"Ciências Básicas para o Desenvolvimento Sustentável"
24 a 26 de outubro de 2023
Trabalho 19886
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Geociências |
| Setor | Departamento de Solos |
| Bolsa | FAPEMIG |
| Conclusão de bolsa | Não |
| Apoio financeiro | FAPEMIG |
| Primeiro autor | Amanda Melissa Pessoa Lopes |
| Orientador | MARCIO ROCHA FRANCELINO |
| Outros membros | Caio Melo Balarini, Felipe Carvalho Santana, Gustavo Vieira Veloso, Viviane Flaviana Condé |
| Título | Sensoriamento remoto aplicado ao monitoramento da qualidade das águas contaminadas por rejeito de mineração |
| Resumo | Com o rompimento da barragem de Fundão, no município de Mariana - MG, 43,7 m³ de rejeitos de mineração de ferro foram lançados nos leitos e terraços dos rios a jusante, atingindo diretamente a bacia hidrográfica do rio Doce. O rio Gualaxo do Norte, que recebeu o primeiro contato com a pluma de rejeitos, teve seus parâmetros físicos, químicos e biológicos das águas totalmente alterados. É fundamental monitorar parâmetros de qualidade de água para tomada de decisões, manejo e sustentabilidade. Uma alternativa para realizar este monitoramento é utilizar ferramentas de sensoriamento remoto, que podem ser eficientes e têm custo relativamente baixo quando comparado com os métodos convencionais. Os objetivos deste trabalho foram: avaliar os parâmetros físicos e químicos das águas e correlacionar as respostas espectrais das águas dos rios que foram afetados por rejeitos do rompimento da barragem de Fundão às imagens orbitais. Durante os anos de 2019 a 2021 foram coletadas amostras de água em 13 pontos distribuídos entre os rios Gualaxo do Norte e Carmo. Nas amostras de água foram analisados: turbidez; cor aparente; pH; temperatura; sólidos suspensos totais (SST) e metais dissolvidos (Al, Zn, Cd, Fe, Mn, Cu, Cr). Foram utilizadas imagens de Nível 2A do sensor MSI (Multi Spectral Instrument) acoplado ao sistema orbital Sentinel-2. Algoritmos de aprendizado de máquina (árvores de decisão, modelo Boost e Suport Vector Machine) foram utilizados na predição dos valores das variáveis químicas e físicas. Dentre os parâmetros físicos, SST, turbidez e cor aparente estão altamente correlacionadas com os parâmetros químicos Mn e Fe dissolvidos em água. Índices espectrais estão inversamente correlacionados com os parâmetros físicos (SST, turbidez e cor). As variáveis com melhores resultados na modelagem foram turbidez, cor, temperatura e Fe. Das variáveis químicas avaliadas, a que obteve melhor resultado na modelagem foi o Fe. Os baixos valores encontrados na validação da modelagem são decorrentes da resolução espacial das imagens Sentinel-2, originalmente com 10 m, visto que a largura dos cursos d'água em estudo é inferior à resolução da imagem (10 m). |
| Palavras-chave | Turbidez, Sentinel-2, machine learning |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|