Dissertação apresentada ao Programa de Pós-Graduação em Engenharia Civil da Universidade Federal da Integração Latino-Americana, como parte integrante dos requisitos para obtenção do título de Mestre em Engenharia Civil.

O presente estudo analisa as plumas de turbidez dos sistemas dos rios São Francisco, Caravelas, Doce, e Paraiba do Sul localizados na costa NE/E do Brasil utilizando imagens Landsat e o algoritmo logarítmico para Total de Sólidos em Suspensão (TSS) proposto por Tassan (1987). Os resultados obtidos foram comparados com Total de Sólidos em Suspensão medidos in situ. A pluma de turbidez de cada sistema mostra padrões de dispersão distintos. O comportamento, a dimensão e o grau de turbidez da pluma do Rio São Francisco têm sido drasticamente alterados devido à cascata de barragens e seus reservatórios presentes em sua bacia de drenagem. Já as plumas dos rios Doce e Paraíba do Sul apresentam pulsações sazonais e maior turbidez, uma vez que as barragens nesses rios localizam-se no setor médio e mantiveram a pulsação sazonal da vazão. A pluma do sistema costeiro de caravelas permanece restrita às águas rasas dominadas por processos de ressuspensão. Durante a primavera e verão, quando os ventos de NE-E prevalecem, as plumas dos quatro sistemas se dispersam na direção sul. Durante o inverno, inversões do padrão de dispersão podem ocorrer com a passagem de frentes frias. As plumas dos sistemas São Francisco e Doce tendem a se dispersar obliquamente à costa, favorecendo o transporte de material para regiões oceânicas, enquanto que as plumas dos sistemas Caravelas e Paraíba do Sul se dispersam paralelamente à costa, favorecendo a retenção de TSS.

SAFER (Simple Algorithm for Evapotranspiration Retrieving) is a relatively new algorithm applied successfully to estimate actual crop evapotranspiration (ET) at different spatial scales of different crops in Brazil. However, its use for monitoring irrigated crops is scarce and needs further investigation. This study assessed the performance of SAFER to estimate ET of irrigated corn in a Brazilian semiarid region. The study was conducted in São Desidério, Bahia State, Brazil, in corn-cropped areas in no-tillage systems and irrigated by central pivots. SAFER algorithm with original regression coefficients (a = 1.8 and b = –0.008) was initially tested during the growing seasons of 2014, 2015, and 2016. SAFER performed very poorly for estimating corn ET, with RMSD values greater than 1.18 mm d–1 for 12 fields analyzed and NSE values < 0 in most fields. To improve estimates, SAFER regression coefficients were calibrated (using 2014 and 2015 data) and validated with 2016 data, with the resulting coefficients a and b equal to 0.32 and –0.0013, respectively. SAFER performed well for ET estimation after calibration, with r2 and NSE values equal to 0.91 and RMSD = 0.469 mm d–1. SAFER also showed good performance (r2 = 0.86) after validation, with the lowest RMSD (0.58 mm d–1) values for the set of 14 center pivots in this growing season. The results support the use of calibrated SAFER algorithm as a tool for estimating water consumption in irrigated corn fields in semiarid conditions.

Os mangais são um ecossistema de enorme importância para a proteção costeira, a segurança alimentar e para a conservação e refúgio da biodiversidade. Prestam ainda inúmeros serviços de manutenção e regulação, sobretudo por ser um importante sumidouro de carbono e ainda de aprovisionamento para as populações humanas costeiras. Tal como muitos outros ecossistemas, os mangais enfrentam ameaças globais, como sejam a degradação, a poluição ou a sobre-exploração e substituição por usos intensivos como a aquacultura. A Guiné-Bissau é o segundo país de África Ocidental em extensão de mangais, onde os mesmos representam um importante recurso à subsistência das populações e um valioso património de biodiversidade. Os estudos sobre os mangais do país remontam a meados do século passado e fornecem uma visão geral da sua ocorrência no território nacional e no contexto regional. Não obstante, não há nenhuma abordagem recente e consistente que tenha procurado avaliar a extensão e a evolução dos mangais do país para um período tão longo como o que se apresenta neste estudo. O estudo mais recente data de 2010 e não faz uma avaliação por setor administrativo. Num cenário em que se prevêem a redução e degradação dos mangais em termos globais, esta avaliação reveste-se de particular importância. Neste contexto, e a propósito dos trabalhos de preparação da Lei para a Conservação e Gestão dos Mangais na Guiné-Bissau, realizou-se este estudo que lhe serviu de base, tendo como objetivos avaliar a extensão nacional atual dos mangais e a evolução da sua cobertura nos últimos 43 anos (1973 a 2015). Neste período deu-se a implementação de uma extensa área protegida com vista a preservar este ecossistema, o Parque Natural dos Tarrafes do rio Cacheu (PNTC). Por este motivo, selecionou-se esta área protegida para estudar a evolução dos mangais. Por forma a estabelecer um termo de comparação entre o PNTC e um espaço não protegido selecionou-se uma área de mangal próxima onde a mesma avaliação foi efetuada. Com base em imagens de satélite Landsat de 2014 foi possível cartografar 3128 km2 de mangais para a Guiné-Bissau, que ocupam 8,66% do território nacional. Os mangais ocupavam 400,6 km2 do PNTC em 2015 e a análise da sua evolução nos últimos 43 anos revela que a cobertura atual é 3,8% maior do que a que se registou em 1973, com uma extensão adicional de 14,66 km2. Este acréscimo engloba a recuperação de áreas de mangal por regeneração, bem como novas áreas onde o mangal se instalou. A recuperação verificada deu-se particularmente a partir de 2000, ano de implementação legal do PNTC, mas a mesma tendência foi observada fora da área protegida, fazendo crer que outros fatores, que não a criação do espaço protegido, terão contribuído para a tendência de recuperação na região do rio Cacheu nos últimos 43 anos. De entre os fatores passíveis de terem causado esta tendência salienta-se desde logo o abandono da cultura de arroz (e em particular o arroz de água salgada ou arroz de bolanha), cuja cultura sofreu uma quebra de produção a partir de finais da década de 90 do século passado. O aumento da procura de alternativas de maior rentabilidade, como foi o caso da cultura da castanha de caju, que teve um crescimento notável na Guiné-Bissau e que posicionou o país como maior exportador deste produto em África, também pode ter influenciado este aumento da área de mangal. As secas prolongadas, que se verificaram entre 1960 e 1990, tiveram uma influência importante na regressão dos mangais da região Oeste de África, muito em particular no Senegal e, possivelmente, também na Guiné-Bissau, que partilha das mesmas condições biogeográficas. Este trabalho inseriu-se numa abordagem integrada de estabelecimento de estratégias de uso sustentável e de gestão de recursos florestais que está plasmada na “Estratégia Nacional para as Áreas Protegidas e a Conservação da Biodiversidade na Guiné-Bissau”, que procura valorizar os mangais nas suas diversas valências. A Estratégia Nacional e Lei dos Mangais constituem uma resposta efetiva à necessidade de conservação e valorização dos mangais da Guiné-Bissau. A utilização de recursos de livre acesso e das melhores metodologias disponíveis, numa abordagem clara e bem documentada, asseguram a sua reprodutividade e consequente possibilidade de aplicação na monitorização temporal do mangal na Guiné-Bissau num cenário de escassez de recursos financeiros.

A presente dissertação de mestrado teve como principal objetivo investigar algoritmos que permitissem apurar a qualidade da água em zonas costeiras e na foz de rios. Pretendeu-se assim verificar a transparência da água a partir de imagens retiradas de satélites, tais como o Landsat 7, Landsat 8 e Sentinel 2. Pretendeu-se chegar a algumas conclusões tais como a viabilidade da utilização de um algoritmo de turbidez para a costa portuguesa, se a partir dos satélites é possível verificar a variação adequada da profundidade de Secchi e se no futuro será possível realizar produtos a partir dos mesmos. Esta investigação dividiu-se em duas fases de trabalho. Uma inicial que correspondeu à recolha e tratamento de dados de campo (Tejo, Sado e Sesimbra) em que, estes dados, serviram de validação dos valores obtidos a partir do algoritmo. A segunda fase correspondeu à criação de imagens com a variação da profundidade de Secchi. Estas foram obtidas a partir de dois algoritmos distintos, Doron [1] e o de Susanne Kratzer [2]. Apurou-se que é possível calcular a profundidade de Secchi a partir dos algoritmos. Conclui-se que o desenvolvido por Doron [1] apresenta valores de profundidade mais aproximados dos reais. No entanto tanto um como o outro apresenta baixa sensibilidade para baixas profundidades. Verifica-se que o Sentinel 2 é o satélite que apresenta melhores resultados

Environmental sensing via Earth Observation Satellites (EOS) is critically important for understanding Earth’ biosphere. The last decade witnessed a “Klondike Gold Rush” era for ecological research given a growing multidisciplinary interest in EOS. Presently, the combination of repositories of remotely sensed big data, with cloud infrastructures granting exceptional analytical power, may now mark the emergence of a new paradigm in understanding spatio-temporal dynamics of ecological systems, by allowing appropriate scaling of environmental data to ecological phenomena at an unprecedented level. However, while some efforts have been made to combine remotely sensed data with (near) ground ecological observations, virtually no study has focused on multiple spatial and temporal scales over long time series, and on integrating different EOS sensors. Furthermore, there is still a lack of applications offering flexible approaches to deal with the scaling limits of multiple sensors, while ensuring high-quality data extraction at high resolution. We present GEE_xtract, an original EOS-based (Sentinel-2, Landsat, and MODIS) code operational within Google Earth Engine (GEE) to allow for straightforward preparation and extraction of remote sensing data matching the multiple spatio-temporal scales at which ecological processes occur. The GEE_xtract code consists of three main customisable operations: (1) time series imageries filtering and calibration; (2) calculation of comparable metrics across EOS sensors; (3) scaling of spatio-temporal remote sensing time series data from ground-based data. We illustrate the value of GEE_xtract with a complex case concerning the seasonal distribution of a threatened elusive bird and highlight its broad application to a myriad of ecological phenomena. Being user-friendly designed and implemented in a widely used cloud platform (GEE), we believe our approach provides a major contribution to effectively extracting high-quality data that can be quickly computed for metrics time series, converted at any scale, and extracted from ground information. Additionally, the framework was prepared to facilitate comparative research initiatives and data-fusion approaches in ecological research.

Shoreline mapping and change detection are critical for Integrated Coastal Zone Management (ICZM) and all that it represents. This research utilized previous studies that combined both Remote Sensing and Geographical Information System (GIS) techniques to assess, map and forecast shoreline evolution from short-term perspectives. The study area is located in the central region of Portugal, between the counties of Ovar and Marinha Grande (circa 140 km) and the time period assessed was from 1984 to 2011. Historical data were used to calculate advance and retreat rates in order to support environmental scenarios for the Portuguese Central Region’s Coastal Management Plan. To ensure accuracy, a repeatable procedure was validated using Landsat TM and ETM+ satellite images, which were subsequently enhanced and elaborated by Remote Sensing analyses to detect and extract shorelines. They were subsequently integrated within an Esri ArcGIS software application (DSAS - Digital Shoreline Analysis System) to determine and predict rates of coastline change. Graphical DSAS plots identified coastline phases and shifts and were used to simulate the 2022 coastline scenario. These results will be integrated into the Coastal Zone Management Plan (Horizon – 2022). Importantly this methodological planning approach provides visual coastline change information for regional decision-makers and stakeholders.

A elaboração, com elevada precisão, de mapas de uso e ocupação do solo, através de imagens de satélite e métodos de classificação supervisionados depende, em grande medida, das amostras. Neste sentido, a disponibilidade de informação aberta e grátis oficial é particularmente relevante, uma vez que possibilita um conhecimento mais aprofundado sobre a paisagem do local em estudo e, também, a aplicação de classificações supervisionadas. Todavia, em ambientes biofísicos de elevada heterogeneidade, a ampla gama de assinaturas espectrais e a pequena variação destas entre as classes de uso e ocupação do solo poderá influenciar, de forma menos positiva, a produção destes mapas (Viana et al., 2019). Além desta questão existem, também, problemas relacionados com a informação de base utilizada para gerar as amostras de treino. No presente estudo, a carta de uso e ocupação do solo portuguesa (COS) de 2015 consistiu na informação de base para elaboração das amostras de treino. Desta forma, considerando que na COS as classes são representadas por polígonos que incluem elementos que, na verdade, não correspondem à classe propriamente dita (i.e. estradas de terra batida em torno de campos de cultivo), torna-se particularmente importante a aplicação de metodologias que permitam, a priori, analisar as amostras e, se necessário, proceder ao tratamento destas. Deste modo, é explorada a técnica de classificação por grupos (k-means) em ambiente R com recurso ao tclust package, no sentido de analisar e selecionar as amostras mais representativas de cada classe a classificar (Cuesta-Albertos et al.,1997; Fritz, García-Escudero & Mayo- Iscar, 2012). O presente estudo investiga o potencial desta técnica nas classificações supervisionadas de imagens de satélite numa região predominantemente rural caracterizada por uma mistura de ambientes agro-silvo-pastoris. Assim, realizou-se duas classificações para 2015: i) com as amostras originais ii) com as amostras selecionadas. Por fim, as experiências realizadas resultaram numa melhoria da precisão da classificação, (8%) demonstrando, assim, que a metodologia aplicada evidenciou um impacto positivo nos resultados.

Salt marshes support estuarine biodiversity and provide ecosystem services; however, their general decay is being observed worldwide, in large part due to land reclamation. Accordingly, there is a growing concern about salt marsh preservation status having in mind the promotion of effective management decisions towards their conservation and restoration. Satellite imagery offers the opportunity to monitor land surface dynamics, constituting a fundamental information source for wetland monitoring. This study analyses spatial and temporal vegetation changes within Ria de Aveiro coastal lagoon between 1984 and 2017, by processing and analyzing TM and ETM+ Landsat imagery. A database consisting of 264 cloud-free images was collected and analyzed. The Normalized Difference Water Index was computed using the remote surface reflectance and was then used to distinguish land from water and to estimate the flooded lagoon area. Moreover, the tidal state was determined for each image from a tidal elevation record monitored at the lagoon entrance. Subsequently, four vegetation indices (VI) were computed and their spatial variability in the lagoon area uncovered by water was assessed. Spatially averaged spectral indices were also statistically analyzed and seasonal variations and interannual trends evaluated. Results show that the intertidal area increased, and VI values decreased indicating a possible reduction in the Chlorophyll content and suggesting that the new intertidal regions are mostly covered by mud. The spatially averaged VI values show seasonal patterns, with peaks in spring and summer, coinciding with high biomass productivity periods. The largest flooded area and VI modifications occurred after 1999, suggesting that changes are associated with dredging activities performed in the main lagoon channels. This study reinforced the potential of Landsat archives to monitor coastal wetlands, highlighting their importance for coastal managers of threatened systems, and therefore helping to define management strategies about the ecological conservation of estuarine systems.

To create a land use/land cover (LULC) map from a satellite image, we can follow a supervised classification approach if we know what classes exist in the study area and if we have representative training samples for each class. However, in heterogeneous biophysical environments, the wide range of spectral signatures among LULC classes can bias the classification results. In this study, we generated training samples from the official 2015 Portuguese Land Cover Map (COS). In spite of the viability of this source of information (official reference data), we faced some problems with corrupted data and an unbalanced number of training samples per class. As such, we explored the K-means clustering technique in order to understand whether the data had critical issues and to select the most representative training samples by class for satellite imagery classification. We investigated the potential of this technique for LULC classification in a predominantly rural region characterized by a mixed agro-silvo-pastoral environment, which means there is a broad range of spectral signatures for each LULC class. Two image classifications for 2015 were performed using the random forest classifier. The first was done by using the most representative training samples selected from the statistical analysis, and the other was done by using the full generated training set (original training set). Ultimately, the present study demonstrates the improvements in overall accuracy between both image classifications (+8%), showing that the applied methodology has a positive impact on the results.