XXIII SIMPÓSIO BRASILEIRO DE RECURSOS HIDRÍCOS
UTILIZAÇÃO DE MODELOS SEMI-EMPÍRICOS PARA ESTIMAÇÃO DA CONCENTRAÇÃO DE CLOROFILA-A EM UM SISTEMA ESTUARINO
LAGUNAR TROPICAL
José Matheus Anacleto Caldeira Alves1; Regina Camara Lins2; Carlos Ruberto Fragoso Júnior3&
David da Motta Marques4
RESUMO – Estuários são ecossistemas com alto nível de produtividade além de zonas de alta importância socioeconômica para a população costeira. O consequente desenvolvimento dessas zonas traz consigo o aumento do aporte de nutrientes para esses corpos hídricos, fenômeno que contribui para o surgimento de estuários com altos níveis de eutrofização. Sendo assim, o monitoramento do estado trófico de um estuário se apresenta como fator de extrema relevância para a gestão de recursos hídricos, e pode ser realizado através de indicadores indiretos, como a concentração do pigmento clorofila-a. Neste contexto, este estudo tem o objetivo de avaliar o desempenho de modelos semi- empíricos de duas, três e quatro bandas para estimar a concentração de clorofila-a, utilizando a reflectância de sensoriamento remoto (Rrs), medida in situ, no Complexo Estuarino-Lagunar Mundaú- Manguaba (CELMM), localizado no Estado de Alagoas. Foi observado um alto desempenho no uso dos modelos de duas, três e quatro bandas no complexo, devido à alta correlação (r² = 0,99) entre a clorofila-a e a reflectância, sinalizando um grande potencial de uso do sensoriamento remoto no complexo.
ABSTRACT – Estuaries are high productivity level ecosystems as well as areas of high socioeconomic importance for the coastal population. The consequent development of these zones brings with it the increase of the nutrient supply to these water bodies, a phenomenon that contributes to the emergence of estuaries with high levels of eutrophication. Therefore, the monitoring of the trophic state of an estuary presents as an extremely relevant factor for the management of water resources, and can be performed through indirect indicators, such as the chlorophyll-a pigment concentration. In this context, this study aims to evaluate the performance of two-, three- and four- band semi-empirical models to estimate chlorophyll-a concentration using remote sensing reflectance (Rrs), measured in situ, at the Mundaú-Manguaba Estuary-Lagunar Complex (CELMM) located in the State of Alagoas. It was observed a high performance in the use of the two-, three- and four-band models in the complex, due to the high correlation (r² = 0.99) between the chlorophyll-a and the reflectance, signaling a great potential of remote sensing use in the complex.
Palavras-Chave – estuários, sensoriamento remoto, eutrofização.
1) Universidade Federal de Alagoas, Av. Lourival Melo Mota, S/N- Tabuleiro do Martins, 57072-900, Maceió/AL, (82) 3214-1289, jmatheusalves3@gmail.com
2) Universidade Federal do Rio Grande do Sul, Instituto de Pesquisas Hidráulicas, Caixa Postal 15029, Av. Bento Gonçalves, 9500, 91501-970 - Porto Alegre/RS, reginacamaralins@hotmail.com
3) Universidade Federal de Alagoas, Av. Lourival Melo Mota, S/N- Tabuleiro do Martins, 57072-900, Maceió/AL, (82) 3214-1605, ruberto@ctec.ufal.br
INTRODUÇÃO
Estuários, ecossistemas costeiros altamente produtivos, se apresentam como zonas de alta importância socioeconômica, seja para atividades comerciais como recreativas (Le et. al., 2013).
Associado a esse cenário, observa-se que o desenvolvimento destas áreas as expõe a diversos problemas ambientais, causados pelo aumento do aporte externo (alóctone) de nutrientes nos corpos hídricos, devido a atividades antrópicas e naturais (Vitousek et. al., 1997). Em consequência, esse aumento tem gerado estuários com alto nível de eutrofização, fenômeno catalisador do aumento da turbidez da água (Lins et. al., 2017).
A concentração do pigmento fotossintético clorofila-a (Chl-a) é geralmente o parâmetro mais utilizado como indicador indireto do estado de eutrofização de um estuário (Matthews, 2011). A medição desse indicador é geralmente feita in loco, através de coleta de amostras e posterior análise em laboratório, sendo este processo extremamente dispendioso em tempo e recursos técnicos e financeiros (Lins et. al., 2017). Sendo assim, a obtenção dos níveis de clorofila-a utilizando sensoriamento remoto se apresenta como uma solução capaz de permitir o monitoramento da dinâmica do ecossistema, em grandes áreas, com relativo baixo custo (Dall’Olmo et al., 2003).
