Increase in suspended sediment discharge of the Amazon River assessed by monitoring network and satellite data

Abstract

International audienceThis study addresses the quantification of the Amazon River sediment budget which has been assessed by looking at data from a suspended sediment discharge monitoring network and remote sensing estimates derived from MODIS spaceborne sensor. Surface suspended sediment concentration has been sampled every 10 days since 1995 (390 samples available) by the international HYBAM program at the Óbidos station which happens to be the last gauged station of the Amazon River before the Atlantic Ocean. Remote sensing reflectance is derived from continuous time series of 554 MODIS images available since 2000 and calibrated with the HYBAM field measurements. Discharge shows a weak correlation with the suspended sediment concentration during the annual hydrological cycle, preventing us from computing sediment discharge directly from the water discharge. Accordingly, river sediment discharge is assessed by multiplying daily water discharge measurements by the suspended sediment concentration averaged on a monthly basis. Comparisons of annual sediment discharge assessed using both field and satellite datasets show a very good agreement with a mean difference lower than 1%. Both field and satellite-derived estimates of the sediment concentration of the Amazon River are combined to get an uninterrupted monthly average suspended sediment discharge from 1995 to 2007. Unlike the water discharge which exhibits a steady trend over the same period at Óbidos, the 12-year suspended sediment discharge increases by about 20% since 1995, significant at the 99% level. In particular, the interannual variability is much more significant in the sediment discharge than in the river discharge

Uso de imagens MODIS no monitoramento do fluxo de sedimentos no reservatório de Três Marias

“…O sensor MODIS tem tempo quase diário de revisita sobre as áreas tropicais. Neste trabalho, tal como Martinez et al (2009) e Villar et al (2012), optou-se pelas imagens com composição de 8 dias devido à: i) redução do número de imagens com nuvens e, consequentemente, à melhoria da quantidade de dados a serem processados e ii) redução significativa do efeito da direção da refletância BRDF (reflectância bidirecional) e da atmosfera. Os produtos MODIS foram adquiridos a partir da base específica de dados GETMODIS (IRD) de fevereiro de 2000 até junho de 2012 representando, no total, 1024 imagens.…”

“…A automatização deste processo é vital para minimizar o tempo, diminuir o erro operacional e garantir o mesmo processamento para todas as imagens. Para isto foi utilizado o algoritmo MOD3R (MODIS River Reflectance Retrieval) desenvolvido em linguagem JAVA pelo Institut de Recherve pour le Développement (IRD) (Martinez et al, 2009;Villar et al, 2012), que permite obter a reflectância dos endmembers de água em cada imagem; assim, o algoritmo desenvolvido determina com precisão e consistência os pixels de água pura na imagem, ao longo do tempo, independentemente dos tipos de morfologia dos rios ou reservatórios. Com a extração dos valores de reflectância das bandas do vermelho e do infravermelho das imagens MODIS, é possível determinar as concentrações dos sedimentos em suspensão e fitoplâncton presentes na água.…”

“…As etapas para a extração da reflectância do endmember da água usando o algoritmo MOD3R, segundo Martinez et al (2009) são: 1) Os dados de entrada são as séries de imagens da área de interesse e a máscara da região que será estimada; 2) O primeiro passo é a extração dos pixels da máscara excluindo os pixels de má qualidade (coberto por nuvens) usando as informações fornecidas nas imagens de 500 m; 3) Os valores de reflectância dos pixels são estimados e classificados em grupos homogêneos (clusters), através da metodologia estatística de K-means; 4) O programa estima o endmember de vegetação de maneira automatizada (cluster com maior diferença positiva entre o banda do vermelho e do infravermelho); 5) Cada cluster é testado como o potencial endmember de água e o grupo que produz o menor erro residual é selecionado solucionando o modelo linear de mistura espectral.…”

“…Neste contexto, alguns dos parâmetros importantes para o entendimento da dinâmica dos reservatórios e da qualidade das águas podem ser estudados por sensoriamento remoto, como matéria orgânica dissolvida (Mannino et al, 2008;Zhu et al, 2011), sedimentos em suspensão (Kirk 1981;Mertes et al, 1993;Martinez et al, 2009;Wang & Lu, 2010) e pigmentos das algas (Simis et al, 2005;Duan et al, 2007;Onderka & Rodný, 2010). Assim, a aplicação de técnicas de sensoriamento remoto pode auxiliar na superação da limitação espaço-temporal dos métodos tradicionais in situ uma vez que adquire informações necessárias em diferentes escalas espaciais e temporais permitindo a análise estrutural de ecossistemas aquáticos.…”

“…Recentemente, estudos usando sensores espaciais de alta taxa de revisita e resolução espacial moderada, como o Moderate Resolution Image Spectroradiometer (MODIS) têm sido utilizados para completar a rede de monitoramento e para avaliar a concentração de sedimentos em suspensão de superfície (SSS) nos rios da Bacia Amazônica (Martinez et al, 2009;Kilham & Roberts, 2011;Villar et al, 2012). Esses trabalhos abriram novas perspectivas no monitoramento da qualidade das águas superficiais e a partir de dados dos sensores MODIS as imagens diárias fornecidas permitem realizar estimativas de refletância de qualquer ponto da superfície terrestre.…”