Evaluación de índices bio-ópticos hiperespectrales para la clasificación de clorofila-a en aguas costeras – bahía de Sechura, Perú
DOI:
https://doi.org/10.53554/boletin.v41i2.470Palabras clave:
Reflectancia de teledetección, clorofila-a, bio-óptica, análisis lineal discriminante, TriOS RamsesResumen
Se presenta una clasificación de la concentración de clorofila-a (Chl-a) basada en la reflectancia de teledetección Rrs(λ), medida con un radiómetro TriOS Ramses en la bahía de Sechura, en la costa norte de Perú, durante abril del 2024, agosto del 2024 y mayo del 2025. Se clasificaron 2332 firmas espectrales de reflectancia en tres clases de concentración de Chl-a: baja (<2,35 mg/m³), media (entre 2,35 a 7,36 mg/m³) y alta (>7,36 mg/m³), determinadas por los percentiles 33 y 67 del rango registrado entre 0,36 y 13,84 mg/m³. Se calcularon seis índices bio-ópticos a partir de bandas espectrales clave (443, 490, 555, 665 y 705 nm) y se evaluaron mediante pruebas de Kruskal-Wallis y análisis de correlación de Spearman. El índice GI presentó la asociación más fuerte con la clorofila-a (ρ = 0,701, p < 0,001), superando a los índices de borde rojo que se utilizan comúnmente en aguas costeras turbias. Se evaluaron tres modelos de clasificación supervisada, el Análisis Discriminante Lineal (LDA), el Bosque Aleatorio (RF) y el Análisis Discriminante de Mínimos Cuadrados Parciales (PLS-DA), mediante validación cruzada (LOOCV). El LDA obtuvo la mayor precisión general (63,2 %, κ = 0,446) en los seis índices bio-ópticos, superando al RF (60,5 %, κ = 0,407) y al PLS-DA (60,5 %, κ = 0,404). La clase media de clorofila-a mostró una sensibilidad consistentemente baja en todos los modelos (entre el 25,0 y el 41,7 %), lo que refleja la superposición espectral inherente a las concentraciones de pigmentos de transición. Estos resultados demuestran la viabilidad de la discriminación de clases de clorofila-a, a partir de mediciones hiperespectrales de en aguas costeras ópticamente complejas y resaltan la necesidad de realizar mediciones simultáneas de materia orgánica disuelta coloreada y sedimentos en suspensión para mejorar el rendimiento de la clasificación de rango medio de la clorofila-a.
Descargas
Alternative Metrics
Métricas
Citas
Ade, C., Hestir, E. L., Avouris, D. M., Burmistrova, J., Nickles, C., Lopez, A. M., Lopez Barreto, B., Vellanoweth, J., Smalldon, R. & Lee, C. M. (2023). SHIFT: Ramses Trios Radiometer Above Water Measurements, Santa Barbara Sea, CA (Version 1). ORNL Distributed Active Archive Center. https://doi.org/10.3334/ORNLDAAC/2234
Binding, C. E., Greenberg, T. A. & Bukata, R. P. (2013). The MERIS Maximum Chlorophyll Index; its merits and limitations for inland water algal bloom monitoring. Journal of Great Lakes Research, 39, 100– 107. https://doi.org/10.1016/j.jglr.2013.04.005
Breiman, L. (2001). Random Forests. Machine Learning, 45, 5-32. https://doi.org/10.1023/A:1010933404324
Carlson, R. E. (1977). A trophic state index for lakes. Limnology and Oceanography, 22(2), 361-369. https://doi.org/10.4319/lo.1977.22.2.0361
Cesar, G. M., Rudorff, N. M., Oliveira, A. L., Valerio, A. M., Chuqui, M. G., Pompeu, M., Gaeta, S. A., Frouin, S. A. & Kampel, M. (2023). Bio-optical properties of South Brazil Bight coastal waters and implications for satellite chlorophyll-a concentration retrieval. International Journal of Remote Sensing, 44(7), 2428–2457. https://doi.org/10.1080/01431161.2023.2201385
Dall’Olmo, G. & Gitelson, A. A. (2005). Effect of biooptical parameter variability on the remote estimation of chlorophyll-a concentration in turbid productive waters. experimental results. Applied Optics, 44(3), 412-422. https://doi.org/10.1364/AO.44.000412
Da Silva, E. F., Novo, E. M., Lobo, F. L., Barbosa, C. C., Noernberg, M., Rotta, L. H., Cairo, C., Maciel, D. & Júnior, R. (2021). Optical water types found in Brazilian waters. Limnology, 22, 57–68. https://doi.org/10.1007/s10201-020-00633-z
Espinoza Villar, R., Martinez, J.-M., Le Texier, M., Guyot, J.-L., Fraizy, P., Meneses, P. R. & de Oliveira, E. (2013). A study of sediment transport in the Madeira River, Brazil, using MODIS remote-sensing images. Journal of South American Earth Sciences, 44, 45–54. https://doi.org/10.1016/j.jsames.2012.11.006
Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems. Annals of Eugenics, 7(2), 179–188. https://doi.org/10.1111/j.1469-1809.1936.tb02137.x
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. Optics Express, 18(23), 24109-24125. https://doi.org/10.1364/OE.18.024109
Gitelson, A. A., Gurlin, D., Moses, W. J. & Barrow, T. (2009). A bio-optical algorithm for the remote estimation of the chlorophyll-a concentration in case 2 waters. Environmental Research Letters, 4, 045003. https://doi.org/10.1088/1748-9326/4/4/045003
Huot, Y., Brown, C. A. & Cullen, J. J. (2005). New algorithms for MODIS sun-induced chlorophyll fluorescence and a comparison with present data products. Limnology and Oceanography: Methods, 3, 108-130. https://doi.org/10.4319/lom.2005.3.108
Knap, A., Michaels, A., Close, A., Ducklow, H. & Dickson, A. (Eds.). (1996). Protocols for the Joint Global Ocean Flux Study (JGOFS) Core Measurements (JGOFS Report Nº. 19). Joint Global Ocean Flux Study (JGOFS). https://epic.awi.de/id/eprint/17559/1/Kna1996a.pdf
Landis, J. R. & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33, 159-174. https://doi.org/10.2307/2529310
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
Mobley, C. D. (1999). Estimation of the remote-sensing reflectance from above-surface measurements. Applied Optics, 38(36), 7442-7455. https://doi.org/10.1364/AO.38.007442
Morón, O., Velazco, F. & Beltrán L. (2013). Características hidrográficas y sedimentológicas de la bahía de Sechura. Inf Inst Mar Perú, 40(3-4), 150-159. https://hdl.handle.net/20.500.12958/2238
Mueller, J. L., Morel, A., Frouin, R., Davis, C., Arnone, R., Carder, K., Lee, Z. P., Steward, R. G., Hooker, S., Mobley, C. D., McLean, S., Holben, B., Miller, M., Pietras, C., Knobelspiesse, K. D., Fargion, G. S., Porter, J. & Voss, K. (2003). Ocean Optics Protocols for Satellite Ocean Color Sensor Validation, Revision 4, Volume III: Radiometric Measurements and Data Analysis Methods (NASA Technical Memorandum NASA/TM2003-211621/Rev4-Vol.III). National Aeronautical and Space administration; Goddard Space Flight Center. http://dx.doi.org/10.25607/OBP-62
O’Reilly, J. E., Maritorena, S., Mitchell, B. G., Siegel, D. A., Carder, K. L., Garver, S. A., Kharu, 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. & Werdell, P. J. (2019). Chlorophyll algorithms for ocean color sensors - OC4, OC5 & OC6. Remote Sensing of Environment, 229, 32-47. https://doi.org/10.1016/j.rse.2019.04.021
Schalles, J. F. (2006). Optical remote sensing techniques to estimate phytoplankton chlorophyll-a concentrations in coastal waters with varying suspended matter and CDOM concentrations. En L. L. Richardson & E. F. LeDrew (Eds.), Remote sensing of aquatic coastal ecosystem processes. Remote sensing and digital image processing (Cap. 3, pp.27-79). https://doi.org/10.1007/1-4020-3968-9_3
Shi, K., Li, Y., Li, L., Lu, H., Song, K., Liu, Z., Xu, Y. & Li, Z. (2013). Remote chlorophyll-a estimates for inland waters based on a cluster-based classification. Science of the Total Environment, 444, 1-15. https://doi.org/10.1016/j.scitotenv.2012.11.058
Tran, M. D., Vantrepotte, V., Loisel, H., Oliveira, E. N., Tran, K. T., Jorge, D., Mériaux, X. & Paranhos, R. (2023). Band ratios combination for estimating chlorophyll-a from Sentinel-2 and Sentinel-3 in coastal waters. Remote Sensing, 15, 1653. https://doi.org/10.3390/rs15061653
Vollenweider, R. A. (1992). Coastal marine eutrophication: principles and control. En R. A. Vollenweider, R. Marchetti & R. Viviani (Eds.), Marine coastal eutrophication. proceedings of an international conference (pp. 1–20). Elsevier Science. https://doi.org/10.1016/B978-0-444-89990-3.50011-0
Vollenweider, R. A. & Kerekes, J. (1982). Eutrophication of waters: Monitoring, assessment and control (Report of the Cooperative Programme on Eutrophication). Organization for Economic Co-Operation and Development (OECD). https://acortar.link/KnjpNe
Watanabe, F. S., Miyoshi, G. T., Rodrigues, T. W., Bernardo, N. M., Rotta, L. H., Alcântara, E. & Imai, N. N. (2020). Inland water’s trophic status classification based on machine learning and remote sensing data. Remote Sensing Applications: Society and Environment, 19, 100326. https://doi.org/10.1016/j.rsase.2020.100326
Wold, S., Sjöström, M. & Eriksson, L. (2001). PLSregression: a basic tool of chemometrics. Chemometrics and Intelligent Laboratory Systems, 58, 109–130. https://doi.org/10.1016/S0169-7439(01)00155-1
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Boletin Instituto del Mar del Perú
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
© Bol Inst Mar Perú. La revista retiene los derechos patrimoniales de los autores con la finalidad de garantizar el acceso abierto de los manuscritos.
Todos los manuscritos publicados en la revista se distribuyen bajo la licencia “Creative Commons Atribución - NoComercial - CompartirIgual 4.0 Internacional” (CC BY-NC-SA 4.0). Implica que autores y lectores pueden de forma gratuita descargar, almacenar, copiar, redistribuir, remezclar, transformar o generar obras derivadas a partir del manuscrito, siempre y cuando mencionen la fuente primaria de publicación y la autoría del manuscrito, así como que se realice sin fines comerciales y se distribuya bajo la misma licencia que el original. Puede consultar desde aquí la versión informativa y el texto legal de la licencia.
