Aprendizagem de máquina na estimativa de clorofila-a via sensoriamento remoto
Autor(a) principal: | |
---|---|
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 |