Os dados de reflectância hiperespectral R_rs (Remote sensing reflectance) possuem um valor significativo na inversão de parâmetros de qualidade da água em áreas costeiras. No entanto, sensores hiperespectrais são limitados pela complexidade técnica e alto custo, além de que os dados hiperespectrais obtidos em campo são significativamente afetados pelo ambiente, dificultando a cobertura em larga escala. Para superar essas limitações, este artigo propõe um modelo eficiente de reconstrução hiperespectral R_rs baseado em KAN (Kolmogorov-Arnold Networks), que utiliza diretamente dados de sensoriamento remoto por satélite para treinamento, reconstruindo a reflectância hiperespectral R_rs altamente consistente com as características de distribuição dos valores observados reais a partir da reflectância multiespectral R_rs. O artigo utiliza dados de nível 2 R_rs do imageador hiperespectral costeiro HICO (Hyperspectral Imager for the Coastal Ocean) como amostras de treinamento, que são reamostradas para seis sensores multiespectrais principais, viabilizando a reconstrução da reflectância hiperespectral R_rs na faixa de 400 a 719 nm (intervalo de 1 nm). Os experimentos demonstram que o modelo KAN apresenta desempenho superior em todos os sensores comparado com modelos empíricos tradicionais Li_2017 e modelos de aprendizado profundo DNN (Deep Neural Network) e CNN (Convolutional Neural Network), com erro quadrático médio raiz RMSD de 2,25×10⁻⁴ (sr⁻¹), erro absoluto médio MAE de 1,60×10⁻⁴, erro percentual absoluto médio MAPE de 0,0534, coeficiente de determinação R² de 0,9982 e viés Bias de -0,1×10⁻⁴, demonstrando boa capacidade de generalização e estabilidade. Validações adicionais mostram que a reflectância hiperespectral R_rs reconstruída com base em KAN apresenta melhor desempenho na inversão da concentração de clorofila a (Chlorophyll-a, Chl-a), melhorando significativamente a precisão da inversão, especialmente em áreas de alta concentração. O modelo de reconstrução hiperespectral KAN proposto oferece novas ideias para superar as limitações dos modelos tradicionais dependentes de dados medidos ou simulados e aprimorar o desempenho da inversão de sensoriamento remoto em corpos d’água complexos.

Rede KAN; reflectância hiperespectral; reconstrução de reflectância; inversão de parâmetros de qualidade da água; águas costeiras; reflectância de sensoriamento remoto da água