Sensoriamento remoto aplicado ao estudo da concentracao de ...

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

Aos meus pais

e

Aos meus filhos

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


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


concentração de clorofila-a e D2F658, após a exclusão dos dados

espúrios.........................................................................................................97


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


profundidade do disco de Secchi e BD652...................................................101


profundidade do disco de Secchi e D1F713 .................................................101


profundidade do disco de Secchi e D2F685 .................................................101


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


profundidade do disco de Secchi e D2F685, excluindo-se as

estações em que a profundidade de Secchi igualou-se à

profundidade da água....................................................................................103


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


concentração de clorofila-a e o segundo fator de principais

componentes (PC2), após a exclusão das estações com dados

espúrios.........................................................................................................130


profundidade de Secchi e a banda TM1, após a exclusão dos dados

espúrios.........................................................................................................132


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


profundidade e a banda TM1, após a exclusão dos dados espúrios .............134


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.

39

Figu

ra 3

- C

arta

bat

imét

rica

da

Lag

oa d

e A

raru

ama.

Dad

os: D

HN

.

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

88

Figura 12 - Espectros de FR e derivadas primeiras e segundas.

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.


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.


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.



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


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)

120

20 de Junho

22 de Julho

Figura 16 - (continuação)

121

27 de Novembro

29 de Dezembro

Figura 16 - (conclusão)

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


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


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.

170

Apêndice 9.2 A - 1° de Abril

171

Apêndice 9.2 B - 17 de Abril

172

Apêndice 9.2 C - 03 de Maio

173

Apêndice 9.2 D - 20 de Junho

174

Apêndice 9.2 E - 22 de Julho

175

Apêndice 9.2 F - 23 de Agosto

176

Apêndice 9.2 G - 10 de Outubro

177

Apêndice 9.2 H - 26 de Outubro

178

Apêndice 9.2 I - 11 de Novembro

179

Apêndice 9.2 J - 27 de Novembro

180

Apêndice 9.2 K - 29 de Dezembro

181

9.3 DIAGRAMAS DE DISPERSÃO ENTRE PARÂMETROS AMBIENTAIS E

VARIÁVEIS ESPECTRORRADIOMÉTRICAS

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


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


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

Sensoriamento remoto aplicado ao estudo da concentracao de ...

Documents

Transcript of Sensoriamento remoto aplicado ao estudo da concentracao de ...