Análise do modelo de regressão GWR em águas

túrbidas para dados Landsat5 - TM

Rogerio Flores júnior

Analise espacial – SER 301 - 2017

Óptica Hidrológica

• Águas Naturais

– Mistura de materiais dissolvidos e em suspensão.

– Componentes opticamente ativos (COA).

– Responsáveis pelo absorção e espalhamento da radiação.

– Conferem Cor a água.

Introdução Metodologia Resultados Conclusão

Óptica Hidrológica

• Sensoriamento remoto

– Espacialização dos parâmetros.

– Desenvolvimento de Séries Temporais.

– Redução dos custos e tempo de amostragem.

– Monitoramento dos recursos Hídricos.

Introdução Metodologia Resultados Conclusão

Objetivo

Comparar as estimativas de parâmetros dequalidade da água através da utilização daregressão geograficamente ponderada (GWR) emcontraste com a regressão linear simples emdados Landsat 5 TM.

Introdução Metodologia Resultados Conclusão

Área de estudo

• Lago Grande Curuai - Santarém - PA

– Várzea de inundação de 1340 a 2000 km2

– Recebe águas do rio Amazonas

– Grande presença de Materiais Suspensos.

– ~359 Km2

Introdução Metodologia Resultados Conclusão

Fluxograma

Introdução Metodologia Resultados Conclusão

Dados

Introdução Metodologia Resultados Conclusão

Imagens Orbitais Landsat 5-Sensor TM

Level 124/11/2003

In situ (Chl, TSS TSI)

Coleta: 22/11 a 02/122003

Barbosa,2005

Dados Orbitais

Introdução Metodologia Resultados Conclusão

• Correção atmosférica - Modelo ACOLITE

– “Image based”

– Entrada: ND

– Saída: Refletância de Superfície

• Recorte para área de estudo

– Retângulo envolvente.

– Utilização de mascara de água.

Dados In Situ

Introdução Metodologia Resultados Conclusão

• Remoção de dados Não utilizáveis:

– A partir da Imagem:

• Presença de Nuvem no ponto.

• Pontos não concomitantes com a massa d’água.

• Pontos Iniciais : 73

• Pontos Utilizados: 62

Analise exploratória

• BoxPlot

– Remoção de “outliers”

• Histograma

– Teste de Normalidade: Shapiro-wilk

• Correlação entre as variáveis.

– Chl, TSI, logTSI X Bandas (TM)

Introdução Metodologia Resultados Conclusão

Modelo de regressão simples

– Coeficiente Único para toda cena.– Resíduos do modelo aplicado as bandas.

Analise espacial

• Teste de Moran Unidimensional – Aplicado aos resíduos da RLS.– Métrica dos K-vizinhos : 3 pontos.

Introdução Metodologia Resultados Conclusão

Modelo GWR

Introdução Metodologia Resultados Conclusão

Espacialização• Interpolador: “Inverse Distance Weighted” (IDW)

– Aplicação dos coeficientes das regressões.– Utilizado a partir de (Chu et al.,2018)– Peso 2

• Validação – 40 iterações para RLS e GWR

• Remoção de 15 pontos para Validação.• Aplicação GRW e RLS nos 42 pontos remanescentes.• RMSE , MAPE.

• Mapas de Regressão

Introdução Metodologia Resultados Conclusão

BoxPlot

Introdução Metodologia Resultados Conclusão

Histograma

Introdução Metodologia Resultados Conclusão

Shapiro-Wilk

p-value = 7.662e-07 p-value = 0.8138 p-value = 0.2302p-value = 0.803

Correlação

Introdução Metodologia Resultados Conclusão

Analise Espacial

Banda 3 Clorofila Banda 4

Introdução Metodologia Resultados Conclusão

Analise Espacial

Banda 3 TSI Banda 4

Introdução Metodologia Resultados Conclusão

RLS x GWRIntrodução Metodologia Resultados Conclusão

Banda 3 Clorofila Banda 4

RLS x GWRIntrodução Metodologia Resultados Conclusão

Banda 3 TSI Banda 4

RLS x GWR

Introdução Metodologia Resultados Conclusão

TSI (B3) TSI (B4) CHL (B3) CHL (B4)

R2 RLS 0,07 0,26 0,02 0,07

R2 GWR 0,10 0,32 0,23 0,28

Rmse RLS (mg/l) 190,32 171,64 8,92 8,48

Rmse GWR (mg/l) 178,24 154,37 7,75 7,58

MAPE RLS (%) 47,64 28,71 29,17 29,17

MAPE GWR (%) 45,98 28,91 23,49 24,24

GWR - TSIIntrodução Metodologia Resultados Conclusão

Coeficientes RLS:Intercepto Coeficiente

1.135 11.207

TSI - RLS

• v

Introdução Metodologia Resultados Conclusão

TSI - GWR

• v

Introdução Metodologia Resultados Conclusão

- Método GWR Obteve resultados melhores R2 e RMSE.

- Cooeficientes locais fortes devido ao baixo nível da água.

- Baixa correlação da chl devido a águas altamente túrbidas.

- Autocorrelação da chl pode explicar melhor desempenho do GWR para este parâmetro.

- Baixo RMSE geral devido a relação simples de bandas.

Introdução Metodologia Resultados Conclusão

Considerações

- Utilização de algoritmos para estimativas dos constituintes.

- Avaliar Ponderações “Bandwith” mais restritas para épocas secas (restrição natural no lago)

- Aliar a técnica espacial GWR com séries temporais “GTWR”

Agradecimentos

Claudio Barbosa e Daniel Maciel

Introdução Metodologia Resultados Conclusão

Referências

• BARBOSA, C. C. F. . Sensoriamento remoto da dinâmica da circulação da água dosistema planície de Curuai/Rio Amazonas. Tese de Doutorado do Curso de Pós-Graduação em Sensoriamento Remoto do INPE, aprovada em 09 de dezembro de2005.

• Charlton, Martin, Stewart Fotheringham, and Chris Brunsdon. "Geographicallyweighted regression." White paper. National Centre for Geocomputation. NationalUniversity of Ireland Maynooth (2009).

• Chu, Hone-Jay, Shish-Jeng Kong, and Chih-Hua Chang. "Spatio-temporal water quality mapping from satellite images using geographically and temporally weighted regression." International Journal of Applied Earth Observation and Geoinformation 65 (2018): 1-11.