O trabalho, publicado na Remote Sensing (https://www.mdpi.com/2072-4292/15/5/1299), avalia a estimativa de ficocianina, pigmento presente nas cianobactérias, utilizando imagens do satélite italiano hiperespectral PRISMA (PRecursore IperSpettrale della Missione Applicativa) no Reservatório de Promissão/SP, a partir de modelos semi-analíticos e de machine learning. O satélite PRISMA, desenvolvido pela Agência Espacial Italiana (ASI), foi lançado em 2019 e vem demonstrando um potencial uso na estimativa de parâmetros de qualidade da água, em especial em águas interiores.

O artigo Assessment of estimated phycocyanin and chlorophyll-a con-centration from PRISMA and OLCI in Brazilian inland waters: A comparison between semi-analytical and machine learning algorithms, explora a aplicação de diferentes modelos de correção atmosférica e correção de glint, além de comparar as estimativas finais com o sensor OLCI (Ocean and Land Colour Instrument) a bordo do Sentinel-3, um sensor multispectral bastante utilizado na estimativa da ficocianina, destacando os desafios metodologicos que envolvem a estimativa do pigmento. Os resultados obtidos estendem a aplicação dos dados observacionais do satélite PRISMA para o mapeamento de Chl-a e da ficocianina em reservatórios tropicais, permitindo a melhoria na aplicação desses dados para gerenciamento da qualidade da água.

O experimento foi resultado de uma parte da dissertação de mestrado desenvolvida por Thainara Munhoz Alexandre de Lima no curso da PGSER-INPE em colaboração com o CNR-IREA (National Council of Italy – Istituto per il rilevamento elettromagnetico dell’ambiente), financiada pela BEPE-FAPESP (Bolsa Estágio Pesquisa no Exterior – Fundação de Amparo a Pesquisa do Estado de São Paulo).

Figura – Comparação entre o mapeamento de ficocianina utilizando dados do sensor OLCI/Sentinel-3 e do sensor hiperespectral PRISMA no Reservatório de Promissão/SP.