Para uma melhor experiência de navegação, é recomendada a utilização do Google Chrome, versão 40 ou superior. Por favor, atualize seu navegador.

Sobre

Documentação Técnica

1. Introdução

A Agência Nacional de Águas e o Institut de Recherche pour Le Développement – IRD, por meio do Convênio com a Agencia Brasileira de Cooperação, desenvolvem desde 2009 o Projeto de Cooperação Técnica Monitoramento Espacial Hidrológico de Grandes Bacias (Quantidade e Qualidade) - Projeto "MEG-HIBA", que teve como objetivo a demonstração da possibilidade de monitorar parâmetros hidrológicos a partir do uso de sensores espaciais.

No âmbito do Projeto MEG-HIBAM foram desenvolvidas atividades para produzir estimativas de nível de rios e reservatórios utilizando sensores radares altimétricos e para avaliar a qualidade de águas, utilizando parâmetros de qualidade extraídos de sensores espaciais imageadores. Foram desenvolvidas ferramentas para o processamento de dados em massa, produzindo séries temporais de parâmetros hidrológicos nas bacias amazônicas e do Nordeste

Essas ferramentas foram integradas num sistema de difusão cartográfico online (HidroSat) para a visualização das estimativas de concentração de sedimentos e de pigmentos algais em estações "virtuais" da Amazônia e da região Nordeste. Visando sistematizar os conhecimentos gerados pelas atividades realizadas no Convênio, a ANA e o IRD elaboraram esta pagina, de forma que usuários sem conhecimento prévio tenham acesso a informações técnicas que possibilitaram o processamento de imagens de satélite para a extração de parâmetros de qualidade de água e que são disponibilizados no sistema HidroSat. O objetivo desta pagina é apresentar:
          1) conceitos teóricos do comportamento espectral da água;
          2) informações sobre o sensor orbital imageador MODIS;
          3) os diferentes passos no processamento das imagens MODIS até a disponibilização das informações hidrológicas no sistema Hidrosat.
Essa página se encontra em desenvolvimento e será completada durante o projeto. Dados sujeitos a inconsistências.

 

2. Propriedades ópticas das águas

2.1 Fundamentos de radiometria ótica espectral

Radiometria é a medida quantitativa da intensidade de qualquer um dos tipos conhecidos de radiação, como por exemplo, a radiação eletromagnética, emitida pelo sol ou por uma fonte artificial como uma lâmpada (Meneses & Netto, 2001).

A radiação eletromagnética tem a propriedade de se propagar no espaço vazio ou vácuo, o que permite sua utilização para fins de sensoriamento remoto, já que pode ser detectada por sensores de câmaras fotográficas ou imageadores multiespectrais a bordo de aviões ou satélites.

Na região do espectro eletromagnético que vai do intervalo de comprimento de onda do visível ao infravermelho de ondas curtas, de 400 a 2500 nm (0,4 a 2,5 µm), a radiação eletromagnética recebe a denominação de óptica, cuja propriedade principal é poder ser refletida pelas superfícies dos objetos de acordo com as leis ópticas de reflexão (Meneses & Netto, 2001).

2.2 Conceito de reflectância

Cada material ou objeto interage espectralmente de forma distinta em relação à energia iluminante proveniente do sol. Quando a energia eletromagnética atinge a superfície de um objeto ocorrerão trocas de energia que resultará em uma absorção, reflexão e/ou transmissão de parte da energia incidente. A quantidade de energia para cada uma dessas formas de interação está relacionada com as propriedades físicas, químicas e biológicas do objeto, e de propriedades externas, tal como a geometria da medição (Meneses & Netto).

Reflectância é a razão percentual entre a intensidade de energia refletida pelo objeto e a intensidade de energia incidente.

Inúmeros trabalhos sistemáticos de medidas de reflectância, com o detalhamento do comportamento espectral dos alvos e caracterização por meio de curvas espectrais dos padrões de reflectância dos diferentes objetos, tem gerado conhecimento fundamental para a extração de informações sobre a natureza dos objetos contida nos pixels das imagens, fornecendo recursos a pesquisadores e usuários para interpretação de imagens multiespectrais.

2.3 Medidas espectrorradiométricas

Espectroradiometria de reflectância é uma técnica que mede em diferentes comprimentos de onda a energia eletromagnética refletida da superfície dos objetos e é representada na forma de um gráfico que se denomina de curva de reflectância espectral (Meneses & Netto, 2001).

