Metodologia científica

1. Fundamentação física

A turbidez das praias de Marataízes é controlada por dois mecanismos principais:

• Carga sedimentar fluvial: o Rio Itapemirim (bacia de ~5.900 km²) transporta material particulado em suspensão. Eventos de chuva intensa no interior produzem pulsos de turbidez que chegam à zona costeira com defasagem de 24–72h.
• Ressuspensão pelo hidrodinâmica costeira: ondas de sul com períodos longos (≥ 10s) e ventos de norte aumentam o estresse cisalhante sobre o fundo raso (≤ 10m), ressuspendendo sedimentos independentemente da descarga fluvial.

O gradiente espacial observado — maior turbidez na Praia da Colônia (4 km da foz) do que na Restinga (7,5 km) — reflete a atenuação da pluma sedimentar com a distância à desembocadura.

2. Dados utilizados

Em produção (pós-2024), ERA5 é substituído por previsão GFS/Open-Meteo Marine API para dados de ondas em tempo quase-real.

3. Algoritmo de turbidez Sentinel-2

A turbidez é estimada a partir da reflectância de superfície na banda vermelha (B4, 665 nm) e, para turbidez muito alta, na banda NIR (B5, 705 nm), seguindo o algoritmo de comutação de Dogliotti et al. (2015):

Onde A_low = 228,1, C_low = 0,1641, A_high = 3078,9, C_high = 0,2112 (calibração original para águas costeiras europeias, aplicada como referência).

Pixels com cobertura de nuvens, sombra de nuvens ou adjacentes à costa (< 3 pixels de distância) são mascarados. A turbidez final por praia é a mediana dos pixels válidos na zona de batimento de onda (buffer de 300 m centrado no ponto de referência).

4. Modelo preditivo

O modelo é um ensemble de dois estimadores LightGBM treinados conjuntamente:

Features principais (22 no total): chuva acumulada em múltiplas janelas (24h, 72h, 7d), chuva na bacia hidrográfica com defasagem, velocidade e direção do vento, componente meridional do vento, altura/período/direção de ondas, SST, temperatura do ar, maré (amplitude e fase), índice de sizígia, e distância à foz.

Validação: split temporal estrito. Treino 2017–2024 (n = 1.371 amostras), validação 2025–2026 (n = 197 amostras). Métricas: R² = 0,59, MAE = 8,3 FNU, AUC = 0,86 para classe limpa.

Horizonte de previsão: D+0 a D+6. A incerteza cresce com o horizonte porque depende de previsão meteorológica, não de observação.

5. Índice de limpeza (0–100)

A turbidez em FNU é mapeada para um índice intuitivo de 0 (barrento) a 100 (cristalino) via função sigmóide inversa calibrada para Marataízes:

Parâmetros calibrados (k = 0,10; midpoint = 24,5 FNU) por minimização do erro quadrático em cinco âncoras derivadas da distribuição empírica de turbidez observada em Marataízes (2015–2024) e da sensibilidade humana à transparência da água:

6. Limitações conhecidas

• ▸ Cobertura de nuvens: o Sentinel-2 é passivo (luz solar). Nuvens impedem a leitura e são frequentes no verão. Sequências longas sem observação reduzem a capacidade de calibração em tempo real.
• ▸ Dados de bacia: sem estação fluviométrica operacional em tempo real na foz do Itapemirim, a chuva de bacia é estimada por proxy (estação de Cachoeiro de Itapemirim + Open-Meteo). Cheias súbitas podem ser subrepresentadas.
• ▸ Resolução espacial: cada praia é representada por um ponto central. Variações de turbidez dentro da mesma praia (ex: próximo a caixas de esgoto) não são capturadas.
• ▸ Deriva do modelo: o modelo foi treinado com dados 2015–2024. Mudanças no regime hidrológico ou na morfologia da foz ao longo do tempo podem reduzir a acurácia gradualmente.
• ▸ Balneabilidade microbiológica: o índice prevê turbidez (partículas), não coliformes fecais. Alta turbidez está correlacionada com contaminação em estuários, mas não é substituto de análise laboratorial de balneabilidade.

7. Referências

• Dogliotti, A. I., Ruddick, K. G., Nechad, B., Doxaran, D., & Knaeps, E. (2015). A single algorithm to retrieve turbidity from remotely-sensed data in all coastal and estuarine waters. Remote Sensing of Environment, 156, 157–168.
• Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T. Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems (NeurIPS), 30, 3146–3154.
• Hersbach, H., Bell, B., Berrisford, P., et al. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049.
• CONAMA Resolução nº 274/2000 — critérios de balneabilidade microbiológica (coliformes termotolerantes) em águas brasileiras. Citada para contextualização: este sistema mede transparência/turbidez, não balneabilidade microbiológica.