Use este identificador para citar ou linkar para este item:
https://repositorio.ufpb.br/jspui/handle/123456789/39719| Tipo: | TCC |
| Título: | Análise temporal da dinâmica hídrica de açudes utilizando sensoriamento remoto por radar: integração de dados sentinel-1 e hidrométricos na bacia do rio Piancó, Paraíba |
| Autor(es): | Araújo, Emanuel Gonçalo de |
| Orientador: | Souza, Jonas Otaviano Praça de |
| Membro da Banca: | Farias, Carolyne Wanessa Lins de Andrade |
| Membro da Banca: | Rodrigues, Jeferson Maurício |
| Resumo: | Os reservatórios no semiárido são essenciais para a segurança hídrica, porém, são altamente vulneráveis à variabilidade climática. Este estudo avaliou o potencial das imagens de radar de abertura sintética (SAR) do satélite Sentinel-1 para monitorar a variação temporal da área superficial de cinco açudes estratégicos na bacia do rio Piancó, Paraíba. A metodologia, implementada no Google Earth Engine, utilizou a técnica de limiarização para classificar pixels de água em uma série temporal de 246 cenas (2016- 2024). Os resultados das áreas extraídas foram correlacionados através do coeficiente de correlação de Pearson com dados de volume da Agência Executiva de Gestão das Águas da Paraíba (AESA), por fim, para validar a acurácia da classificação foram utilizadas duas imagens em períodos distintos da bacia através da amostragem aleatória estratificada, gerando a matriz de confusão. Os açudes Saco, Cachoeira dos Cegos e Jenipapeiro apresentaram forte correlação positiva (r = 0,95) entre área e volume, comprovando a eficácia do método. Contudo, os reservatórios Coremas e Mãe D’Água exibiram correlações fracas, atribuídas a inconsistências nos dados volumétricos oficiais. A validação da acurácia revelou desempenho excelente no período chuvoso (Acurácia Global=0,99; Kappa=0,98), mas performance apenas razoável no período seco (AG=0,69; Kappa=0,38), devido à confusão espectral entre água e solos expostos com baixa rugosidade. Conclui-se que o SAR Sentinel-1 é uma ferramenta robusta para o monitoramento sazonal de grandes reservatórios na região semiárida, superando a limitação de nuvens dos sensores ópticos. No entanto, a técnica de limiarização mostrou limitações em períodos de seca devido ao baixo retroespalhamento do solo exposto, resultando em confusão na segmentação, recomendando-se, para estudos futuros, a adoção de métodos de classificação mais avançados, como aprendizado de máquina, para aprimorar a precisão. |
| Abstract: | Reservoirs in the semi-arid region are essential for water security; however, they are highly vulnerable to climatic variability. This study evaluated the potential of Synthetic Aperture Radar (SAR) imagery from the Sentinel-1 satellite to monitor temporal variations in the surface area of five strategic reservoirs within the Piancó River basin, Paraíba, Brazil. The methodology, implemented in Google Earth Engine, employed a thresholding technique to classify water pixels across a time series of 246 scenes (2016–2024). The extracted surface areas were correlated with volumetric data from the Water Management Executive Agency of Paraíba (AESA) using the Pearson correlation coefficient. To validate classification accuracy, two images from distinct hydrological periods of the basin were analyzed through stratified random sampling, generating confusion matrices. The Saco, Cachoeira dos Cegos, and Jenipapeiro reservoirs showed a strong positive correlation (r = 0.95) between area and volume, confirming the effectiveness of the method. However, the Coremas and Mãe D’Água reservoirs exhibited weak correlations, attributed to inconsistencies in official volumetric data. Accuracy validation revealed excellent performance during the rainy season (Overall Accuracy = 0.99; Kappa = 0.98), but only moderate performance during the dry season (OA = 0.69; Kappa = 0.38), due to spectral confusion between water and exposed low-roughness soils. It is concluded that Sentinel-1 SAR is a robust tool for seasonal monitoring of large reservoirs in semi-arid regions, overcoming the cloud limitations of optical sensors. Nevertheless, the thresholding technique showed limitations during drought periods due to the low backscatter of exposed soils, leading to segmentation errors. Therefore, for future studies, the adoption of more advanced classification approaches, such as machine learning, is recommended to enhance accuracy. |
| Palavras-chave: | Radar de abertura sintética Google Earth Engine Limiarização Monitoramento ambiental Validação da acurácia Geografia |
| CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS |
| Idioma: | por |
| País: | Brasil |
| Editor: | Universidade Federal da Paraíba |
| Sigla da Instituição: | UFPB |
| Departamento: | Ciências Exatas e da Natureza |
| Tipo de Acesso: | Acesso aberto |
| URI: | https://repositorio.ufpb.br/jspui/handle/123456789/39719 |
| Data do documento: | 19-Nov-2025 |
| Aparece nas coleções: | TCC - Geografia |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| EGA10112026_Artigo.pdf | 2,76 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