O coeficiente de absorção da água pura é mínimo na região compreendida entre 400 e 600 nm, aumentando rapidamente na região do infravermelho próximo. Ao contrário, o coeficiente de espalhamento da água pura é máximo na região do azul e decresce exponencialmente em direção ao infravermelho. Estimando o espectro de reflexão da água pela razão entre o coeficiente de retroespalhamento (BB) e o coeficiente de absorção (a), a energia refletida pela água pura é máxima na região do azul e decresce em direção ao vermelho, tendendo a apresentar a cor azul quando observada de um satélite.

2.4 Comportamento espectral da água

O comportamento espectral dos sistemas aquáticos continentais esta relacionado à concentração de componentes opticamente ativos na água. Esses componentes são substâncias em suspensão ou solução na água que provocam alterações na cor da água pura em função de sua concentração e natureza. Existem três grandes grupos de componentes opticamente ativos:
          * Partículas inorgânicas e orgânicas em suspensão na água (sedimentos);
          * Componentes orgânicos em solução na água (ácidos húmicos e fúlvicos);
          * Pigmentos relacionados à presença de organismos vivos (fitoplâncton) como a clorofila-a.

Influência dos organismos vivos: Os pigmentos responsáveis pela fotossíntese do fitoplâncton – clorofilas, carotenóides e biliproteínas – causam a absorção seletiva da radiação eletromagnética que penetra a superfície da água. A maior parte das plantas possue clorofilas a, b, c e mais raramente d, sendo a clorofila a a que ocorre em maior abundância. Entre as algas, contudo, a concentração da clorofila a varia amplamente. A razão entre a concentração de clorofila a e b varia também de espécie para espécie, podendo atingir valores mínimos em torno de 1,0 mg/l em espécies marinhas a até 6,0 mg/L, para a Euglenofita (Meneses & Netto, 2001).

A região do azul e do vermelho são as principais regiões de absorção dos pigmentos do fitoplâncton (Tabela 1). Desta forma, um aumento da concentração de algas na água implica, principalmente, numa redução da reflectância da água na região do azul (Meneses & Neto, 2001).

Pigmentos Bandas de absorção (nm)
Clorofila a 435/675
Clorofila b 480/650
Clorofila c 440/645
Carotenóides 425/450/500
Biliproteínas 498/553/555/562/568/585/620/650/670
Tabela 1. Bandas de absorção dos pigmentos fotossintetizadores.
Fonte: (Meneses & Netto, 2001).

À medida que a concentração de pigmentos aumenta, há diminuição constante da energia refletida pela água nas bandas de absorção dos pigmentos. O máximo de reflectância da água passa gradativamente da região do azul para a do verde, ao mesmo tempo em que começa a ocorrer aumento da energia refletida na região em torno de 680-700 nm, que corresponde à região de emissão associada à fluorescência pela clorofila. Com isto, as águas com altas concentrações de pigmentos tenderão a apresentar cor verde, visto que o máximo de energia refletida ocorre na região do verde (Meneses & Netto, 2001).

Martinez et al. (2011) estudou os processos de eutrofização de 4 grandes reservatórios da região Nordeste do Brasil utilizando imagens MODIS do período de 2000 a 2010. No âmbito da pesquisa foram realizadas campanhas de campo durante as estações seca e úmida para a medição de vários parâmetros de qualidade de água, incluindo pigmentos e concentração de nutrientes em diferentes profundidades na coluna d’água, e medições radiométricas hiper-espectrais, com o objetivo de relacionar estes dados com dados de reflectância do sensor MODIS. O estudo encontrou um contraste marcante do comportamento espectral entre águas marcadas pelo bloom de fitoplâncton e águas carregadas de sedimentos. Próximo ao comprimento de onde de 440 nm foi observada uma reflectância mínima que é causada pela absorção máxima da clorofila-a. Um pico proeminente de reflectância no comprimento de onda 560nm no intervalo do verde representa a absorção mínima de todos os pigmentos das algas e está relacionado com o espalhamento provocado pela matéria inorgânica suspensa e a resposta das paredes celulares do fitoplâncton. No intervalo de 620 a 630 nm, nota-se um marcado declínio da reflectância causado pela absorção do pigmento phycobillins das cianobactérias. Um buraco de reflectância próximo ao comprimento de onda 670 nm é devido à máxima absorbância pela clorofila-a no intervalo do vermelho do espectro. A pesquisa comprovou a eficácia do uso de imagens MODIS para o monitoramento dos processos de eutrofização nos quatro reservatórios estudados, demonstrando que as bandas espectrais do sensor MODIS são adequadas para o monitoramento da eutrofização através da quantificação do mínimo de absorção da clorofila-a próximo à banda 560 nm.

