O trabalho, publicado na revista Harmful Algae (https://doi.org/10.1016/j.hal.2025.102836), propõe uma abordagem inovadora para a estimativa da ficocianina (PC), um pigmento característico das cianobactérias, utilizando imagens do sensor OLCI (Ocean and Land Colour Instrument) a bordo do satélite Sentinel-3. A metodologia desenvolvida combina modelos bio-ópticos e algoritmos de machine learning para aprimorar a precisão da estimativa de PC em águas interiores opticamente complexas.  O artigo intitulado “A novel hybrid cyanobacteria mapping approach for inland reservoirs using Sentinel-3 imagery” apresenta um modelo híbrido que integra diferentes modelos bio-ópticos para estimativa da PC com base em sua concentração. Inicialmente, um algoritmo de Random Forest classifica as águas em dois grupos: baixa concentração de PC (0 – ~14 mg.m⁻³) e alta concentração de PC (~14,1 – 300 mg.m⁻³). Em seguida, para cada classe definida, um modelo específico é calibrado para aprimorar a acurácia da estimativa do pigmento.

Os dados in situ utilizados para calibrar e validar a abordagem foram coletados entre novembro de 2020 e dezembro de 2021, totalizando 165 amostras. O modelo híbrido desenvolvido foi aplicado a imagens corrigidas do Sentinel-3/OLCI, considerando três métodos de correção atmosférica distintos: L2-WFR, 6SV e ACOLITE. Os resultados indicaram que a abordagem híbrida superou os modelos tradicionais ao reduzir erros associados à variabilidade óptica das águas interiores. Os resultados deste estudo reforçam o potencial do Sentinel-3 para o monitoramento da qualidade da água em reservatórios interiores e destacam a importância de abordagens híbridas baseadas em machine learning para aprimorar a estimativa de parâmetros bio-ópticos. Além disso, os resultados podem contribuir para o desenvolvimento de estratégias mais eficazes de gestão ambiental e mitigação dos impactos das florações de cianobactérias.

O experimento foi resultado de uma parte da dissertação de mestrado desenvolvida por Thainara Munhoz Alexandre de Lima no curso da PGSER-INPE, financiada pela FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo), Processos: 2021/02714-7 e 2020/14613-8.

Mapas da distribuição espacial da ficocianina (PC) no reservatório de Promissão – SP, gerados pelo modelo híbrido final aplicado em três imagens do sensor OLCI com correção atmosférica (6SV, ACOLITE e L2-WFR) para três datas (3 de outubro de 2021, 8 de outubro de 2021 e 15 de agosto de 2022).