Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto

Detalhes bibliográficos
Autor(a) principal: Monteiro, Nicolas Busato da Costa
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/218122
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
id UFSC_ee9a7c3ff62eeaf8c54daca81804285c
oai_identifier_str oai:repositorio.ufsc.br:123456789/218122
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaMonteiro, Nicolas Busato da CostaRizzon Santos, Elder2020-12-07T22:43:34Z2020-12-07T22:43:34Z2020-11-16https://repositorio.ufsc.br/handle/123456789/218122TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.O 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.Monitoring 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.93 f.Florianópolis, SCAprendizagem de MáquinaImagens de SatéliteQualidade da ÁguaSensor MODISClorofila-aAprendizagem de máquina na estimativa de clorofila-a via sensoriamento remotoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCLICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/218122/2/license.txt11ee89cd31d893362820eab7c4d46734MD52ORIGINALTCC.pdfTCC.pdfTCCapplication/pdf1364644https://repositorio.ufsc.br/bitstream/123456789/218122/1/TCC.pdfa2bb91b89951f32b121ce81bcdfb1e28MD51123456789/2181222020-12-07 19:43:34.411oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732020-12-07T22:43:34Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
title Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
spellingShingle Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
Monteiro, Nicolas Busato da Costa
Aprendizagem de Máquina
Imagens de Satélite
Qualidade da Água
Sensor MODIS
Clorofila-a
title_short Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
title_full Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
title_fullStr Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
title_full_unstemmed Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
title_sort Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
author Monteiro, Nicolas Busato da Costa
author_facet Monteiro, Nicolas Busato da Costa
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Monteiro, Nicolas Busato da Costa
dc.contributor.advisor1.fl_str_mv Rizzon Santos, Elder
contributor_str_mv Rizzon Santos, Elder
dc.subject.por.fl_str_mv Aprendizagem de Máquina
Imagens de Satélite
Qualidade da Água
Sensor MODIS
Clorofila-a
topic Aprendizagem de Máquina
Imagens de Satélite
Qualidade da Água
Sensor MODIS
Clorofila-a
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-12-07T22:43:34Z
dc.date.available.fl_str_mv 2020-12-07T22:43:34Z
dc.date.issued.fl_str_mv 2020-11-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/218122
url https://repositorio.ufsc.br/handle/123456789/218122
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 93 f.
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/218122/2/license.txt
https://repositorio.ufsc.br/bitstream/123456789/218122/1/TCC.pdf
bitstream.checksum.fl_str_mv 11ee89cd31d893362820eab7c4d46734
a2bb91b89951f32b121ce81bcdfb1e28
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805110317383680

Registros relacionados