Press, 1988. v. 2,p. 31-40. (Estuarine Case Studies).
SMITH, R. C. & BAKER, K. S. Optical properties of the clearest natural waters (200-800nm). Applied Optics, v. 20, p. 177-184, 1981.
SOUZA, M. F. L. Distribuição Espacial, Sazonal e Fontes Fluviais de Nutrientes naLagoa de Araruama, RJ. Niterói, 1993. 167 p. Dissertação (Mestrado em Geociências(Geoquímica)) - Universidade Federal Fluminense.
SOUZA, W. F. L. Dinâmica de Nutrientes na Laguna Hipersalina de Araruama - RJ.Niterói, 1997. 172 p. Dissertação (Mestrado em Geociências (Geoquímica)).Universidade Federal Fluminense.
SPECTRON ENGINEERING INC. Spectron SE-590 Operating Manual. Denver, 1988.
SPIEGEL, M. R. Estatística. São Paulo: McGraw-Hill do Brasil, 1977. 580 p.
STEFFEN, C. A., GAMA, F. F. & NOVO, E. M. L. M. Teste operacional do Sistema deAquisição de Dados Aerotransportado - SADA: o experimento de Barra Bonita. In:SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 7, 1993, Curitiba.Anais. v. 3, p. 129-137.
STEFFEN, C. A., OLIVEIRA, J. L. & GAMA, F. F. O programa ESPECTRO. São Josédos Campos: INPE, 1996. 6 p. (INPE 5737-MAN/07).
STEFFEN, C. A. Técnicas radiométricas com o Spectron SE-590. In: SIMPÓSIOBRASILEIRO DE SENSORIAMENTO REMOTO, 7, 1993, Curitiba. Tutorial 2:Radiometria Espectral. São Paulo, INPE, 1993. 19 p.
STRICKLAND, J. D. H. & PARSONS, T. R. A practical handbook of seawater analysis.2.ed. Ottawa, Fish. Res. Bd. Can., 1972. 310 p. (Fish. Res. Bd. Can. Bulletin, 167)
TANRÉ, D., DEROO, C., DUHAUT, P., HERMAN, M., MORCRETTE, J. J., PERBOS,J. & DESCHAMPS, P. Y. Description of a computer code to simulate the satellitesignal in the solar spectrum: the 5S code. International Journal of Remote Sensing, v.11, n. 4, p. 659-668, 1990. Technical note.
160
TURCQ, B., MARTIN, L., FLEXOR, J.M., SUGUIO, K., PIERRE, C. & TASAYCO-ORTEGA, L. Origin of the Quaternary coastal plain between Guaratiba and Cabo Frio,State of Rio de Janeiro, Brazil. In: BIDONE, E. & KNOPPERS, B. (Eds.) TheFluminense Lagoons. Niterói: Gráfica da Universidade Federal Fluminense, 1998. (noprelo).
VAN HENGEL, W. & SPITZER, D. Multi-temporal water depth mapping by means ofLandsat TM. International Journal of Remote Sensing, v. 12, n. 4, pp. 703-712, 1991.
WETZEL, R. G. Limnology. Philadelphia: W. B. Saunders, 1975. 743 p.
WHITE, M. E. Reservoir surface area from Landsat imagery. PhotogrammetricEngineering and Remote Sensing, v. 44, p. 1421-1426, 1978.
161
9 APÊNDICES
9.1 MEDIDAS SUPERFICIAIS DE PARÂMETROS AMBIENTAIS REALIZADAS
DURANTE 21 DATAS DE COLETA NA LAGOA DE ARARUAMA DURANTE O
ANO DE 1994. E1, E2, ..., E12, ESTAÇÕES DE COLETA
162Apêndice 9.1 A - Salinidade (‰)
Data E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 Máximo Mínimo Média DP CV (%)11Jan 57 56 55 55 55 55 55 55 - 55 - - 57 55 55,3 0,7 1,227Jan 55 58 52 53 53 54 54 50 55 51 55 55 58 50 53,8 2,0 3,828Fev 64 59 55 57 49 57 59 55 58 55 56 54 64 49 56,5 3,4 6,116Mar 27 60 58 57 56 58 57 59 57 57 60 59 60 27 55,4 8,7 15,601Abr 48 58 60 58 60 60 55 55 58 56 60 60 60 48 57,3 3,4 5,917Abr 40 60 60 60 61 60 61 60 61 61 59 60 61 40 58,6 5,6 9,603Mai 47 60 60 60 59 60 61 60 59 60 55 61 61 47 58,5 3,8 6,519Mai 12 - 55 55 55 60 60 58 58 58 - 60 60 12 53,1 13,8 26,104Jun - - 62 60 62 58 60 60 60 60 60 58 62 58 60,0 1,3 2,120Jun - - 59 59 59 59 60 61 59 60 58 58 61 58 59,2 0,9 1,506Jul 46 55 58 59 59 60 60 60 60 60 60 57 60 46 57,8 3,9 6,722Jul 42 52 55 57 55 55 58 58 56 58 60 59 60 42 55,4 4,6 8,2
07Ago 45 53 57 57 55 55 53 57 55 57 55 55 57 45 54,5 3,2 5,823Ago 46 50 53 52 54 54 55 55 57 55 62 57 62 46 54,2 3,8 6,908Set 43 41 50 46 50 46 45 53 50 - - - 53 41 47,1 3,7 7,824Set 53 58 - - - 57 58 58 58 59 59 58 59 53 57,6 1,7 3,010Out 55 52 58 60 60 59 59 60 59 59 58 58 60 52 58,1 2,3 3,926Out 65 63 60 58 58 58 57 58 58 58 57 52 65 52 58,5 3,1 5,211Nov 65 56 55 61 61 53 57 55 52 60 60 55 65 52 57,5 3,7 6,427Nov - - - - - - - - - - - - - - - - -29Dez 65 62 - - - 61 60 60 60 60 60 56 65 56 60,4 2,2 3,7
