Calibração de algoritmos bio-ópticos para a estimativa de aCDOM em reservatórios eutrofizados do Sudeste brasileiro por sensoriamento remoto

Os sistemas aquáticos continentais desempenham um papel fundamental para o nexo do carbono entre continentes, oceano e atmosfera. Em escala global, a estimativa mais recente indica que os ecossistemas de água doce assimilam ~5,1 petagramas de carbono por ano (Pg C/ano) alóctone. Apesar dos avanços da comunidade científica para compreensão da dinâmica do Carbono Orgânico Dissolvido (DOC) em ambientes lacustres, ainda persistem lacunas relacionadas à magnitude do sequestro de carbono e à emissão de dióxido de carbono (CO2) e metano (CH4) nestes ambientes. Visando contribuir para superação deste paradigma, esta pesquisa parametrizou o algoritmo semianalítico Quasi-Analytical Algorithm (QAA) para estimativa de 𝑎𝑐𝑑𝑜𝑚(440) para utilizálo como proxy de DOC aplicado às imagens Sentinel-2/Multispectral Scanner Instrument nos reservatórios de Billings, Promissão, Ibitinga e Funil. Além disso, também foi utilizada a abordagem de machine learning com o algoritmo Random Forest para derivar 𝑎𝑐𝑑𝑜𝑚(440) nos mesmos reservatórios. As estimativas via abordagem semi-analítica resultaram em valores negativos para estimativa devido à complexidade óptica e dominância de 𝑎𝑝ℎ𝑦 nos reservatórios da área de estudo. Os melhores resultados para as estimativas de 𝑎𝑐𝑑𝑜𝑚(440) com QAA-M13 parametrizado foram RMSE = 0,844 m-1; MAE = 0,720 m-1; MAPE = 132,6 %. As estimativas de 𝑎𝑐𝑑𝑜𝑚(440) pelo Random Forest, foram mais acuradas que o método anterior, com RMSE = 0,268 m-1; MAE = 0,163 m-1; MAPE = 31,1 %. Os resultados constituem um avanço para compreensão dos desafios associados à estimativa de CDOM e DOC em sistemas aquáticos continentais eutróficos. Pesquisas futuras deverão refinar calibração de modelos bio-ópticos para explorar a variabilidade espaço-temporal desses constituintes. ABSTRACT: Continental aquatic systems play a fundamental role in the carbon nexus among continents, the ocean, and the atmosphere. On a global scale, the most recent estimate indicates that freshwater ecosystems assimilate approximately 5.1 petagrams of allochthonous carbon per year (Pg C/year). Despite scientific advances in understanding the dynamics of Dissolved Organic Carbon (DOC) in lacustrine environments, knowledge gaps remain regarding the magnitude of carbon sequestration and the emission of carbon dioxide (CO₂) and methane (CH₄) in these systems. To contribute to overcoming this paradigm, this research parameterized the semi-analytical Quasi- Analytical Algorithm (QAA) for estimating de 𝑎𝑐𝑑𝑜𝑚(440) to be used as a proxy for DOC, applied to Sentinel-2/Multispectral Instrument images in the Billings, Promissão, Ibitinga, and Funil reservoirs. In addition to the semi-analytical approach, a machine learning technique based on the Random Forest algorithm was also applied to derive 𝑎𝑐𝑑𝑜𝑚(440) for the same reservoirs. Estimates obtained using the semi-analytical approach yielded negative values for 𝑎𝑐𝑑𝑜𝑚(440) due to the optical complexity and dominance 𝑎𝑝ℎ𝑦(440) in the studied reservoirs. The best results for 𝑎𝑐𝑑𝑜𝑚(440) obtained with the parameterized QAA-M13 were RMSE = 0.844 m⁻¹, MAE = 0.720 m⁻¹, and MAPE = 132.6%. Estimates derived using the Random Forest approach were more accurate than the previous method, with RMSE = 0.268 m⁻¹, MAE = 0.163 m⁻¹, and MAPE = 31.1%. The results were consistent with field observations, indicating a high potential for remote sensing applications in estimating water quality parameters. These findings represent an advance in understanding the challenges associated with estimating CDOM and DOC in eutrophic continental aquatic systems. Future research should focus on refining the calibration of bio-optical models to better explore the spatiotemporal variability of these constituents.