Influência das partículas inorgânicas em suspensão: As partículas em suspensão, principalmente as inorgânicas, também podem aumentar o coeficiente de absorção da água. Segundo Meneses & Netto (2001), medidas indiretas mostram que o coeficiente de absorção por partículas tende a ter um comportamento espectral semelhante ao da matéria orgânica dissolvida, com o máximo de absorção no azul

O principal efeito do material particulado é o aumento do coeficiente de espalhamento da água; quanto maior a concentração de sólidos totais em suspensão na água, maior é o coeficiente de espalhamento da água.

Experimentos com material de origem edáfica com frações orgânicas e inorgânicas demonstraram um aumento da reflectância do volume d’água. Estudos de laboratório demonstraram que a fração inorgânica é a maior responsável pelo aumento da reflectância da água devido ao seu maior índice de refração. Com uma maior concentração de sedimentos em suspensão na água há um deslocamento do máximo de reflectância da água em direção a comprimentos de onda mais longos, além disto, observa-se uma ampliação da região espectral em que ocorre esse máximo, que passa a se comportar com um patamar de reflectância quase constante entre 500 e 700 nm. Observa-se também um crescimento expressivo da reflectância na região do infravermelho.

De acordo com Martinez et al. (2009), numerosos trabalhos tratam da sensibilidade da reflectância dos sensores remotos às concentrações de sedimentos suspensos nos oceanos e em águas interiores. Um significativo número de pesquisadores tem reportado uma forte correlação positiva entre concentrações de sedimentos suspensos na superfície (surface suspended sediment – SSS) e a radiância espectral, e observaram que a relação pode depender do intervalo da concentração, dos tipos de água e da origem da matéria suspensa. A maioria dos estudos concorda que a melhor correlação entre reflectância e a SSC está entre 700 e 800 nm em águas interiores turvas.

Martinez et al. (2009) quantificou o balanço de sedimentos no Rio Amazonas utilizando dados de reflectância derivados de 554 imagens do sensor espacial MODIS (MODerate-resolution Imaging Spectroradiometer) do período de 2000 a 2009, e dados mensais da carga de sedimentos suspensos da rede de monitoramento do HYBAM, do período de 1995 e 2007. Os resultados mostram um aumento da reflectância da água extraída da banda infravermelha do MODIS em função de medidas da concentração de sedimentos suspensos na superfície. O estudo também apresentou equação relacionando sedimentos suspensos na superfície e a média de sedimentos suspensos, estes últimos obtidos em 18 campanhas de amostragem conduzidas entre 1995 e 2003. Com isto, o estudo determinou a descarga sólida média do Rio Amazonas em Óbidos no período de 1996 e 2007, contribuindo para a quantificação dos processos de erosão em um dos principais ecossistemas naturais remanescentes. No que se refere à reflectância da superfície das águas do Rio Amazonas, os dados de reflectância parecem ser robustos com a concentração de sedimentos suspensos para a superfície do rio sobre um intervalo grande de concentração e para vários ciclos hidrológicos consecutivos. Com a combinação da excelente resolução temporal e uma fina calibração, os dados do MODIS podem ser usados operacionalmente com observações de campo para prover com mais informações as bacias mal avaliadas, assim como as grandes bacias hidrográficas.

Influência das substâncias orgânicas dissolvidas na água: Kirk (1994) mostra um aumento exponencial do coeficiente de absorção da água em direção aos comprimentos de onda mais longos. Mobley (1994) sugere que a presença de colóides associados à matéria orgânica dissolvida promove aumento do coeficiente de retroespalhamento em direção aos comprimentos de onda mais longos, ou seja, com aumento da concentração de materiais dissolvidos na água, a reflectância da região do azul diminui até um ponto em que os máximos de reflectância passam a ocorrer na região do verde e do vermelho, o que dá à água uma cor amarela.

Segundo Meneses (2001), quando a concentração de substâncias orgânicas dissolvidas é muito grande, como no caso do Rio Negro na Amazônia, a absorção suplanta o espalhamento e praticamente não há energia retroespalhada pelo volume d’água, que adquire uma aparência negra quando em grande volume.

Mantovani (1993) mostra, em simulações em laboratório, que o aumento da concentração de matéria orgânica dissolvida está associado à redução da reflectância da água na região do azul e do verde. Na região do vermelho (em torno de 650 nm), a reflectância praticamente não modifica com a variação da concentração de matéria orgânica e, na região do infravermelho, a reflectância da água amplia com a matéria orgânica dissolvida. Com o aumento da concentração de matéria orgânica dissolvida na água, a água tenderá primeiro a uma cor amarela, ficando em seguida mais vermelho-escura conforme os baixos níveis de reflectância.

 

3. Pós-Processamento das imagens MODIS

3.1 Programa MOD3R

O MOD3R (MODIS Reflectance Retrieval over Rivers) é um programa de pós-processamento de imagens MODIS desenvolvido pelo IRD em linguagem JAVA para a extração de séries temporais de reflectância de imagens MODIS dos corpos hídricos. É uma funcionalidade desenvolvida para ser facilmente usada em uma base regular por pessoas que trabalham com medidas de concentração de sedimentos ou de fitoplâncton em corpos hídricos. Esse mesmo software esta implementado no sistema Hidrosat para processar de modo automatico as imagens MODIS.

O algorítimo desenvolvido para o programa determina com precisão e com consistência ao longo do tempo os pixels de água pura em uma imagem, ou seus melhores candidatos, independentemente dos tipos de morfologia dos rios. Com a extração dos valores de reflectância das bandas do vermelho e do infra-vermelho das imagens MODIS, é possível determinar as concentrações de superfície de sedimentos e fitoplâncton da água.

O programa apresenta uma interface simples para seleção de imagens e dos parâmetros necessários para os cálculos. São gerados diversos arquivos de saída com resumos das imagens processadas. O resultado para cada imagem é acompanhada por um indicador de qualidade codificado entre um e três, dando um senso de confiança que pode ser dado para o valor encontrado.

As informações que podem ser extraídas a partir de imagens de satélite para a pesquisa em hidrologia dependem tanto da geomorfologia do rio (principalmente da largura da seção do rio estudado), da meteorologia e da geometria de aquisição de imagem (a resolução final dos pixels depende do ângulo de visada do satélite e da posição do sol).

O MOD3R é uma versão para uso individual com interface especifica. O mesmo programa está sendo operado de maneira automática no Hidrosat.

3.2 Desenvolvimento do Software

O software foi desenvolvido na linguagem de programação JAVA, linguagem orientada a objetos, robusta, livre e amplamente utilizada em todo mundo, que permite a criação de executáveis independente do tipo de máquina, proporcionando boa portabilidade. Estas características permitirão a execução de atualizações rápidas e fáceis para desenvolvimento futuro do software.

3.3 Algorítimo de extração automatizada da reflectância

Martinez et. al (artigo em revisão) desenvolveu algorítimo para separar dentro de uma imagem de satélite os pixels que apresentam uma resposta espectral de água dos outros pixels em que a resposta vem misturada com outros alvos, como vegetação e solos das margens dos corpos d’agua. O processo de mistura espectral depende da resolução espacial do pixel que muda a cada aquisição, já que o ângulo de aquisição numa imagem MODIS pode variar de -53 graus a +53 graus. Essa variabilidade, aliada a própria variação do espelho de água em função do período hidrológico, faz com que seja impossível, na maioria dos corpos de água continentais (rios, lagos), assegurar que um determinado pixel seja sempre um pixel representativo de água.

O programa MOD3R permite processar automaticamente um grande número de imagens apenas informando a área de interesse na imagem através da seleção de uma máscara. No caso em que existam vários pontos de interesse determinados numa imagem (rio, lago etc ...), será necessário criar tantas máscaras quanto pontos de interesse. O MOD3R processa apenas produtos MODIS MOD/MYD09Q1 e MOD/MYD09A1 no formato HDF que foram baixados do banco de imagens GETMODIS dentro do sistema HidroSat. Essas imagens foram produzidas a partir de um recorte espacial dos produtos MOD09 e de uma seleção das bandas radiométricas e de metadados.

A extração da reflectância do endmember d’água é realizada pelo MOD3R em 4 etapas:
            * Seleção na imagem dos pixels de qualidade de processamento ótimo segundo as informações providenciadas na banda de qualidade do produto MOD/MYD09A1;
            * Extração dos pixels localizados na zona de interesse definida pela mascara;
            * Segmentação dos pixels selecionados em N grupos (“clusters”) homogêneos pelo método do K-means a partir de um sorteio do tipo de Monte Carlo realizado M vezes (“loop”);
            * Cálculo de um modelo inverso de mistura espectral para determinação dos pixels de água.

Seleção da área de interesse na imagem: A área de interesse será extraída em cada imagem a partir da área delimitada pela máscara selecionada na função Choose mask file da janela Main do MOD3R.

Estimativa e classificação dos pixels em grupos homogêneos: Por meio do algorítimo estatístico K-means são criados grupos homogêneos (clusters) de pixels. Este método de classificação não supervisionado busca formar K grupos, representados pelo centro do grupo (no espaço espectral) e da dispersão dos valores dos demais pixels no grupo determinado.

Aplicação de modelo linear de mistura espectral: Uma vez definidos os grupos na etapa anterior, seleciona-se aquele que represente melhor o endmember de água Refágua. Como este endmember a priori não é conhecido, é necessário testar cada grupo Gi para determinar qual é o que melhor descreve o processo de mistura espectral em todos os outros grupos Gj. A equação de mistura espectral é escrita para cada banda radiométrica e para cada grupo resultado da segmentação i com 1 ≤ i ≤ K.Desta forma, existem para cada grupo Gi somente duas incógnitas, as frações i e i para cada grupo “j”. Com duas equações (para a banda vermelha e banda infravermelha) para cada grupo Gj é resolvido o sistema de equações produzindo estimativas de i, i e εi. Após a resolução do sistema de equações, é acrescentada uma condição de positividade das frações para forçar o algoritmo a produzir estimativas realísticas de frações. Este processo é repetido para cada grupo Gj para guardar no final o resíduo total t que esta associado ao candidato a endmember de água Gi. De maneira interativa, são testados cada grupo como candidato a endmember d’água Gi e o grupo que produzir o menor valor de εt é selecionado como o endmember d água final.

3.4 Produtos gerados

O aplicativo pode gerar até 4 produtos :
           1. Arquivo em formato jpg para cada imagem processada onde são mostrados em cor os pixels utilizados no processamento da imagem. Em vermelho são apresentados os pixels que não foram selecionados para extração da reflectância, e em azul os pixels selecionados para a extração da reflectância;
           2. Planilha com informações dos pixels de boa qualidade selecionados na máscara;
           3. Planilha que apresenta informações mais precisas dos clusters gerados pelo programa. O arquivo gerado possui informações da reflectância média de cada cluster gerado nas bandas do vermelho e do infra-vermelho e o nº de pixel do cluster. Apresenta também os melhores clusters selecionados e o valor do resíduo calculado pelo algoritmo para cada cluster. Quanto menor o resíduo, mais próximo será o comportamento do cluster ao comportamento da água pura.
           4. Planilha de dados gerada automaticamente com os resultados (Tabela 1). As colunas 3 a 7 apresentam a média da reflectância em cada banda e as colunas de 8 a 12 o desvio padrão da reflectância. Quando não existe dados no período de 8 dias (devido a presença persistente de nuvens, por exemplo), a linha é preenchida com zeros.

Coluna 1: Data
Coluna 2: Nome do arquivo
Coluna 3: Band #1 Mean reflectance
Coluna 4: Band #2 Mean reflectance
Coluna 5: Band #3 Mean reflectance
Coluna 6: Band #4 Mean reflectance
Coluna 7: Band #5 Mean reflectance
Coluna 8: Band #1 Reflectance Standard Deviation
Coluna 9: Band #2 Reflectance Standard Deviation
Coluna 10: Band #3 Reflectance Standard Deviation
Coluna 11: Band #4 Reflectance Standard Deviation
Coluna 12: Band #5 Reflectance Standard Deviation
Coluna 13: Buffer size
Coluna 14: Viewing Zenith Angle
Coluna 15: Viewing Zenith Angle Standard Deviation
Coluna 16: Angulo de sunglint
Coluna 17: Number of valid pixel within the buffer
Coluna 18: Flag de qualidade
Tabela 2 – Descrição dos campos da planilha de dados.

A coluna 18 apresenta uma classificação do nível de qualidade das imagens em 4 níveis:

0: ausência de dados;

1: dados de qualidade ótima;

2: dados de qualidade média;

3: dados de qualidade ruim.

Os dados de qualidade ruim devem ser descartados após processamento. O fato mais comum da ocorrência de qualidade “3” está associada à reflexão da luz do sol pelo espelho de água causando o processo de “Sun glint”. Os dados de qualidade 2 correspondem a dados que foram adquiridos em condições adversas (ângulo de incidência acima de 45 graus ou forte cobertura de nuvens). Portanto, para uma estimativa rápida dos parâmetros de qualidade é aconselhado descartar automaticamente os dados de qualidade 2 e 3. Num segundo passo os dados de qualidade “2” podem ser considerados para aumentar a quantidade de medições e devem ser criticados em função dos dados disponíveis nas datas próximas.

 

4. Lista bibliográfica sobre o uso das imagens de satélite e espetrorradiometros para monitorar parâmetros de qualidade das águas

Dekker A.G., R.J.V., S.W.M. Peters (2002). Analytical algorithms for lake water TSM estimation for retrospective analyses of TM and SPOT sensor data. International journal of remote sensing, 23, 15-35

Aranuvachapun, S., & Walling, D.E. (1988). Landsat-MSS Radiance as a measure of suspended sediment in the lower Yellow River (Hwang Ho). Remote Sensing of Environment, 25, 145-165

Bhargava, D.S., & Mariam, D.W. (1991). Effects of suspended particle size and concentration on reflectance measurements. Photogrammetric Engineering Remote Sensing, 57, 519-529

Chen, Z., Hu, C., & Muller-Karger, F. (2007). Monitoring turbidity in Tampa Bay using MODIS/Aqua 250-m imagery. Remote Sensing of Environment, 109, 207-220

Dekker, G.A., & Malthus, T.J. (1991). Quantitative Modeling of Inland Water Quality for High-Resolution MSS Systems. IEEE Transactions on Geoscience and Remote Sensing, 29, 89-95

Doxaran, D., Froidefond, J.M., Lavender, S., & Castaing, P. (2002). Spectral signature of highly turbid waters. Application with SPOT data to quantify suspended particulate matter concentrations. Remote Sensing of Environment, 81, 149-161

Hu, C., Chen, Z., Clayton, T.D., Swarzenski, P., Brock, J.C., & Muller-Karger, F.E. (2004). Assessment of estuarine water-quality indicators using MODIS medium-resolution bands: Initial results from Tampa Bay, FL. Remote Sensing of Environment, 93, 423-441

Justice, C.O., Townshend, J.R.G., Vermote, E.F., Masuoka, E., Wolfe, R.E., Saleous, N., & al., e. (2002). An overview of MODIS land data processing and product status. Remote Sensing of Environment, 83, 3-15

Kirk, J.T.O. (1994). Light and Photosynthesis in Aquatic Ecosystems: Cambridge University Press

Martinez J.M., JL Guyot, G Cochonneau, F Seyler. Surface water quality monitoring in large rivers with MODIS data - Application to the amazon basin. Proceedings of International Geoscience and Remote Sensing Symposium IGARSS 2007. Barcelona, July 2007

Martinez J.M., L. Maurice-Bourgoin, P. Moreira-Turcq, F. Seyler and J.L. Guyot. Amazon floodplain water quality monitoring using MERIS and MODIS data. Proceedings of the ENVISAT & ERS Symposium, 6-10 September 2004, Salzburg, Autriche, ESA publication SP-572, (CD-ROM), 10 p., 2004

Mertes, L.A.K., Smith, C.T., & Adams, J.B. (1993). Estimating Suspended Sediment Concentrations in Surface Waters of the Amazon River Wetlands from Landsat Images. Remote Sens.Environ., 43, 281-301

Miller, R.L., & McKee, B.A. (2004). Using MODIS Terra 250 m imagery to map concentrations of total suspended matter in coastal waters. Remote Sensing of Environment, 93, 259-266

Novo, E.M.L.M., Hamsom, J.D., & Curran, P.J. (1989a). The effect of sediment type on the relationship between reflectance and suspended sediment concentrations. International journal of remote sensing, 10, 1283-1289

Novo, E.M.L.M., Hamsom, J.D., & Curran, P.J. (1989b). The effect of viewing geometry and wavelength on the relationship between reflectance and suspended sediment concentration. International journal of remote sensing, 10, 1357-1372

Thiemann, S., & Kaufmann, H. (2002). Lake water quality monitoring using hyperspectral airborne data - a semiempirical multisensor and multitemporal approach for the Mecklenburg Lake District, Germany. Remote Sensing of Environment, 81, 228-237

Toole, D.A., D.A., S., Menzies, D.W., Neumann, M.J., & Smith, R.C. (2000). Remote-sensing reflectance determinations in the coastal ocean environment: impact of instrumental characteristics and environmental variability. Applied Optics, 39, 456-469

Carregando...