Máximo 65 63 62 61 62 61 61 61 61 61 62 61 65 58 - - -Mínimo 12 41 50 46 49 46 45 50 50 51 55 52 53 12 - - -Média 48,6 56,1 56,8 56,9 56,7 57,0 57,2 57,4 57,4 57,8 58,5 57,3 - - - - -
DP 13,3 5,2 3,1 3,6 3,7 3,5 3,7 2,8 2,7 2,5 2,1 2,4 - - - - -CV (%) 2,7 0,9 0,6 0,6 0,6 0,6 0,6 0,5 0,5 0,4 0,4 0,4 - - - - -
163Apêndice 9.1 B - Temperatura (ºC)
Data E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 Máximo Mínimo Média DP CV (%)
11Jan - - 27,2 27,0 27,0 27,0 26,0 27,2 - 26,8 - - 27,2 26,0 26,9 0,4 1,427Jan 30,5 30,0 31,0 30,0 29,5 30,0 30,5 30,5 30,5 30,5 30,5 31,0 31,0 29,5 30,4 0,4 1,428Fev 29,5 29,9 30,0 29,5 30,0 29,0 29,0 29,0 30,0 29,5 29,0 30,0 30,0 29,0 29,5 0,4 1,416Mar 26,5 27,0 27,5 27,5 27,0 27,5 27,5 26,5 27,5 26,5 27,0 28,0 28,0 26,5 27,2 0,5 1,701Abr 28,5 28,5 29,0 29,0 29,0 29,0 29,0 28,0 29,0 29,0 28,0 29,0 29,0 28,0 28,8 0,4 1,317Abr 23,0 24,5 26,0 26,0 26,0 26,0 25,5 25,5 26,0 25,5 26,0 26,0 26,0 23,0 25,5 0,9 3,403Mai 25,2 24,5 26,0 26,0 26,0 26,0 25,5 26,0 26,0 25,5 25,5 25,5 26,0 24,5 25,6 0,4 1,719Mai 24,0 23,0 26,0 25,5 25,5 25,0 25,0 25,0 25,5 25,5 - 25,5 26,0 23,0 25,0 0,8 3,204Jun - - - - - - - - - - - - - - - -20Jun - - 24,0 25,0 24,0 24,5 25,0 24,0 25,0 24,0 25,5 25,0 25,5 24,0 24,6 0,5 2,206Jul 21,9 22,2 22,5 22,5 22,8 22,0 23,0 22,5 23,0 23,0 23,3 24,0 24,0 21,9 22,7 0,6 2,522Jul 22,5 22,5 22,0 22,0 23,0 22,5 22,0 22,5 22,0 22,5 22,0 22,0 23,0 22,0 22,3 0,3 1,4
07Ago 18,8 19,8 21,0 20,0 21,0 21,0 20,5 20,0 20,5 19,5 20,0 20,0 21,0 18,8 20,2 0,6 3,223Ago 22,4 21,9 23,0 25,0 23,2 23,5 22,0 23,0 22,0 22,0 22,0 23,0 25,0 21,9 22,8 0,9 3,808Set 24,0 23,0 24,0 24,0 24,0 24,0 24,0 23,0 24,0 - - - 24,0 23,0 23,8 0,4 1,724Set 23,5 22,4 - - - 25,0 25,0 24,5 25,0 24,5 25,0 26,0 26,0 22,4 24,5 1,0 4,010Out 25,0 25,5 25,5 25,5 25,5 25,5 25,0 25,0 25,5 25,0 25,5 26,0 26,0 25,0 25,4 0,3 1,226Out - - 26,3 26,5 26,0 26,0 25,5 25,5 26,5 25,5 26,5 26,5 26,5 25,5 26,1 0,4 1,611Nov 28,0 27,5 27,5 27,5 27,5 27,5 28,5 27,0 27,5 27,0 28,0 28,5 28,5 27,0 27,7 0,5 1,727Nov 26,0 26,3 27,0 27,0 26,5 26,5 26,3 26,5 26,5 26,5 26,5 28,0 28,0 26,0 26,6 0,5 1,829Dez 29,0 28,0 - - - 29,0 29,0 28,5 29,0 28,5 29,0 30,0 30,0 28,0 28,9 0,5 1,8
Máximo 30,5 30,0 31,0 30,0 30,0 30,0 30,5 30,5 30,5 30,5 30,5 31,0 31,0 29,5 - - -Mínimo 18,8 19,8 21,0 20,0 21,0 21,0 20,5 20,0 20,5 19,5 20,0 20,0 21,0 18,8 - - -Média 25,2 25,1 25,9 25,9 25,8 25,8 25,7 25,5 25,8 25,6 25,8 26,3 - - - - -
DP 3,1 3,0 2,7 2,5 2,4 2,4 2,6 2,5 2,7 2,7 2,7 2,8 - - - - -CV (%) 12,2 11,8 10,3 9,7 9,2 9,3 10,1 9,8 10,4 10,4 10,5 10,8 - - - - -
164Apêndice 9.1 C - Concentração de clorofila-a (µg.l-1)
Data E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 Máximo Mínimo Média DP CV (%)
11Jan 14,2 4,7 4,6 3,7 4,2 4,0 4,0 4,6 - 4,2 - - 14,2 3,7 5,4 3,1 58,727Jan 4,5 4,1 3,6 2,7 4,8 4,1 5,2 0,3 4,9 3,9 - 4,7 5,2 0,3 3,9 1,3 33,828Fev 0,3 0,2 0,8 0,4 0,9 1,5 0,5 0,9 0,9 1,4 1,5 1,5 1,5 0,2 0,9 0,5 51,716Mar 4,3 3,4 3,5 2,8 3,6 3,1 3,3 3,3 2,9 3,7 4,0 3,8 4,3 2,8 3,5 0,4 12,101Abr 0,6 0,8 1,4 0,7 1,2 0,9 0,4 1,2 0,6 1,7 0,6 - 1,7 0,4 0,9 0,4 42,017Abr 3,8 1,9 1,0 1,2 1,1 1,3 0,9 1,5 2,0 2,5 1,5 1,9 3,8 0,9 1,7 0,8 45,103Mai 2,2 1,6 1,4 1,9 1,1 0,7 0,9 2,1 1,5 2,8 1,8 2,1 2,8 0,7 1,7 0,6 34,319Mai 2,1 1,4 0,9 0,8 3,0 1,3 0,1 2,4 1,3 3,1 - 1,6 3,1 0,1 1,6 0,9 54,304Jun - - - - - - - - - - - - - - - - -20Jun 15,6 0,7 0,4 0,3 3,9 1,4 0,9 1,7 1,5 1,6 1,5 1,2 15,6 0,3 2,6 4,0 157,506Jul 1,2 1,4 1,4 0,5 1,1 2,2 1,1 0,5 2,1 - 2,2 0,5 1,3 0,6 43,922Jul 2,0 2,2 1,1 3,6 1,5 2,1 1,3 0,9 0,0 2,9 1,9 1,4 3,6 0,0 1,7 0,9 51,8
07Ago 1,0 1,3 5,4 0,6 0,3 1,2 0,9 1,9 1,8 1,9 2,3 2,5 5,4 0,3 1,8 1,3 72,423Ago 0,0 0,7 0,4 0,6 0,3 0,1 0,3 0,7 - 1,2 2,3 3,2 3,2 0,0 0,9 1,0 106,608Set - 2,9 2,2 2,5 1,2 1,5 1,0 1,2 1,0 - - - 2,9 1,0 1,7 0,7 41,124Set 1,2 1,8 - - - 1,2 1,5 1,4 1,2 2,6 1,9 1,2 2,6 1,2 1,6 0,4 28,810Out 0,8 1,2 0,9 0,3 1,3 0,0 0,0 0,3 0,0 3,9 0,5 0,0 3,9 0,0 0,8 1,0 136,626Out 0,5 1,2 0,7 0,5 1,2 0,3 1,9 1,0 0,7 0,5 0,5 2,5 2,5 0,3 1,0 0,6 65,911Nov 0,0 0,0 0,5 0,2 0,5 0,9 0,0 1,4 0,7 1,6 0,3 0,7 1,6 0,0 0,6 0,5 89,527Nov 0,3 0,7 0,9 1,2 1,0 1,0 0,7 2,0 1,0 2,2 0,7 0,5 2,2 0,3 1,0 0,5 53,129Dez 0,7 1,7 - - - 2,9 2,2 3,6 1,7 - 2,9 1,6 3,6 0,7 2,2 0,9 40,2
