Avaliação da Eficiência de Modelos de Estimativa de Clorofila-a por Sensoriamento Remoto em Reservatórios do Semiárido Brasileiro

Laisa Daiana Alcântara Costa; Maycon Breno Macena da Silva; Carlinda Railly Medeiros; John Elton de Brito Leite Cunha

doi:10.26848/rbgf.v18.2.p1263-1307

Autores

Laisa Daiana Alcântara Costa Universidade Federal de Campina Grande https://orcid.org/0009-0001-0073-9812
Maycon Breno Macena da Silva Universidade Federal de Campina Grande https://orcid.org/0000-0002-3526-5442
Carlinda Railly Medeiros Universidade Federal de Campina Grande https://orcid.org/0000-0002-7332-2399
John Elton de Brito Leite Cunha Universidade Federal de Campina Grande https://orcid.org/0000-0002-1783-2343

DOI:

https://doi.org/10.26848/rbgf.v18.2.p1263-1307

Palavras-chave:

Eutrofização, Qualidade de água, Modelos espectrais, Sentinel 2, Google Earth Engine

Resumo

A estimativa da qualidade da água dos reservatórios do Semiárido Brasileiro (SAB) por sensoriamento remoto utilizando satélite é uma importante ferramenta para mitigar os impactos da degradação nesses ambientes. Um parâmetro comumente estimado por satélite é a Clorofila-a (Cla-a), representando um indicador do processo de eutrofização. Portanto, este trabalho teve como objetivo avaliar o desempenho de 22 modelos espectrais disponíveis na literatura para estimativa de Cla-a, em 170 reservatórios do SAB. Utilizou-se dados de campo de Órgãos Públicos responsáveis pelo monitoramento desses mananciais. As imagens de satélite foram obtidas do Sentinel 2 (S2), nível 2A e 1C. Os dados S2 - 2A contém correção atmosférica pelo algoritmo Sen2cor, já as imagens S2 - 1C foram submetidas a correção pelo modelo SIAC. Os conjuntos de dados foram analisados em tipologias de agrupamentos: por volumes dos mananciais; por concentrações de Cla-a de campo; e por reservatórios. Visando avaliar o desempenho dos modelos em diferentes cenários, foi empregado períodos temporais distintos nas análises (2015-2022 e 2019-2022). As correlações das imagens S2 corrigidas pelo Sen2cor foram um pouco maiores, se comparado com as imagens corrigidas pelo SIAC. Observou-se uma baixa eficiência dos modelos testados quando utilizado um número grande de reservatórios e a quantidade de correlações diminuiu à medida que o período temporal aumentou, possivelmente por possuírem dependência espaço-temporal de ambientes com características semelhantes aos locais onde foram gerados.

Downloads

Não há dados estatísticos.

Biografia do Autor

Laisa Daiana Alcântara Costa, Universidade Federal de Campina Grande

Mestranda do Programa de Pós-graduação em Engenharia Civil e Ambiental pela Universidade Federal de Campina Grande. Pós-graduada em Saneamento pela Faculdade Venda Nova do Imigrante (FAVENI) e em Gestão das Águas e Sustentabilidade dos Recursos Hídricos no Brasil pelo Instituto Univitória. Graduada em Bacharelado em Engenharia Ambiental e Sanitária pelo Instituto Federal de Educação Ciência e Tecnologia do Ceará (IFCE). Técnica em Informática pelo IFCE.

Maycon Breno Macena da Silva, Universidade Federal de Campina Grande

Doutorando em Engenharia Civil e Ambiental pela Universidade Federal de Campina Grande (UFCG). Bacharel em Engenharia Civil e mestre em Engenharia Civil e Ambiental também pela UFCG. Faz parte do núcleo de pesquisadores do Observatório das Águas (OGA Brasil). Foi monitor no componente curricular Ciências do Ambiente, extensionista, pesquisador de iniciação científica e estagiário da Agência Executiva de Gestão das Águas do Estado da Paraíba (AESA). Desenvolve atividades relacionadas à governança das águas e gestão de demanda dos recursos hídricos.

Carlinda Railly Medeiros, Universidade Federal de Campina Grande

Doutora em Ecologia pelo Programa de Pós-Graduação em Ecologia da Universidade Federal do Pará (UFPA). Mestre em Ecologia e Conservação (2016) e graduada em Ciências Biológicas (2014) pela Universidade Estadual da Paraíba (UEPB). Durante sua carreira acadêmica tem atuado na avaliação da qualidade ambiental de ecossistemas aquáticos de regiões tropicais e semiáridas, com ênfase em reservatórios e estuários. Atuou como pesquisadora no Instituto Nacional do Semiárido, que é uma das unidades de pesquisa do Ministério da Ciência, Tecnologia e Inovação. Atualmente desenvolve pesquisa na Universidade Federal de Campina Grande e atua como docente do programa de Pós-Graduação em Engenharia Civil e Ambiental da mesma instituição.

John Elton de Brito Leite Cunha, Universidade Federal de Campina Grande

Possui graduação em Engenharia Civil, mestrado em Engenharia Civil e Ambiental e doutorado em Recursos Naturais pela Universidade Federal de Campina Grande (2018). Realizou doutorado sanduíche no Instituto Superior de Agronomia da Universidade de Lisboa. Desde 2012 é professor do Centro de Desenvolvimento Sustentável do Semiárido da UFCG e atua no programa de pós-graduação em Engenharia Civil e Ambiental (PPGECA-UFCG), com orientações de mestrado e doutorado. Seus principais interesses de pesquisa são aplicação de técnicas de sensoriamento remoto para o balanço de energia, carbono e água, e estudos de mudança de cobertura do solo no semiárido Brasileiro. John esteve envolvido em vários projetos internacionais de pesquisa com instituições da África, Europa e EUA com sua pesquisa ligada as regiões de clima mediterrâneo e semiárido. Tem trabalhado com pesquisadores do Centro de Pesquisas Florestais da Universidade de Lisboa (Portugal) e na Escola de Ciências Geográficas da Universidade de Bristol (Inglaterra).

Referências

Alawadi, F., 2010. Detection of surface algal blooms using the newly developed algorithm surface algal bloom index (SABI). SPIE Proceedings, 7825. https://doi.org/10.1117/12.862096

Alparslan, E., Aydöner, C., Tufekci, V., & Tufekci, T., 2007. Water quality assessment at Ömerli Dam using remote sensing techniques. Environmental Monitoring and Assessment, 135, 391-398. https://doi.org/10.1007/s10661-007-9658-6.

ANA. Agência Nacional de Águas e Saneamento Básico, 2023. Sistema de Acompanhamento de Reservatórios (SAR): Nordeste e Semiárido. 2023. Disponível: https://www.ana.gov.br/sar/nordeste-e-semiarido. Acesso: 20 fev. 2023.

Aranha, T. R. B. T., Martinez, J. M., Souza, E. P., Barros, M. U. G., & Martins, E. S. P. R., 2022. Remote analysis of the chlorophyll-a concentration using Sentinel-2 MSI images in a Semiarid environment in northeastern Brazil. Water, 14(3), 451. https://doi.org/10.3390/w14030451.

Araújo Filho, J. C., Correa, M. M., Paiva, A. Q., Costa, O. V., Valladares, G. S., Ribeiro, M. R., & Schaefer, C. E. G. R., 2023. Semi-arid Soils of the Caatinga Biome of Northeastern Brazil. In C. E. G. R. Schaefer (Ed.), The Soils of Brazil. Springer Cham, pp. 175-193. https://doi.org/10.1007/978-3-031-19949-3_6.

AWWA. American Water Works Association, APHA. American Public Health Association, & WEF., 2012. Water Environment Federation. Standard Methods for the Examination of Water and Wastewater. 22 ed. APHA.

Barbosa, C. C. F., Novo, E. M. L. M., & Martins, V. S., 2019. Introdução ao Sensoriamento Remoto de Sistemas Aquáticos: Princípios e aplicações. 1 ed. LabISAINPE, São José dos Campos, 161 p. ISBN 978-85-17-00095-9 (E-book).

Beck, R., Zhan, S., Liu, H., Tong, S., Yang, B., Xu, M., Ye, Z., Huang, Y., Shu, S., Wu, Q., Wang, S., Berling, K., Murray, A., Emery, E., Reif, M., Harwood, J., Young, J., Nietch, C., Macke, D., Martin, M., Stillings, G., Stump, R., & Su, H., 2016. Comparison of satellite reflectance algorithms for estimating chlorophyll-a in a temperate reservoir using coincident hyperspectral aircraft imagery and dense coincident surface observations. Remote Sensing of Environment, 178, 15-30. https://doi.org/10.1016/j.rse.2016.03.002.

Cao, Q., Yu, G., & Qiao, Z., 2023. Application and recent progress of inland water monitoring using remote sensing techniques. Environ. Monit. Assess., 195(125). https://doi.org/10.1007/s10661-022-10690-9.

Carlson, R. E., 1977. A trophic state index for lakes. Limnol. Oceanogr., 22(2), 361-369. https://doi.org/10.4319/lo.1977.22.2.0361.

Ceará. Secretaria dos Recursos Hídricos, 1994. Decreto nº 23.068, de 11 de fevereiro de 1994. Regulamenta o controle técnico das obras de oferta hídrica e dá outras providências. Diário Oficial do Estado.

Chen, L., Tan, C. H., Kao, S. J., & Wang, T. S., 2008. Improvement of remote monitoring on water quality in a subtropical reservoir by incorporating grammatical evolution with parallel genetic algorithms into satellite imagery. Water Res., 42(1-2), 296-306. https://doi.org/10.1016/j.watres.2007.07.014.

Ciancia, E., Campanelli, A., Colonna, R., Palombo, A., Pascucci, S., Pignatti, S., & Pergola, N., 2023. Improving Colored Dissolved Organic Matter (CDOM) Retrievals by Sentinel2-MSI Data through a Total Suspended Matter (TSM)-Driven Classification: The Case of Pertusillo Lake (Southern Italy). Remote Sens., 15(24:5718). https://doi.org/10.3390/rs15245718.

Cirilo, J. A., Montenegro, S. M. G. L., & Campos, J. N. B., 2010. A questão da água no Semiárido brasileiro. In: Bicudo, C. E. M.; Tundisi, J. G.; Scheuenstuhl, M. C. B. (Orgs.). Águas do Brasil: análises estratégicas. Instituto de Botânica, São Paulo, pp. 81-91. ISBN 978-85-85761-32-5.

Coelho, C., Heim, B., Foerster, S., Brosinsky, A., & Araújo, J. C., 2017. In Situ and Satellite Observation of CDOM and Chlorophyll-a Dynamics in Small Water Surface Reservoirs in the Brazilian Semiarid Region. Water, 9(12), 913. https://doi.org/10.3390/w9120913.

Concha, J. A., & Schott, J. R., 2016. Retrieval of color producing agents in Case 2 waters using Landsat 8. Remote Sensing of Environment, 185, 95-107. https://doi.org/10.1016/j.rse.2016.03.018.

Cortez, F., Monicelli, F., Cavalcante, H., & Becker, V., 2022. Effects of prolonged drought on water quality after drying of a semiarid tropical reservoir, Brazil. Limnologica, 93, 125959. https://doi.org/10.1016/j.limno.2022.125959.

Cui, T. W., Zhang, J., Wang, K., Wei, J. W., Mu, B., Ma, Y., Zhu, J. H., Liu, R. J., & Chen, X. Y., 2020. Remote sensing of chlorophyll a concentration in turbid coastal waters based on a global optical water classification system. ISPRS Journal of Photogrammetry and Remote Sensing, 163, 187-201. https://doi.org/10.1016/j.isprsjprs.2020.02.017.

ESA. European Space Agency, 2023. Sentinel-2. Disponível: https://sentinels.copernicus.eu/web/sentinel/copernicus/sentinel-2. Acesso: 01 dez. 2023.

Evans, J. D., 1996. Straightforward statistics for the behavioral sciences. Thomson Brooks/Cole Publishing Co.