O sensoriamento remoto da cor da água objetiva então, neste caso, obter informações quantitativas sobre a clorofila-a utilizando propriedades óticas, como a reflectância de sensoriamento remoto (Rrs), pelas quais é possível obter as variações na forma espectral e na magnitude do sinal da cor da água (IOCCG, 2000). Na prática, para estimar remotamente a clorofila-a, são estabelecidos modelos matemáticas capazes de correlacionar a reflectância para diferentes comprimentos de onda com a concentração do pigmento. Entretanto, nas zonas de transição entre rios e oceanos, como os sistemas estuarinos, esse processo se torna um pouco mais complicado pois outras substâncias, como o CDOM (Colour Dissolved Organic Matter) e os sedimentos suspensos, também contribuem na resposta espectral obtida pelo sensoriamento (Yu et. al., 2014). Por conseguinte, a estimativa remota de clorofila-a nesses ecossistemas requer algoritmos com máxima sensibilidade à clorofila-a e mínima sensibilidade a esses outros constituintes (Gurlin et al., 2011).
Desta forma, para evitar a absorção sobreposta e não-correlacionada de matéria orgânica dissolvida (CDOM) e de sólidos suspensos, não é recomendado utilizar as faixas espectrais do azul e verde, geralmente utilizadas em águas oceânicas, nas águas túrbidas dos estuários (Brezonik et al., 2015). Em tal caso, as abordagens com maior potencial de estimação da clorofila-a tem sido obtidas com modelos que utilizam a região do infravermelho próximo (NIR) e vermelho (Red), onde é verificada uma menor influência na reflectância pela presença de CDOM e sólidos suspensos (Gitelson et al., 2008).
Assim sendo, o presente trabalho tem o objetivo de estabelecer e avaliar o desempenho de modelos matemáticos semi-empíricos, de duas, três e quatro bandas, em estimar a concentração de clorofila-a, indicador indireto da eutrofização do estuário, utilizando medições radiométricas in situ, considerando a faixa espectral de 320 nm a 950 nm.
MATERIAIS E MÉTODOS
O presente trabalho utilizou como área de estudo o Complexo Estuarino-Lagunar Mundaú- Manguaba, CELMM, que é um sistema estuarino lagunar tropical localizado no estado de Alagoas.
Pode-se afirmar que o complexo é formado por três compartimentos: a Laguna Mundaú, a Laguna Manguaba e um sistema de canais coberto com manguezais que liga as duas lagunas.
Foram estabelecidos 35 pontos de amostragem ao longo do complexo (Figura 1), em duas campanhas realizadas em 26/02/2019, na laguna Mundaú, e 27/02/2019, na laguna Manguaba. Em cada ponto, foram coletadas amostras de água para posterior análise laboratorial e, simultaneamente, foram realizadas as medições radiométricas in situ para determinação da reflectância de sensoriamento remoto (Rrs).
Figura 1 – Área de estudo com os pontos de amostragem
As amostras de água coletadas em cada ponto foram estocadas em garrafas de 2L e imediatamente protegidas da luz. No máximo 12h após a coleta, as amostras foram filtradas em membranas com diâmetro de 0,45 μm e extraída com acetona 90% para obtenção da concentração de clorofila-a em laboratório, seguindo o protocolo descrito pela American Public Health Association et al. (2005).
As medições radiométricas em cada ponto foram efetuadas através de Sensores TriOs RAMSES, com um sensor de irradiância e dois sensores de radiância, com operação na faixa espectral de 320 nm a 950 nm, apoiados sobre um eixo vertical de alumínio. O sensor de irradiância é responsável por quantificar a irradiância descendente (Ed), já os sensores de radiância quantificam a radiância ascendente acima da superfície da água (L ) e a radiância do céu (L) utilizada para corrigir
os efeitos da reflexão da luz na interface entre o ar e a água. Através destas medições, é possível calcular a reflectância de sensoriamento remoto (Rrs) através da equação abaixo (Mobley, 1999):
𝑅𝑟𝑠(𝜆) =𝐿𝑤(𝜆)
𝐸𝑑(𝜆) (1)
Onde, Lw é a radiância ascendente. Como não é possível mensurar diretamente a radiância ascendente (Lw), ela é calculada como a subtração entre a radiância ascendente acima da superfície da água (Lu) e a radiância do céu que é diretamente refletida na interface entre o ar e a água (Lr), que também não é diretamente mensurada, sendo calculada então como Lr = ρ . Ls, onde ρ é um fator de proporcionalidade sendo o valor de 0,028 sendo considerável aceitável. Sendo assim, a equação demonstrada acima se torna (Mobley, 1999):
𝑅𝑟𝑠(𝜆) =𝐿𝑢(𝜆) − 𝜌.𝐿𝑠(𝜆)
𝐸𝑑(𝜆) (2)
Os modelos matemáticos estabelecidos para correlacionar as reflectâncias (Rrs) nos diferentes comprimentos de onda na região do infravermelho próximo (NIR) e do vermelho (Red) com as concentrações de clorofila-a, em cada ponto de amostragem, foram os modelos de duas bandas (Equação 3), de três bandas (Equação 4) e de quatro bandas (Equação 5):
𝑐𝑙𝑜𝑟𝑜𝑓𝑖𝑙𝑎 ∝ 𝑅𝑟𝑠(𝜆𝑁𝐼𝑅)
𝑅𝑟𝑠(𝜆𝑅𝑒𝑑) (3) 𝑐𝑙𝑜𝑟𝑜𝑓𝑖𝑙𝑎 ∝ [𝑅𝑟𝑠(𝜆1)−1− 𝑅𝑟𝑠(𝜆2)−1]𝑥𝑅𝑟𝑠(𝜆3) (4) 𝑐𝑙𝑜𝑟𝑜𝑓𝑖𝑙𝑎 ∝ [𝑅𝑟𝑠(𝜆1)−1− 𝑅𝑟𝑠(𝜆2)−1]/[𝑅𝑟𝑠(𝜆4)−1− 𝑅𝑟𝑠(𝜆3)−1] (5)
Sendo λ1 a localização de máxima absorção pela clorofila-a, que é afetada pelos outros constituintes citados anteriormente, λ2 é onde ocorre a mínima absorção (máxima reflectância) por todos os constituintes, ou seja, a subtração da reflectância nessa faixa serve como correção para a fração da reflectância em λ1 que não advém da clorofila-a, e λ3, que é a faixa de absorção dominada pela água, utilizada para diminuir as consequências do retroespalhamento (backscattering). No modelo de quatro bandas, desenvolvido por Le et. al. (2009), é adicionada a quarta banda λ4, com o objetivo de minimizar os impactos gerados pelo retroespalhamento e absorção por sólidos suspensos.
Para a construção dos modelos matemáticos era necessário testar todas as combinações possíveis de comprimentos de onda das bandas do infravermelho próximo e do vermelho. Para tal, foi utilizado um programa desenvolvido em MATLAB que utiliza algoritmo genético para otimizar a busca dos melhores comprimentos de onda que combinados retornam o melhor ajuste linear tomando como base o maior coeficiente de determinação (r²) e a menor raiz do erro médio quadrático (RMSE), nesta ordem (Matias et al., 2019).
RESULTADOS E DISCUSSÃO
Com as análises laboratoriais realizadas com as amostras retiradas nas campanhas, é possível ter uma estimativa do estado trófico das duas lagunas e do complexo como todo. Esses dados estão sintetizados na Tabela 1. As concentrações de clorofila-a medidas no complexo confirmam a natural suscetibilidade do sistema à eutrofização, já visto em outros estudos (Cotovicz Junior, 2012; Lins, 2017; Santos et al., 2019). A concentração de clorofila-a na laguna Mundaú variou de 2,10 a 28,67 mg/m³, o que classifica o seu estado trófico, de maneira geral, entre mesotrófico (3,24 mg/m3 < CL ≤ 11,03 mg/m3) e eutrófico (11,03 mg/m3 < CL ≤ 30,55 mg/m3). Já a laguna Manguaba apresentou concentração de clorofila-a muito maior, variando entre 25,03 e 124,60 mg/m³, implicando em um estado trófico mais crítico, já classificado como hipereutrófico (CL > 69,05 mg/m3).
Tabela 1 – Valores máximos, mínimos e médios das concentrações de clorofila-a e sólidos suspensos totais determinados em laboratório.
Local N° de
amostras
Clorofila-a (mg/m3) Sólidos Suspensos (mg/L)
Min Máx Med Min Máx Med
CELMM 35 2,10 124,60 51,72 5,60 164,80 42,88 Laguna Mundaú 18 2,10 28,67 16,70 23,20 164,80 58,85 Laguna Manguaba 17 25,03 124,60 101,15 5,60 140,80 26,92
Segundo Santos et al. (2019), embora o aporte de nutrientes possa ser mais constante na laguna Mundaú, devido a maior urbanização ao seu redor, o tempo de residência da laguna Manguaba é maior (16 dias para a laguna Mundaú e 36 dias para a laguna Manguaba) (Melo-Magalhães et al., 2009), o que pode influenciar nessa discrepância.
A resposta espectral de cada laguna em todos os pontos de coleta estão expostas nas figuras abaixo:
Figura 3 – Resposta Espectral nos pontos de coleta da Laguna Mundaú
Embora demonstrem diferentes estados tróficos, a resposta espectral observada para as duas lagunas possuem muitas semelhanças. Na região do azul (400 – 500 nm), onde há uma alta absorção pelos constituintes da água (Le et al., 2009), constata-se que os valores de reflectância não são proeminentes, devido à alta concentração de clorofila-a e sólidos suspensos, comportamento esperado em águas túrbidas (Gitelson et al., 2008).
Em torno de 560 - 580 nm, é possível observar picos de reflectância nas duas lagunas onde não só a clorofila-a, mas todos os outros constituintes opticamente ativos da água (CDOM, sólidos suspensos e a própria água) contribuem.
Particularmente na resposta espectral da Laguna Manguaba, é possível observar um pico de absorção em torno de 625 nm, fato já observado no estudo feito por Santos et al. (2019) no complexo, atribuído à presença de algumas espécies de microalgas azuis, como Anabaeana spiroides e Microcystis aeruginosa, como visto por Melo-Magalhães et al. (2009, apud. Santos et al., 2019). Já em torno de 670 nm é possível observar outro pico de absorção, presente na resposta espectral das duas lagunas, causado pela característica óptica da clorofila-a, que tem um ligeiro aumento em seu coeficiente de absorção neste comprimento de onda.
O segundo pico de reflectância mais proeminente ocorre em torno de 700 nm nas duas lagunas, e acontece devido ao alto retroespalhamento e a mínima absorção por todos os constituintes opticamente ativos. Esse pico é usualmente observado em águas túrbidas e produtivas (Gitelson, 1992; Lins et al., 2017; Santos et al., 2019) e sua posição costuma flutuar entre 690 nm e 715 nm (Le et al., 2009). Segundo Lins et al. (2017), essa flutuação na região vermelha possui alta correlação com o aumento na concentração de clorofila-a. A partir de 810 nm, a resposta espectral passa a ser altamente influenciada pela presença de sólidos suspensos.
A calibração dos modelos de duas, três e quatro bandas utilizaram os dados de todo o complexo e os três demonstraram um alto potencial para estimação remota da clorofila-a, fator constatado pela altíssima correlação entre esta e a reflectância (r² = 0,99) e o baixo erro encontrado (RSME < 4,7). Esses valores e os parâmetros p e q (coeficientes ângulares e lineares da reta, respectivamente) estão expostos na tabela abaixo.
Tabela 2 – Desempenho dos modelos de duas, três e quatro bandas para representar a concentração de clorofila-a no CELMM
Modelo p q r² RMSE
Rrs(723)/Rrs(590) 5,24 120,96 0,990 4,65 (Rrs(697)-1 – Rrs(695)-1) x Rrs(816) -2247,17 15,32 0,992 4,11 (Rrs(694)-1 – Rrs(699)-1) / (Rrs(720)-1 – Rrs(724)-1) 74,97 17,10 0,991 4,29
Para a estimação da clorofila-a, os modelos de duas, três e quatro bandas apresentaram desempenhos muito satisfatórios, constatado através dos seus altos coeficientes de determinação (r²
= 0,99 nos três modelos). A inclusão da terceira e quarta banda demonstraram pouca melhora no modelo, devido ao crítico estado trófico do estuário, ou seja, por possuir alta concentração de clorofila-a. Além disso, nos comprimentos de onda que se mostraram ótimos no modelo de duas bandas, λ1 = 590 nm e λ2 = 723 nm, há pouca absorção por parte do CDOM influenciando na reflectância (Kirk, 1976, 2011).
Em comparação aos estudos anteriores realizados no complexo por Lins et al. (2017) e Santos et al. (2019), é possível inferir a melhora na correlação entre a propriedade óptica mensurada (Reflectância de sensoriamento remoto) e a variável de qualidade da água estimada (clorofila-a).
