
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Santos , Grazielle Rocha dos | - |
| Autor(es): dc.creator | Maia, Luisa Cardoso | - |
| Autor(es): dc.creator | Lobo, Fabiana Aparecida | - |
| Autor(es): dc.creator | Santiago, Aníbal da Fonseca | - |
| Autor(es): dc.creator | Silva, Gilmare Antônia da | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:48:23Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:48:23Z | - |
| Data de envio: dc.date.issued | 2024-11-18 | - |
| Data de envio: dc.date.issued | 2024-11-18 | - |
| Data de envio: dc.date.issued | 2022 | - |
| Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/19052 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S0269749123011764 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.envpol.2023.122174 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1024539 | - |
| Descrição: dc.description | The main purpose of this study was to build multivariate classification models using water quality monitoring data for the hydrographic basin of the Gualaxo do Norte River, Minas Gerais state, Brazil, which was impacted in 2015 by the rupture of a containment structure for iron ore tailings. A total of 27 points were evaluated, covering areas affected and unaffected by the disaster, with monitoring of chemical, physical, and microbiological variables during the period from July 2016 to June 2017. Multivariate classification techniques were applied to the data, with the aim of developing models to determine when the impacted locations would present characteristics equivalent to those existing prior to the rupture. Classification models constructed using PLS-DA and LDA were able to predict three classes: unaffected main river, affected main river, and tributaries. The first technique was able to clearly differentiate the three classes for the data evaluated, achieving averages corresponding to 90% accuracy. The second method was consistent with the first, identifying the chloride content, conductivity, turbidity, and alkalinity as discriminatory variables, among those monitored, with the relationships among the parameters being coherent with the environmental conditions of the region. The model, with a correct classification rate of 91.67%, enabled identification of the behavior of new samples, using only these easily measured variables. In summary, application of the multivariate statistical tools allowed the development of models capable of providing information about the recovery process of an ecosystem impacted by the greatest environmental disaster to have occurred in Brazil. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Direitos: dc.rights | restrito | - |
| Palavras-chave: dc.subject | Gualaxo do Norte River | - |
| Palavras-chave: dc.subject | Brazil | - |
| Palavras-chave: dc.subject | Fundão mine dam failure | - |
| Palavras-chave: dc.subject | Partial least squares discriminant analysis | - |
| Palavras-chave: dc.subject | Fisher’s linear discriminant analysis | - |
| Título: dc.title | A model based on a multivariate classification for assessing impacts on water quality in a Doce river watershed after the Fundão tailings dam failure. | - |
| Aparece nas coleções: | Repositório Institucional - UFOP | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: