CLASSIFICAÇÃO DE
HABITATS PELÁGICOS DA
COSTA BRASILEIRA
Aline de Matos Valério
Disciplina Análise Espacial de Dados
Geográficos
SUMÁRIO
Introdução
Objetivo
Materiais e Métodos
Resultados
Conclusões
Sugestões futuras
INTRODUÇÃO
Coluna de água: habitat pelágico
Organismos dependem de características da massa de água adequadas ao seu ciclo de vida
Temperatura, salinidade, clorofila, oxigênio etc... Dependem de batimetria, presença de ventos, aporte de agua doce e efluentes.
Oceano não é homogêneo : massas de água
Propriedades espaciais permitem a definição de regiões persistentes
Longhurst et al. (1995) /Ciotti et al. (2010)/ Castro e Miranda (1998)
Habitats variam no tempo e sazonalidade: a maioria das bioregionalizações ignoram o componente temporal. Em regiões com alta dinâmica, a mesma posição fixa no oceano pode ser coberta por diferentes habitats, dependendo da estação do ano.
Sensoriamento remoto e modelagem: dados sinópticos dados in situ
OBJETIVO
Definir a distribuição espaço temporal de habitats pelágicos
diferenciáveis na costa brasileira utilizando dados de satélite e
modelados.
MATERIAIS
Composições mensais de imagens de clorofila e temperatura da superfície do oceano MODIS Aqua 4km
Ocean Color Web
Climatologia de Nitrato a 100m de profundidade:
NOAA: World Ocean Atlas 2009
Batimetria: ETOPO 1
NOAA
Produção primária
Oregon State / Ocean Color Web
Modelo utilizado: CbPM
Coeficientes de retroespalhamento para calcular concentração de carbono de fitoplancton
npp = carbon * growth rate * f(par) * z_eu (Spectral matching algorithm)
MATERIAIS
Variável
Período disponível
Resolução
Temporal
Resolução
Espacial
Extensão
CHL
1/7/2002 - 01/07/2012 mensal
4km
hdf
SST
1/7/2002 - 01/07/2012 mensal
4km
hdf
Batimetria
atemporal
atemporal
1 arc min
grd
Produção
Primária
1/10/1997 - 01/05/2010 mensal
1km
hdf
Nitrato
23/05/1950-16/02/2008 Climatologia
1 grau
netcdf
Período: 2005-2010
0.5 grau
Extensão ascii
Variáveis recortadas:
Latitude: 5 a -35
Longitude: -53 a -33
1
4
7
2
5
8
3
6
9
5
MÉTODOS
Software Matlab
Dados normalizados de 0 a 1
NaNs foram transformados para o valor -9999
Matrix 3D
Considera o tempo e o espaço das variáveis
Dendrograma
K-médias
MÉTODOS
Dendrograma: cluster hierárquico que procura o valor mais próximo por
distância euclidiana. Neste trabalho foi calculada a distância média entre
os pontos
K-média: classificador não supervisionado e não hierárquico. O número
de clusters devem ser informados antecipadamente ao determinar as
posições iniciais dos centroides dos clusters. Este algoritmo agrupa cada
elemento ao cluster do centroide mais próximo e recalcula os centros dos
clusters a partir dos elementos agrupados (Schowengerdt, 1997).
Para estre trabalho, os centroides foram escolhidos a partir de
estatísticas da média das 72 datas (período de 2005 a 2010) como por
exemplo: média, máximo, desvio padrão, desvio padrão negativo (média –
desviopad) e mediana.
RESULTADOS
Isobatas:
4500
3500
200
RESULTADOS
Classe 1
Classe 2
Classe 3
Classe 4
Classe 5
O domínio da zona costeira é definida por Mittelstaedt (1991) para regiões em que a circulação oceânica é significantemente modificada pela interação da batimetria costeira e o regime de vento. Esse limite costeiro normalmente é dominado por uma frente de quebra de plataforma e inclui regiões com áreas de ressurgência costeiras associadas a eddies anticiclonicos (Longhurst et al., 1995). A corrente costeira do Brasil vai desde a birfurcaçao da Corrente Sul-Equatorial a 10S por toda a costa até uns 42S, onde encontra com a corrente das Malvinas.
RESULTADOS
0 50 100 150 200 250 300 350 ja n abr jul ou t 20 06 ja n abr jul ou t 20 07 ja n abr jul ou t 20 08 ja n abr jul ou t 20 09 ja n abr jul ou t 20 10 ja n abr jul ou t Pixel Classe 2 0 100 200 300 400 500 600 ja n m a i set 20 06 ja n m a i set 20 07 ja n m a i set 20 08 ja n m a i set 20 09 ja n m a i set 20 10 ja n m a i set Pixel Classe 3 0 100 200 300 400 500 600 700 ja n m a i set 20 06 ja n m a i set 20 07 ja n m a i set 20 08 ja n m a i set 20 09 ja n m a i set 20 10 ja n m a i set Pixel Classe 4 0 200 400 600 800 1000 1200 1400 ja n m a i set 20 06 ja n m a i set 20 07 ja n m a i set 20 08 ja n m a i set 20 09 ja n m a i set 20 10 ja n m a i set Pixel Classe 5 0 10 20 30 40 50 60 70 80 ja n m a i set 20 06 ja n m a i set 20 07 ja n m a i set 20 08 ja n m a i set 20 09 ja n m a i set 20 10 ja n m a i set Pixel Classe 1RESULTADOS
CHL JAN 2005
NPP JAN 2005
TSM JAN 2005
CONCLUSÕES
Kmeans pode diferenciar os habitats pelágicos com base nas variáveis
utilizadas
5 Classes Diferenciáveis
Classe 1: Pouca contribuição
Classe 2: Contribuição do Rio Amazonas
Classe 3: Segue a batimetria
Classe 4: Massa de água proveniente da Africa
Classe 5: Oceano
Pouco variação no tamanho de área das 5 classes ao longo do 6 anos.
Essas classes persistem ao longo do tempo.
Uma tendência positiva e discreta no cluster relacionado a contribuição
do Rio Amazonas
SUGESTÕES
Classificação pelo método Fuzzy
– aceita NaN na classificação
Utilizar mais variáveis como a profundidade da camada de mistura,
CDOM, vento e temperatura em outra profundidade
REFERENCIA BIBLIOGRÁFICA
Castro, B. M., Brandini, F. P., Pires-Vanin, A. M. S., Miranda, L. B. 2006. Multidisciplinary
Oceanographic Processes On the Western Atlantic Continental Shelf Between 4N and 34S, p. 259-293. In: A. R. Robinson & K. Brink (Eds.). The Global Coastal Ocean.
Interdisciplinary Regional Studies and Syntheses. The Sea. Harvard University Press.
Castro, B. M. & Miranda, L. B. 1998. Physical oceanography of the western Atlantic
continental shelf located between 4º N and 34º S – coastal segment (4W). The Sea, 11: 209-251.
Hobday A.J., Young J.W., Moeseneder C., Dambacher J.M. 2011. Defining dynamic pelagic
habitats in oceanic waters off eastern Australia. Deep-Sea Research II 58, 734-745.
Longhurst, A., Sathyendranath, S., Platt, T., Caverhill, C., 1995. An estimate of global primary
production in the ocean from satellite radiometer data. Journal of Plankton Research 17, 1245–1271.
Mackas, D.L., Strub, P.T., Andrew, T., Montecino, V. Eastern Ocean Boundaries Pan-Regional
Overview. IN: The Sea: The Global Coastal Ocean Interdisciplinary Regional Studies and Synthesis, 2006.
Schowengerdt, R. A. Remote sensing: models and methods for image processing. London:
