AlgaeMAp: Algae Bloom Monitoring Application para águas continentais em America Latina
Introdução
A degradação da qualidade da água em sistemas aquáticos continentais, especialmente em reservatórios, devido às atividades humanas e ao aumento dos níveis de nutrientes, é uma preocupação global. As florações de algas, caracterizadas pelo rápido aumento na população de algas e coloração azul-esverdeada da água, podem ter sérias consequências para a saúde humana e para a biogeoquímica aquática. Monitorar a produtividade dos ecossistemas aquáticos é essencial, e diversos Índices de Estado Trófico (IETs) baseados em entrada de nutrientes, transparência da água e concentração de clorofila têm sido desenvolvidos.
A clorofila-a (Cl-a) é um indicador-chave das florações de algas e pode ser estimada usando dados de satélite. O Índice de Clorofila Normalizado por Diferença (INCD, pelo acrônimo em inglês), que compara as bandas do infravermelho próximo e vermelho, tem sido bem-sucedido na detecção da presença de fitoplâncton. No entanto, o desenvolvimento de algoritmos para a estimativa de Cl-a depende de medições in situ, que muitas vezes são limitadas em países da América Latina, dificultando os esforços de gestão da qualidade da água. A sensoriamento remoto por satélite, especialmente por meio de plataformas como o Sentinel-2 e o Google Earth Engine (GEE), oferece uma ferramenta valiosa para o monitoramento de florações de algas.
Esta pesquisa tive como objetivo desenvolver um aplicativo de fácil utilização (GEE App) utilizando o GEE e dados do Sentinel-2/MSI para obter produtos relacionados às florações de algas e estabelecer um sistema de monitoramento para águas continentais na América Latina. O objetivo é calibrar e validar algoritmos preditivos para Cl-a e classes de Índice de Estado Trófico, incorporando tanto dados in situ quanto imagens de satélite. O GEE App calculará a variação espacial e temporal da concentração de Cl-a e das classes de IET, contribuindo para o monitoramento da Bacia do Rio Tietê em São Paulo, Brasil.
Este artigo fornece o embasamento teórico e metodológico para o desenvolvimento do GEE App e apresenta os resultados iniciais de sua aplicação na Bacia do Rio Tietê.
