i
ROSA ELVIRA CORREA PABÓN
ESPECTROSCOPIA DE REFLETÂNCIA E DE IMAGEAMENTO APLICADAS AO MONITORAMENTO DE SOLOS EXPOSTOS EM INSTALAÇÕES PETROLÍFERAS
CAMPINAS 2015
iii
NÚMERO: 508/2015 UNIVERSIDADE ESTADUAL DE CAMPINAS
INSTITUTO DE GEOCIÊNCIAS
ROSA ELVIRA CORREA PABÓN
“ESPECTROSCOPIA DE REFLETÂNCIA E DE APLICADAS AO MONITORAMENTO DE SOLOS EXPOSTOS EM INSTALAÇÕES PETROLÍFERAS”
ORIENTADOR: PROF. DR. CARLOS ROBERTO DE SOUZA FILHO
TESE DE DOUTORADO APRESENTADA AO INSTITUTO DE GEOCIÊNCIAS DA UNICAMP PARA OBTENÇÃO DO TÍTULO DE DOUTORA EM CIÊNCIAS NA ÁREA DE gEOLOGIA E RECURSOS NATURAIS
ESTE EXEMPLAR CORRESPONDE À VERSÃO FINAL DA TESE DEFENDIDA PELA ALUNA ROSA ELVIRA CORREA PABÓN E ORIENTADA PELO PROF. DR. CARLOS ROBERTO DE SOUZA FILHO
CAMPINAS 2015
Ficha catalográfica
Universidade Estadual de Campinas Biblioteca do Instituto de Geociências Cássia Raquel da Silva - CRB 8/5752
Correa Pabón, Rosa Elvira,
1985-C817e CorEspectroscopia de refletância e de imageamento aplicadas ao monitoramento de solos expostos em instalações petrolíferas / Rosa Elvira Correa Pabón. – Campinas, SP : [s.n.], 2015.
CorOrientador: Carlos Roberto de Souza Filho.
CorTese (doutorado) – Universidade Estadual de Campinas, Instituto de Geociências.
Cor1. Espectroscopia de refletância. 2. Espectrometria de imageamento. 3. Solos. 4. Contaminação. 5. Hidrocarbonetos. I. Souza Filho, Carlos Roberto de,1965-. II. Universidade Estadual de Campinas. Instituto de Geociências. III. Título.
Informações para Biblioteca Digital
Título em outro idioma: Reflectance and imaging spectroscopy applied to monitor bare soil in oil facilities Palavras-chave em inglês: Reflectance spectroscopy Imaging spectrometry Soils Pollution Hydrocarbons
Área de concentração: Geologia e Recursos Naturais Titulação: Doutora em Ciências
Banca examinadora:
Carlos Roberto de Souza Filho [Orientador] Emilson Pereira Leite
Jurandir Zullo Júnior Paulina Setti Riedel Wilson José de Oliveira Data de defesa: 28-01-2015
Programa de Pós-Graduação: Geociências
Powered by TCPDF (www.tcpdf.org)
vii
A mis queridos padres Benito Correa Pinzón Myriam Pabón León A mi incondicional esposo Edgar Javier Mogollón A mis queridos hermanos Carlos, Silvia, Laura, Brenda e Andrea A mis adorados sobrinos Juan Andrés, Juan Martín y María José
ix
AGRADECIMENTOS
Agradeço a todos e cada um que, a sua forma, contribuíram à realização deste trabalho. Ao Dr. Carlos Roberto de Souza Filho por ter me aceitado como sua orientanda no programa de Pós-Graduação em Geociências, embora minha formação de Física. Agradeço também pela paciência e a prestatividade durante os tropeços, e especialmente por partilhar sua valiosa experiência.
Ao Programa de Pós-Graduação em Geociências do Instituto de Geociências da Unicamp por ter me aceitado como aluna do programa, e por ter apoiado financeiramente minha participação em diferentes eventos acadêmicos nacionais e internacionais, permitindo assim, a apresentação dos resultados obtidos neste trabalho.
Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico – CNPQ, pela bolsa de doutorado, Processos 134772/2010-5 e 142051/2012-8.
Ao Programa Tecnológico de Transporte (PROTRAN) – PETROBRAS/CENPES pelo financiamento e apoio ao projeto.
Às equipes da FotoTerra e SpecTIR, especialmente aos colegas Guilherme Brechbuhler de Pinho, Jürgen Langenwalter, Conrad Wright e Chris Joyce, pela atenção e competência na realização dos levantamentos hiperespectrais.
Ao meu esposo por se aventurar comigo neste algo chamado doutorado.
A minha família por seu apoio incondicional embora a distância, especialmente a minha tia Rosa Duarte e meus primos Edelmery e Juan Alfonso pelo apoio sem limites em momentos difíceis.
A Thais, Victor, Lucíola, Ieda, Rebecca, Salete, Giuliana, Danilo, Mariana, Samuel, Marquinhos, Flávia, Luciana, Samia, Elenilton, Juanita, Amanda, Veraldo, Emanuel, amigos incansáveis na hora de colaborar, pela sua sincera amizade, seu animo e todo seu apoio.
À Valdirene e a Gorete por sempre estarem presentes durante todo meu processo de doutorado, mesmo desde o primeiro momento que cheguei no Brasil.
À Sra Vilani e sua família e à República Mandala por ter me deixado entrar no seu lar. De coração muito obrigada.
xi
SÚMULA CURRICULAR
Rosa Elvira Correa Pabón
Nascida em 12/05/1985 é original de Bucaramanga, Santander-Colômbia. Formada em Física pela Universidade Industrial de Santander (UIS) na Colômbia em 2008. Iniciou seu doutorado em Geociências na Universidade Estadual de Campinas (UNICAMP) em 2010, focando o seu estudo no processamento de dados ultraespectrais e hiperespectrais voltados para o monitoramento de solos contaminados com hidrocarbonetos. Durante o período de doutorado apresentou vários trabalhos em eventos nacionais e internacionais de alto impacto científico. Tem experiência na área de Sensoriamento Remoto, atuando principalmente nos seguintes temas: espectroscopia de refletância, comportamento espectral de alvos, sensoriamento remoto hiperespectral, correção atmosférica.
xiii
UNIVERSIDADE ESTAUAL DE CAMPINAS INSTITUTO DE GEOCIÊNCIAS
ESPECTROSCOPIA DE REFLETÂNCIA E DE IMAGEAMENTO APLICADAS AO MONITORAMENTO DE SOLOS EXPOSTOS EM INSTALAÇÕES PETROLÍFERAS
RESUMO
Tese de Doutorado Rosa Elvira Correa Pabón
Essa pesquisa compreende a aplicação de técnicas de espectroscopia de refletância e imageamento hiperespectral aeroportado visando o aprimoramento de métodos e sistemas de monitoramento de solos expostos a vazamentos de hidrocarbonetos (HCs), em instalações petrolíferas. O trabalho compreendeu um experimento em ambiente de laboratório, onde contaminações controladas foram realizadas buscando-se simular, em escala reduzida, solos impactados por vazamentos de HCs. Os principais objetivos do experimento foram os seguintes: (i) caracterizar as assinaturas espectrais dos solos impregnados com HCs, em diferentes proporções, no intervalo do espectro visível e infravermelho (350 – 2500 nm); (ii) descrever as principais feições de absorção espectral diagnósticas da presença do HC; (iii) estabelecer os limites de detecção do HC na mistura; (iv) gerar modelos matemáticos de simples aplicação, que permitam estimar o tipo e volume de HCs envolvido na contaminação. Considerando a base gerada nas investigações experimentais, em um segundo passo, técnicas digitais de extração de informações espectrais foram aplicadas a um conjunto de imagens hiperespectrais adquiridas sobre instalações petrolíferas e áreas experimentais de vazamentos de HCs líquidos em escala real. Como resultado, foi possível identificar a distribuição espacial de solos e outros alvos potencialmente contaminados nessas áreas, cujos principais focos foram comprovados no campo. O estudo sugere o grande potencial de aplicação destas tecnologias ultraespectrais e hiperespectrais no monitoramento de solos em torno dos dutos de transporte de HC líquidos e de refinarias, o que pode contribuir para aquilatar a segurança e desempenho operacional de dutos de transporte e armazenamento de HCs na indústria do petróleo.
Palavras chaves: espectroscopia de refletância, imageamento hiperespectral, solos,
xv
UNIVERSITY OF CAMPINAS INSTITUTE OF GEOSCIENCE
REFLECTANCE AND IMAGING SPECTROSCOPY APPLIED TO MONITOR BARE SOILS IN OIL FACILITIES
ABSTRACT
PhD Thesis
Rosa Elvira Correa Pabón
This research involves the application of reflectance and imaging spectroscopy techniques to improve methods and systems to monitor bare soils contaminated by hydrocarbon (HC) leaks in petroleum refineries and pipelines. The study involves an experiment, conducted under laboratory conditions; where controlled contaminations were made aiming to simulate, in a small scale, soils contaminated with hydrocarbon leaks. The main objectives of the experiment are the following: (i) to characterize the spectral signature of contaminated soils, with several proportions of HCs, within visible and infrared wavelengths (350 – 2500 nm); (ii) to describe the main, diagnostic absorption bands linked to the presence of HCs, (iii) to establish concentration limits for the detection of HCs in substrate mixtures; (iv) to generate simple models to estimate the HC type and impregnation level involved in the contamination. The comprehensive spectral libraries yielded during the laboratory experiments were used, in a second step, as an input for the application of digital information extraction techniques to hyperspectral image datasets acquired on real petroleum facilities and field experimental areas of liquid HC leaks. Given such representative scenarios, it was possible to identify the spatial distribution of soils and other potentially contaminated targets in these areas, which were verified further in the field and corresponded to sites with leaks. The study suggests the great potential for intelligent use of ultraspectral and hyperspectral technologies for monitoring soils around pipelines and refineries, adding to the safety and operational performance of oil pipelines and storage in the petroleum industry.
xvii
SUMÁRIO
DEDICATÓRIA ... vii
AGRADECIMENTOS ... ix
SÚMULA CURRICULAR ... ixi
RESUMO ... xiii ABSTRACT ... xv LISTA DE FIGURAS ... xv LISTA DE TABELAS ... xv LISTA DE ABREVIAÇÕES ... xv CAPÍTULO 1 ... 1 1.1. INTRODUÇÃO ... 3 1.2. OBJETIVOS ... 5 1.3. ESTRUTURA DA TESE ... 7
1.4. PARTICIPAÇÃO E TRABALHOS PUBLICADOS EM ANAIS DE CONGRESSOS RESULTANTES DO DOUTORADO ... 7 1.5. REFERÊNCIAS BIBLIOGRÁFICAS ... 8 CAPÍTULO 2 ... 11 RESUMO ... 13 2.1. INTRODUÇÃO ... 13 2.2. MATERIAIS E MÉTODOS ... 15 2.2.1. Instrumentação ... 15 2.2.2. Amostras analisadas ... 15 2.2.3. Descrição do experimento ... 16
2.2.4. Análise de componentes principais – Principal Component Analysis (PCA) ... 17
2.3. RESULTADOS E DISCUSSÕES ... 17
xviii
2.3.2. Caracterização espectral dos solos impregnados com HCs no ambiente controlado de
laboratório ... 18
2.3.3. Análise comparativa qualitativa das assinaturas espectrais dos solos impregnados com HCs ... 22
2.3.4. Variações na resposta espectral dependentes do tipo de solo e do contaminante para os dados na resolução espectral do sensor ProSpecTIR – VS ... 23
2.3.5. Variações na resposta espectral considerando o aumento do volume do contaminante no solo impregnado ... 28 2.4. CONCLUSÕES ... 31 2.5. REFERÊNCIAS BIBLIOGRÁFICAS ... 31 CAPÍTULO 3 ... 35 ABSTRACT ... 37 3.1. INTRODUÇÃO ... 37 3.2. MATERIAIS E MÉTODOS ... 40 3.2.1. Amostras analisadas ... 40 3.2.2. Espectroscopia de refletância ... 42 3.2.3. Difração de raios X (DRX) ... 42 3.2.4. Análise de regressão ... 43 3.3. RESULTADOS E DISCUSSÕES ... 44
3.3.1. Caracterização espectral dos solos sem impregnação de HCs ... 44
3.3.2. Caracterização espectral dos HCs líquidos ... 45
3.3.3. Caracterização espectral dos solos contaminados com HCs líquidos ... 48
3.3.4. Caracterização espectral temporal dos solos contaminados com HCs líquidos ... 54
3.3.5. Análise de regressão linear: modelo para quantificar o nível de contaminação do solo ... 54
3.3.6. Aplicação do modelo de regressão ao conjunto de amostras extraídas de sítios contaminados com HCs (amostras do grupo III) ... 60
3.4. CONCLUSÕES ... 64
3.5. REFERÊNCIAS BIBLIOGRÁFICAS ... 65
CAPÍTULO 4 ... 69
ABSTRACT ... 71
xix
4.2. MATERIAIS E MÉTODOS ... 72
4.2.1. Instrumentação ... 72
4.2.2. Espectroscopia de refletância ... 73
4.2.3. Espectroscopia de imageamento – Dados ProSpecTIR – VS ... 74
4.2.4. Processamento dos dados através do índice do HC (IH) ... 74
4.3. RESULTADOS E DISCUSSÕES ... 75
4.3.1. Espectroscopia de refletância ... 75
4.3.2. Resultados do processamento dos dados hiperespectrais ProSpecTIR – VS ... 82
4.4. CONCLUSÕES ... 84 4.5. REFERÊNCIAS BIBLIOGRÁFICAS ... 84 CAPÍTULO 5 ... 87 ABSTRACT ... 89 5.1. INTRODUÇÃO ... 89 5.2. MATERIAIS E MÉTODOS ... 91 5.2.1. Observações de Campo ... 91
5.2.2. Espectroscopia de refletância e de imageamento ... 93
5.2.3. Análise espectral e detecção de solos contaminados com HCs ... 93
5.2.4. Multiple Endmember Spectral Analysis – MESMA ... 95
5.2.5. Avaliação da exatidão ... 97 5.3. RESULTADOS E DISCUSSÕES ... 98 5.3.1. Espectroscopia de refletância ... 98 5.3.2. Espectroscopia de Imageamento ... 100 5.3.3. Modelos MESMA ... 103 5.4. CONCLUSÕES ... 108 5.5. REFERÊNCIAS BIBLIOGRÁFICAS ... 109 CAPÍTULO 6 ... 115 ABSTRACT ... 117 6.1. INTRODUÇÃO ... 117 6.2. MATERIAIS E MÉTODOS ... 118 6.2.1. Espectroscopia de refletância ... 118
xx
6.2.3. Processamento dos dados ... 122
6.3. RESULTADOS E DISCUSSÕES ... 124
6.3.1. Espectroscopia de refletância ... 124
6.3.2. Espectroscopia de imageamento – Sensor hiperespectral ProSpecTIR – VS ... 133
6.4. CONCLUSÕES ... 139
6.5. REFERÊNCIAS BIBLIOGRÁFICAS ... 139
xxi
LISTA DE FIGURAS
Figura 2.1 Grupos de amostras analisadas ... 16
Figura 2.2 Espectros de refletância das amostras de solo do Grupo II normalizadas através da
remoção do contínuo ... 18
Figura 2.3 Espectros de refletância normalizados através da remoção do continuo dos solos
designados de LS1. LS2. LS3 e LS4 impregnados com diferentes porcentagens do contaminante. Os gráficos resumem as principais alterações observadas nos espectros dos solos contaminados com: A.. Óleo Pesado e Intermediário (PES – INT); B. Óleo Extra-leve e Diesel (EXT – DSL); C. Gasolina (GSL); D. Etanol (ETL). ... 20
Figura 2.4 Gráfico de loadings e scores para o modelo gerado com espectros de solos
impregnados com hidrocarbonetos na proporção de: A. 5%; B. 10%; C. 20%; D. 30%. ... 25
Figura 2.5 Gráfico de loadings e scores da PC-1 para modelo gerado com espectros dos solos
representativos da área de estudo contaminados com: A. Óleo Pesado (PES); B. Óleo Intermediário (INT); C. Óleo Extra-Leve (EXT); D. Diesel (DSL). ... 29
Figura 3.1 Amostras de HCs e solos usadas no experimento. ... 41
Figura 3.2 Espectros de refletância dos solos sem impregnação de hidrocarbonetos,
normalizados através da remoção do contínuo. As letras maiúsculas indicam as feições espectrais típicas de cada mineral. As letras minúsculas indicam os comprimentos de onda das principais bandas de absorção. ... 44
Figura 3.3 Difratogramas dos solos sem impregnação de HC. As letras maiúsculas indicam os
principais picos característicos de cada mineral (Ver Tabela 3.2 para a posição específica de cada pico). ... 46
Figura 3.4 Espectros de refletância dos hidrocarbonetos líquidos normalizados através da
remoção do continuo. As letras minúsculas indicam as principais bandas de absorção (ver Tabela 1.3 para comprimentos de onda específicos). ... 47
Figura 3.5 Espectros de refletância normalizados através da remoção do contínuo dos solos
xxii
diesel (EXT e DSL). As figuras resumem as principais alterações observadas nos espectros dos solos contaminados. As letras minúsculas indicam as principais bandas de absorção. ... 50 Figura 3.6 Espectros de refletância normalizados através da remoção do contínuo dos solos contaminados com gasolina (GSL) . As letras minúsculas indicam as principais bandas de absorção. ... 51
Figura 3.7 Comparação visual do solo não contaminado, do solo úmido e dos solos
contaminados com o diesel e o óleo cru intermediário. ... 51
Figura 3.8 Regiões diagnósticas da presença do hidrocarboneto no solo. ... 53
Figura 3.9 Variação temporal dos espectros de refletância normalizados através da remoção do
contínuo dos solos impregnados com 30% de HC após exposição temporal de 1, 60 e 180 dias. A. Óleo cru pesado e intermediário (PES e INT); B. Óleo cru extra-leve e diesel (EXT e DSL). As figuras resumem as principais alterações observadas nos espectros dos solos contaminados. As letras minúsculas indicam as principais bandas de absorção. O zoom apresenta a principal região diagnóstica da presença do HC no solo (Região I). ... 55
Figura 3.10 Variação temporal dos espectros de refletância normalizados através da remoção do
contínuo dos solos impregnados com 30% de gasolina (GSL) após exposição temporal de 1, 60 e 180 dias. As letras minúsculas indicam as principais bandas de absorção. O zoom apresenta a principal região diagnóstica da presença do HC no solo (Região I). ... 56
Figura 3.11 Feições diagnósticas do hidrocarboneto na Região I. D é o valor da profundidade
(pelo seu nome em inglês depth); RCR é o valor da refletância normalizada nas feições de absorção centradas em 1,725 µm e 1,760 µm, e R é a razão das profundidades dessas feições. D é calculado através de: , e . ... 57
Figura 3.12 Modelos de regressão linear aplicados às profundidades das feições diagnósticas do
hidrocarboneto localizadas em 1.725 µm e 1.760 µm como função do nível de contaminação. O valor R indica o parâmetro estatístico de ajuste. Quanto mais próximo de 1, melhor o ajuste a uma linha reta. ... 58
Figura 3.13 Gráfico dos resíduos dos modelos de regressão linear. Para comparação, os gráficos
xxiii
Figura 3.14 Feições diagnosticas do hidrocarboneto no solo localizadas entre 1,7 – 1,70 µm.
Note-se que as profundidades das feições diagnósticas estão estreitamente relacionadas e, portanto, sua razão pode ser utilizada para estimar o tipo de hidrocarboneto responsável pela contaminação. B. Valor da razão entre as profundidades das feições do hidrocarboneto em 1.725 µm e 1.760 µm. A linha reta indica o valor médio das razões calculadas para cada contaminante. ... 61
Figura 3.15 Espectros de refletância normalizados através do contínuo removido dos solos
extraídos de locais contaminados com hidrocarbonetos. A amostra CS1 foi coletada próxima a um tanque de armazenamento de óleo pesado; a amostra CS2 foi coletada em uma área de recuperação natural de solos contaminados; e a amostra CS3 – contaminada com diesel – foi fornecida de um experimento controlado de vazamento de HCs (cf. Sanches et al., 2013a; b). Para comparação, os gráficos são apresentados com a mesma escala vertical. ... 62
Figura 3.16 Feições diagnósticas do hidrocarboneto na região entre 1,7 – 1,78 µm dos solos do
grupo III. D é a profundidade, e R é o valor da refletância normalizada nas bandas de absorção centradas em 1,725 µm e 1,760 µm. ... 63
Figura 4.1 Amostras analisadas... 73
Figura 4.2 Porção aumentada na banda 1,73 µm do espectro (refletância) de materiais baseados
em HCs. ... 75
Figura 4.3 Espectros de refletância dos solos impregnados com HCs. Os gráficos resumem as
principais mudanças observadas nos espectros impregnados com: A. Óleo Pesado e Intermediário – PES – INT ; B. Óleo Extra-Leve e o combustível Diesel, - EXT – DSL C. Combustível Gasolina – GSL; D. Combustível Etanol – ETL. O retângulo sólido apresenta a principal região diagnóstica da presença do HC. Os retângulos traçejados apresentam as regiões secundárias diagnósticas da presença do HC. ... 77
Figura 4.4 Espectros de refletância normalizados pela remoção do contínuo das amostras
coletadas em instalações petrolíferas. As áreas no retângulo compreendem as feições diagnósticas principais e secundárias da presença do HC no solo. ... 79
Figura 4.5 Índice do Hidrocarboneto vs Nível de Impregnação para os solos impregnados com
xxiv
Figura 4.6 Índice do Hidrocarboneto vs. percentual de impregnação. As linhas em cor laranja
indicam o IH obtido para as amostras coletadas. ... 81
Figura 4.7 A. Imagem do sensor ProSpecTIR – VS de uma Instalação Petrolífera onde foram
coletadas as amostras (Composição R: B53, G: B34, B: B15). B. Resultado da Aplicação do IH aos dados ProSpecTIR - VS. O local ressaltado com o retângulo em cor vermelha corresponde a área de recuperação natural de solos impregnados com HCs. A área realçada com os retângulos menores corresponde a pontos de controle. C. Assinaturas espectrais de pixels extraídos da imagem de solos sem impregnação de HC (amostra designada de LS1) e solos impregnados (referência SC1 e SC2). D. Pontos de campo utilizados para avaliar a efetividade do método. ... 83
Figura 5.1 A. Imagem Google Earth da área de estudo. Localização dos 11 pontos de pesquisa:
solos não contaminados (amostras LSi) e solos contaminados (amostras CSi). B. Fotografia aérea
da área de estudo. Fotografias dos solos não contaminados: C. próximo a um tanque de armazenamento; D. Landfarm. Fotografias dos solos contaminados: E. Próximo a um duto de transporte; F. Lanfarm. ... 92
Figura 5.2 Fluxograma dos passos realizados no pré-processamento dos dados ProSpecTIR – VS
de radiância. ... 94
Figura 5.3 Estrutura hierárquica da Análise MESMA - Multiple Endmember Spectra Mixture Analysis – com três diferentes níveis de complexidade. ... 96 Figura 5.4 Espectros de refletância: A. Solos não contaminados – LSi; e B. Solos contaminados – CSi. Nos quadros é mostrado um zoom do espectro de refletância normalizado através do contínuo removido nas regiões onde ocorrem feições de absorção diagnósticas de HCs, centradas em 1700 – 1780 nm e 2290 – 2370 nm. Para comparação, cada gráfico é apresentado com a mesma escala vertical. As letras minúsculas na parte superior dos gráficos indicam as principais feições de absorção (cf. Tabela 2.1 para comprimentos de onda específicos). ... 99
Figura 5.5 Espectros de refletância extraídos da imagem ProSpecTIR – VS em locais
equivalentes aos espectros de referência. A. Solos não contaminados LSi; e B. Solos contaminados CSi. Nos quadros é mostrado um zoom do espectro de refletância normalizado através do contínuo removido nas regiões diagnósticas do hidrocarboneto localizadas em 1700 – 1780 nm e 2290 – 2370 nm. Para comparação, cada gráfico é apresentado com a mesma escala
xxv
vertical. As letras acima indicam as principais feições de absorção (cf. Tabela 2.1 para comprimentos de onda específicos) ... 101
Figura 5.6 Comparação das feições de absorção dos espectros extraídos de pixels da imagem do
sensor ProSpecTIR – VS (ProSpecTIR features) e espectros medidos com o sensor FielSpec®
3Hi-Res (reference features) nas regiões diagnósticas do HC: Região I localizada entre 1700 –
1780 nm; Região II em 2290 – 2379 nm. A comparação das feições espectrais mostra uma equivalência significativa entre os espectros derivados por espectroscopia de refletância e por espectroscopia de imageamento. ... 102
Figura 5.7 Assinaturas espectrais das classes dominantes (vegetação e construções civis) usadas
para gerar os modelos MESMA. ... 103
Figura 5.8 A. Resultado obtido pela aplicação do MESMA no segundo nível hierárquico,
derivado do modelo de dois endmembers. Note que as superfícies dominantes - água, construção, vegetação e solos - foram discriminadas. B. Índice normalizado da vegetação – NDVI (Normalized Difference Vegetation Indez) da área de estudo. ... 104
Figura 5.9 A. Classificação MESMA no terceiro nível derivado do modelo de dois endmembers
que discrimina entre os solos não contaminados (em cinza) e os solos contaminados (em branco). O quadro vermelho mostra a área desativada de landfarming; B. Composição falsa cor da imagem ProSpecTIR – VS (R – 860,7 nm; G – 648,2 nm; B – 548,2 nm) e fotografias dos solos não contaminados (nos quadros azuis) e contaminados (nos quadros vermelhos). As fotografias foram tiradas na mesma data em que o levantamento hiperespectral foi realizado. ... 107
Figura 6.1 Malha dutoviária de transporte de hidrocarbonetos (óleo) do Brasil. ... 119
Figura 6.2 Croqui e foto aérea do experimento. As três colunas representam os três canteiros,
sendo um para cada tratamento: controle - CTR, diesel - DSL, e gasolina - GSL. Dentro de cada canteiro existem quatro blocos, com cinco parcelas cada, ou seja, cinco culturas plantadas, fornecendo assim, quatro repetições de cada cultura, por tratamento. ... 120
Figura 6.3 A. Plataforma deslizante; B. Posição do espectrorradiômetro para aquisição das
medidas espectrais; C. Vista do dossel da soja perene a partir da plataforma. Fonte: Sanches et
xxvi
Figura 6.4 Espectros de refletância médios dos dosséis das cinco culturas e dos solos para os
três tratamentos (Controle - CTR, Diesel - DSL, Gasolina - GSL) em 14 de Maio de 2010. ... 125
Figura 6.5 Espectros de refletância médios dos dosséis das cinco culturas e os solos para os três
tratamentos (Controle - CTR, Diesel - DSL, Gasolina - GSL) em 29 de Maio de 2010. ... 126
Figura 6.6 Espectros de dossel do feijão e do solo contaminado com DSL, mostrando os seis
intervalos espectrais utilizados na análise com contínuo removido. Dados espectrais levantados em 14 de Maio de 2010. ... 128
Figura 6.7 Espectros de dossel do feijão e do solo contaminado com DSL, mostrando os seis
intervalos espectrais utilizados na análise com contínuo removido. Dados espectrais levantados em 29 de Maio de 2010. ... 129
Figura 6.8 Aspecto de campo das culturas vegetais e do solo em 18 de Maio de 2010. ... 131
Figura 6.9 Aspecto de campo das culturas vegetais e do solo em 29 de Maio de 2010. ... 132
Figura 6.10 Análise do nível de senescência da vegetação em 14/Maio e 17/Junho de 2010. Da
esquerda para direita: Composição cor real (R638G548B460), razão R691/R758, NDVI (Rvermelho=648 nm e RInfravermelho=860 nm), IH (λA=1698 nm, λB=1723 nm, λc=1748 nm), e fotografia aérea da área de estudo. As setas pretas nas imagens IH indicam falsos-positivos. ... 134
Figura 6.11 Espectros de refletância extraídos dos pixels mapeados com presença de HC pelo
IH. Os espectros em vermelho apresentam os pixels que foram corretamente identificados como solo contaminado. Os espectros em preto apresentam os pixels classificados erradamente como solo contaminado, isto é, apresenta os espectros de vegetação em estágio avançado de senescência. ... 137
Figura 6.12 Espectros de refletância dos pixels extraídos da imagem normalizados através da
remoção do contínuo nos seis intervalo espectrais utilizados para discriminar entre vegetação senescente e solo contaminado. ... 138
xxvii
LISTA DE TABELAS
Tabela 2.1 Proporções das amostras utilizadas para realização das misturas e as respectivas
leituras espectrais ... 16
Tabela 2.2 Comprimentos de onda das principais feições de absorção observadas nos espectros
dos solos contaminados ... 19
Tabela 3.1 Conjunto de dados. Volume de solo e hidrocarboneto presentes em cada medição
espectral ... 42
Tabela 3.2 Valores obtidos da análise dos difratogramas dos solos sem impregnação de
hidrocarboneto apresentados na Figura 3.3. 2θ é a posição do pico no difratograma e d é distância interplanar entre os planos reticulares. ... 46
Tabela 3.3 Absorções espectrais dos hidrocarbonetos líquidos ... 48
Tabela 3.4 Porcentagens de impregnação de HC no qual as primeiras alterações espectrais na
assinatura do solo foram observadas devidas à presença do contaminante ... 48
Tabela 3.5 Comprimento de onda das principais bandas de absorção observadas nos solos
contaminados com hidrocarbonetos. As linhas sombreadas indicam a banda de absorção diagnóstica da presença do hidrocarboneto. ... 49
Tabela 3.6 Equações obtidas através da análise de regressão linear para estimar o volume de
hidrocarboneto presente no solo. VHC é o nível de contaminação, D é a profundidade da feição diagnostica do hidrocarboneto em 1,725 µm. ... 61
Tabela 4.1 Comprimentos de onda das principais feições de absorção observadas nos espectros
dos solos impregnados com hidrocarbonetos obtidos através do sensor FieldSpec® 3 High Resolution. ... 76
Tabela 5.1 Comprimentos de onda observados das principais feições de absorção nas amostras
de campo e os pixels extraídos da imagem ProSpecTIR-VS em locais equivalentes. ... 98
Tabela 5.2 Porcentagens e número de pixels classificados em cada classe dominante no segundo
xxviii
Tabela 5.3 Matriz de confusão para o modelo de dois endmembers no segundo nível
hierárquico. ... 105
Tabela 5.4 Porcentagens e número de pixels classificados em cada classe dominante no terceira
nível MESMA. ... 106
Tabela 5.5 Matriz de confusão para o modelo de dois endmembers no terceiro nível hierárquico.
... 108
Tabela 6.1 Data das medições espectrais realizadas no dossel e nos solos. As colunas
xxix
LISTA DE ABREVIAÇÕES
ACORN Atmospheric Correction Now
AIG Analytical Imaging and Geophysics
API American Petroleum Institute
ASD Analytical Spectral Devices
CoB Count-based endmember selection
CPQBA Centro Pluridisciplinar de Pesquisas Químicas, Biológicas e Agrícolas da Universidade Estadual de Campinas
CS Solo Contaminado (Contaminated Soil)
CTR Controle
D Profundidade da feição de absorção (Depth of absorption feature)
DRX Difração de Raios X
DSL Diesel
EAR Endmember Average RMSE
EI Espectroscopia de Imageamento
ER Espectroscopia de Refletância
ETL Etanol
EXT Óleo Cru Extra-Leve (43,2° API)
GSL Gasolina
HC Hidrocarboneto
ICDD Centro Internacional para Dados de Difração (International Centre dor
Difraction Data)
IFOV Campo de Visada Instantânea (Instantaneous Field Of View)
IG Instituto de Geociências
xxx
IH Índice do Hidrocarboneto (Hydrocarbon Index – HI) INT Óleo Cru Intermediário (27,5° API)
LARS Latin American Remote Sensing Week
LER Laboratório de Espectroscopia de Refletância do Instituto de Geociências da Universidade Estadual de Campinas
LS Latossolo (Latosoil)
MASA Minimum Average Spectra Angle
MESMA Multiple Endmember Spectral Analysis
NDVI Índice Normalizado da Vegetação (Normalized Difference Vegetation
Index)
OC Óleo Cru
PC Componente Principal (Principal Component)
PCA Análise por Principais Componentes (Principal Component Analysis)
PES Óleo Cru Pesado (19,2° API)
PTF Plataforma Deslizante
RMSE Raiz do erro médio quadrático
SBSR Simpósio Brasileiro de Sensoriamento Remoto SRH Sensoriamento Remoto Hiperespectral
SWIR Região do Infravermelho de Ondas Curtas (Short Wave Infrared) TIR Região do Infravermelho Termal (Thermal Infrared)
UNICAMP Universidade Estadual de Campinas
VHC Volume de Hidrocarboneto (Volume of Hydrocarbon)
1
3
ESPECTROSCOPIA DE REFLETÂNCIA E DE IMAGEAMENTO
APLICADAS À IDENTIFICAÇÃO DE SOLOS CONTAMINADOS COM
HIDROCARBONETOS EM INSTALAÇÕES PETROLÍFERAS
1.1.INTRODUÇÃO
A exploração de petróleo é uma atividade em constante crescimento. O interesse nesse recurso natural envolve atividades como a extração do petróleo, o refinamento e o transporte, que inevitavelmente podem produzir acidentes envolvendo vazamentos. Os vazamentos de petróleo são responsáveis por gastos de milhões de reais na remediação, além de degradarem o meio ambiente (Ziolli, 2009). Além disso, as consequências à saúde humana se estendem desde náuseas até câncer, dependendo do tipo de hidrocarboneto (HC) que compõe o petróleo e do tempo de exposição (Boffetta et al., 1997; Perez-Cadahia et al., 2007). Por isso, quando ocorre um vazamento, o mais importante é sua imediata detecção e alarme. O rápido bloqueio do vazamento ou interrupção das operações podem evitar desastres maiores, sendo o tempo de detecção do vazamento um fator de fundamental relevância.
Os dutos de transporte e transferência são pontos críticos na logística de todo o processo. Podem apresentar vazamentos associados a possíveis problemas advindos do meio externo, como erosão e colapso do terreno onde estão situados, ou mesmo por acidentes. A malha dutoviária brasileira atualmente atinge 22000 km de dutos em operação, entre oleodutos, gasodutos, minerodutos e aquedutos. Dessa extensão, aproximadamente 7500 km são utilizados para transportar petróleo e seus derivados. Em sua maioria, são dutos terrestres e subterrâneos, com profundidades que variam de 90 cm a 1,5 m. Essa estrutura dutoviária está distribuída em todas as regiões do Brasil, incluindo áreas habitacionais e locais de elevada sensibilidade ambiental, tais como manguezais, fontes de abastecimento de água potável, mananciais e demais áreas de proteção ambiental.
Os métodos de detecção de vazamentos em dutos de petróleo baseiam-se na detecção de sinais de pressão, temperatura e vazão. Esses métodos possibilitam o monitoramento contínuo de grandes vazamentos. Contudo, devido às atenuações que o sinal do vazamento sofre ao longo do duto, esses sistemas de monitoramento são ineficazes na detecção de
4
vazamentos de pequeno porte (abaixo de 1% da capacidade de vazão do duto). Além disso, métodos baseados nestes critérios não são capazes de estimar onde está ocorrendo o vazamento e não trabalham sob mudanças operacionais na tubulação.
O desenvolvimento de técnicas que permitam identificar rápida e eficientemente os vazamentos de HCs, mas também que possibilitem quantificar o volume de petróleo envolvido, podem ser de grande utilidade no monitoramento de instalações petrolíferas. Assim, a espectroscopia de refletância e de imageamento apresentam-se como ferramentas promissoras para serem utilizadas no monitoramento de vazamentos de petróleo em locais susceptíveis a contaminação.
A espectroscopia de refletância (ER) tem sido utilizada por décadas para identificar, compreender e quantificar materiais sólidos, líquidos e gasosos. Em várias disciplinas, as medições espectroscópicas são utilizadas para detectar feições de absorção devidas à bandas químicas especificas, e análises detalhadas são utilizadas para determinar a abundancia e estado físico das espécies de absorbância detectadas (Clark, 1999). A ER é uma ferramenta promissora para a detecção e monitoramento eficaz de solos contaminados, visto que permite caracterizar rapidamente as propriedades do solo e do contaminante. Por outro lado, a ER também apresenta uma série de atrativos como, por exemplo, a possibilidade de análise sem preparação da amostra; a rapidez para a obtenção dos espectros, cálculos e apresentação dos resultados; o fato de ser um método não destrutivo, permitindo o uso posterior da amostra para outros ensaios ou para ser guardada como testemunho; e a possibilidade do desenvolvimento de aplicações em linha através de analisadores de processo. No entanto, devido à grande quantidade de dados de refletância que podem ser gerados em determinado estudo, sejam dados de amostras pontuais ou aqueles obtidos através de uma imagem, a modelagem espectral dos alvos envolvidos é imprescindível.
Paralelamente às possibilidades oferecidas pela ER, um dos avanços mais significativos ocorridos na história recente foi o desenvolvimento da Espectroscopia de Imageamento (EI) ou Sensoriamento Remoto Hiperespectral (SRH). O SRH é uma ferramenta avançada que gera dados de alta resolução espectral, com o objetivo de fornecer dados de refletância (ou emitância), com qualidade próxima aquela obtida em laboratório, para cada elemento simples da imagem (pixel) (Vane et al., 1984; Vane et al., 1993; Green et al.,
5
1998). Esta informação permite a identificação de objetos com base nas feições de absorção espectral. Na caracterização de locais contaminados, o SRH é muito útil, pois permite analisar grandes áreas, e em tempo real, sem a restrição de acessibilidade. Ademais, é possível utilizar sistemas sensores com resoluções espaciais, espectrais e cobertura do espectro eletromagnético específica para cada estudo particular.
O uso dessas tecnologias vem se tornando uma prática madura, com numerosos resultados de sucesso alcançados em aplicações como mapeamento geológico, exploração mineral e prospecção de petróleo (Kruse et al., 1990; Ellis et al., 2001; Hörig et al., 2001; Kühn et al., 2004; Xu et al., 2007; Souza Filho et al., 2008; Lyder et al., 2010; Lammoglia e Souza Filho, 2011; 2012; Swayze et al., 2014). No entanto, estudos específicos para a identificação de vazamentos de HCs são raros na literatura, foram realizados em países de clima temperado e voltados principalmente para vazamentos de HCs gasosos (Van Der Meer
et al., 2002; Smith et al., 2004; Van Der Meer et al., 2006; Noomen et al., 2008; Van Der
Meijde et al., 2013).
No Brasil, os trabalhos realizados sobre a detecção de hidrocarbonetos a partir de técnicas espectrais foram focados principalmente na prospecção de gás em subsuperfície (Almeida-Filho, 2002; Souza Filho et al., 2008). Recentemente, experimentos de laboratório e de campo sobre a detecção de vazamentos de HCs líquidos, nas condições de solo, temperatura e cultivos típicos de países tropicais, foram desenvolvidos no país (Sanches et al., 2013a; b; Correa Pabon e Souza Filho, 2014). Contudo, esses trabalhos ainda são escassos mundialmente e é evidente a necessidade de investigações científicas mais profundas sobre o tema, considerando-se a natureza heterogênea dos solos tropicais e a diversidade de espécies vegetais que os recobrem.
1.2.OBJETIVOS
Essa tese de doutorado aborda o uso da ER e do SRH na detecção de vazamentos de HCs líquidos em solos tropicais, com possíveis avanços e desdobramentos práticos sobre a aplicação destas tecnologias no monitoramento ambiental de solos em instalações petrolíferas, principalmente refinarias e dutovias.
6
Para atingir esses objetivos, a pesquisa foi dividida basicamente em duas partes, que se complementam para prover uma visão mais universal sobre o uso dessas tecnologias na detecção de vazamentos de HCs.
Na primeira parte da pesquisa foram gerados, organizados, processados e analisados dados espectrais obtidos a partir de experimentos de laboratório de campo, nos quais contaminações controladas de diferentes HCs foram realizadas de forma a simular solos contaminados de locais com vazamentos de difícil percepção pelos atuais sistemas de monitoramento. Nessa etapa almejou-se: (i) utilizar e avaliar o intervalo da radiação solar –
VNIR – SWIR (Visible-Near InfraRed / Visível-Infravermelho Próximo – Short Wave Infrared / Infravermelho de Ondas Curtas: 350 – 2500 nm) para a detecção e discriminação de solos
impregnados por vazamentos de óleo ou combustíveis; (ii) compor uma biblioteca espectral que compreenda as assinaturas espectrais no intervalo VNIR – SWIR do máximo de variações possíveis entre os tipos de óleo, combustíveis e solos presentes em áreas de refinarias e dutovias; (iii) caracterizar as assinaturas espectrais dos solos impregnados com os diferentes HCs, identificando, analisando e especificando as principais feições de absorção diagnósticas da presença do contaminante no solo, e estabelecendo os limites de detecção do HC na mistura; (iv) gerar um modelo empírico com base nos dados de laboratório que permita estimar a porcentagem de contaminação do solo e o tipo de contaminante.
Na segunda etapa da pesquisa, e considerando-se a base gerada através das investigações experimentais, técnicas digitais de processamento de imagens foram aplicadas a um conjunto de dados hiperespectrais adquiridos sobre instalações petrolíferas e áreas experimentais de vazamentos de HCs líquidos. Essa etapa de processamento visou: (i) classificar espectralmente os dados hiperespectrais através da comparação da assinatura espectral de cada pixel da imagem (de composição desconhecida) com a assinatura espectral de materiais de referência (endmembers, medidos no laboratório e no campo); (ii) avaliar os resultados da classificação através de observações de campo e medições espectrais em amostras in-situ na área de estudo.
A junção dos resultados dessas etapas objetiva apresentar uma metodologia de aplicação da ER em associação ao SRH na detecção de vazamentos de HCs em solos tropicais, contribuindo assim para avanços nos atuais sistemas de monitoramento.
7
1.3.ESTRUTURA DA TESE
A tese está estruturada em sete capítulos auto-consistentes. O capítulo atual apresenta uma breve introdução e justificativa do desenvolvimento da pesquisa, e os principais objetivos a ser atingidos. Os Capítulos 2, 3 e 4 discutem diferentes aspectos relacionados com a caracterização espectral de solos contaminados com HCs através de investigações experimentais. Nesses capítulos são expostas as principais características diagnósticas da presença dos HCs em solos, assim como modelos empíricos que permitem estimar o volume e tipo de HC envolvido na contaminação. Nos capítulos 4, 5 e 6 são analisadas e avaliadas diferentes técnicas de processamento de imagens na identificação de solos e outros alvos potencialmente contaminados em áreas de refinarias e dutovias. O último capítulo da tese, o Capítulo 7, apresenta as considerações finais e sugestões para futuras pesquisas.
Os Capítulos 2 ao 6 estão organizados em forma de artigos. Considerando-se os objetivos da pesquisa, bem como os métodos adotados no estudo, certos temas permeiam todos os capítulos. Dessa forma, antecipa-se que há repetições que não puderam ser evitadas dentro da estrutura pretendida para a tese.
1.4.PARTICIPAÇÃO E TRABALHOS PUBLICADOS EM ANAIS DE CONGRESSOS RESULTANTES DO DOUTORADO
CORREA PABON, R. E.; SOUZA FILHO, C. R. Reflectance and imaging spectroscopy as a tool to monitor hydrocarbon contamination of bare soils in refineries and along pipelines. Geoscience and Remote Sensing Symposium (IGARSS), 2014 IEEE International, 2014, Québec - Canada, 13-18 July 2014. p.2189-2192. Disponível em:
http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=6946902 . Acesso em 30 novembro,
2014.
CORREA PABON, R. E.; SOUZA FILHO, C. R.; MAGALHÃES, L. A. Espectroscopia de reflectancia aplicada a la caracterización espectral de suelos contaminados. In: LATIN AMERICAN REMOTE SENSING WEEK, 2013, Santiago, Chile. Proceedings… Santiago: International Society for Photogrammetry and Remote Sensing, 2013. 6 p. Disponível em:
<http://www.lars.cl/images/Trabajos/ROSA%20ELVIRA%20CORREA.pdf>. Acesso em: 12
8
CORREA PABON, R. E.; SOUZA FILHO, C. R.; MAGALHÃES, L. A. Monitoramento de solos contaminados com hidrocarbonetos em instalações petrolíferas através da espectroscopia de refletância e de imageamento hiperespectral. In: XVI Simpósio Brasileiro de Sensoriamento Remoto – SBSR, 2013, Foz do Iguaçu - Paraná, Brasil. Anais XVI Simpósio
Brasileiro de Sensoriamento Remoto, 1: 8996-9003. Disponível em:
<http://www.dsr.inpe.br/sbsr2013/files/p1131.pdf >. Acesso em: 12 maio, 2014.
CORREA PABON, R. E.; SOUZA FILHO, C. R.; MAGALHÃES, L. A.; OLIVEIRA, W. J.; RABACO, L. M.; ROCHA, R. Identificação de solos impregnados com hidrocarbonetos a partir de espectroscopia de refletância e espectroscopia de imageamento. In: XV Simpósio Brasileiro de Sensoriamento Remoto – SBSR, 2011, Curitiba - Paraná, Brasil. Anais XV
Simpósio Brasileiro de Sensoriamento Remoto, 1: 8676-8682. Disponível em:
< http://www.dsr.inpe.br/sbsr2011/files/p1567.pdf>. Acesso em: 12 maio, 2014.
CORREA PABON, R. E. E SOUZA FILHO, C. R. Reflectance spectroscopy applied to environmental monitoring of petroleum-contaminated soil in refineries and pipeline areas. In: XVI Congreso Colombiano de Geología y Primer Simposio de Exploradores, 2013, Bogotá D.C., Colombia. Memorias Resúmenes XVI Congreso Colombiano de Geología y Primer
Simposio de Exploradores, ISBN: 978-958-57950-0-6 vol:1, 1 p.
CORREA PABON, R. E. E SOUZA FILHO, C. R. Espectroscopia de refletância aplicada à caracterização espectral de solos impregnados com hidrocarbonetos. In: 46º Congresso Brasileiro de Geologia, 2012, Santos – SP, Brasil. Proceedings... Santos: SBG, 2012. 1 p.
1.5. REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA-FILHO, R. Remote detection of hydrocarbon microseepage-induced soil alteration. International Journal of Remote Sensing, v. 23, n. 18, p. 3523-3524, 2002/01/01 2002.
BOFFETTA, P.; JOURENKOVA, N.; GUSTAVSSON, P. Cancer risk from occupational and environmental exposure to polycyclic aromatic hydrocarbons. Cancer Causes & Control, v. 8, n. 3, p. 444-472, 1997.
9
CORREA PABON, R. E.; SOUZA FILHO, C. R. D. Reflectance and imaging spectroscopy as a tool to monitor hydrocarbon contamination of bare soils in refineries and along pipelines. Geoscience and Remote Sensing Symposium (IGARSS), 2014 IEEE International, 2014.
ELLIS, J. M.; DAVIS, H. H.; ZAMUDIO, J. A. Exploring for onshore oil seep. Oil & Gas Journal, v. 99, n. 37, p. 49-+, Sep 10 2001.
GREEN, R. O. et al. Imaging spectroscopy and the Airborne Visible Infrared Imaging Spectrometer (AVIRIS). Remote Sensing of Environment, v. 65, n. 3, p. 227-248, Sep 1998.
HÖRIG, B. et al. HyMap hyperspectral remote sensing to detect hydrocarbons. International Journal of Remote Sensing, v. 22, n. 8, p. 1413-1422, 2001/01/01 2001.
KRUSE, F. A.; KIEREINYOUNG, K. S.; BOARDMAN, J. W. Mineral Mapping at Cuprite, Nevada with a 63-Channel Imaging Spectrometer. Photogrammetric Engineering and Remote Sensing, v. 56, n. 1, p. 83-92, Jan 1990.
KÜHN, F.; OPPERMANN, K.; HÖRIG, B. Hydrocarbon Index - an algorithm for hyperspectral detection of hydrocarbons. International Journal of Remote Sensing, v. 25, n. 12, p. 2467-2473, // 2004.
LAMMOGLIA, T.; SOUZA FILHO, C. R. D. Spectroscopic characterization of oils yielded from Brazilian offshore basins: Potential applications of remote sensing. Remote Sensing of Environment, v. 115, n. 10, p. 2525-2535, 10/17/ 2011.
______. Mapping and characterization of the API gravity of offshore hydrocarbon seepages using multispectral ASTER data. Remote Sensing of Environment, v. 123, n. 0, p. 381-389, 8// 2012.
LYDER, D. et al. Remote bitumen content estimation of Athabasca oil sand from hyperspectral infrared reflectance spectra using Gaussian singlets and derivative of Gaussian wavelets. Fuel, v. 89, n. 3, p. 760-767, Mar 2010.
NOOMEN, M. F. et al. Hyperspectral indices for detecting changes in canopy reflectance as a result of underground natural gas leakage. International Journal of Remote Sensing, v. 29, n. 20, p. 5987-6008, 2008. PEREZ-CADAHIA, B. et al. Initial study on the effects of Prestige oil on human health. Environment International, v. 33, n. 2, p. 176-185, Feb 2007.
SANCHES, I. D. et al. Assessing the impact of hydrocarbon leakages on vegetation using reflectance spectroscopy. Isprs Journal of Photogrammetry and Remote Sensing, v. 78, p. 85-101, Apr 2013a.
______. Unravelling remote sensing signatures of plants contaminated with gasoline and diesel: An approach using the red edge spectral feature. Environmental Pollution, v. 174, p. 16-27, Mar 2013b.
