Jalluri, ChaitanyaLuis, JoaquimZammit, Amy2025-05-152025-05-152024-02-12http://hdl.handle.net/10400.1/27121Coastal water quality (CWQ) monitoring is essential for managing harmful algal blooms and assessing marine ecosystem health, with chlorophyll-a (chl-a) serving as a proxy for phytoplankton biomass. The study compared the Ocean Color x (Ocx) algorithm’s performance in detecting chl-a concentrations using multispectral (Sentinel-2) and hyperspectral (Airborne Visible/InfraRed Imaging Spectrometer [AVIRIS]) imagery at three coastal sites, compared against in-situ measurements. Sentinel-2 provided moderate accuracy but struggled to capture small-scale variability in complex environments. Conversely, AVIRIS showed better detection due to its finer spectral resolution, though its accuracy was inconsistent, likely due to data processing limitations and environmental factors. The study suggests the integration of both imaging techniques to enhance CWQ monitoring and highlights the need for refined algorithms and aligning in-situ data collection with remote sensing acquisitions.Esta dissertação investiga a eficácia das tecnologias de deteção remota multi e hiperespectral na deteção e quantificação das concentrações de clorofila-a (chl-a) em três ambientes costeiros distintos: o Canal de Santa Barbara (SBC), a Baía de Newport (NB) e a Lagoa de Veneza (LoV). A clorofila-a é um indicador chave da saúde dos ecossistemas aquáticos, utilizado para monitorizar a biomassa de fitoplâncton e detectar o aparecimento de algas nocivas (HABs), que afetam a vida marinha, a saúde humana e o ambiente. Dado o aumento global da frequência dos HABs, técnicas eficazes e escaláveis para sua detecção precoce são cruciais. Embora os métodos tradicionais, como a amostragem in-situ, sejam valiosos, eles são limitados na sua cobertura espacial e são dispendiosos. Em contraste, a deteção remota oferece uma monitorização contínua em grande escala de parâmetros como as concentrações de chl-a. As tecnologias de deteção remota, como o Sentinel-2 (multiespectral) e o AVIRIS (hiperespectral), têm sido cada vez mais utilizadas para monitorizar águas costeiras. Os sensores multiespectrais adquirem dados num número limitado de bandas espectrais largas, adequados para identificar tendências gerais, mas limitados na deteção de mudanças subtis em parâmetros específicos, como a chl-a. Já os sensores hiperespectrais, com centenas de bandas espectrais estreitas, têm uma maior resolução espectral, permitindo uma deteção mais precisa das variações da chl-a e de outros constituintes da água. Este estudo teve como objetivo avaliar e comparar o desempenho do Sentinel-2 e do AVIRIS na deteção de chl-a em três locais distintos, com diferentes desafios para a deteção remota. O Canal de Santa Barbara apresenta um ecossistema complexo, com influências marinhas e terrestres. A Baía de Newport é um ambiente mais urbanizado, com influências antropogénicas e diferentes graus de poluição. A Lagoa de Veneza é uma área bio-diversa e sensível, sujeita a alterações induzidas por atividades humanas. Esses locais são ideais para testar tecnologias de deteção remota em ambientes costeiros variados. A metodologia envolveu a aquisição de imagens do Sentinel-2 e do AVIRIS para cada local de estudo, complementadas por dados de referência de medições de chl-a. As imagens do Sentinel- 2 foram escolhidas pela sua resolução espacial e capacidade de fornecer dados em intervalos regulares. O AVIRIS, devido à sua alta resolução espectral, foi selecionado pela capacidade de detectar variações subtis nas concentrações de chl-a. Os dados foram pré-processados para garantir compatibilidade com os modelos analíticos e comparados com as medições in-situ para avaliar a precisão das previsões baseadas em deteção remota. Os resultados mostraram diferenças significativas entre o desempenho dos sensores. O Sentinel-2 teve um desempenho moderado no SBC, com erros relativamente baixos em comparação com os dados de referência, mas teve dificuldades na Baía de Newport e na Lagoa de Veneza, onde a resolução espectral mais ampla do sensor não conseguiu capturar variações de pequena escala nas concentrações de chl-a. A complexidade das águas costeiras e a presença de partículas em suspensão e substâncias dissolvidas também contribuíram para esse desempenho limitado. Em contraste, o AVIRIS foi mais eficaz na deteção de chl-a, especialmente na Baía de Newport e na Lagoa de Veneza, onde sua resolução espectral fina permitiu capturar variações menores e distinguir melhor a chl-a de outros componentes da água. No entanto, no Canal de Santa Barbara, o desempenho do AVIRIS foi afetado por erros potenciais no pré-processamento e pela complexidade ambiental. A pesquisa também destacou a importância de alinhar os dados de referência com as imagens remotas. Desajustes temporais entre as passagens dos satélites e a coleta de dados in-situ podem ter causado discrepâncias nos resultados. Além disso, foi identificado que refinamentos nos coeficientes dos algoritmos OCx podem melhorar a precisão das previsões de chl-a. Em conclusão, embora tanto os sensores multiespectrais quanto os hiperespectrais tenham potencial para monitorizar as concentrações de chl-a, os resultados indicam que os sensores hiperespectrais, como o AVIRIS, oferecem vantagens significativas em ambientes costeiros, especialmente em áreas onde a variação de pequena escala é importante. Este estudo também ressaltou a necessidade de melhorias contínuas nos algoritmos de deteção remota e na validação de dados de referência, o que pode aprimorar a precisão e a aplicabilidade dessas tecnologias para monitorização ambiental em grande escala. O avanço destas tecnologias, em particular os sensores hiperespectrais, terá um papel crucial na mitigação dos impactos da poluição da água e na preservação dos ecossistemas costeiros.engCoastal water qualitymultispectral and hyperspectral remote sensing techniqueschlorophyll-aA comparative study of multispectral and hyperspectral remote sensing techniques for the detection of chlorophyll-a concentrations in coastal areasmaster thesis203875931