Detecção de poluição plástica por meio de modelos de transferência radiativa e aprendizado de máquina

• Ano de defesa: 2024
• Autor(a) principal: Barbosa, Douglas Galimberti
• Orientador(a): Hackmann, Cristiano Lima
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Sensoriamento remoto; Aprendizado de máquina; Poluição marinha; Plástico; Transferência radiativa
• Palavras-chave em Inglês: Marine debris; Machine learning; Radiative transfer
• Link de acesso: http://hdl.handle.net/10183/278666

A poluição por plásticos é considerada uma ameaça global para os ecossistemas marinhos e para a saúde humana. As técnicas de sensoriamento remoto são capazes de mapear grandes áreas em intervalos curtos tempo, o que torna viável a análise da poluição plástica em ambientes marinhos. Este estudo teve por objetivo principal identificar a presença de plásticos em zonas costeiras através de técnicas de sensoriamento remoto. Para isto, foram criadas simulações de ambientes aquáticos poluídos no modelo Discrete Anisotropic Radiative Transfer (DART). O sensor MultiSpectral Instrument (MSI), a bordo dos satélites Sentinel-2A/2B, foi escolhido para este estudo. Através da observação da assinatura espectral dos plásticos pelas imagens simuladas, assim como a análise da estrutura molecular dos polímeros, foi desenvolvido o Plastic-Water Differentiation Index (PWDI). Este índice radiométrico demonstrou separabilidade entre plásticos e água nas imagens simuladas. Para testar a eficácia do PWDI e compará-lo a outros índices foram empregados o algoritmo de clusterização K-means e o algoritmo de aprendizado de máquina Random Forest (RF). Um conjunto de imagens MSI/Sentinel-2 com presença confirmada de plásticos foi escolhido para aplicação dos algoritmos. A aplicação do K-means, realizada com um valor de k=4, resultou em um cluster composto por polipropileno nas imagens simuladas. O algoritmo foi capaz de discernir entre água com matéria flutuante e água pura ao incorporar o PWDI no método de clusterização. De acordo com os resultados obtidos pelo algoritmo RF, a integração de índices radiométricos em conjunto com bandas espectrais melhorou a detecção dos plásticos nas imagens MSI/Sentinel-2. O PWDI apresentou o maior impacto nas decisões do algoritmo de acordo com o cálculo de importância de features.