1. Visão Geral do Projeto
Em abril de 2024, a empresa Ramoton utilizou um sistema de sensoriamento remoto multiespectral montado em drone para adquirir dados multiespectrais de um rio em Qingdao, coletando simultaneamente dados de amostras de água in situ. Por meio do pré-processamento das imagens multiespectrais, da análise do grau de poluição e dos testes dos dados das amostras de água, foi realizada uma avaliação qualitativa da poluição do ambiente aquático e uma inversão quantitativa dos parâmetros de qualidade da água, fornecendo evidências relevantes para o monitoramento do ambiente aquático desse rio.
2. Coleta de Dados
Coleta de Dados Multiespectrais por Drone: Esta fase empregou o sistema de sensoriamento remoto multiespectral M300 RTK + RT600 Pro para coleta de dados, que possui um tempo de voo de até 35 minutos e pode cobrir aproximadamente 5 km² em um único voo.
Parâmetros de voo
| Indicador | Valor |
|---|---|
| Altitude de voo | 120 m |
| Velocidade de Voo | 7 m/s |
| Sobreposição Longitudinal | 80% |
| Sobreposição Lateral | 70% |
Coleta de Dados de Amostras de Água: Amostras de água do rio foram coletadas simultaneamente com os dados obtidos por drone, utilizando um amostrador submerso, sendo cada amostra coletada a uma profundidade de 0,5 m abaixo da superfície da água.
Nesta detecção multiespectral da qualidade da água, nove indicadores de qualidade foram medidos: clorofila a, fósforo total, nitrogênio total, índice de permanganato, transparência, oxigênio dissolvido, demanda química de oxigênio, turbidez e sólidos em suspensão totais. O oxigênio dissolvido e a transparência foram medidos in loco, enquanto os demais parâmetros de qualidade da água foram analisados em laboratório, seguindo normas nacionais ou setoriais, tais como “espectrofotometria”, “método com sonda” e “método gravimétrico”.”
3. Pré-processamento dos Dados
Inicialmente, os dados multiespectrais brutos foram pré-processados utilizando software especializado, passando por três etapas: registro espectral (band registration), emenda (stitching) e calibração de reflectância, gerando, ao final, uma ortofoto multiespectral (DOM) para a área investigada.
4. Análise da eutrofização e da poluição da água por odor fétido e coloração escura
Utilizando os módulos de software de aplicação industrial desenvolvidos internamente — “Módulo de Análise da Eutrofização na Ecologia Fluvial” e “Módulo de Análise da Poluição por Águas Negras e Fétidas” — as imagens TIFF pré-processadas foram analisadas, permitindo a exportação com um único clique de arquivos raster classificados e mapas temáticos para “Eutrofização/Águas Negras e Fétidas”.”
4.1 Análise da Eutrofização
Eutrofização refere-se ao acúmulo excessivo de nutrientes (como nitrogênio e fósforo) em corpos d'água, levando ao crescimento exagerado de algas e plantas aquáticas. Esse fenômeno pode resultar em proliferação excessiva de algas, esgotando o oxigênio na água e causando hipóxia, desequilibrando os ecossistemas aquáticos e, até mesmo, levando à morte do corpo d'água.
De acordo com os resultados da identificação da poluição por águas negras e fétidas, o rio apresentou predominantemente um estado não negro e não fétido. Combinados com dados de medições in loco, os indicadores de amônia nitrogenada e oxigênio dissolvido estavam muito distantes dos níveis característicos de águas negras e fétidas. A análise abrangente indica que o algoritmo para identificação de corpos d'água negros e fétidos funcionou adequadamente.
5. Inversão quantitativa de parâmetros de qualidade da água
Com base nas imagens multiespectrais coletadas pelo drone DJI Matrice 350 e nos dados de qualidade da água, foi realizada uma análise de dados para estabelecer um modelo de relação quantitativa entre os parâmetros de qualidade da água e os dados de sensoriamento remoto multiespectral, alcançando a inversão quantitativa de diversos parâmetros de qualidade da água para o corpo d’água-alvo. A distribuição dos pontos de amostragem é apresentada na figura abaixo.
Os nove indicadores de qualidade da água medidos incluem clorofila a, fósforo total, nitrogênio total, índice de permanganato, transparência, oxigênio dissolvido, demanda química de oxigênio, turbidez e sólidos em suspensão totais, cujos resultados de inversão quantitativa são mostrados na figura abaixo.
A precisão dos resultados de inversão foi avaliada utilizando o Erro Relativo Médio (ERM) e o Erro Quadrático Médio (EQM), sendo os resultados da avaliação de precisão para cada indicador apresentados na Tabela 2.
| Parâmetro de Qualidade da Água | Erro Relativo Médio | RMSE |
|---|---|---|
| Clorofila a | 7.87% | 1.25 |
| Fósforo Total | 10.75% | 0.05 |
| Nitrogênio Total | 44.54% | 0.83 |
| Índice de Permanganato | 19.68% | 0.43 |
| Transparência | 12.54% | 0.03 |
| Oxigênio Dissolvido | 12.71% | 0.66 |
| Demanda Química de Oxigênio | 27.96% | 1.32 |
| Turbidez | 8.25% | 0.02 |
| Sólidos em Suspensão Totais | 8.15% | 0.02 |
A partir da tabela, pode-se observar que, com exceção do nitrogênio total, o erro relativo médio de cada parâmetro de qualidade da água é inferior a 30%, atendendo às necessidades de monitoramento rotineiro e de alta frequência da qualidade da água em escala global.
Embora o erro relativo médio para o nitrogênio total seja relativamente elevado, a magnitude do erro quadrático médio (RMSE) é relativamente pequena. Considerando o teor medido de nitrogênio total, torna-se evidente que o gradiente de distribuição dos valores de nitrogênio total neste rio é desigual, afetando, assim, a sensibilidade da inversão do nitrogênio total. Otimizações futuras dos algoritmos buscarão equilibrar melhor a distribuição dos dados e lidar com sua variabilidade, assegurando a precisão da inversão de todos os parâmetros de qualidade da água.
6. Resumo do Projeto
A tecnologia de sensoriamento remoto multiespectral com drone DJI M350 permite adquirir ricas informações espectrais sobre objetos terrestres, oferecendo vantagens únicas e amplas perspectivas de aplicação no monitoramento ambiental da qualidade da água em rios. As pesquisas contínuas sobre sensoriamento remoto multiespectral com drones e seus algoritmos de aplicação continuam a se aprofundar. Em comparação com imagens de sensoriamento remoto por satélite, os dados multiespectrais obtidos por drones fornecem uma aquisição de dados mais precisa, flexível e com maior resolução temporal e espacial, sendo adequados para tarefas de monitoramento remoto voltadas a rios e zonas costeiras. Em comparação com os métodos tradicionais de amostragem manual, a tecnologia de sensoriamento remoto multiespectral pode reduzir os custos associados à obtenção de parâmetros de qualidade da água em rios e oferecer uma visualização global das condições de qualidade da água na área-alvo, evitando os erros inerentes às avaliações “pontuais” do ambiente aquático.