SMITH, K. L.; STEVEN, M. D.; COLLS, J. J. Use of hyperspectral derivative ratios in the red-edge region to identify plant stress responses to gas leaks. Remote Sensing of Environment, v. 92, n. 2, p. 207-217, Aug 15 2004.
SOUZA FILHO, C. R. D. et al. Detecção de exsudações de hidrocarbonetos por geobotânica e sensoriamento remoto multi-temporal: estudo de caso no Remanso do Fogo (MG). Revista Brasileira de Geociências, v. 38, p. 228-243, 2008.
SWAYZE, G. A. et al. Mapping Advanced Argillic Alteration at Cuprite, Nevada, Using Imaging Spectroscopy. Economic Geology, v. 109, n. 5, p. 1179-1221, Aug 2014.
VAN DER MEER, F. et al. Detection of hazardous gas leakage from pipelines using anomalous spectral reflectance features of vegetation. Global Developments in Environmental Earth Observation from Space, p. 191-198, 2006.
10
VAN DER MEER, F. et al. Remote sensing and petroleum seepage: a review and case study. Terra Nova, v. 14, n. 1, p. 1-17, 2002.
VAN DER MEIJDE, M. et al. Detection of hydrocarbons in clay soils: A laboratory experiment using spectroscopy in the mid- and thermal infrared. International Journal of Applied Earth Observation and Geoinformation, v. 23, p. 384-388, Aug 2013.
VANE, G.; GOETZ, A. F. H.; WELLMAN, J. B. Airborne Imaging Spectrometer - a New Tool for Remote-Sensing. Ieee Transactions on Geoscience and Remote Sensing, v. 22, n. 6, p. 546-549, 1984.
VANE, G. et al. The Airborne Visible Infrared Imaging Spectrometer (Aviris). Remote Sensing of Environment, v. 44, n. 2-3, p. 127-143, May-Jun 1993.
XU, D. Q. et al. Integration of field work and hyperspectral data for oil and gas exploration. Igarss: 2007 Ieee International Geoscience and Remote Sensing Symposium, Vols 1-12, p. 3194-3197, 2007.
ZIOLLI, R. L. Aspectos ambientais envolvidos na poluição marinha por petróleo. Revista Saúde e Ambiente, v. 3, n. 2, p. 32-41, 2009.
11
13
ESPECTROSCOPIA DE REFLETÂNCIA APLICADA À
CARACTERIZAÇÃO ESPECTRAL DE SOLOS CONTAMINADOS
RESUMO
Este trabalho tem como meta o uso da espectroscopia de refletância no intervalo do visível-infravermelho próximo-visível-infravermelho de ondas curtas (Visible – Near Infrared – Short Wave Infrared; VNIR – SWIR; 350 – 2500 nm) na caracterização espectral de solos impregnados com óleos crus e combustíveis. O estudo compreendeu um experimento controlado onde solos tipicamente encontrados em ambientes tropicais foram impregnados com diferentes tipos de hidrocarbonetos (HCs), reproduzindo, em escala reduzida, uma possível contaminação de solos, por vazamento, em áreas de refinarias e dutovias de transporte. Os dados espectrais foram reamostrados para o sensor hiperespectral ProSpecTIR – VS e analisados por meio da Análise por Principais Componentes (PCA), demonstrando que estes solos contaminados podem ser qualitativamente separados considerando-se as principais feições de absorção características do tipo de solo e do HC. O objetivo final compreende o uso da espectroscopia para avaliar a viabilidade de identificação in-situ de solos impregnados com HCs, mas também sua detecção remota a partir das imagens hiperespectrais. Desta forma, será possível um monitoramento otimizado da malha dutoviária e das refinarias devido à maior cobertura em menor tempo destas áreas de interesse se comparada aos métodos tradicionais de inspeção visual.
Palavras chaves: espectroscopia de refletância, solo, contaminação, hidrocarboneto, análise por
principais componentes, sensoriamento remoto hiperespectral.
2.1. INTRODUÇÃO
Os vazamentos de petróleo podem causar tanto danos ambientais quanto riscos à saúde humana (Boffetta et al., 1997; Perez-Cadahia et al., 2007; Ziolli, 2009; Almeida Andrade et al., 2010). Portanto, o monitoramento ambiental dos locais susceptíveis a ocorrência de vazamentos de hidrocarbonetos (HCs) são de vital importância.
Os sistemas de monitoramento utilizados na detecção de vazamentos nos dutos de transporte de petróleo e seus derivados não permitem identificar pequenas perdas (abaixo de 1%
14
da capacidade de vazão do duto). As tecnologias empregadas atualmente que utilizam a detecção da queda de pressão e vazão possibilitam o monitoramento contínuo de grandes vazamentos (Glória, 2002). Contudo, devido às atenuações que o sinal do vazamento sofre ao longo do duto, esses sistemas de monitoramento são pouco eficientes no caso de ocorrências de pequeno porte e volume.
A Espectroscopia de Refletância (ER) é um método que tem sido utilizado por décadas para identificar e quantificar materiais sólidos, líquidos e gasosos (Clark, 1999). A ER no intervalo VNIR-SWIR (Visible – Near InfraRed – Short Wave InfraRed: 0,35 a 2,5µm) permite caracterizar rapidamente as propriedades dos solos, dos HCs e sua mistura, no laboratório e no campo (Ben-Dor, 2002; Genu e Dematte, 2006; Iturbe et al., 2007; Chakraborty et al., 2010) .
Diversos estudos têm mostrado que os HCs apresentam feições características nas regiões do NIR e SWIR (Cloutis, 1989; Künh e Hörig, 1996; Ellis et al., 2001; Hörig et al., 2001). Lammoglia e Souza Filho (2011) analisaram as propriedades de refletância espectral de HCs variados produzidos no Brasil e concluíram que as principais feições de absorção observáveis nesses intervalos espectrais são as seguintes: CH3 (~1190nm – feição sutil); sobreton de CH (~1210nm – feição sutil); OH (~1390nm - que pode ser mascarada pela banda de vapor d’agua); sobreton de CH2 (~1410nm - que pode ser mascarada pela banda de vapor d’agua); CH3+CH2 (~1720-1730nm – feição proeminente e observável); sobreton de CH2 (~1750-1760nm - feição proeminente e observável); CH3 (2310nm – feição sutil e observável); CH3 (~2350nm - feição sutil e observável).
Cloutis (1989) analisou as assinaturas espectrais de areias betuminosas de Athabasca (Canadá) e conseguiu observar bandas de absorção diagnósticas da presença do HC. Da mesma maneira, diversos autores têm utilizado a ER para caracterizar espectralmente as assinaturas de diferentes substratos misturados com HCs (Cloutis et al., 1995; Rivard et al., 2010) Moares et al., 2007; Scafutto e Souza Filho, 2011).
A ER é uma ferramenta chave utilizada nas ciências de sensoriamento remoto de recursos terrestres (Drury, 2001; Sabins, 2007). Na caracterização de locais contaminados, técnicas de sensoriamento remoto são muito úteis, pois permitem analisar grandes áreas, e em tempo real, sem a restrição de acessibilidade. Ademais, é possível utilizar sistemas sensores com resoluções espaciais, espectrais e cobertura do espectro eletromagnético específica para cada
15
estudo particular. A aplicação do SR na identificação de hidrocarbonetos (HCs) tem sido utilizada como método para estabelecer os limites de contaminação tanto na água como no solo. A identificação é feita com sensores passivos e ativos, sendo estes últimos muito utilizados na identificação de vazamentos de óleo cru no mar (Fingas e Brown, 1997; Van Der Meer et al., 2002; Almeida et al., 2004; Brekke e Solberg, 2005; Bannerman et al., 2009; Lammoglia e Souza Filho, 2012). Os estudos baseados em sistemas multi e hiperespectrais têm sido realizados principalmente em solos afetados por exsudações de gás e exploração de HCs (Sabins, 1974; Halbouty, 1976; Oliveira, 1998; Ellis et al., 2001; Salem et al., 2005; Xu et al., 2007; Noomen et
al., 2008; Souza Filho et al., 2008; Huang et al., 2010; Lyder et al., 2010; Lammoglia e Souza
Filho, 2012; Fingas e Brown, 2014).
Nesse contexto, pretende-se aqui avaliar a possibilidade de uso de critérios derivados em laboratório para prever situações reais de sítios contaminados e contribuir para a otimização dos sistemas de monitoramento utilizados na indústria do petróleo.
