Este trabalho propõe a criação de um índice de estado trófico baseado na estimativa da concentração de clorofila através de sensoriamento remoto. Para atingir este objetivo, medidas do fator de reflectância bidirecional (BRF) adquiridas no reservatório de Ibitinga foram reamostradas para serem combinadas com bandas espectrais simuladas do Landsat/TM (TM_sim) e foram usadas para o cálculo da correlação linear com medidas de concentração de clorofila-a. A simulação de Monte Carlo foi aplicada para selecionar o modelo mais adequado para relacionar concentração de clorofila e reflectância simulada do TM/Landsat. A razão TM4_sim/TM3_sim forneceu o melhor modelo, com um valor de 0.78 para R². O modelo foi então invertido para criar uma tabela (LUT) com as relações entre os intervalos das razões TM4_sim/TM3_sim e as classes de estado trófico, abrangendo todo o intervalo de valores medidos no reservatório. Imagens do Landsat TM, corrigidas atmosfericamente e convertidas para reflectância de superfície, foram usadas para gerar uma imagem para a razão TM4/TM3. A distribuição de frequência da imagem da razão englobou todo o intervalo da razão TM4_sim/TM3_sim, indicando concordância entre os dados orbitais e os dados medidos in situ e corrobora o uso de dados de satélite para mapear a distribuição do estado trófico no reservatório. Com base nestas observações, a LUT foi aplicada à imagem razão Landsat/TM para mapear a distribuição espacial das classes de estado trófico no Reservatório de Ibitinga. Apesar da seleção estocástica da razão TM4_sim/TM3_sim como melhor variável de entrada para modelagem da concentração de clorofila-a, esta escolha foi baseada em fatores físicos: altas concentrações de fitoplâncton aumentam a reflectância na região do infra-vermelho próximo (TM4) e diminuem a reflectância na região espectral do vermelho (TM3). A razão entre bandas, portanto, realça a relação entre a concentração de clorofila-a e a reflectância medida por sensoriamento remoto.

This work proposes a trophic state index based on the remote sensing retrieval of chlorophyll-α concentration. For that, in situ Bidirectional Reflectance Factor (BRF) data acquired in the Ibitinga reservoir were resampled to match Landsat/TM spectral simulated bands (TM_sim bands) and used to run linear correlation with concurrent measurements of chlorophyll-α concentration. Monte Carlo simulation was then applied to select the most suitable model relating chlorophyll-α concentration and simulated TM/Landsat reflectance. TM4_sim/TM3_sim ratio provided the best model with a R² value of 0.78. The model was then inverted to create a look-up-table (LUT) relating TM4_sim/TM3_sim ratio intervals to chlorophyll-α concentration trophic state classes covering the entire range measured in the reservoir. Atmospheric corrected Landsat TM images converted to surface reflectance were then used to generate a TM4/TM3 ratio image. The ratio image frequency distribution encompassed the range of TM4_sim/TM3_sim ratio indicating agreement between in situ and satellite data and supporting the use of satellite data to map chlorophyll-α concentration trophic state distribution in the reservoir. Based on that, the LUT was applied to a Landsat/TM ratio image to map the spatial distribution of chlorophyll-α trophic state classes in Ibitinga reservoir. Despite the stochastic selection of TM4_sim/TM3_sim ratio as the best input variable for modeling the chlorophyll-α concentration, it has a physical basis: high concentration of phytoplankton increases the reflectance in the near-infrared (TM4) and decreases the reflectance in the red (TM3). The band ratio, therefore, enhances the relationship between chlorophyll-α concentration and remotely sensed reflectance.