Observa-se melhor acurácia na etapa de calibração dos novos modelos gerados, não apenas por dispor de espectroradiômetro com faixa espectral mais ampla, como também devido à presença de concentrações mais elevadas de clorofila-a e concentrações semelhantes de sólidos em suspensão em relação aos estudos anteriores, possibilitando assim uma maior capacidade dos modelos em identificar a resposta espectral proveniente da clorofila-a na área de estudo.
CONCLUSÕES
Neste estudo, estabelecemos e analisamos o desempenho de modelos semi-empíricos para estimação da concentração da clorofila-a em um sistema estuarino lagunar tropical, utilizando medições radiométricas in situ. Os resultados obtidos demostraram um alto potencial de uso de sensoriamento remoto no CELMM (r² = 0,99 nos modelos NIR-Red de duas, três e quatro bandas), que demonstrou ser um estuário com um já crítico estado trófico. Além disso, com a resposta espectral
das duas lagunas, foi possível observar comportamentos já esperados para águas túrbidas e produtivas e também concluir aspectos particulares a Laguna Manguaba, como a presença de microalgas azuis.
Para se obter sucesso neste processo é necessário manter em mente as limitações associadas ao sensoriamento remoto de corpos aquáticos. Deve-se sempre buscar adquirir as medidas em dias com ausência de nebulosidade e geralmente entre 9 e 15 horas do horário local, garantindo assim que se evite o baixo ângulo de elevação solar. Vencer estas limitações se tornam ainda mais importante quando se tratam de ambientes aquáticos continentais devido a sua complexidade óptica.
Com os modelos gerados, recomenda-se o uso de dados independentes do complexo para validação destes. A partir daí estudos futuros poderão almejar a utilização de sensores orbitais como fonte dos dados de reflectância, possibilitando assim a dispensabilidade de visitas de campo.
AGRADECIMENTOS
Os autores agradecem ao CNPq (Edital MCTI/CNPq/2013 – Universal) e a FINEP (Edital Nº. 01.13.0419.0) que possibilitaram a compra dos radiômetros utilizados em campo, através dos editais citados. A concessão da bolsa PET/MEC concedida ao primeiro autor.
REFERÊNCIAS
American Public Health, A. et al. (2005). “Standard methods for the examination of water and wastewater.” Washington, D.C.: APHA-AWWA-WEF.
BREZONIK, P.L.; OLMANSON, L.G.; FINLAY, J.C.; BAUER, M.E. (2015) “Factors affecting the measurement of cdom by remote sensing of optically complex inland waters.” Remote Sens. Environ.
157, pp. 199–215.
COTOVICZ JUNIOR, L.C.; BRANDINI, N.; KNOPPERS, B. A.; SOUZA, W.F.L. de; MEDEIROS, P.R.P. (2012). “Comparação de Modelos e Índices para Avaliação do Estado Trófico do Complexo Estuarino-Lagunar Mundaú- Manguaba, (AL).” Geoquímica Brasiliensis 26 (1), pp. 7–18.
DALL’OLMO, G.; GITELSON, A. A.; RUNDQUIST, D. C. (2003). “Towards a Unified Approach for Remote Estimation of Chlorophyll-a in Both Terrestrial Vegetation and Turbid Productive Waters.” Geophysical Research Letters, v. 30, n. 18.
GITELSON, A. (1992). “The peak near 700 nm on radiance spectra of algae and water:
Relationships of its magnitude and with chlorophyll concentration.” Remote Sens.13, pp. 3367–3373.
GITELSON, A.; DALL'OLMO, G.; MOSES, W.; RUNDQUIST, D.; BARROW, T.; FISHER, T.;
GURLIN, D.; HOLZ, J. (2008). “A Simple semi-analytical model for remote estimation of chlorophyll-a in turbid waters: Validation.” Remote Sensing of Environment. 112. pp. 3582-3593.
GURLIN, D.; GITELSON, A. A.; MOSES, W. J. (2011) “Remote estimation of chl-a concentration in turbid productive waters — Return to a simple two-band NIR-red model?” Remote Sensing of Environment, v. 115, n. 12, p. 3479-3490.
IOCCG. (2000) “Remote Sensing of Ocean Colour in Coastal, and Other Optically-Complex, Waters.” Dartmouth, Canada, pp. 140. (No 3)
KIRK, J. T. O. (1976). “Yellow substance (gelbstoff) and its contribution to the attenuation of photosynthetically active radiation in some inland and coastal south-eastern Australian waters.”