2.2. MATERIAIS E MÉTODOS
2.2.1. Instrumentação
O espectrorradiômetro utilizado para aquisição dos dados de refletância dos solos foi o
FieldSpec® 3 Hi – Res (ASD, 2011). Este equipamento detecta a radiação eletromagnética no
intervalo espectral de 350 nm a 2500 nm e possui alta resolução espectral (2150 canais), com 650 canais na faixa de 350 nm a 1050 nm, com intervalo de amostragem de 1,4 nm, e 1500 canais na faixa entre 1000 nm e 2500 nm, com intervalo de amostragem de 2,0 nm. O espectrorradiômetro tem um campo de visão de 25° e sua resolução espectral varia de 3,0 nm a 8,5 nm.
Os dados de refletância foram gerados a partir de medidas da energia refletida pelo alvo em relação a um material de referência (Spectralon) em toda a faixa VNIR – SWIR.
2.2.2. Amostras analisadas
Neste estudo, foram analisados dois grupos de amostras (Figura 2.1). O primeiro grupo abrange amostras de contaminantes, incluindo três amostras de óleos crus (com diferente grau
16
API; ONIP, 2006), e três amostras de combustível (diesel (DSL), gasolina (GSL) e etanol (ETL)).
O segundo grupo compreende quatro amostras de solo classicamente encontrados em ambientes tropicais. Estes solos são classificados como latossolos vermelhos e apresentam assinaturas espectrais semelhantes e típicas de solos argilosos, ricos em óxidos de ferro e alumínio (Madeira-Netto, 2001; Vicente e Souza Filho, 2011).
Figura 2.1 Grupos de amostras analisadas
2.2.3. Descrição do experimento
No ambiente controlado de laboratório foram preparadas 360 amostras que consistiram da mistura entre os contaminantes do Grupo I e os solos do Grupo II. As amostras foram colocadas em placas Petri com dimensões 60 x 15 mm. Em cada placa, foram colocados 10 cm3 de solo, o qual foi misturado homogeneamente, e em diferentes proporções, com os contaminantes disponíveis (Tabela 2.1).
Tabela 2.1 Proporções das amostras utilizadas para realização das misturas e as respectivas leituras espectrais Volume Total de Contaminante injetado [ml] 0.0 0.1 0.2 0.3 0.4 0.4 0.6 0.7 0.8 0.9 1.0 1.5 2.0 2.5 3.0 Volume Total de Solo [%] 100 99 98 97 96 95 94 93 92 91 90 85 80 75 70 Volume Total de Contaminante – Nível de Impregnação [%] 0 1 2 3 4 5 6 7 8 9 10 15 20 25 30
17
2.2.4. Análise de componentes principais – Principal Component Analysis (PCA)
A PCA é uma técnica de estatística multivariada indicada para lidar com conjunto de dados que possuem grande número de variáveis que são altamente correlacionadas, como é o caso dos dados de espectroscopia de refletância obtidos no experimento. Na PCA, as variáveis originais são transformadas em novas variáveis (componentes principais), o que permite uma visão estatisticamente privilegiada dos dados. As PCs são ordenadas em relação à quantidade de variação que elas explicam, sendo que as primeiras componentes retêm a maior parte da variação das variáveis originais (Davis, 2002, Barbosa Landim, 2011).
Na PCA, o agrupamento dos dados é realizado através de gráficos de scores e loadings, cujos eixos são PCs nos quais os dados são projetados. Os scores fornecem a composição das
PCs em relação aos dados, enquanto os loadings fornecem essa mesma composição em relação às
variáveis. O estudo de scores e loadings permite estimar a influência de cada variável em cada dado.
2.3. RESULTADOS E DISCUSSÕES
2.3.1. Caracterização dos solos sem impregnação de HCs (amostras do Grupo II)
A análise dos espectros derivados dos solos da área de estudo (Figura 2.2) indica que os mesmos apresentam feições diagnósticas de argilominerais e óxidos de ferro e alumínio (Pontual
et al. 1997; Vicente & Souza Filho, 2011).
As feições de absorção relacionadas com os óxidos de ferro e alumínio são devidas à presença de hematita e gibbsita, respectivamente. A hematita é caracterizada por duas feições de absorção na banda Fe2O3 que ocorrem próximas a 0,530µm e 0,882µm. A gibbsita é caracterizada por duas feições de absorção sutis, uma na banda OH localizada em 1,452µm e outra na banda Al-OH centrada em 2,269µm.
As feições de absorção características de argilominerais são produzidas pela presença de caulinita. Esse mineral é caracterizado por duas feições de absorção em doublet, uma na banda OH e outra na banda de absorção Al-OH. A absorção OH ocorre próxima a 1,395µm (mais sutil)
18
e 1,412µm. A absorção Al-OH ocorre próxima a 2,180µm e 2,206µm e a absorção do comprimento de onda mais curto é a mais fraca. Três feições secundárias de absorção Al-OH próximas a 2,316µm. 2,355µm e 2,382µm também são características da caulinita.
Figura 2.2 Espectros de refletância das amostras de solo do Grupo II normalizadas através da remoção do contínuo
2.3.2. Caracterização espectral dos solos impregnados com HCs no ambiente controlado de laboratório
As principais feições de absorção observadas nos espectros de refletância das misturas entre os contaminantes do Grupo I e os solos do Grupo II são apresentadas na Tabela 2.2 e Figura 2.3.
No intervalo VNIR, as assinaturas espectrais dos solos impregnados com os óleos crus e o diesel sofrem alterações que podem ser utilizadas como um indício secundário da presença do contaminante no solo. A feição do solo localizada próxima a 0,530µm se atenua com o aumento do nível de impregnação. A feição próxima a 0,882µm, no caso dos óleos pesado (PES) e intermediário (INT), se atenua significativamente. Entanto, nos solos impregnados com o óleo
19
extra-leve (EXT) e o diesel (DSL), esta feição se aprofunda quando o nível da contaminação aumenta.
Tabela 2.2 Comprimentos de onda das principais feições de absorção observadas nos espectros dos solos contaminados
Comprimento de Onda [µm] PES – INT Figura 2.3.a EXT–DSL Figura 2.3.b GSL Figura 2.3.c ETL Figura 2.3.d VNIR a 0,530 0,530 0,530 0,530 b 0,882 0,882 → 0,890 0,882 0,882 SWIR c - 1,203 - - d 1,395 – 1,412 1,395 – 1,412 1,395 – 1,412 1,395 – 1,412 d 1,452 1,452 1,452 1,452 e 1,725; 1,760 1,725; 1,762 1,700; 1,731; 1,771 1,830 f 2,180 – 2,206 2,180 – 2,206 2,180 – 2,206 2,180 – 2,206 g 2,269 →,2,278 2,316 →,2,311 2,355 →,2,350 2,382 2,269 →,2,278 2,316 →,2,311 2,355 →,2,350 2,382 2,269 →2,278 2,316 2,355 2,382 2,269 2,316 2,355 2,382
As feições de absorção dos solos impregnados com gasolina (GSL) e etanol (ETL) no intervalo VNIR não sofrem modificações significativas que possam indicar a presença do contaminante no solo. As feições de absorção observadas neste intervalo correspondem às principais feições dos solos sem impregnação, caracterizadas anteriormente (Figura 2.2).
No intervalo SWIR, as feições de absorção devidas à presença da caulinita (próximas a 1,395µm. 1,412µm. 2,180µm. 2,206µm e 2,382 µm) e da gibbsita (situada em 1,452 µm) não sofrem modificações consideráveis com o aumento da concentração do contaminante. Por outro lado, nos espectros dos solos impregnados com óleos crus, diesel e gasolina, a feição próxima a 2,269 µm torna-se muito sutil e migra suavemente para um comprimento de onda maior. Esta mesma absorção nos solos impregnados com etanol não sofre nenhuma modificação.
As absorções devidas à caulinita em 2,316 e 2,355 µm se aprofundam e se deslocam gradualmente para comprimentos de onda menores quando o nível de impregnação do óleo cru e diesel aumenta. Estas modificações nos espectros podem ser utilizadas como um indício secundário da presença do contaminante no solo. Nos solos impregnados com gasolina e etanol, estas feições não sofrem mudanças significativas ao longo da contaminação.
20
Figura 2.3 Espectros de refletância normalizados através da remoção do continuo dos solos designados de LS1. LS2. LS3 e LS4 impregnados com diferentes porcentagens do contaminante. Os gráficos resumem as principais alterações observadas nos espectros dos solos contaminados com: A.. Óleo Pesado e Intermediário (PES – INT); B. Óleo Extra-leve e Diesel (EXT – DSL); C. Gasolina (GSL); D. Etanol (ETL).
21
