O artigo Detecting and correcting sky and Sun Glint effects in Sentinel-2 images over tropical reservoir: https://doi.org/10.1080/01431161.2025.2565835 (Tradução: Detecção e correção dos efeitos de brilho do céu e do sol em imagens do Sentinel-2 sobre reservatório tropical) foi publicado no International Journal of Remote Sensing (Outubro/2025) por pesquisadores do Laboratório de Instrumentação de Sistemas Aquáticos (LabISA) - INPE em parceria com a Universidade do Estado do Mississippi, EUA.

O estudo apresentou um classificador de glint baseado em inteligência artificial como Random Forest e dois novos índices de diferenças normalizadas espectrais NDGI e NDGI2 desenvolvidos a partir das faixas de azul-profundo (443 nm) e infravermelho de ondas curtas (>1600 nm) (Figura 1).

  Figura 1 - Pontos de amostragem Com Glint (GS) e Sem Glint (NGS) em uma imagem do MSI de cor verdadeira (R4G3B2) (a) e NDGI-2 (b).

O espalhamento especular solar e atmosférico, denominado como “glint” é um dos principais obstáculos para a análise da qualidade da água por sensoriamento remoto, pois aumenta artificialmente a reflectância da superfície e compromete estimativas bio-ópticas. O método alcançou cerca de 80% de acurácia na detecção de glint utilizando 10 mil amostras. O estudo também comparou quatro algoritmos de correção (SubSWIR, ACOLITE, POLYMER e GRS), destacando ACOLITE e GRS, que reduziram o erro em quase 60% e preservaram regiões sem glint. A combinação entre máscara e correção oferece melhorias significativas para séries temporais, fortalecendo o monitoramento de águas interiores com imagens Sentinel-2. A Figura 2 ilustra as etapas metodológicas do estudo. O trabalho completo pode ser acessado em: https://doi.org/10.1080/01431161.2025.2565835

 Figura 2 – Fluxograma das etapas metodológicas.