Flores-Anderson, A. I., Griffin, R., Dix, M., Romero-Oliva, C. S., Ochaeta, G., Skinner-Alvarado, J., Ramirez Moran, M. V., Hernandez, B., Cherrington, E., Page, B., & Barreno, F., 2020. Hyperspectral Satellite Remote Sensing of Water Quality in Lake Atitlán, Guatemala. Frontiers in Environmental Science, 8. https://doi.org/10.3389/fenvs.2020.00007.

Gernez, P., Zoffoli, M. L., Lacour, T., Fariñas, T. H., Navarro, G., Caballero, I., & Harmel, T., 2023. The many shades of red tides: Sentinel-2 optical types of highly-concentrated harmful algal blooms. Remote Sensing of Environment, 287(113486). https://doi.org/10.1016/j.rse.2023.113486.

Gheyi, H. R., Paz, V. P. S., Medeiros, S. S., & Galvão, C. O., 2012. (Eds.). Recursos hídricos em regiões semiáridas. Instituto Nacional do Semiárido / Universidade Federal do Recôncavo da Bahia. ISBN 978-85-64265-03-5.

Gholizadeh, M. H., Melesse, A. M., & Reddi, L., 2016. A Comprehensive Review on Water Quality Parameters Estimation Using Remote Sensing Techniques. Sensors, 16(8), 1298. https://doi.org/10.3390/s16081298.

Gilerson, A. A., Gitelson, A. A., Zhou, J., Gurlin, D., Moses, W., Ioannou, I., & Ahmed, S. A., 2010. Algorithms for remote estimation of chlorophyll-a in coastal and inland waters using red and near infrared bands. Opt Express., 18(23), 24109-24125. https://doi.org/10.1364/OE.18.024109.

Gitelson, A. A., Dall'olmo, G., Moses, W., Rundquist, D. C., Barrow, T., Fisher, T. R., Gurlin, D., & Holz, J., 2008. A simple semi-analytical model for remote estimation of chlorophyll-a in turbid waters: validation. Remote Sensing of Environment, 112(9), 3582-3593. https://doi.org/10.1016/j.rse.2008.04.015.

Gitelson, A. A., Gritz, Y., & Merzlyak, M. N., 2003. Relationships between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves. Journal of Plant Physiology, 160(3), 271-282. https://doi.org/10.1078/0176-1617-00887.

Gonçalves-Araujo, R., Röttgers, R., Haraguchi, L., & Brandini, F. P., 2019. Hydrography-Driven Variability of Optically Active Constituents of Water in the South Brazilian Bight: Biogeochemical Implications. Front. Mar. Sci., 6. https://doi.org/10.3389/fmars.2019.00716.

Gons, H. J., Rijkeboer, M., & Ruddick, K. G., 2002. A chlorophyll-retrieval algorithm for satellite imagery (Medium Resolution Imaging Spectrometer) of inland and coastal waters. Journal of Plankton Research, 24(9), 947-951. https://doi.org/10.1093/plankt/24.9.947.

Gotelli, N. J., & Ellison, A. M., 2011. Princípios de estatística em ecologia. Artmed.

Guimarães, B. M. D. M., & Lima Neto, I. E., 2023. Chlorophyll-a prediction in tropical reservoirs as a function of hydroclimatic variability and water quality. Environmental Science and Pollution Research, 30(39), 91028-91045. https://doi.org/10.1007/s11356-023-28826-w.

Gurlin, D., Gitelson, A. A., & Moses, W. J., 2011. Remote estimation of chl-a concentration in turbid productive waters — Return to a simple two-band NIR-red model? Remote Sensing of Environment, 115(12), 3479-3490. https://doi.org/10.1016/j.rse.2011.08.011.

Ha, N. T. T., Koike, K., Nhuan, M. T., Canh, B. D., Thao, N. T. P., & Parsons, M., 2017. Landsat 8/OLI Two Bands Ratio Algorithm for Chlorophyll-A Concentration Mapping in Hypertrophic Waters: An Application to West Lake in Hanoi (Vietnam). IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(11), 4919-4929. https://doi.org/10.1109/JSTARS.2017.2739184

Hajigholizadeh, M., Moncada, A., Kent, S., & Melesse, A. M., 2021. Land–lake linkage and remote sensing application in water quality monitoring in lake Okeechobee, Florida, USA. Land, 10(2), 147. https://doi.org/10.3390/land10020147.

IPCC. Intergovernmental Panel on Climate Change, 2023. Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC. https://doi.org/10.59327/IPCC/AR6-9789291691647.00.

ISO. International Organization for Standardization, 1992. ISO 10260. Water quality - Measurement of biochemical Parameters - Spectrometric determination of the chlorophyll-a concentration. ISO.

ISO. International Organization for Standardization. 1991. ISO 5667-2. Water quality - Sampling. Part 2: Guidance on sampling techniques. ISO.

Kayastha, P., Dzialowski, A. R., Stoodley, S. H., Wagner, K. L., & Mansaray, A. S., 2022. Effect of Time Window on Satellite and Ground-Based Data for Estimating Chlorophyll-a in Reservoirs. Remote Sens., 14(4), 846. https://doi.org/10.3390/rs14040846.

Lee, J. H. W., Hodgkiss, I. J., Wong, K. T. M., & Lam, I. H. Y., 2005. Real time observations of coastal algal blooms by an early warning system. Estuarine, Coastal and Shelf Science, 65(1-2), 172-190. https://doi.org/10.1016/j.ecss.2005.06.005.

Li, W., Huang, Y., Shen, Q., Yao, Y., Xu, W., Shi, J., Zhou, Y., Li, J., Zhang, Y., & Gao, H., 2023. Assessment of Seven Atmospheric Correction Processors for the Sentinel-2 Multi-Spectral Imager over Lakes in Qinghai Province. Remote Sens., 15(22), 5370. https://doi.org/10.3390/rs15225370.

Llodrà-Llabrés, J., Martínez-López, J., Postma, T., Pérez-Martínez, C., & Alcaraz-Segura, D., 2023. Retrieving water chlorophyll-a concentration in inland waters from Sentinel-2 imagery: Review of operability, performance and ways forward. International Journal of Applied Earth Observation and Geoinformation, 125, 103605. https://doi.org/10.1016/j.jag.2023.103605.

Lobo, F. L., Nagel, G. W., Maciel, D. A., Carvalho, L. A. S., Martins, V. S., Barbosa, C. C. F., & Novo, E. M. L. M., 2021. AlgaeMAp: Algae Bloom Monitoring Application for Inland Waters in Latin America. Remote Sens., 13(15), 2874. https://doi.org/10.3390/rs13152874.

Ma, Y., Sun, D., Liu, W., You, Y., Wang, S., Sun, Z., & Wang, S., 2022. Using a Remote-Sensing-Based Piecewise Retrieval Algorithm to Map Chlorophyll-a Concentration in a Highland River System. Remote Sensing, 14(23), 6119. https://doi.org/10.3390/rs14236119.

Maciel, D. A., Barbosa, C. C. F., Novo, E. M. L. M., Flores Jr., R., & Begliomini, F. N., 2021. Water clarity in Brazilian water assessed using Sentinel-2 and machine learning methods. ISPRS Journal of Photogrammetry and Remote Sensing, 182, 134-152. https://doi.org/10.1016/j.isprsjprs.2021.10.009.

Markogianni, V., Kalivas, D., Petropoulos, G. P., & Dimitriou, E., 2020. Estimating Chlorophyll-a of Inland Water Bodies in Greece Based on Landsat Data. Remote Sens., 12(13), 2087. https://doi.org/10.3390/rs12132087.

Martini, L. C. P., Mattos, D. S., Barbosa, D. F. P., & Rech, A. I. B., 2006. Sensoriamento remoto para avaliação da Clorofila-a na Lagoa da Conceição. Eng. sanit. ambient., 11(4), 318-324. https://doi.org/10.1590/S1413-41522006000400004.

Martins, V. S., Barbosa, C. C. F., Carvalho, L. A. S., Jorge, D. S. F., Lobo, F. D. L., & Novo, E. M. L. M., 2017. Assessment of Atmospheric Correction Methods for Sentinel-2 MSI Images Applied to Amazon Floodplain Lakes. Remote Sens., 9(4), 322.

Matthews, M. W., 2011. A current review of empirical procedures of remote sensing in inland and near-coastal transitional waters. International Journal of Remote Sensing, 32(21), 6855-6899. https://doi.org/10.1080/01431161.2010.512947

Mcfeeters, S. K., 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), 1425-1432. https://doi.org/10.1080/01431169608948714.

Mishra, S., & Mishra, D. R., 2012. Normalized difference chlorophyll index: a novel model for remote estimation of chlorophyll-a concentration in turbid productive waters. Remote Sensing of Environment, 117, 394-406. https://doi.org/10.1016/j.rse.2011.10.016.

Moses, W. J., Gitelson, A. A., Berdnikov, S., & Povazhnyy, V., 2009. Satellite Estimation of Chlorophyll-a concentration using the red and NIR bands of MERIS - The Azov Sea case study. IEEE Geoscience and Remote Sensing Letters, 6(4), 845-849. https://doi.org/10.1109/LGRS.2009.2026657.

Neil, C., Spyrakos, E., Hunter, P. D., & Tyler, A. N., 2020. Corrigendum to “A global approach for chlorophyll-a retrieval across optically complex inland waters based on optical water types” [Remote Sens. Environ., 229: 159–178]. Remote Sens. Environ., 246, 111837.

Nguyen, U. N. T., Pham, L. T. H., & Dang, T. D., 2019. An automatic water detection approach using Landsat 8 OLI and Google Earth Engine cloud computing to map lakes and reservoirs in New Zealand. Environ. Monit. Assess., 191(235). https://doi.org/10.1007/s10661-019-7355-x.

Nogueira, D. B., Silva, A. O., Giroldo, A. B., Silva, A. P. N., & Costa, B. R. S., 2023. Dry spells in a semi-arid region of Brazil and their influence on maize productivity. Journal of Arid Environments, 209, 104892. https://doi.org/10.1016/j.jaridenv.2022.104892.

O'Reilly, J. E., Maritorena, S., Mitchell, B. G., Siegel, D. A., Carder, K. L., Garver, S. A., Kahru, M., & Mcclain, C., 1998. Ocean color chlorophyll algorithms for SeaWiFS. Journal Of Geophysical Research, 103(C11), 24937-24953. https://doi.org/10.1029/98JC02160.

O'Reilly, J. E., Maritorena, S., O'Brien, M. C., Siegel, D. A., Toole, D., Menzies, D., Smith, R. C., Mueller, J. L., Mitchell, B. G., Kahru, M., Chavez, F. P., Strutton, P., Cota, G. F., Hooker, S. B., McClain, C. R., Carder, K. L., Mueller-Karger, F., Harding, L., Magnusion, A., Phynney, D., Moore, G. F., Aiken, J., Arrigo, K. R., Letelier, R., & Culver, M., 2000. SeaWiFS Postlaunch Calibration and Validation Analyses, Part 3. NASA Goddard Space Flight Center.

Oliveira, S. C., 2018. Tratamento estatístico de dados ambientais (ESA 944). Universidade Federal de Minas Gerais (UFMG).

Ouma, Y. O., Noor, L., & Herbert, K., 2020. Modelling Reservoir Chlorophyll-a, TSS, and Turbidity Using Sentinel-2A MSI and Landsat-8 OLI Satellite Sensors with. Empirical Multivariate Regression. Hindawi - Journal of Sensors, 2020. https://doi.org/10.1155/2020/8858408.

Paiva, L. V. Q., & Souza, B. I., 2022. Potential for rain water capture in semi-arid urban areas. International Journal of Hydrology, 6(6), 236‒241. https://doi.org/10.15406/ijh.2022.06.00331.

