Work

Advancing the inland water monitoring with geostationary satellites: TSS analysis in the Amazon Basin

Year: 2024
Type: dissertation
Abstract: This study assesses the effectiveness of the Advanced Baseline Imager (ABI) sensor on the GOES-16 satellite in analyzing Total Suspended Solids (TSS) dynamics in the Amazon River basin. The research begins with a thorough review of recent literature on the use of geostationary satellites for aquatic system monitoring, which serves as the foundation for the practical analysis. Radiometric data from the ABI and the Visible Infrared Imaging Radiometer Suite (VIIRS) sensors were analyzed and compared over a specific section of the Amazon basin, spanning from Lago Grande do Curuai to Lago Grande de Monte Alegre, including part of the Tapajós River. The study covered a wide range of TSS concentrations, from 1.1 mg/L to 1137.75 mg/L, offering diverse optical water types for analysis. Machine learning and empirical models were calibrated using in situ TSS concentrations and Remote Sensing Reflectance (Rrs) measurements. Among these, the XGBoost model was the most accurate for retrieving TSS, achieving a Mean Absolute Error (MAE) of 29.46 mg/L and a coefficient of determination (R²) of 0.89 for ABI/GOES data. Similarly, for VIIRS/SNPP data, the XGBoost model performed well, with an MAE of 29.57 mg/L and an R² of 0.90. This model was applied to images from both S-NPP/VIIRS and GOES-16/ABI sensors, demonstrating that geostationary ABI sensor images are reliable for TSS analysis and improve the monitoring of inland aquatic systems. Regression analysis showed a high correlation for the red band (r = 0.936 ± 0.047), while a slightly lower correlation was observed for the NIR band (r = 0.758 ± 0.096), likely due to differences in spatial resolution (ABI: 1000 m; VIIRS: 500 m). Despite these differences, low Mean Absolute Deviation (MAD) values (0.013 ± 0.014 for NIR and 0.014 ± 0.009 for red bands) suggest minimal variation in average pixel values. The findings contribute to improved understanding and management of water quality in the Amazon basin, with implications for environmental monitoring and resource management. RESUMO: Este estudo avalia a eficácia do sensor Advanced Baseline Imager (ABI) a bordo do satélite GOES-16 na análise da dinâmica de Sólidos Suspensos Totais (TSS) na bacia do Rio Amazonas. A pesquisa começa com uma revisão abrangente da literatura recente sobre o uso de satélites geoestacionários no monitoramento de sistemas aquáticos, que serve como base para a análise prática. Dados radiométricos dos sensores ABI e Visible Infrared Imaging Radiometer Suite (VIIRS) foram analisados e comparados em uma seção específica da bacia amazônica, abrangendo desde o Lago Grande do Curuai até o Lago Grande de Monte Alegre, incluindo parte do Rio Tapajós. O estudo abrangeu uma ampla gama de concentrações de TSS, variando de 1,1 mg/L a 1137,75 mg/L, oferecendo diversos tipos ópticos de água para análise. Modelos de aprendizado de máquina e empíricos foram calibrados utilizando concentrações de TSS in situ e medições de Reflectância de Sensoriamento Remoto (Rrs). Dentre esses, o modelo XGBoost foi o mais preciso na estimativa de TSS, alcançando um Erro Médio Absoluto (MAE) de 29,46 mg/L e um coeficiente de determinação (R²) de 0,89 para os dados do ABI/GOES. De forma semelhante, para os dados VIIRS/SNPP, o modelo XGBoost também teve um bom desempenho, com um MAE de 29,57 mg/L e um R² de 0,90. Este modelo foi aplicado a imagens dos sensores S-NPP/VIIRS e GOES-16/ABI, demonstrando que as imagens do sensor geoestacionário ABI são confiáveis para a análise de TSS e melhoram o monitoramento de sistemas aquáticos interiores. A análise de regressão mostrou uma alta correlação para a banda do vermelho (r = 0,936 ± 0,047), enquanto uma correlação ligeiramente inferior foi observada para a banda do NIR (r = 0,758 ± 0,096), provavelmente devido às diferenças na resolução espacial (ABI: 1000 m; VIIRS: 500 m). Apesar dessas diferenças, os baixos valores de Desvio Absoluto Médio (MAD) (0,013 ± 0,014 para o NIR e 0,014 ± 0,009 para as bandas do vermelho) sugerem variação mínima nos valores médios dos pixels. Os resultados contribuem para uma melhor compreensão e gestão da qualidade da água na bacia amazônica, com implicações para o monitoramento ambiental e a gestão de recursos.
Language: English
Open Access status: green
OpenAlex ID: W7007796677
Cites: 268
Cited by:
Related to: 9