Máximo 15,6 4,7 5,4 3,7 4,8 4,1 5,2 4,6 4,9 4,2 4,0 4,7 15,6 3,7 - - -Mínimo 0,0 0,0 0,4 0,2 0,3 0,0 0,0 0,3 0,0 0,5 0,3 0,0 1,5 0,0 - - -Média 2,9 1,7 1,7 1,4 1,8 1,6 1,4 1,6 1,4 2,4 1,6 1,9 - - - - -
DP 4,3 1,2 1,5 1,2 1,4 1,1 1,3 1,1 1,1 1,0 1,0 1,2 - - - - -CV (%) 148,8 71,3 85,0 84,7 77,3 71,6 99,1 66,8 80,3 41,7 61,1 62,4 - - - - -
165Apêndice 9.1 D - Total de sólidos em suspensão (mg.l-1)
Data E1 E2 E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 Máximo Mínimo Média DP CV (%)11Jan 4,2 4,4 2,9 3,6 2,1 3,4 4,6 2,7 - 2,5 - - 4,6 2,1 3,4 0,8 2527Jan 9,2 9,0 10,7 13,5 11,7 10,2 9,3 12,5 5,2 11,0 - 36,1 36,1 5,2 12,6 7,7 6128Fev 2,4 4,2 3,5 5,5 4,8 5,8 4,3 5,0 4,1 8,5 2,8 7,5 8,5 2,4 4,9 1,7 3516Mar 67,0 6,1 6,8 2,7 4,6 2,3 5,8 4,1 1,7 10,1 2,9 7,7 67,0 1,7 10,2 17,3 17001Abr 12,4 21,9 21,7 10,3 17,2 25,0 10,3 9,9 10,9 13,4 21,0 23,8 25,0 9,9 16,5 5,6 3417Abr 21,8 37,8 27,0 11,3 27,3 20,5 7,6 30,5 14,0 34,3 8,7 15,5 37,8 7,6 21,4 9,7 4503Mai 9,1 12,8 5,9 6,1 6,7 23,4 6,1 8,0 4,4 8,0 9,2 10,1 23,4 4,4 9,2 4,8 5319Mai 31,8 7,9 4,9 2,0 3,8 3,5 4,4 5,4 3,4 5,8 - 4,2 31,8 2,0 7,0 8,0 11404Jun 9,1 12,8 5,9 6,1 6,7 23,4 6,1 8,0 4,4 8,0 9,2 10,1 23,4 4,4 9,2 4,8 5320Jun 5,1 2,9 4,2 1,7 2,2 5,3 4,7 7,1 12,8 2,2 6,8 3,5 12,8 1,7 4,9 2,9 6006Jul 6,9 7,0 1,6 1,4 0,0 1,2 9,1 6,0 6,1 11,4 2,6 4,7 11,4 0,0 4,8 3,4 7022Jul 6,7 10,1 7,8 6,0 3,7 5,2 10,3 4,1 7,5 12,2 8,5 11,6 12,2 3,7 7,8 2,7 35
07Ago 6,5 8,6 7,2 4,4 3,3 3,2 9,9 7,2 7,8 8,1 7,9 12,1 12,1 3,2 7,2 2,5 3523Ago 10,4 9,6 7,5 7,6 3,9 2,6 5,1 3,7 5,4 7,7 16,0 29,0 29,0 2,6 9,0 7,0 7708Set - 11,0 5,8 5,7 6,4 6,4 6,7 6,5 7,8 - - - 11,0 5,7 7,0 1,6 2324Set 8,0 14,1 - - - 4,6 8,1 6,0 5,8 8,1 11,1 9,8 14,1 4,6 8,4 2,8 3310Out 3,7 3,0 - 3,7 4,9 2,6 6,4 0,9 1,7 4,8 2,2 2,4 6,4 0,9 3,3 1,5 4626Out 7,5 11,3 7,1 2,8 10,5 12,1 4,8 9,5 2,4 7,5 6,4 11,0 12,1 2,4 7,7 3,1 4011Nov 10,5 10,3 12,2 9,8 7,0 5,2 10,2 6,7 7,4 19,2 7,2 8,1 19,2 5,2 9,5 3,5 3727Nov 8,1 8,5 8,0 15,1 11,1 10,9 10,9 8,0 5,3 12,6 10,6 8,1 15,1 5,3 9,8 2,5 2629Dez 3,8 5,4 - - - 9,3 43,9 11,1 5,8 - 9,4 33,9 43,9 3,8 15,3 14,0 91
Máximo 67,0 37,8 27,0 15,1 27,3 25,0 43,9 30,5 14,0 34,3 21,0 36,1 67,0 9,9 - - -Mínimo 2,4 2,9 1,6 1,4 0,0 1,2 4,3 0,9 1,7 2,2 2,2 2,4 4,6 0,0 - - -Média 12,2 10,4 8,4 6,3 7,3 8,9 9,0 7,8 6,2 10,3 8,4 13,1 - - - - -
DP 14,2 7,5 6,2 3,9 6,2 7,5 8,1 5,8 3,2 6,8 4,7 9,8 - - - - -CV (%) 116,0 71,5 74,4 62,4 84,9 84,6 90,4 74,3 52,5 66,6 55,9 75,0 - - - - -
166Apêndice 9.1 E - Profundidade do disco de Secchi (m)
Data E3 E4 E5 E6 E7 E8 E9 E10 E11 E12 Máximo Mínimo Média DP CV (%)
11Jan 2,8 3,0 2,5 2,0 2,5 3,0 - 2,0 - - 3,0 2,0 2,5 0,4 15,4327Jan 4,5 4,0 3,5 3,5 3,5 - 4,5 2,7 2,5 2,5 4,5 2,5 3,5 0,7 21,2428Fev 4,0 2,5 4,0 3,5 3,5 4,5 3,0 - 3,0 2,5 4,5 2,5 3,4 0,7 19,4016Mar 4,0 3,0 3,3 3,5 3,0 3,0 3,0 2,0 3,0 1,5 4,0 1,5 2,9 0,7 23,0001Abr 3,5 - 3,5 3,5 4,2 3,2 3,5 2,3 3,5 3,0 4,2 2,3 3,4 0,5 14,3317Abr 5,0 3,5 3,4 2,5 3,2 2,0 2,2 1,5 2,5 1,5 5,0 1,5 2,7 1,0 37,2903Mai 6,0 3,5 3,0 3,5 3,5 3,0 3,5 1,5 2,5 1,5 6,0 1,5 3,2 1,2 38,2619Mai 5,0 3,5 3,5 4,0 2,0 3,0 3,5 2,5 - 4,0 5,0 2,0 3,4 0,8 24,1404Jun 4,5 3,8 4,0 5,5 3,0 3,0 3,0 2,0 3,5 2,5 5,5 2,0 3,5 1,0 27,7720Jun 6,0 4,0 3,0 4,0 3,0 3,0 4,0 2,0 5,0 3,0 6,0 2,0 3,7 1,1 29,7306Jul 6,0 3,0 3,0 4,5 3,0 3,3 3,0 2,3 3,5 2,7 6,0 2,3 3,4 1,0 29,6222Jul 4,0 3,0 2,8 3,0 2,6 2,6 2,9 1,4 2,0 1,2 4,0 1,2 2,6 0,8 30,74
07Ago 3,0 2,5 3,0 2,5 2,5 2,5 2,0 1,8 1,5 1,2 3,0 1,2 2,3 0,6 25,5523Ago 3,2 2,9 2,5 3,5 2,0 2,5 2,5 1,5 1,5 1,0 3,5 1,0 2,3 0,8 32,9408Set 2,3 3,0 3,0 3,0 2,2 2,5 2,3 - - - 3,0 2,2 2,6 0,3 13,1624Set - - - 2,5 1,9 1,9 2,2 1,5 2,2 1,7 2,5 1,5 2,0 0,3 15,7910Out 2,8 2,2 2,7 2,9 1,9 2,2 2,1 1,6 1,9 2,2 2,9 1,6 2,3 0,4 17,9226Out 3,0 3,2 3,0 3,0 2,5 2,5 2,8 2,0 2,8 2,2 3,2 2,0 2,7 0,4 13,6611Nov 3,5 3,0 3,5 3,0 2,8 3,2 2,8 1,7 2,5 2,0 3,5 1,7 2,8 0,6 20,0827Nov 4,5 3,5 4,0 4,0 2,5 2,2 3,0 2,0 2,5 2,5 4,5 2,0 3,1 0,8 26,9429Dez - - - 2,5 3,0 2,5 3,0 1,6 2,2 2,3 3,0 1,6 2,4 0,4 18,42
Máximo 6,0 4,0 4,0 5,5 4,2 4,5 4,5 2,7 5,0 4,0 6,0 2,5 - - -Mínimo 2,3 2,2 2,5 2,0 1,9 1,9 2,0 1,4 1,5 1,0 2,5 1,0 - - -Média 4,1 3,2 3,2 3,3 2,8 2,8 2,9 1,9 2,7 2,2 - - - - -
DP 1,1 0,5 0,5 0,8 0,6 0,6 0,6 0,4 0,8 0,7 - - - - -CV (%) 27,2 15,4 14,2 23,4 21,4 20,3 21,3 19,2 30,7 34,1 - - - - -
167Apêndice 9.1 F - Profundidade (m)
Data E3 E4 E5 E6 E7 E8 E9 E10 E11 E12
28Fev 8,5 2,5 5,0 7,0 4,5 7,5 3,0 4,5 5,8 3,516Mar 8,5 3,0 6,5 6,8 4,0 8,2 3,0 5,0 6,0 3,601Abr 9,5 3,5 3,5 7,0 4,2 7,5 3,5 4,9 6,5 3,017Abr 8,0 3,5 4,5 5,5 3,2 7,5 3,0 4,0 4,0 2,803Mai 8,5 3,5 4,8 7,0 3,5 8,0 3,5 4,4 4,0 2,519Mai 8,5 3,5 3,5 6,0 2,0 7,0 3,5 3,0 - 4,004Jun 7,5 3,8 4,0 6,5 3,0 7,5 3,0 4,0 6,0 3,020Jun - 4,0 3,0 6,0 3,0 7,5 4,0 4,5 7,0 3,006Jul 8,0 3,0 3,0 7,0 3,0 7,8 3,0 4,0 3,5 2,722Jul 7,8 3,0 3,5 7,0 3,5 7,5 3,0 4,2 5,3 3,0
07Ago 7,5 6,0 4,5 6,5 4,0 8,0 3,0 4,5 4,5 2,523Ago 8,5 3,2 5,0 5,0 2,0 5,5 3,0 4,0 3,0 3,008Set 7,5 3,5 3,5 6,0 3,0 8,5 3,0 - - -24Set - - - 7,0 3,2 7,5 3,0 4,5 4,0 2,810Out 8,5 3,5 4,0 6,5 2,8 7,0 3,0 4,0 2,5 2,526Out 7,0 4,0 4,0 6,0 3,0 6,0 2,8 4,0 2,8 3,211Nov 7,3 3,0 5,0 6,5 2,8 7,0 2,8 3,6 5,5 2,527Nov 8,0 3,5 4,0 7,0 3,0 6,5 3,0 4,0 2,5 2,529Dez - - - 7,5 3,0 7,0 3,0 5,0 4,7 2,6
Máximo 9,5 6,0 6,5 7,5 4,5 8,5 4,0 5,0 7,0 4,0Mínimo 7,0 2,5 3,0 5,0 2,0 5,5 2,8 3,0 2,5 2,5Média 8,1 3,5 4,2 6,5 3,2 7,3 3,1 4,2 4,6 2,9
168Apêndice 9.1 G - Horário das coletas (HH:MM, LST)
Data E10 E8 E5 E3 E4 E6 E7 E9 E11 E1211Jan 10:00 - 16:45 15:15 15:55 17:10 17:55 - - -27Jan 10:00 10:45 14:00 12:20 13:00 14:35 15:25 16:27 - -28Fev 09:25 10:20 14:04 12:00 - 14:55 15:24 16:42 17:30 -16Mar 09:00 09:50 10:50 11:35 12:10 13:15 13:40 14:35 15:20 15:3501Abr 09:02 09:15 10:37 11:20 11:32 13:00 13:29 14:30 15:17 15:4017Abr 08:30 09:15 10:05 10:50 11:32 12:50 13:13 14:30 15:10 15:3003Mai 08:40 09:32 10:24 11:09 12:06 13:07 13:39 14:23 16:01 16:1819Mai 10:12 10:57 11:49 12:32 13:19 14:26 15:05 16:11 - -04Jun 09:15 09:40 10:50 11:20 11:54 12:56 13:25 14:30 15:00 15:2520Jun 08:20 09:00 09:45 10:20 10:45 11:35 12:00 12:55 13:26 13:3906Jul 10:00 10:35 11:33 12:15 12:44 13:55 14:27 15:30 16:00 16:2522Jul 10:15 11:20 12:00 12:50 13:25 14:20 14:50 16:00 16:40 17:00
07Ago 08:45 09:35 10:30 11:10 11:45 12:40 13:10 14:10 14:40 14:5523Ago 09:00 09:50 10:40 11:15 11:45 12:40 13:15 14:20 15:05 15:3008Set - 09:26 10:20 11:00 11:40 12:30 12:52 13:50 - -24Set 09:40 10:16 - - - 10:50 11:25 12:40 13:20 13:4010Out 09:47 10:30 11:15 11:55 12:30 13:20 13:50 14:55 15:28 15:4526Out 08:15 08:49 09:42 10:18 10:54 11:41 12:07 13:09 13:45 14:0511Nov 09:00 09:45 10:35 11:15 11:45 12:37 13:02 14:05 14:39 14:5527Nov 08:40 09:05 09:50 10:35 11:00 11:50 12:15 13:10 13:35 13:4529Dez 09:00 09:45 - - - 10:29 11:02 12:34 13:17 13:41
169
9.2 ESPECTROS DO FATOR DE REFLECTÂNCIA DA ÁGUA E RESPECTIVAS
CURVAS DE PRIMEIRA DERIVADA (EM 1/NM) E SEGUNDA DERIVADA (EM
1/NM2) OBTIDOS NAS ESTAÇÕES AMOSTRADAS NAS DATAS SELECIONADAS
PARA ANÁLISE.
182Apêndice 9.3 A - Diagramas de dispersão entre a concentração de clorofila-a (CLA) e os valores da derivada 2ª do fator de reflectância em
658 nm (D2F658). (continua).
1° de Abril
CLA
1.81.61.41.21.0.8.6.4.2
D2F
658
.000020
.000018
.000016
.000014
.000012
.000010
.000008
.000006
10
9
7
6
5
3
17 de Abril
12
11
10
9
8
76
54
3
CLA
3.02.52.01.51.0.5
D2F
658
.000018
.000016
.000014
.000012
.000010
.000008
.000006
.000004
03 de Maio
CLA
3.02.52.01.51.0.5
D2F
658
.000014
.000012
.000010
.000008
.000006
.000004
.000002
10
9
8
7
6
5
4
3
20 de Junho
CLA
43210
D2F
658
.000012
.000010
.000008
.000006
.000004
.000002
12
11
10
9
8
76
5
4
3
22 de Julho
CLA
4.03.53.02.52.01.51.0.5
D2F
658
.000008
.000007
.000006
.000005
.000004
10
8
7
6
5
4
3
23 de Agosto
CLA
1.41.21.0.8.6.4.20.0
D2F
658
.000012
.000010
.000008
.000006
.000004
.000002
0.000000
10
87
6 5
4
3
183Apêndice 9.3 A - (conclusão).
10 de Outubro
CLA
43210-1
D2F
658
.000010
.000008
.000006
.000004
.000002
0.000000
12
11
10
9
8
7
6
54
26 de Outubro
CLA
3.02.52.01.51.0.50.0
D2F
658
.000012
.000010
.000008
.000006
.000004
.000002
12
11
10
9
8
7
6
54 3
11 de Novembro
CLA
2.01.51.0.50.0-.5
D2F
658
.000012
.000010
.000008
.000006
.000004
.000002
12
11
10
9
8
7
6
5
4
3
27 de Novembro
CLA
2.52.01.51.0.50.0
D2F
658
.000006
.000005
.000004
.000003
.000002
12 1110
9
8
7
6
5 4
3
29 de Dezembro
12
119
8
7
6
CLA
4.03.53.02.52.01.5
D2F
658
.0000054
.0000052
.0000050
.0000048
.0000046
.0000044
.0000042
.0000040
.0000038
184Apêndice 9.3 B - Diagramas de dispersão entre a concentração de clorofila-a (CLA) e a diferença entre os valores da derivada 2ª do fator de
reflectância em 658 e em 673 nm (D2DIF). (continua).
1° de Abril
CLA
1.81.61.41.21.0.8.6.4.2
D2D
IF
.00003
.00002
.00001
0.00000
10
9
7
6
5 3
17 de Abril
12
11
10
9
8
76
5 43
CLA
3.02.52.01.51.0.5
D2D
IF
.000024
.000022
.000020
.000018
.000016
.000014
.000012
.000010
.000008
.000006
03 de Maio
CLA
3.02.52.01.51.0.5
D2D
IF
.000018
.000016
.000014
.000012
.000010
.000008
.000006
.000004
10
9
87
6
54
3
20 de Junho
CLA
43210
D2D
IF
.000016
.000014
.000012
.000010
.000008
.000006
.000004
1211
10
9
8
7
65
4
3
22 de Julho
10
8
7
6
5
43
CLA
4.03.53.02.52.01.51.0.5
D2D
IF
.000011
.000010
.000009
.000008
.000007
.000006
.000005
23 de Agosto
CLA
1.41.21.0.8.6.4.20.0
D2D
IF
.000018
.000016
.000014
.000012
.000010
.000008
.000006
.000004
.000002
10
8
7
65
4
3
185Apêndice 9.3 B - (conclusão).
10 de Outubro
CLA
43210-1
D2D
IF
.000014
.000012
.000010
.000008
.000006
.000004
.000002
12
11
10
9
8
7
6
5
4
26 de Outubro
12
11
10 9
8 7
6
54
3
CLA
3.02.52.01.51.0.50.0
D2D
IF
.000012
.000011
.000010
.000009
.000008
.000007
.000006
.000005
.000004
.000003
11 de Novembro
CLA
2.01.51.0.50.0-.5
D2D
IF
.000016
.000014
.000012
.000010
.000008
.000006
.000004
.000002
12
11
10
9
8
7
6
543
27 de Novembro
1211
10
98
7
65
4
3
CLA
2.52.01.51.0.50.0
D2D
IF
.000008
.000007
.000006
.000005
.000004
.000003
.000002
29 de Dezembro
CLA
4.03.53.02.52.01.5
D2D
IF
.000007
.000006
.000005
.000004
12
11
9
87
6
186Apêndice 9.3 C - Diagramas de dispersão entre a profundidade do disco de Secchi (SEC) e o fator de reflectância bidirecional espectral em
652 nm (BD652). (continua).
1° de Abril
SEC
4.54.03.53.02.52.0
BD
652
.03
.02
.01
0.00
10
9
7
6
5
3
17 de Abril
SEC
654321
BD
652
.04
.03
.02
.01
0.00
12
11
10
9
8
76 5 4 3
03 de Maio
SEC
7654321
BD
652
.03
.02
.01
0.00
10
9
8
7
65 4
3
20 de Junho
SEC
7654321
BD
652
.018
.016
.014
.012
.010
.008
.006
12
11
10
9
8
7
6
5
4
3
22 de Julho
10
8
7
6
5
4 3
SEC
4.54.03.53.02.52.01.51.0
BD
652
.018
.016
.014
.012
.010
.008
.006
23 de Agosto
SEC
4.03.53.02.52.01.51.0
BD
652
.05
.04
.03
.02
.01
0.00
10
9
87
65 4
3
187Apêndice 9.3 C - (conclusão).
10 de Outubro
SEC
3.02.82.62.42.22.01.81.61.4
BD
652
.018
.016
.014
.012
.010
.008
.006
.004
1211
10
9
8
7
6
5
4
26 de Outubro
12
1110 9
8
7
6
5
4
3
SEC
3.43.23.02.82.62.42.22.01.8
BD
652
.022
.020
.018
.016
.014
.012
.010
.008
.006
11 de Novembro
12
11
10
9
8
7
6
54 3
SEC
4.03.53.02.52.01.5
BD
652
.020
.018
.016
.014
.012
.010
.008
.006
.004
27 de Novembro
1211109
8
7
6
5
4
3
SEC
5.04.54.03.53.02.52.01.5
BD
652
.016
.014
.012
.010
.008
.006
.004
.002
29 de Dezembro
12
11
10
9
8
7
6
SEC
3.23.02.82.62.42.22.01.81.61.4
BD
652
.017
.016
.015
.014
.013
.012
.011
.010
.009
.008
188Apêndice 9.3 D - Diagramas de dispersão entre a profundidade do disco de Secchi (SEC) e o valor da derivada 1ª do fator de reflectância em
713 nm (D1F713). (continua).
1° de Abril
SEC
4.54.03.53.02.52.0
D1F
713
.0001
0.0000
-.0001
-.0002
10
9
7
6
53
17 de Abril
SEC
654321
D1F
713
0.0000
-.0001
-.0002
-.0003
-.0004
-.0005
12
11
10
9
8
765 4 3
03 de Maio
SEC
7654321
D1F
713
0.0000
-.0001
-.0002
-.0003
-.0004
10
98
7
6
5 4 3
20 de Junho
12
11
10
9
8
7
6
5
43
SEC
7654321
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
-.00020
-.00022
-.00024
22 de Julho
10
8
7
6
5
4
3
SEC
4.54.03.53.02.52.01.51.0
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
-.00020
-.00022
23 de Agosto
SEC
4.03.53.02.52.01.51.0
D1F
713
0.0000
-.0001
-.0002
-.0003
-.0004
109
8
7
65 4 3
189Apêndice 9.3 D - (conclusão).
10 de Outubro
SEC
3.02.82.62.42.22.01.81.61.4
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
121110
9
8
7
6
54
26 de Outubro
SEC
3.43.23.02.82.62.42.22.01.8
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
1211
10
9
8
7
6
54
3
11 de Novembro
SEC
4.03.53.02.52.01.5
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
12
11
10
9
8
7
6
5
43
27 de Novembro
SEC
5.04.54.03.53.02.52.01.5
D1F
713
-.00002
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
12
11
10
9
8
76
54
3
29 de Dezembro
SEC
3.23.02.82.62.42.22.01.81.61.4
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
-.00020
12
11
10
9
8
7
6
190Apêndice 9.3 E - Diagramas de dispersão entre a profundidade do disco de Secchi (SEC) e o valor da derivada 2ª do fator de reflectância em
685 nm (D2F685). (continua).
