dc.contributorRizzon Santos, Elder
dc.creatorMonteiro, Nicolas Busato da Costa
dc.date.accessioned2020-12-07T22:43:34Z
dc.date.accessioned2022-12-13T17:11:58Z
dc.date.available2020-12-07T22:43:34Z
dc.date.available2022-12-13T17:11:58Z
dc.date.created2020-12-07T22:43:34Z
dc.date.issued2020-11-16
dc.identifierhttps://repositorio.ufsc.br/handle/123456789/218122
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/5335940
dc.description.abstractO monitoramento das concentrações de clorofila-a (Chl-a) é importante para o gerenciamento da qualidade da água porque é um bom indicador do nível de eutrofização em um ambiente aquático. A Lagoa da Conceição, localizada na cidade de Florianópolis, vem sofrendo grandes consequências ambientais derivadas do crescimento demográfico desenfreado, a maior parte da avaliação da qualidade da água tem sido limitada à coletas in loco e à análises laboratoriais subsequentes, um método que se demonstrou preciso mas caro e demorado. O sensoriamento remoto pode sobrepujar essas limitações, fornecendo um meio alternativo de monitoramento da clorofila-a, onde a obtenção de informações ocorre sem o contato direto entre o pesquisador ou o equipamento e o objeto de estudo. O sensor MODIS, a bordo dos satélites da NASA: Terra e Aqua, vem sendo utilizado satisfatoriamente na estimativa da clorofila-a em diversos lagos. Este trabalho visa aplicar regressões com os algoritmos de máquinas de vetores de suporte, redes neurais artificiais e regressão linear e classificações com os algoritmos de máquinas de vetores de suporte e redes neurais artificiais nos dados obtidos de coletas in loco juntamente com imagens do sensor MODIS da Lagoa da Conceição para estimar o parâmetro clorofila-a. Para as regressões, o algoritmo de redes neurais foi o que obteve os melhores resultados, com um RMSE de 1,3589 mg/l, coeficiente de correlação de 0,7589 e R² de 0,5759. Nas classificações, com as classes nas categorias ultraoligotróficos, oligotróficos e mesotróficos, os algoritmos de máquinas de vetores de suporte e redes neurais artificiais obtiveram resultados similares, atingindo um coeficiente Kappa de 0,8387 e um RMSE de 0,2842 e 0,2582, respectivamente. Devido ao tamanho pequeno do conjunto de dados, uma avaliação concreta da utilização dos modelos propostos não pode ser afirmada.
dc.description.abstractMonitoring chlorophyll-a (Chl-a) concentrations is important for water quality management because it is a good indicator of the level of eutrophication in an aquatic environment. Lagoa da Conceição, located in the city of Florianópolis, has been suffering great environmental consequences due to unrestrained demographic growth, most of the water quality assessment has been limited to in loco collections and subsequent laboratory analyzes, a method that has proven to be accurate but expensive and time consuming. Remote sensing can overcome these limitations, providing an alternative means of monitoring chlorophyll-a, where obtaining information occurs without direct contact between the researcher or the equipment and the object of study. The MODIS sensor, on board NASA satellites: Terra and Aqua, has been used satisfactorily to estimate chlorophyll-a in several lakes. This work aims to apply regressions with the support vector machine, artificial neural networks and linear regression algorithms and classifications with the support vector machine and artificial neural networks algorithms in the data obtained from in loco collections together with images from the MODIS sensor from Lagoa da Conceição to estimate the chlorophyll-a parameter. For the regressions, the neural network algorithm was the one that obtained the best results, with an RMSE of 1,3589 mg / l, a correlation coefficient of 0,7589 and a R² of 0,5759. In the classifications, with the classes ultraoligotrophic, oligotrophic and mesotrophic, the support vector machine algorithms and artificial neural networks obtained similar results, reaching a Kappa coefficient of 0.8387 and an RMSE of 0.2842 and 0.2582, respectively. Due to the small size of the dataset, a concrete assessment of the use of the proposed models cannot be confirmed.
dc.languagept_BR
dc.publisherFlorianópolis, SC
dc.rightsOpen Access
dc.subjectAprendizagem de Máquina
dc.subjectImagens de Satélite
dc.subjectQualidade da Água
dc.subjectSensor MODIS
dc.subjectClorofila-a
dc.titleAprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
dc.typeTCCgrad


Este ítem pertenece a la siguiente institución