Campus Vitória da Conquista Trabalhos de Conclusão de Cursos (TCCs)
Use este identificador para citar ou linkar para este item: https://repositorio.ifba.edu.br/jspui/handle/123456789/631
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRocha, Kariny Moreira-
dc.date.accessioned2024-10-04T14:33:52Z-
dc.date.available2024-03-05-
dc.date.available2024-10-04T14:33:52Z-
dc.date.issued2024-02-19-
dc.identifier.citationRocha, Kariny Moreira. Validação do uso e cobertura do solo utilizando imagens do satélite sentinel - 2 no estudo de desastres ambientais: o caso do rompimento da barragem de Brumadinho - MG. Trabalho conclusão de curso em Engenharia Elétrica. Vitória da Conquista, Instituto Federal da Bahia, 2023.pt_BR
dc.identifier.urihttps://repositorio.ifba.edu.br/jspui/handle/123456789/631-
dc.description.abstractThe rupture of the B1 ore tailings dam in Brumadinho-MG triggered one of the worst environmental disasters in Brazil, affecting hundreds of lives and devastating an area of 297 hectares. With the aim of assessing changes in land use and occupation after the disaster, this study aimed to delimit and evaluate the extent of the impact of tailings mud, as well as to perform supervised classification of the municipality before and after the dam rupture, through a combination of techniques, including remote sensing imagery, geoprocessing tools, and RStudio software. Analysis of spectral indices NDVI, EVI, and NDWI revealed a significant and adverse impact on the affected region, highlighting vegetation loss. When conducting supervised classification, the RF and SVM algorithms showed similar performances, with overall accuracy and kappa above 90%. However, RF stood out as more effective in identifying different thematic areas of the surface when using Sentinel-2 satellite images. These results showed that machine learning algorithms, when combined with high-resolution spatial images, provide precise and reliable analysis for future environmental studies. This approach enables rapid identification and assessment of changes in land cover following catastrophic events such as dam ruptures, facilitating decision-making and proper planning for environmental recovery.pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia da Bahiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectGeoprocessamentopt_BR
dc.subjectÍndices espectraispt_BR
dc.subjectClassificação supervisionadapt_BR
dc.subjectRompimento de barragenspt_BR
dc.titleValidação do uso e cobertura do solo utilizando imagens do satélite sentinel - 2 no estudo de desastres ambientais: o caso do rompimento da barragem de Brumadinho - MGpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.creator.LattesNão encontradopt_BR
dc.contributor.advisor1Trindade, Lídia Raiza Sousa Lima Chaves-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3201719623816360pt_BR
dc.contributor.referee1Trindade, Lídia Raíza Sousa Lima Chaves-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3201719623816360pt_BR
dc.contributor.referee2Silva, Joseane Oliveira da-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2924129863852832pt_BR
dc.contributor.referee3Costa, Victórya Vilasboas Lopes-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/2807162974659642pt_BR
dc.description.resumoO rompimento da barragem de rejeitos de minério B1 em Brumadinho-MG desencadeou um dos piores desastres ambientais no Brasil, afetando centenas de vidas e devastando uma área de 297 hectares. Com o intuito de avaliar as mudanças no uso e ocupação do solo após o desastre, este estudo teve como objetivo delimitar e avaliar a extensão do impacto da lama de rejeitos, além de realizar a classificação supervisionada do município antes e depois do rompimento da barragem, através de uma combinação de técnicas, incluindo imagens de sensoriamento remoto, ferramentas de geoprocessamento e o software RStudio. A análise dos índices espectrais NDVI, EVI e NDWI revelou um impacto significativo e adverso na região afetada, destacando a perda de vegetação. Ao realizar a classificação supervisionada, os algoritmos RF e SVM apresentaram desempenhos semelhantes, com acurácia global e kappa acima de 90%. No entanto, o RF se destacou como mais eficaz na identificação das diferentes áreas temáticas da superfície, ao utilizar imagens do satélite Sentinel-2. Esses resultados evidenciaram que os algoritmos de aprendizado de máquina, quando combinados com imagens de alta resolução espacial, oferecem uma análise precisa e confiável para estudos ambientais futuros. Essa abordagem permite uma rápida identificação e avaliação das mudanças na cobertura do solo após eventos catastróficos como o rompimento de barragens, facilitando a tomada de decisões e o planejamento adequado para a recuperação ambiental.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentDepartamento de Ensino Superior/Bachareladopt_BR
dc.publisher.initialsIFBApt_BR
dc.subject.cnpqEngenhariaspt_BR
Aparece nas coleções:Trabalhos de Conclusão de Cursos (TCCs)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_FINAL.pdf2.77 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador