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, em torno de 620 nm, a ficocianina pode ser detectada e quantificada por técnicas de sensoriamento remoto. Isso possibilita o monitoramento espacial e temporal da dinâmica de florações de cianobactérias em lagos, reservatórios, rios e estuários.
O uso de sensores orbitais para estimar a ficocianina 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 ficocianina com alta frequência temporal, auxiliando no acompanhamento de eventos de eutrofização, 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 ampliaram 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, permitindo o desenvolvimento de produtos operacionais aplicados ao monitoramento ambiental e à gestão de recursos hídricos.
Produto de Ficocianina para a região dos reservatórios da Cascata do Tietê
Este produto disponibiliza imagens de concentração de ficocianina, expressas em microgramas por litro, 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 são as reflectâncias de sensoriamento remoto corrigidas com o corretor atmosférico ACOLITE.
O algoritmo utiliza 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, é ajustado um algoritmo de estimativa específico. O modelo 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.
Esse produto contribui para o acompanhamento de eventos de eutrofização, florações de cianobactérias e alterações ambientais, apoiando o monitoramento contínuo e a gestão de recursos hídricos.
Referências
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, 144, 102836.