Estimativa da turbidez da água utilizando imagens de RPA’s associadas às técnicas de Machine Learning

Abstract

A qualidade da água em reservatórios é fundamental para a preservação dos ecossistemas e da saúde humana. A turbidez, que avalia a presença de partículas suspensas, é um indicador importante, geralmente medido in loco com equipamentos onerosos. No entanto, com o avanço da Inteligência Artificial (IA), é possível estimar a turbidez usando imagens orbitais associadas a índices como o NDTI (Normalized Difference Turbidy Index). Além de sensores orbitais, outra tecnologia que vem sendo muito utilizada para vários fins são as aeronaves remotamente pilotadas (RPA’s) que possibilitam a geração de produtos fotogramétricos digitais como Modelos Digitais de Elevação e Ortofotografias em grandes níveis de detalhes. Nesse sentido, este estudo visa estimar a turbidez em reservatórios usando imagens de RPA e técnicas de Machine Learning como a RNA (Redes Neurais Artificiais), SVM (Support Vector Machine), GBM (Gradient Boosting Machine) e RF (Random Forest). Assim, foram feitos levantamentos in loco com o equipamento turbidímetro e com RPA para obtenção dos dados para análise de regressão para correlacionar os dados. Por meio dos resultados obtidos, pôde-se perceber que a predição da turbidez utilizando o RF e a RNA apresentaram os melhores desempenhos.