1° de Abril
10
9
7
6
53
SEC
4.54.03.53.02.52.0
D2F
685
.00001
0.00000
-.00001
-.00002
-.00003
17 de Abril
SEC
654321
D2F
685
-.000002
-.000004
-.000006
-.000008
-.000010
-.000012
-.000014
-.000016
12
11
10
9
8
76
54
3
03 de Maio
SEC
7654321
D2F
685
-.000002
-.000004
-.000006
-.000008
-.000010
-.000012
-.000014
10
9
8 7
6
5
4
3
20 de Junho
SEC
7654321
D2F
685
0.000000
-.000002
-.000004
-.000006
-.000008
-.000010
12
11
10
9
8
7
6
5
43
22 de Julho
SEC
4.54.03.53.02.52.01.51.0
D2F
685
-.000002
-.000004
-.000006
-.000008
-.000010
-.000012
10
8
7
6
5
4
3
23 de Agosto
SEC
4.03.53.02.52.01.51.0
D2F
685
0.000000
-.000002
-.000004
-.000006
-.000008
-.000010
-.000012
10
9
87
65 4
3
191Apêndice 9.3 E - (conclusão).
10 de Outubro
12
11
10
9
8
7
6
5
4
SEC
3.02.82.62.42.22.01.81.61.4
D2F
685
0.000000
-.000001
-.000002
-.000003
-.000004
-.000005
-.000006
26 de Outubro
12
11
109
8
7
6
54
3
SEC
3.43.23.02.82.62.42.22.01.8
D2F
685
-.000001
-.000002
-.000003
-.000004
-.000005
-.000006
-.000007
-.000008
.000009
11 de Novembro
12
1110
9
8
7
6 54 3
SEC
4.03.53.02.52.01.5
D2F
685
0.000000
-.000002
-.000004
-.000006
-.000008
-.000010
-.000012
27 de Novembro
SEC
5.04.54.03.53.02.52.01.5
D2F
685
-.000001
-.000002
-.000003
-.000004
-.000005
-.000006
-.000007
1211
10
98
7
6
5
4 3
29 de Dezembro
1211
10
9
8
7
6
SEC
3.23.02.82.62.42.22.01.81.61.4
D2F
685
-.000002
-.000003
-.000004
-.000005
-.000006
-.000007
-.000008
.000009
192Apêndice 9.3 F - Diagramas de dispersão entre a profundidade (PROF) e a diferença entre os valores da derivada 1ª do fator de reflectância
em 589 e 558 nm (D1DIF2). (continua).
1° de Abril
109
7
65
3
PROF
109876543
D1D
IF2
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
-.0011
-.0012
17 de Abril
12
11
10
9
8
7
6
5
4
3
PROF
98765432
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
-.0011
03 de Maio
PROF
9876543
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
10
9
8
7
6
5
4
3
20 de Junho
PROF
8765432
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.000812
11
109
8
7
6
5
4
22 de Julho
PROF
8765432
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
10
8
7
6
5
4
3
23 de Agosto
10
9
8
7
6
5
4
3
PROF
987654321
D1D
IF2
-.0002
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
193Apêndice 9.3 F - (conclusão).
10 de Outubro
12
11
10
9
8
7
6
54
PROF
8765432
D1D
IF2
-.0002
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
26 de Outubro
PROF
8765432
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
-.0011
12
11
10
9
8
7
6
543
11 de Novembro
PROF
8765432
D1D
IF2
-.0002
-.0004
-.0006
-.0008
-.0010
-.0012
-.0014
1211
10
9
8
7
6
54
3
27 de Novembro
PROF
98765432
D1D
IF2
-.0002
-.0003
-.0004
-.0005
-.0006
-.0007
12
11
10
9
8
7
6
54
3
29 de Dezmbro
12
11
109
8
7
6
PROF
8765432
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
194Apêndice 9.3 G - Diagramas de dispersão entre o total de sólidos em suspensão (TSS) e o valor da derivada 1ª do fator de reflectância em 713
nm (D1F713). (continua).
1° de Abril
TSS
262422201816141210
D1F
713
.0001
0.0000
-.0001
-.0002
10
9
7
6
53
17 de Abril
TSS
403020100
D1F
713
0.0000
-.0001
-.0002
-.0003
-.0004
-.0005
12
11
10
9
8
7 654 3
03 de Maio
TSS
3020100
D1F
713
0.0000
-.0001
-.0002
-.0003
-.0004
10
98
7
6
543
20 de Junho
12
11
10
9
8
7
6
5
43
TSS
14121086420
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
-.00020
-.00022
-.00024
22 de Julho
10
8
7
6
5
4
3
TSS
1412108642
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
-.00020
-.00022
23 de Agosto
TSS
8765432
D1F
713
0.0000
-.0001
-.0002
-.0003
-.0004
109
8
7
6 5 43
195Apêndice 9.3 G - (conclusão).
10 de Outubro
TSS
76543210
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
121110
9
8
7
6
54
26 de Outubro
TSS
1412108642
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
1211
10
9
8
7
6
54
3
11 de Novembro
TSS
201816141210864
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
-.00018
12
11
10
9
8
7
6
5
43
27 de Novembro
TSS
16141210864
D1F
713
-.00002
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
12
11
10
9
8
76
54
3
29 de Dezembro
TSS
50403020100
D1F
713
-.00004
-.00006
-.00008
-.00010
-.00012
-.00014
-.00016
12
11
9
8
7
6
196Apêndice 9.3 H - Diagramas de dispersão entre o total de sólidos em suspensão (TSS) e a diferença entre os valores das derivadas primeiras
do FR em 521 nm e 558 nm (D1DIF1). (continua).
1° de Abril
TSS
262422201816141210
D1D
IF1
.0012
.0010
.0008
.0006
.0004
.0002
1097
6
5
3
17 de Abril
TSS
403020100
D1D
IF1
.0010
.0008
.0006
.0004
.0002
0.0000
12
1110
9
8
7 654 3
03 de Maio
TSS
3020100
D1D
IF1
.0009
.0008
.0007
.0006
.0005
.0004
.0003
.0002
.0001
109
8
7
6
543
20 de Junho
TSS
14121086420
D1D
IF1
.0009
.0008
.0007
.0006
.0005
.0004
.0003
.0002
.0001
12
11
10
9
87
6
5
4 3
22 de Julho
TSS
1412108642
D1D
IF1
.0007
.0006
.0005
.0004
.0003
.0002
.0001
108
76
5
43
23 de Agosto
109
8
765 43
TSS
8765432
D1D
IF1
.0008
.0007
.0006
.0005
.0004
.0003
.0002
.0001
197Apêndice 9.3 H - (conclusão).
10 de Outubro
TSS
76543210
D1D
IF1
.0008
.0007
.0006
.0005
.0004
.0003
.0002
.0001
12
11
10
9
8
76 54
26 de Outubro
TSS
1412108642
D1D
IF1
.0010
.0008
.0006
.0004
.0002
0.0000
12
11
10
9
8
76
54 3
11 de Novembro
TSS
201816141210864
D1D
IF1
.0010
.0008
.0006
.0004
.0002
0.0000
12
11
10
9
8 76 5 4 3
27 de Novembro
TSS
16141210864
D1D
IF1
.00032
.00030
.00028
.00026
.00024
.00022
.00020
.00018
.00016
.00014
12 11
10
9
8
76
5
4
3
29 de Dezembro
TSS
50403020100
D1D
IF1
.00028
.00026
.00024
.00022
.00020
.00018
.00016
.00014
.00012
.00010
12
11
9
8
7
6
198Apêndice 9.3 I - Diagramas de dispersão entre o total de sólidos em suspensão (TSS) e a diferença entre os valores das derivadas primeiras de
FR em 589 nm e 558 nm (D1DIF2). (continua).
