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.contributor | Martins, Jorge Alberto | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-4284-0676 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8485518379872133 | - |
Autor(es): dc.contributor | Bovo, Alessandro Botelho | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-5863-9032 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/5096294141072886 | - |
Autor(es): dc.contributor | Ramires, Thiago Gentil | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-1972-7045 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/2106135845379527 | - |
Autor(es): dc.contributor | Martins, Jorge Alberto | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-4284-0676 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8485518379872133 | - |
Autor(es): dc.contributor | Theodoro, Joseane Debora Peruço | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-8709-506X | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/0351233547495522 | - |
Autor(es): dc.contributor | Bernardo, Nariane Marselhe Ribeiro | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-8292-3102 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9148994662962382 | - |
Autor(es): dc.creator | Venturin, Pâmela Roberta Francisquetti | - |
Data de aceite: dc.date.accessioned | 2025-08-29T11:53:01Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T11:53:01Z | - |
Data de envio: dc.date.issued | 2022-09-30 | - |
Data de envio: dc.date.issued | 2022-09-30 | - |
Data de envio: dc.date.issued | 2022-08-15 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/29799 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1085014 | - |
Descrição: dc.description | Urban rainwater drainage represents one of the most significant challenges in the environmental area around the world. One of the undesired and immediate effects of the surface runoff of rainwater is the transport of sediments and all sorts of pollutants into water bodies. Total Suspended Solids (TSS) represent one of the critical parameters of most significant interest in environmental monitoring and the implementation of Nature Based Solutions. Thus, this work proposes to evaluate an alternative to in situ measurements through the prediction of TSS concentration in an automated way, using Machine Learning (ML) techniques combined with high spatial resolution multispectral images captured by Unmanned Aerial Vehicle (UAV) from Lake Igapó, in the city of Londrina (PR). The measurement campaign considered 40 collection points, with some parameters analyzed in situ with the aid of a multiparametric probe (Hydrogenionic potential (pH), Electrical Conductivity (EC), Temperature, OD Percentage, OD Concentration, Salinity; Pressure, and Total Dissolved Solids (TDS)) and TSS concentrations measured in the laboratory. Simultaneously with collecting the water samples, multispectral images were captured in the Green, Red, Red Edge, and Near Infrared bands with the aid of a UAV. The ML techniques used were Random Forest (RF), Linear Regression (LR), Ridge Regression, Lasso Regression, and ElasticNet Regression, which were applied under different conditions (the original number of samples, reduced number by removing outliers, and increased number by interpolation). The ML models' predictive capacity was evaluated using the Mean Square Error (EQM) and the R square (R²) determination coefficient. The measured parameters were compared with the quality standards established in the Resolution of the National Environmental Council (CONAMA) 357/2005, for class 1 fresh water, thus, it was possible to affirm that the values found in this research, satisfy the requirements established in this resolution. The AM models that presented the best prediction capacity were: FA with R² of 62.30% and EQM of 5.48; RL with R² of 16.53% and EQM of 18.62; Ridge, Lasso and Elasticnet regression with R² of 16.37% and EQM of 18.69. All the best results were found when using interpolated SST values. This methodology is a promising tool with a great chance of replacing in situ measurements in the future. Expanding the number of sampling points, considering campaigns carried out under different sediment loads, can significantly improve the prediction capacity of the models tested. | - |
Descrição: dc.description | Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná | - |
Descrição: dc.description | A drenagem urbana de águas pluviais representa um dos grandes desafios da área ambiental em todo o mundo. Um dos efeitos indesejados e imediatos do escoamento superficial das águas da chuva é o transporte de sedimentos e de poluentes para dentro dos corpos hídricos. Os Sólidos Suspensos Totais (SST) representam um dos parâmetros críticos e de maior interesse no monitoramento ambiental e na implementação de Soluções Baseadas na Natureza. Dessa forma, este trabalho se propõe a avaliar uma alternativa às medidas in situ, através da predição da concentração de SST de forma automatizada, a partir do uso de técnicas de Aprendizado de Máquina (AM), combinadas com imagens multiespectrais de alta resolução espacial capturadas por Veículo Aéreo não Tripulado (VANT) do Lago Igapó, na cidade de Londrina (PR). A campanha de medidas considerou 40 pontos de coleta, com alguns parâmetros analisados in situ com o auxílio de uma sonda multiparamétrica (potencial hidrogeniônico (pH), Condutividade elétrica (CE), Temperatura, Porcentagem de oxigênio dissolvido (OD), Concentração de OD, Salinidade; Pressão e Sólidos Dissolvidos Totais (SDT)) e as concentrações de SST medidas em laboratório. Simultaneamente ao processo de coleta das amostras de água, foram capturadas imagens multiespectrais nas bandas Green, Red, Red Edge e Near Infrared com o auxílio de um VANT. As técnicas de AM utilizadas foram Floresta Aleatória (FA), Regressão Linear (RL), Regressão de Ridge, Regressão de Lasso e Regressão ElasticNet, que foram aplicadas em diferentes condições (número original de amostragens, número reduzido pela remoção de outliers e número ampliado por interpolação). A capacidade de predição dos modelos de AM testados foram avaliados pelos valores do Erro quadrático médio (EQM) e pelo coeficiente de determinação R quadrado (R²). Os parâmetros mensurados, foram comparados com os padrões de qualidade estabelecidos na Resolução do Conselho Nacional De Meio Ambiente (CONAMA) 357/2005, para água doce classe 1, assim, foi possível afirmar que os valores encontrados nesta pesquisa, satisfazem as exigências estabelecidas nesta resolução. Os modelos de AM que apresentaram melhores capacidade de predição foram: FA com R² de 62,30% e EQM de 5,48; RL com R² de 16,53% e EQM de 18,62; Regressão Ridge, de Lasso e de Elasticnet com R² de 16,37% e EQM de 18,69. Todos os melhores resultados foram encontrados ao ser utilizado os valores de SST interpolados. Esta metodologia, trata se de uma ferramenta promissora e com grande chance de substituir as medidas in situ no futuro. A ampliação do número de pontos de amostragem, considerando campanhas realizadas sob diferentes cargas de sedimentos, pode melhorar significativamente a capacidade de predição dos modelos testados. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Londrina | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Ambiental | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by-nc/4.0/ | - |
Palavras-chave: dc.subject | Sedimentos em suspensão | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Sensoriamento remoto | - |
Palavras-chave: dc.subject | Drone | - |
Palavras-chave: dc.subject | Lagos - Londrina (PR) | - |
Palavras-chave: dc.subject | Suspended sediments | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Remote sensing | - |
Palavras-chave: dc.subject | Drone aircraft | - |
Palavras-chave: dc.subject | Lagos - Londrina (PR) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA SANITARIA | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Aplicação de técnicas de aprendizado de máquina e imagens multiespectrais para a estimativa da concentração de sólidos suspensos totais no Lago Igapó, na cidade de Londrina (PR) | - |
Título: dc.title | Applying machine learning techniques and multispectral images to estimate the total suspended solids concentration in Igapó Lake in Londrina (PR) | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: