Spectral mixture analysis for water quality assessment over the Amazon floodplain using Hyperion/EO-1 images

Ano: 2006 | Volume: 1 | Número: 2

Autores: RUDORFF, C. M.; NOVO, E. M. L. M; GALVÃO, L. S. G.

Palavras-chave: Hyperspectral remote sensing; spectral mixture analysis; phytoplankton; dissolved organic matter; suspended inorganic matter.

Resumo Português:

A água distribuída pelos diversos ambientes na planície de inundação da Amazônia central passa por complexas variações espaciais e temporais na sua composição. O presente estudo analisou a mistura espectral de constituintes opticamente ativos (COAs) na água, usando imagens orbitais de sensor hiperespectral. A área de estudo localiza-se à montante da confluência dos rios Amazonas (água branca) e Tapajós (água clara), onde duas imagens Hyperion foram adquiridas a partir do satélite Earth Observing One (EO-1). A primeira imagem foi adquirida em 16 de setembro de 2001, durante o período de vazante do rio Amazonas. A segunda imagem foi adquirida em 23 de junho de 2005, no final do período de cheia. As imagens foram pré-processadas para remover faixas de pixels anômalos, converter dados calibrados de radiância para reflectância de superfície, aplicar máscara de alvos terrestres, nuvens e macrófitas, e limitar os dados ao intervalo espectral 457-885nm. Um procedimento seqüencial das técnicas Fração Mínima de Ruído (MNF), Índice de Pureza de Pixel (PPI) e visualização do espaço de atributos n-dimensional gerado entre as bandas MNF foi empregado para selecionar membros de referência a partir das duas imagens. Um conjunto único de membros de referência foi composto para representar os seguintes COAs, espectralmente distintos: água clara, matéria orgânica dissolvida, sedimentos em suspensão; e fitoplâncton. O Modelo Linear de Mistura Espectral foi aplicado a cada imagem Hyperion para mapear a distribuição espacial destes constituintes em termos das abundâncias fracionais sub-pixels. Os resultados demonstraram três padrões de mudanças na qualidade da água entre as situações de inundação nos períodos de cheia e de vazante: diminuição na concentração de matéria inorgânica em suspensão no rio Amazonas; aumento nas concentrações de matéria inorgânica em suspensão e fitoplâncton nos lagos da várzea; e aumento na concentração de fitoplâncton no rio Tapajós.

Resumo Inglês:

Water composition undergoes complex spatial and temporal variations throughout the central Amazon floodplain. This study analyzed the spectral mixtures of the optically active substances (OASs) in water with spaceborne hyperspectral images. The test site was located upstream the confluence of Amazon (white water) and Tapajós (clear-water) rivers, where two Hyperion images were acquired from the Earth Observing One (EO-1) satellite. The first image was acquired on September 16, 2001, during the falling water period of the Amazon River. The second image was acquired on June 23, 2005, at the end of the high water period. The images were pre-processed to remove stripes of anomalous pixels, convert radiance-calibrated data to surface reflectance, mask land, clouds and macrophytes targets, and spectral subset the data within the range of 457-885nm. A sequential procedure with the techniques Minimum Noise Fraction (MNF), Pixel Purity Index (PPI) and n-dimensional visualization of the MNF feature space was employed to select end-members from both images. A single set of end-members was gathered to represent the following spectrally unique OASs: clear-water; dissolved organic matter; suspended sediments; and phytoplankton. The Linear Spectral Unmixing algorithm was applied to each Hyperion image in order to map the spatial distribution of these constituents, in terms of sub-pixel fractional abundances. Results showed three patterns of changes in the water quality from high to falling flood periods: decrease of suspended inorganic matter concentration in the Amazon River; increase of suspended inorganic matter and phytoplankton concentrations in varzea lakes; and increase of phytoplankton concentration in the Tapajós River.