1° de Abril
109
7
65
3
TSS
262422201816141210
D1D
IF2
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
-.0011
-.0012
17 de Abril
12
11
10
9
8
7
6
5
4
3
TSS
403020100
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
-.0011
03 de Maio
TSS
3020100
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
10
9
8
7
6
5
4
3
20 de Junho
TSS
14121086420
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.000812
11
109
8
7
6
5
43
22 de Julho
TSS
1412108642
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
10
8
7
6
5
4
3
23 de Agosto
10
9
8
7
6
5
4
3
TSS
8765432
D1D
IF2
-.0002
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
199Apêndice 9. 3 I - (conclusão).
10 de Outubro
12
11
10
9
8
7
6
54
TSS
76543210
D1D
IF2
-.0002
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
26 de Outubro
TSS
1412108642
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
-.0008
.0009
-.0010
-.0011
12
11
10
9
8
7
6
543
11 de Novembro
TSS
201816141210864
D1D
IF2
-.0002
-.0004
-.0006
-.0008
-.0010
-.0012
-.0014
1211
10
9
8
7
6
54
3
27 de Novembro
TSS
16141210864
D1D
IF2
-.0002
-.0003
-.0004
-.0005
-.0006
-.0007
12
11
10
9
8
7
6
54
3
29 de Dezembro
12
11
9
8
7
6
TSS
50403020100
D1D
IF2
-.0003
-.0004
-.0005
-.0006
-.0007
200
9.4 DIAGRAMAS DE DISPERSÃO ENTRE OS PARÂMETROS AMBIENTAIS E OS
DADOS MULTIESPECTRAIS DO SENSOR THEMATIC MAPPER - TM
201Apêndice 9.4 A - Diagramas de dispersão entre a profundidade do disco de Secchi (SEC, em m) e a banda TM3.
17 de Abril
SEC
6543210
TM
3
24
22
20
18
16
14
12
121110
987
6
5
43
2
1
03 de Maio
SEC
76543210
TM
3
20
18
16
14
12
10
121110
98
7
65
4
3
2
1
20 de Junho
12
1110
98
7
65
4
3
2
1
SEC
76543210
TM
3
18
17
16
15
14
13
12
11
10
9
22 de Julho
121110 9
8
7
65
4
3
2
1
SEC
4.54.03.53.02.52.01.51.0.5
TM
3
20
19
18
17
16
15
14
13
12
27 de Novembro
SEC
543210
TM
3
40
30
20
10
1211109
87
6
5
4
3
2
1
29 de Dezembro
1211
10 987
6
2
1
SEC
3.53.02.52.01.51.0.5
TM
3
36
34
32
30
28
26
24
22
20
202Apêndice 9.4 B - Diagramas de dispersão entre a profundidade do disco de Secchi (SEC, em m) e a razão entre as bandas TM3 e TM1(TM31).
17 de Abril
SEC
6543210
TM
31
.40
.38
.36
.34
.32
.30
.28
.26
.24
.22
12 1110
987
65
4 3
2
1
03 de Maio
121110 9
8
7
654 3
2
1
SEC
76543210
TM
31
.40
.38
.36
.34
.32
.30
.28
.26
.24
.22
20 de Junho
SEC
76543210
TM
31
.38
.36
.34
.32
.30
.28
.26
.24
.22
12
1110
98
7
65
4
3
2
1
22 de Julho
SEC
4.54.03.53.02.52.01.51.0.5
TM
31
.38
.36
.34
.32
.30
.28
.26
.24
1211
109
8
765
4
3
2
1
27 de Novembro
SEC
543210
TM
31.5
.4
.3
.2
121110
98 7 6
54
3
2
1
29 de Dezembro
121110 9
8 76
2
1
SEC
3.53.02.52.01.51.0.5
TM
31
.44
.42
.40
.38
.36
.34
.32
.30
.28
.26
203Apêndice 9.4 C - Diagramas de dispersão entre a profundidade (PROF, em m) e a banda TM3.
17 de Abril
PROF
1086420
TM
3
24
22
20
18
16
14
12
121110
9 87
6
5
43
2
1
03 de Maio
PROF
1086420
TM
3
20
18
16
14
12
10
1211 10
98
7
65
4
3
2
1
20 de Junho
12
1110
9 8
7
65
4
2
1
PROF
876543210
TM
3
18
17
16
15
14
13
12
11
10
9
22 de Julho
1211109
8
7
65
4
3
2
1
PROF
86420
TM
3
20
19
18
17
16
15
14
13
12
27 de Novembro
PROF
1086420
TM
3
40
30
20
10
1211 109
87
6
5
4
3
2
1
29 de Dezembro
1211
10987
6
2
1
PROF
876543210
TM
3
36
34
32
30
28
26
24
22
20
204Apêndice 9.4 D - Diagramas de dispersão entre a profundidade (PROF, em m) e a razão entre as bandas TM3 e TM1 (TM31).
17 de Abril
PROF
1086420
TM
31
.40
.38
.36
.34
.32
.30
.28
.26
.24
.22
12 1110
9 87
65
4 3
2
1
03 de Maio
1211 109
8
7
654 3
2
1
PROF
1086420
TM
31
.40
.38
.36
.34
.32
.30
.28
.26
.24
.22
20 de Junho
PROF
876543210
TM
31
.38
.36
.34
.32
.30
.28
.26
.24
.22
12
1110
9 8
7
65
4
2
1
22 de Julho
PROF
86420
TM
31
.38
.36
.34
.32
.30
.28
.26
.24
1211
109
8
765
4
3
2
1
27 de Novembro
PROF
1086420
TM
31
.5
.4
.3
.2
1211 10
987 6
54
3
2
1
29 de Dezembro
12 11109
876
2
1
PROF
876543210
TM
31
.44
.42
.40
.38
.36
.34
.32
.30
.28
.26
205Apêndice 9.4 E - Diagramas de dispersão entre a concentração de clorofila-a (CLA) e o segundo fator da transformação por principaiscomponentes aplicada às bandas TM1, TM2 e TM3 (PC2).
17 de Abril
CLA
3.02.52.01.51.0.5PC2
129.0
128.5
128.0
127.5
127.0
126.5
126.0
125.5
12
11
10
9
87 65
43
03 de Maio
CLA
3.02.52.01.51.0.5
PC
2
131
130
129
128
127
126
125
12
1110
9
8
7
6
5
4
3
20 de Junho
CLA
43210
PC2
127.4
127.2
127.0
126.8
126.6
126.4
126.2
126.0
125.8
12
1110
9
87
6
5
4 3
22 de Julho
CLA
43210-1
PC2
128.5
128.0
127.5
127.0
126.5
126.0
125.5
12
11
10
9
8
7
65
4
3
27 de Novembro
1211
10
9
8
7
6
5
4
3
CLA
2.52.01.51.0.50.0
PC2
129.0
128.5
128.0
127.5
127.0
126.5
126.0
125.5
125.0
124.5
29 de Dezembro
CLA
4.03.53.02.52.01.5
PC2
128.0
127.5
127.0
126.5
126.0
125.5
12
11
9
8
7
6
206Apêndice 9.4 F - Diagramas de dispersão entre a profundidade do disco de Secchi (SEC) e a banda TM1.
17 de Abril
SEC
654321
TM
1
61
60
59
58
57
56
55
54
53
12
11
10
9
8
7
6
5
4
3
03 de Maio
SEC
7654321
TM
1
56
54
52
50
48
46
12 11
10
98
7
65
4
3
20 de Junho
SEC
7654321
TM
1
48
47
46
45
44
43
1211
10
9
8
7
65
4
3
22 de Julho
SEC
4.54.03.53.02.52.01.51.0
TM
1
53
52
51
50
49
48
47
12
11
10
9
8
7
6
5
4
3
27 de Novembro
1211
109
8
7
6
5
4
3
SEC
5.04.54.03.53.02.52.01.5
TM
1
82
80
78
76
74
72
70
29 de Dezembro
SEC
3.23.02.82.62.42.22.0
TM
1
80
79
78
77
76
75
74
73
72
12
11
9
8
7
6
207Apêndice 9.4 G - Diagramas de dispersão entre a profundidade do disco de Secchi (SEC) e o primeiro fator da transformação por principaiscomponentes aplicada às bandas TM1, TM2 e TM3 (PC1).
17 de Abril
SEC
654321
PC1
134
132
130
128
126
124
12
11
10
98
7
6
5
4
3
03 de Maio
SEC
7654321
PC1
133
132
131
130
129
128
127
126
125
12 11
10
98
7
65
4
3
20 de Junho
SEC
7654321
PC1
132
131
130
129
128
127
126
125
12
1110
9
8
7
65
4
3
22 de Julho
SEC
4.54.03.53.02.52.01.51.0
PC1
131
130
129
128
127
126
125
12
11
10
9
8
7
6
5
4
3
27 de Novembro
SEC
5.04.54.03.53.02.52.01.5
PC1
134
132
130
128
126
124
122
12
11
10
9
8
7
6
5
4
3
29 de Dezembro
SEC
3.23.02.82.62.42.22.0
PC1
134
132
130
128
126
124
12
11
9
8
7
6
208Apêndice 9.4 H - Diagramas de dispersão entre a profundidade (PROF) e a banda TM1.
17 de Abril
PROF
98765432
TM
1
61
60
59
58
57
56
55
54
53
12
11
10
9
8
7
6
5
4
3
03 de Maio
PROF
98765432
TM
1
56
54
52
50
48
46
12 11
10
98
7
65
4
3
20 de Junho
1211
10
9
8
7
65
4
PROF
8765432
TM
1
48.0
47.5
47.0
46.5
46.0
45.5
45.0
44.5
44.0
43.5
22 de Julho
PROF
8765432
TM
1
53
52
51
50
49
48
47
12
11
10
9
8
7
6
5
4
3
27 de Novembro
1211
109
8
7
6
5
4
3
PROF
98765432
TM
1
82
80
78
76
74
72
70
29 de Dezembro
PROF
8765432
TM
1
80
79
78
77
76
75
74
73
72
12
11
9
8
7
6
209Apêndice 9.4 I - Diagramas de dispersão entre profundidade (PROF) e o primeiro fator da transformação por principais componentes aplicadaàs bandas TM1, TM2 e TM3 (PC1).
17 de Abril
PROF
98765432
PC1
134
132
130
128
126
124
12
11
10
98
7
6
5
4
3
03 de Maio
PROF
98765432
PC1
133
132
131
130
129
128
127
126
125
12 11
10
98
7
65
4
3
20 de Junho
PROF
8765432
PC1
132
131
130
129
128
127
126
12
1110
9
8
7
65
4
22 de Julho
PROF
8765432
PC1
131
130
129
128
127
126
125
12
11
10
9
8
7
6
5
4
3
27 de Novembro
PROF
98765432
PC1
134
132
130
128
126
124
122
12
11
10
9
8
7
6
5
4
3
29 de Dezembro
PROF
8765432
PC1
134
132
130
128
126
124
12
11
9
8
7
6
210
9.5 DIAGRAMAS DE DISPERSÃO ENTRE OS DADOS TM CORRIGIDOS(TMC, %) E OS DADOS TM SIMULADOS A PARTIR DE DADOSESPECTRORRADIOMÉTRICOS (RTM, %).
211Apêndice 9.5 - (continua).
17 de Abril
RTM1
.06.05.04.03.02
TM
1C
.042
.040
.038
.036
.034
.032
.030
.028
.026
12
11
10
9
8
7
6
5
4
3
17 de Abril
RTM2
.07.06.05.04.03.02
TM
2C
.06
.05
.04
.03
12
1110
9
8
7
6
5
4
3
17 de Abril
RTM3
.03.02.010.00
TM
3C
.034
.032
.030
.028
.026
.024
.022
.020
.018
12
11
10
9
8
7
6
5
4
3
03 de Maio
RTM1
.05.04.03.02.01
TM
1C
.026
.024
.022
.020
.018
.016
.014
.012
.010
.008
10
98
7
65
4
3
03 de Maio
RTM2
.05.04.03.02.01
TM
2C
.038
.036
.034
.032
.030
.028
.026
.024
.022
.020
10
98
7
6
5
4
3
03 de Maio
RTM3
.022.020.018.016.014.012.010.008.006.004
TM
3C
.022
.020
.018
.016
.014
.012
.010
10
9
8
7
6
5
4
3
212Apêndice 9.5 - (continuação).
20 de Junho
RTM1
.04.03.02.01
TM
1C
.012
.010
.008
.006
.004
.002
1211
10
9
8
7
65
4
3
20 de Junho
RTM2
.05.04.03.02
TM
2C
.03
.02
.01
0.00
12
11 10
98
7
65
4
3
20 de Junho
RTM3
.016.014.012.010.008.006.004
TM
3C
.018
.016
.014
.012
.010
.008
12
11
10
9
8
7
6 5
4
3
22 de Julho
RTM1
.04.03.02.01
TM
1C
.020
.018
.016
.014
.012
.010
.008
108
7
6
5
4
3
22 de Julho
RTM2
.05.04.03.02.01
TM
2C
.032
.030
.028
.026
.024
.022
.020
10
8
7
6
5
4
3
22 de Julho
10
8
7
6
5
4
3
RTM3
.016.014.012.010.008.006
TM
3C
.023
.022
.021
.020
.019
.018
.017
.016
213Apêndice 9.5 - (conclusão).
27 de Novembro
RTM1
.04.03.02.01
TM
1C
.15
.14
.13
.12
.11
1211
109
8
7
6
5
4
3
27 de Novembro
RTM2
.024.022.020.018.016.014.012.010.008
TM
2C
.15
.14
.13
.12
.11
.10
12
11
10
9
8
7
6
5
4
3
27 de Novembro
12
11
10
9
8
7
6
5
4
3
RTM3
.012.010.008.006.004.002
TM
3C
.09
.07
.06
.05
29 de Dezembro
RTM1
.038.036.034.032.030.028.026.024
TM
1C
.17
.16
.15
.14
12
11
10
9
8
7
6
29 de Dezembro
RTM2
.026.024.022.020.018.016
TM
2C
.18
.17
.16
.15
.14
.13
12
11
10
9
8
7
6
29 de Dezembro
RTM3
.011.010.009.008.007.006.005
TM
3C
.11
.10
.09
.08
12
11
10
98
7
6
Recommended