Representação da forma do perfil praial a partir de equações analíticas e imagens de satélite

Abstract

Este estudo apresenta uma estrutura metodológica integrada para a análise, reconstrução e predição da morfologia de praias arenosas utilizando equações analíticas, análise multivariada, programação genética e imagens de satélite. A equação de Caballeria et al. (2003) foi aplicada inicialmente para calcular parâmetros morfológicos de mais de 15.000 perfis de praia coletados em Gold Coast (Austrália) e em Duck, Carolina do Norte (EUA). Esses parâmetros foram utilizados em uma análise multivariada combinando Análise de Componentes Principais (PCA) e agrupamento K-means para organizar os perfis em distintos grupos morfológicos. A etapa de agrupamento foi empregada para estruturar e caracterizar o conjunto de dados; entretanto, apenas os centróides dos clusters ? representando os perfis mais representativos de cada classe morfológica ? foram posteriormente utilizados para avaliar a capacidade de reprodução das formulações analíticas. Com base no conjunto de dados parametrizado, uma abordagem de programação genética foi então aplicada para derivar uma única equação empírico-analítica otimizada, capaz de reproduzir perfis de praia. Essa equação foi testada utilizando os centróides dos clusters para avaliar sua eficiência em diferentes estados. Por fim, a equação otimizada foi acoplada a imagens Sentinel-2 e Landsat, permitindo a reconstrução de perfis batimétricos por meio da identificação de zonas de arrebentação utilizando análise de intensidade de pixels. Os resultados demonstram que a integração de classificação multivariada, modelagem e sensoriamento remoto leva a formulações adaptáveis de perfis de praia, apoiando o monitoramento e a modelagem preditiva com boa relação custo-benefício em diversos ambientes costeiros.

Abstract: This study presents an integrated methodological framework for the analysis, reconstruction, and prediction of sandy beach morphology using analytical equations, multivariate analysis, genetic programming, and satellite imagery. The Caballeria et al. (2003) equation was first applied to compute morphological parameters for more than 15,000 beach profiles collected at the Gold Coast (Australia) and Duck, North Carolina (USA). These parameters were used in a multivariate analysis combining Principal Component Analysis (PCA) and K-means clustering to organize the profiles into distinct morphological groups. The clustering stage was employed to structure and characterize the dataset; however, only the cluster centroids?representing the most typical profiles of each morphological class?were subsequently used to evaluate the reproduction capability of analytical formulations. Based on the full parameterized dataset, a genetic programming approach was then applied to derive a single optimized empirical?analytical equation capable of reproducing offshore beach profiles. This equation was tested using the cluster centroids to assess its robustness across different states. Finally, the optimized equation was coupled with Sentinel-2 and Landsat imagery, enabling the reconstruction of bathymetric profiles through the identification of wave-breaking zones using pixel-intensity analysis. The results demonstrate that integrating multivariate classification, evolutionary modeling, and remote sensing leads to an adaptable beach-profile formulation, supporting cost-effective monitoring and predictive modeling in diverse coastal environments.