Paloschi, R. A., Ramos, D. M., Ventura, D. J., Souza, R., Souza, E., Morellato, L. P. C., Nóbrega, R. L. B., Coutinho, Í. A. C., Verhoef, A., Körting, S., & Borma, L. S., 2021. Environmental Drivers of Water Use for Caatinga Woody Plant Species: Combining Remote Sensing Phenology and Sap Flow Measurements. Remote Sensing, 13(1), 75. https://doi.org/10.3390/rs13010075.

Pereira Neto, M. C., 2017. Prospects of the construction of dam in semiarid brazilian and its implications in the region Seridó of the state of Rio Grande do Norte. Sociedade & Natureza, 29(2), 285-294, 2017. https://doi.org/10.14393/sn-v29n2-2017-7.

Peterson, K. T., Sagan, V., & Sloan, J. J., 2020. Deep learning based water quality estimation and anomaly detection using Landsat-8/Sentinel-2 virtual constellation and cloud computing. GIScience & Remote Sensing, 57(4), 510-525. https://doi.org/10.1080/15481603.2020.1738061.

Pompei, C. M. E., Alves, E. D. L., Vieira, E. M., & Campos, L. C., 2020. Impact of meteorological variables on water quality parameters of a reservoir and ecological filtration system. Int. J. Environ. Sci. Technol., 17, 1387–1396. https://doi.org/10.1007/s13762-019-02552-8.

Raulino, J. B. S., Silveira, S., & Lima Neto, I. E., 2021. Assessment of climate change impacts on hydrology and water quality of large semi-arid reservoirs in Brazil. Hydrological Sciences Journal, 66(8), 1321-1336. https://doi.org/10.1080/02626667.2021.1933491.

Reynolds, C. S., 1984. The Ecology of Freshwater Phytoplankton. Cambridge University Press.

Rocha Junior, C. A. N., Costa, M. R. A., Menezes, R. F., Attayde, J. L., & Becker, V., 2018. Water volume reduction increases eutrophication risk in tropical semi-arid reservoirs. Acta Limnologica Brasiliensia, 30. https://doi.org/10.1590/S2179-975X2117.

Rodrigues, G., Potes, M., Costa, M. J., Novais, M. H., Penha, A. M., Salgado, R., & Morais, M. M., 2020. Temporal and Spatial Variations of Secchi Depth and Diffuse Attenuation Coefficient from Sentinel-2 MSI over a Large Reservoir. Remote Sens., 12(5), 768. https://doi.org/10.3390/rs12050768.

Sagan, V., Peterson, K. T., Maimaitijiang, M., Sidike, P., Sloan, J., Greeling, B. A., Maalouf, S., & Adams, C., 2020. Monitoring inland water quality using remote sensing: potential and limitations of spectral indices, bio-optical simulations, machine learning, and cloud computing. Earth-Science Reviews, 205, 103187. ttps://doi.org/10.1016/j.earscirev.2020.103187.

Satish, N., Rajitha, K., Anmala, J., & Varma, M. R. R., 2023. Trophic status estimation of case-2 water bodies of the Godavari River basin using satellite imagery and artificial neural network (ANN). H2Open Journal, 6(2), 297-314. https://doi.org/10.2166/h2oj.2023.034.

Schaefli, B., & Gupta, H. V., 2007. Do Nash values have value? Hydrological Processes, 21(15), 2075-2080. https://doi.org/10.1002/hyp.6825.

Shapiro, S. S., & Wilk, M. B., 1965. An Analysis of Variance Test for Normality (Complete Samples). Biometrika, 52(3/4), 591-611. https://doi.org/10.2307/2333709.

Sherjah, P. Y., Sajikumar, N., & Nowshaja, P. T., 2023. Quality monitoring of inland water bodies using Google Earth Engine. Journal of Hydroinformatics, 25(2), 432-450. https://doi.org/10.2166/hydro.2023.137.

Sherjah, P. Y., Sajikumar, N., & Nowshaja, P. T. 2022. Semi-analytical model for TSI estimation of inland water bodies from Sentinel 2 imagery. Journal of Hydroinformatics, 24(2), 444-463. https://doi.org/10.2166/hydro.2022.151.

SNISB. Sistema Nacional de Informações Sobre Segurança de Barragens, 2024. Consultar Barragens. Disponível: https://www.snisb.gov.br/portal-snisb/consultar-barragem. Acesso: 08 out. 2024.

SUDENE. Superintendência do Desenvolvimento do Nordeste, 2017. Delimitação do Semiárido. Disponível: https://www.gov.br/sudene/pt-br/assuntos/projetos-e-iniciativas/delimitacao-do-semiarido. Acesso: 10 maio 2022.

Tavares, M. H., Lins, R. C., Harmel, T., Fragoso Jr., C. R., Martínez, J. M., & Motta-Marques, D., 2021. Atmospheric and sunglint correction for retrieving chlorophyll-a in a productive tropical estuarine-lagoon system using Sentinel-2 MSI imagery. ISPRS J. Photogramm. Remote Sens., 174, 215-236. https://doi.org/10.1016/j.isprsjprs.2021.01.021.

Toledo Jr., A. P., 1990. Informe preliminar sobre os estudos para a obtenção de um índice para avaliação do estado trófico de reservatórios de regiões quentes tropicais. Companhia de Tecnologia de Saneamento Ambiental.

Toming, K., Kutser, T., Laas, A., Sepp, M., Paavel, B., & Nõges, T., 2016. First Experiences in Mapping Lake Water Quality Parameters with Sentinel-2 MSI Imagery. Remote Sensing., 8(8), 640. https://doi.org/10.3390/rs8080640.

Topp, S. N., Pavelsky, T. M., Jensen, D., Simard, M., & Ross, M. R. V., 2020. Research Trends in the Use of Remote Sensing for Inland Water Quality Science: Moving Towards Multidisciplinary Applications. Water, 12(1:169). https://doi.org/10.3390/w12010169.

Tundisi, J. G., Tucci, C. E. M., Spilki, F. R., Hespanhol, I., Cirilo, J. A., Scheuenstuhl, M. C. B., & Periotto, N. A., 2015. Urban Waters in Brazil. In: IANAS – Interamerican Network of Academies of Sciences. Urban water challenges in the Americas: a perspective from the Academies of Sciences. IANAS / UNESCO, México, pp. 86-111.

Xu, M., Liu, H., Beck, R., Lekki, J., Yang, B., Shu, S., Kang, E. L., Anderson, R., Johansen, R., Emery, E., Reif, M., & Benko, T., 2018. A spectral space partition guided ensemble method for retrieving chlorophyll-a concentration in inland waters from Sentinel-2A satellite imagery. Journal of Great Lakes Research, 45(3), 454-465. https://doi.org/10.1016/j.jglr.2018.09.002.

Yang, H., Kong, J., Hu, H., Du, Y., Gao, M., & Chen, F. A., 2022. A review of remote sensing for water quality retrieval: progress and challenges. Remote Sens., 14(8), 1770. https://doi.org/10.3390/rs14081770.

Yang, Y., Hou, X., Gao, W., Li, F., Guo, F., & Zhang, Y., 2024. Retrieving Lake Chla concentration from remote Sensing: Sampling time matters. Ecological Indicators, 158, 111290. https://doi.org/10.1016/j.ecolind.2023.111290.

Yin, F., Lewis, P. E., & Gomez-Dans, J. L., 2022. Bayesian atmospheric correction over land: Sentinel-2/MSI and Landsat 8/OLI. Geosci. Model Dev., 15(21), 7933–7976. https://doi.org/10.5194/gmd-15-7933-2022.

Zhao, D., Xing, X., Liu, Y., Yang, J., & Wang, L., 2010. The relation of chlorophyll-a concentration with the reflectance peak near 700 nm in algae-dominated waters and sensitivity of fluorescence algorithms for detecting algal bloom. International Journal of Remote Sensing, 31(1), 39-48. https://doi.org/10.1080/01431160902882512.

Zhao, M., Bai, Y., Li, H., He, X., Gong, F., & Li, T., 2022. Fluorescence Line Height Extraction Algorithm for the Geostationary Ocean Color Imager. Remote Sens., 14(11), 2511. https://doi.org/10.3390/rs14112511.