Marine and Freshwater Research, 27(1), pp. 61-71.
KIRK, J. T. (2011). “Light and photosynthesis in aquatic ecosystems.” Third Edition Cambridge university press.
LE, C.; LI, Y.; ZHA, Y.; SUN, D.; HUANG, C.; LU, H. (2009). “A four-band semi-analytical model for estimating chlorophyll-a in highly turbid lakes: The case of Taihu Lake, China.” Remote Sens.
Environ. 113, pp. 1175–1182.
LE, C.; HU, C.; ENGLISH, D.; CANNIZARO, J.; CHEN, Z.; KOVACH, C.; ANASTASIOU, C.;
ZHAO, J.; CARDER, K. (2013). “Inherent and apparent optical properties of the complex estuarine waters of Tampa Bay: What controls light?”. Estuarine, Coastal and Shelf Science. 117, pp. 54–69.
LINS, R. C. (2017). “Avaliação espaço-temporal da clorofila-a em um sistema estuarino-lagunar utilizando sensoriamento remoto e técnicas estatísticas multivariadas.” Tese (Doutorado) – Universidade Federal de Pernambuco. CTG. Programa de Pós-Graduação em Engenharia Civil, 2017.
p. 104.
LINS, R.C.; MARTINEZ, J.-M.; MOTTA MARQUES, D.D.; CIRILO, J.A.; FRAGOSO JR., C.R.
(2017). “Assessment of Chlorophyll-a Remote Sensing Algorithms in a Productive Tropical
MATIAS, R. S.; LINS, R. C.; COSTA, A. M.; SANTOS, L. S.; DOMINGOS, H. V.; FRAGOSO JR., C. R. (2019). “Uso de algoritmos genéticos para busca automática de bandas ótimas em modelos semi-empíricos de estimativa de clorofila-a” in Anais do XIX Simpósio Brasileiro de Sensoriamento Remoto, Santos, Abr. 2019. Anais eletrônicos... Disponível em: <https://proceedings.science/sbsr- 2019/papers/uso-de-algoritimos-geneticos-para-busca-automatica-de-bandas-otimas-em-modelos- semi---empiricos-de-estimativa-de-clorofi>. Acesso em: 05 mai. 2019.
MATTHEWS, M. W. (2011). “A current review of empirical procedures of remote sensing in inland and near-coastal transitional waters.” International Journal of Remote Sensing, v. 32, n. 21, p. 6855- 6899.
MELO-MAGALHÃES, E.M.; MEDEIROS, P.R.P.; LIRA, M.C.A.; KOENING, M.L.; MOURA, A.N. (2009). ”Determination of eutrophic areas in Mundaú/Manguaba lagoons, Alagoas-Brazil, through studies of the phytoplanktonic community”. Brazilian Journal Biology, Volume (69), pp. 271- 280.
PAERL, H.; VALDES-WEAVER, L. M.; JOYNER, A. R.; WINKELMANN, V. (2007).
“Phytoplankton indicators of ecological change in the eutrophying Pamlico Sound system, North Carolina”. Ecological Applications, 17(5) Supplement, pp. S88-S101.
SANTOS, L. S.; DOMINGOS, H. V.; LINS, R. C.; SANTOS, L. I. P.; COSTA, A. M.; MATIAS, R.
S.; FRAGOSO JR., C. R. (2019). “Avaliação de modelos semi-empíricos para estimativa da concentração de clorofila-a baseado em bandas simuladas de satélites em um sistema estuarino lagunar” in Anais do XIX Simpósio Brasileiro de Sensoriamento Remoto, Santos, Abr. 2019. Anais eletrônicos... Disponível em: <https://proceedings.science/sbsr-2019/papers/avaliacao-de-modelos- semi-empiricos-para-estimativa-da-concentracao-de-clorofila-a-baseado-em-bandas-simuladas-de- sateli> Acesso em: 04 mai. 2019.
VITOUSEK, P. M.; MOONEY, H. A.; LUBCHENKO, J.; MELLILO, J. M. (1997). “Human domination of Earth's ecosystem”. Science. 277, pp. 494-499.
YU, G.; YANG, W.; MATSUSHITA, B.; LI, R.; OYAMA, Y.; FUKUSHIMA, T. (2014). “Remote Estimation of Chlorophyll-a in Inland Waters by a NIR-Red-Based Algorithm: Validation in Asian Lakes.” Remote Sensing. 6, pp. 3492-3510.
