CLASSIFICAÇÃO DE HABITATS PELÁGICOS DA COSTA BRASILEIRA Aline de Matos Valério Disciplina Análise Espacial de Dados Geográficos 19/12/2013
SUMÁRIO Introdução Objetivo Materiais e Métodos Resultados Conclusões Sugestões futuras
INTRODUÇÃO Coluna de água: habitat pelágico Organismos dependem de características da massa de água adequadas ao seu ciclo de vida Temperatura, salinidade, clorofila, oxigênio etc... Dependem de batimetria, presença de ventos, aporte de agua doce e efluentes. Oceano não é homogêneo : massas de água Propriedades espaciais permitem a definição de regiões persistentes Longhurst et al. (1995) /Ciotti et al. (2010)/ Castro e Miranda (1998) Habitats variam no tempo e sazonalidade: a oria das bioregionalizações ignoram o componente temporal. Em regiões com alta dinâmica, a mesma posição fixa no oceano pode ser coberta por diferentes habitats, dependendo da estação do ano. Sensoriamento remoto e modelagem: dados sinópticos dados in situ Estratégias de manejo
OBJETIVO Definir a distribuição espaço temporal de habitats pelágicos diferenciáveis na costa brasileira utilizando dados de satélite e modelados.
MATERIAIS Composições mensais de imagens de clorofila e temperatura da superfície do oceano MODIS Aqua 4km Ocean Color Web Climatologia de Nitrato a 100m de profundidade: NOAA: World Ocean Atlas 2009 Batimetria: ETOPO 1 NOAA Produção primária Oregon State / Ocean Color Web Modelo utilizado: CbPM Coeficientes de retroespalhamento para calcular concentração de carbono de fitoplancton npp = carbon * growth rate * f(par) * z_eu (Spectral matching algorithm) Anterior clorofila e eficiência fotossintética: temperatura e transparência da água.
MATERIAIS
MATERIAIS Variável Período disponível Resolução Temporal Resolução Espacial Extensão CHL 1/7/2002-01/07/2012 mensal 4km hdf SST 1/7/2002-01/07/2012 mensal 4km hdf Batimetria atemporal atemporal 1 arc min grd Produção Primária 1/10/1997-01/05/2010 mensal 1km hdf Nitrato 23/05/1950-16/02/2008 Climatologia 1 grau netcdf Período: 2005-2010 0.5 grau Extensão ascii Variáveis recortadas: Latitude: 5 a -35 Longitude: -53 a -33 1 4 7 5 2 5 8 3 6 9
MÉTODOS Software Matlab Dados normalizados de 0 a 1 NaNs foram transformados para o valor -9999 Matrix 3D Considera o tempo e o espaço das variáveis Dendrograma K-médias Mapa de probabilidade
MÉTODOS Dendrograma: cluster hierárquico que procura o valor s próximo por distância euclidiana. Neste trabalho foi calculada a distância média entre os pontos K-média: classificador não supervisionado e não hierárquico. O número de clusters devem ser informados antecipadamente ao determinar as posições iniciais dos centroides dos clusters. Este algoritmo agrupa cada elemento ao cluster do centroide s próximo e recalcula os centros dos clusters a partir dos elementos agrupados (Schowengerdt, 1997). Para estre trabalho, os centroides foram escolhidos a partir de estatísticas da média das 72 datas (período de 2005 a 2010) como por exemplo: média, máximo, desvio padrão, desvio padrão negativo (média desviopad) e mediana. Mapa de probabilidade
RESULTADOS
RESULTADOS Isobatas: 4500 3500 200
RESULTADOS Classe 1 Classe 2 Classe 3 Classe 4 Classe 5 O domínio da zona costeira é definida por Mittelstaedt (1991) para regiões em que a circulação oceânica é significantemente modificada pela interação da batimetria costeira e o regime de vento. Esse limite costeiro normalmente é dominado por uma frente de quebra de plataforma e inclui regiões com áreas de ressurgência costeiras associadas a eddies anticiclonicos (Longhurst et al., 1995). A corrente costeira do Brasil vai desde a birfurcaçao da Corrente Sul-Equatorial a 10S por toda a costa até uns 42S, onde encontra com a corrente das Malvinas. A massa de água associada a classe 4 provavelmente deve-se a região de ressurgência de Canarias na costa da África (Mackas, et al., 2006).
jan 2006 - jan 2007 - jan 2008 - jan 2009 - jan 2010 - jan jan 2006 - jan 2007 - jan 2008 - jan 2009 - jan 2010 - jan jan 2006 - jan 2007 - jan 2008 - jan 2009 - jan 2010 - jan jan abr jul out 2006 - jan abr jul out 2007 - jan abr jul out 2008 - jan abr jul out 2009 - jan abr jul out 2010 - jan abr jul out jan 2006 - jan 2007 - jan 2008 - jan 2009 - jan 2010 - jan RESULTADOS 80 70 60 50 40 30 20 10 0 Pixel Classe 1 350 300 250 200 150 100 50 0 Pixel Classe 2 600 500 400 300 200 100 0 Pixel Classe 3 Pixel Classe 4 Pixel Classe 5 700 600 500 400 300 200 100 0 1400 1200 1000 800 600 400 200 0
RESULTADOS
RESULTADOS NPP JAN 2005 TSM JAN 2005 CHL JAN 2005 TODAS EXCETO BATIMETRIA JAN 2005 NITRATO
CONCLUSÕES Kmeans pode diferenciar os habitats pelágicos com base nas variáveis utilizadas 5 Classes Diferenciáveis Classe 1: Pouca contribuição Classe 2: Contribuição do Rio Amazonas Classe 3: Segue a batimetria Classe 4: Massa de água proveniente da Africa Classe 5: Oceano Pouco variação no tamanho de área das 5 classes ao longo do 6 anos. Essas classes persistem ao longo do tempo. Uma tendência positiva e discreta no cluster relacionado a contribuição do Rio Amazonas
SUGESTÕES Classificação pelo método Fuzzy aceita NaN na classificação Utilizar s variáveis como a profundidade da camada de mistura, CDOM, vento e temperatura em outra profundidade
REFERENCIA BIBLIOGRÁFICA Castro, B. M., Brandini, F. P., Pires-Vanin, A. M. S., Miranda, L. B. 2006. Multidisciplinary Oceanographic Processes On the Western Atlantic Continental Shelf Between 4N and 34S, p. 259-293. In: A. R. Robinson & K. Brink (Eds.). The Global Coastal Ocean. Interdisciplinary Regional Studies and Syntheses. The Sea. Harvard University Press. Castro, B. M. & Miranda, L. B. 1998. Physical oceanography of the western Atlantic continental shelf located between 4º N and 34º S coastal segment (4W). The Sea, 11: 209-251. Hobday A.J., Young J.W., Moeseneder C., Dambacher J.M. 2011. Defining dynamic pelagic habitats in oceanic waters off eastern Australia. Deep-Sea Research II 58, 734-745. Longhurst, A., Sathyendranath, S., Platt, T., Caverhill, C., 1995. An estimate of global primary production in the ocean from satellite radiometer data. Journal of Plankton Research 17, 1245 1271. Mackas, D.L., Strub, P.T., Andrew, T., Montecino, V. Eastern Ocean Boundaries Pan-Regional Overview. IN: The Sea: The Global Coastal Ocean Interdisciplinary Regional Studies and Synthesis, 2006. Schowengerdt, R. A. Remote sensing: models and methods for image processing. London: Academic Press, 1997.