Considerando a importância do monitoramento de parâmetros da qualidade da água, o sensoriamento remoto é uma alternativa viável à detecção de variáveis limnológicas que possuem propriedades de interação com a radiação eletromagnética, chamadas componentes opticamente ativos (COA). Dentre esses, cita-se a clorofila a, que é o pigmento mais representativo da atividade fotossintética em todas as classes de algas. Nesse sentido, o presente trabalho se propôs a desenvolver um método de inferência espacial da concentração de clorofila a utilizando Redes Neurais Artificiais (RNA). Para atingir tal objetivo, foi utilizada uma imagem multiespectral e medidas fluorimétricas como dados de entrada. A imagem multiespectral foi tratada, os dados de treinamento e validação da rede foram cuidadosamente selecionados e, a partir disso, foi definida a arquitetura de RNA e parâmetros mais adequados para modelar a variável de interesse. Ao final do treinamento, a rede foi aplicada à imagem e foi efetuada uma análise de qualidade. Com isso, percebeu-se que a interação entre dados fluorimétricos e multiespectrais forneceu bons resultados de aplicação quando combinados em uma estrutura de redes neurais artificiais.
sensoriamento remoto da água; fluorescência; clorofila a ; inferência espacial; rede neural artificial
