Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/24580
Title in Portuguese: Técnicas computacionais aplicadas na estimativa da pressão parcial de Co2 em águas oceânicas
Author: Silveira, David Aurélio Lima
Advisor(s): Marins, Rozane Valente
Co-advisor(s): Silva, Francisco de Assis Tavares Ferreira da
Keywords: Inteligência computacional
Costa
Água
Estimativa de parâmetros
Dióxido de carbono
Oceano
Issue Date: 2017
Citation: SILVEIRA, D. A. L. (2017)
Abstract in Portuguese: As regiões costeirasapresentam poucos dados referentes a pCO2das águas marinhas. Em parte, isso se deve a grande dificuldade de modelar essas regiões biogeoquimicamente ativas, devido à complexidade de processos que ocorrem nessas áreas, às eventuais alterações ambientais e seus efeitos sobre os ecossistemas costeiros e aos elevados custos da logística necessária a estas medições no oceano.Portanto,as estimativas, eventualmente, tornam-se necessáriasa partir de um grupo de variáveis de mensuração mais fáceis de serem executadas. A estimativa da pCO2 encontra-se registrada em vários trabalhos,entretanto sua aplicação tem sido direcionadapara oceano aberto e nãoparaplataformas continentais.Técnicas de regressão linear múltipla (RLM) e de rede neural artificial (RNA) foram confrontadas diversas vezes, entretanto, a utilização do algoritmo de Levenberg-Marquardt,comumenteutilizado na visão computacional,principalmente quando se deseja ajustar um modelo a um conjunto de dados experimentais,até o momento, não foi utilizado para a estimativa da pCO2na costa brasileira. Assim, neste estudo, osalgoritmos de aprendizado de máquina foramutilizados, para estimara pCO2na costa nordeste equatorial do Brasil, utilizando técnicas estatísticas e/ou de inteligência artificial. Para treinamento das técnicas computacionais foram utilizados os dados do navio MS Monte Olivia, tendo em vista a certificação destes em bancos de dados internacionais e, posteriormente aplicadas estas técnicas aos dados do navio hidro oceanográfico Cruzeiro do Sul (NHOCS) da Marinha do Brasil obtidos peloGrupo de Pesquisa Biogeoquímica Costeira. Foram trabalhados dados de pCO2, temperatura da superfície do mar (TSM) e salinidade da superfície do mar (SSM). Foram obtidos os Desvios Padrão Residual (RSD) para justificar a melhor técnica baseado no menor erro. A RNA apresentou melhores resultados em relação a RLM com a obtenção de RSDsequivalentes a 0,1034µatm para os dados totais do Monte Olívia e 0,8394µatm para os dados totais do Cruzeiro do Sul, ou seja, valores menores do que aqueles divulgados na literatura e, para o oceano aberto, as grandezas TSM e SSM são mais significativas e representam melhor a pCO2, entretanto, na plataforma continental, por meio destas duas únicas variáveis, a estimativa da pCO2 não foi satisfatória. Entretanto, mesmo com menor número de dados, acrescentando-se uma nova variável, clorofila a, a estimativa por RNA mostrou resultado satisfatório, com RSD equivalente a 0,5983µatm. Quando combinou-se Salinidade à Clorofila ao RSD,via RNA,decresceupara 0,3514µatm após normalização dos dados, resultado que corroborou com estudo realizado na área com dados medidos.
Abstract: Coastal regions have little data regarding pCO2in marine waters. In part, this is due to the great difficulty of modeling these biogeochemically active regions, due to the complexity of coastal processes, the possible environmental changes and their effects on ecosystems and the high logistics costs required for these measurements in the ocean. Therefore,estimates based on a group of measurement variables that are easier to performareeventually necessary. The estimate of pCO2is recorded in several studies, however its application has been directed tothe open ocean and not to continental shelves. Multiple linear regression (MLR) and artificial neural network (ANN) techniques have been confronted several times.However, the use of the Levenberg-Marquardt algorithm, commonly used in computational vision when it is desired to fit a model to a set of data, isto date, not used for the estimation of pCO2inthe Brazilian coast. Thus, in this study, machine-learningalgorithms were used to estimate pCO2on the equatorial northeast coast of Brazil, using statistical and/or artificial intelligence techniques. For the training of the computer techniques, the data of the MS Monte Olivia ship were used, in order to certify them in international databases, and later applied these techniques to the Cruzeiro do Sul (NHOCS) data of the Brazilian Navy obtained by Coastal Biogeochemistry Research Group. Data were analyzed for pCO2, sea surface temperature (SST) and sea surface salinity (SSS). We obtained the Residual Standard Deviations (RSD) to justify the best technique based on the smallest error. The RNA presented better results in relation to MLRwith the obtaining of RSDs equivalent to 0.1034µatm for the total data of Monte Olivia and 0,8394µatm for the total data of the Cruzeiro do Sul, that is, smaller values than those published in the literature. In addition, for the open ocean,the SST and SSSmeasuresare more significant and represent better the pCO2than inthe continental shelf.By means of these two only variables, the estimate of the pCO2was not satisfactory. However, even with a lower number of data, adding a new variable, chlorophyll a, ANNestimation showed a satisfactory result, with RSD equivalent to 0.5983µatm. When only Salinity and Chlorophyll are combined, the RSD via RNA drops to 0.3514µatm for the estimated data after normalization.
Description: SILVEIRA, D. A. L. Técnicas computacionais aplicadas na estimativa da pressão parcial de Co2 em águas oceânicas. 2017. 85 f. Dissertação (Mestrado em Ciências Marinhas Tropicais) - Instituto de Ciências do Mar, Universidade Federal do Ceará, Fortaleza, 2017.
URI: http://www.repositorio.ufc.br/handle/riufc/24580
Appears in Collections:LABOMAR - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2017_dis_dalsilveira ok.pdf2,53 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.