A qualidade da água em rios, lagos e reservatórios pode ser avaliada por meio dos constituintes opticamente ativos presentes na coluna d’água, como o fitoplâncton, os sedimentos em suspensão e a matéria orgânica dissolvida colorida. Estes componentes alteram a forma como a luz é absorvida e espalhada pelo corpo d´água. Essas alterações modificam o sinal registrado pelos sensores remotos e podem ser exploradas para estimar parâmetros como a concentração de clorofila-a, a concentração de ficocianina, o material particulado em suspensão e a transparência da água.
Essa abordagem, conhecida como sensoriamento remoto da cor da água, tem se consolidado como uma ferramenta importante para o monitoramento da qualidade da água em grandes extensões e em locais de difícil acesso, complementando o monitoramento in situ tradicional. A partir de imagens de satélite adquiridas com frequência regular, é possível acompanhar a evolução espacial e temporal de processos como a eutrofização, a proliferação de florações de cianobactérias e o transporte de sedimentos, oferecendo subsídios para a gestão de recursos hídricos e para a tomada de decisão em situações de risco à saúde pública e aos ecossistemas aquáticos.
Os produtos de qualidade da água disponibilizados nesta plataforma são gerados a partir das imagens de Reflectância de Sensoriamento Remoto (Rrs), obtidas por meio da correção atmosférica específica para ambientes aquáticos (ACOLITE) aplicada às imagens dos sensores Sentinel-2/MSI e Sentinel-3/OLCI. A partir da Rrs, são aplicados algoritmos empíricos, semi-analíticos, híbridos e de Machine Learning, desenvolvidos e calibrados com dados coletados in situ nos corpos d’água brasileiros, para a estimativa dos diferentes parâmetros de qualidade da água.
Atualmente, a coleção contempla os seguintes parâmetros, disponíveis para os Reservatórios da Cascata do Rio Tietê (SP) e em expansão contínua para novos corpos d’água:
Ficocianina
A ficocianina é um pigmento fotossintético acessório característico das cianobactérias, organismos amplamente presentes em ambientes aquáticos continentais e costeiros. Por ser específica desses microrganismos, a ficocianina é amplamente utilizada como indicador da presença e da biomassa de cianobactérias em ambientes aquáticos. Além disso, determinadas espécies de cianobactérias podem produzir toxinas nocivas à saúde humana e aos ecossistemas, o que torna o monitoramento da ficocianina especialmente importante para a avaliação e o acompanhamento da qualidade da água.
Devido à sua acentuada absorção na região do vermelho do espectro eletromagnético (~620 nm), a ficocianina pode ser detectada e quantificada por técnicas de sensoriamento remoto, o que possibilita o monitoramento espacial e temporal da dinâmica de florações de cianobactérias em lagos, reservatórios, rios e estuários.
O uso de sensores orbitais para a estimativa de ficocianina tem se consolidado como uma importante ferramenta para monitoramento da qualidade da água, especialmente em regiões extensas ou de difícil acesso. A partir de dados espectrais adquiridos por satélites, é possível gerar mapas de concentração de ficocianina com alta frequência temporal, auxiliando no acompanhamento de eventos de eutrofização, de proliferação de florações potencialmente tóxicas e de alterações ambientais associadas à variabilidade climática e ao uso do solo.
Nos últimos anos, avanços em modelos bio-ópticos, algoritmos semi-analíticos e técnicas de Machine Learning têm ampliado significativamente a capacidade de detecção e quantificação da ficocianina por sensoriamento remoto. Sensores como o Sentinel-3/OLCI apresentam bandas espectrais estrategicamente posicionadas para o monitoramento de pigmentos associados às cianobactérias, o que possibilita o desenvolvimento de produtos operacionais aplicados ao monitoramento ambiental e à gestão de recursos hídricos, como o mapa mostrado na Figura 1 abaixo. Atualmente, estão disponíveis os dados de Ficocianina para a região dos Reservatórios de Cascata do Tietê (SP) e futuramente outros locais poderão ser incluídos.
Produtos
Produto de Ficocianina para a região dos Reservatórios de Cascata do Tietê (SP)
Este produto disponibiliza imagens de concentração de ficocianina (μg L-1), estimadas a partir de um algoritmo de Machine Learning aplicado a dados do sensor Sentinel-3/OLCI. Detalhes sobre o desenvolvimento e a calibração do algoritmo podem ser encontrados em Lima et al. (2025).
O produto de concentração de ficocianina foi obtido por meio de um algoritmo híbrido que combina Machine Learning e modelos bio-ópticos aplicados a imagens do Sentinel-3/OLCI. Os dados de entrada para o algoritmo são as Reflectâncias de Sensoriamento Remoto (Rrs) corrigidas com o corretor atmosférico ACOLITE. O algoritmo usa um conjunto de dados in situ para treinar e validar o modelo híbrido: um classificador Random Forest separa águas com baixa e alta concentração de ficocianina, e para cada classe ajusta-se um algoritmo de estimativa específico. O modelo híbrido é aplicado às imagens corrigidas, gerando estimativas de concentração de ficocianina por pixel. A eficácia do método foi avaliada por meio da comparação entre estimativas por satélite e medições de campo, demonstrando desempenho superior em relação a algoritmos individuais calibrados para todo o intervalo de concentrações. A Figura abaixo mostra alguns mapas de Ficocianina aplicados à região do Reservatório de Promissão (SP). Os dados disponíveis iniciam-se em 01/08/2023 e estão sendo atualizados diariamente.
Links úteis:
Citação
Lima, T. M., Barbosa, C. C., Nordi, C. S., Begliomini, F. N., Martins, V. S., Watanabe, F. S., … & Paulino, R. S. (2025). A novel hybrid cyanobacteria mapping approach for inland reservoirs using Sentinel-3 imagery. Harmful Algae, Volume 144, 2025, páginas 102836. DOI: 10.1016/j.hal.2025.102836.
Clorofila-a
A clorofila-a é o principal pigmento fotossintético presente no fitoplâncton, sendo encontrada em ambientes aquáticos continentais, costeiros e oceânicos. Por estar diretamente relacionada à biomassa fitoplanctônica, sua concentração é amplamente utilizada como indicador do estado trófico e da qualidade da água, constituindo uma das principais variáveis para o monitoramento da eutrofização e de florações de algas. A presença de clorofila-a altera a resposta espectral da água, principalmente devido à sua absorção da radiação nas regiões do azul e do vermelho e às alterações no espalhamento da radiação nas regiões do verde e do infravermelho próximo. Essas características permitem sua detecção e estimativa por meio de técnicas de sensoriamento remoto, possibilitando o acompanhamento da distribuição espacial e da evolução temporal do fitoplâncton em lagos, reservatórios, rios e estuários.
O uso de sensores orbitais para a estimativa de clorofila-a tem se consolidado como uma importante ferramenta para o monitoramento da qualidade da água, especialmente em regiões extensas ou de difícil acesso. A partir de dados espectrais adquiridos por satélites, é possível gerar mapas de concentração de clorofila-a com alta frequência temporal, auxiliando no acompanhamento de eventos de eutrofização, de proliferação de florações e de alterações ambientais associadas à variabilidade climática e ao uso do solo.
Nos últimos anos, avanços em modelos bio-ópticos, algoritmos semi-analíticos e técnicas de Machine Learning têm ampliado significativamente a capacidade de detecção e quantificação da clorofila-a por sensoriamento remoto. Sensores como o Sentinel-2/MSI apresentam bandas espectrais estrategicamente posicionadas nas regiões do visível e do infravermelho próximo, o que possibilita o desenvolvimento de produtos operacionais aplicados ao monitoramento ambiental e à gestão de recursos hídricos.
Produtos
Produto de Clorofila-a para a região dos Reservatórios de Cascata do Tietê (SP)
Este produto disponibiliza imagens de concentração de clorofila-a (µg L⁻¹), estimadas a partir de um modelo bio-óptico híbrido (Cairo et al., 2019) aplicado a dados do sensor Sentinel-2/MSI. Os dados de entrada para o algoritmo são as Reflectâncias de Sensoriamento Remoto (Rrs) corrigidas com o corretor atmosférico ACOLITE (Sentinel-2/MSI – Aquatic Remote Sensing Reflectance). O modelo utiliza como preditores, entre outras, as bandas espectrais do Verde (560 nm), Vermelho (665 nm) e Red-edge (705 e 740 nm).
O algoritmo utiliza um conjunto de dados in situ, coletado em campanhas de campo na Cascata do rio Tietê, para treinar e validar o modelo. A eficácia do método foi avaliada por meio da comparação entre estimativas por satélite e medições de campo (Erro médio absoluto de 28.32%). O modelo é aplicado às imagens corrigidas, gerando estimativas de concentração de clorofila-a por pixel. A Figura 02 apresenta uma comparação entre as estimativas de clorofila-a e a imagem óptica correspondente do Sentinel-2/MSI, permitindo relacionar diretamente as áreas de maior concentração do pigmento com as características observadas na imagem de satélite.
Referências
Cairo, C., Barbosa, C., Lobo, F., Novo, E., Carlos, F., Maciel, D., Flores Junior, R., Silva, E. and Curtarelli, V. (2019). Hybrid chlorophyll-a algorithm for assessing trophic states of a tropical brazilian reservoir based on msi/sentinel-2 data. Remote Sensing, 12(1), p.40. https://doi.org/10.3390/rs12010040