Título:	Desenvolvimento de metodologia para detecção de vazamentos de óleo no mar utilizando inteligência artificial
Autor(es):	Moura, Nájla Vilar Aires de
Orientador(es):	Carvalho Júnior, Osmar Abílio de
Assunto:	Sensoriamento remoto Deep learning Gestão ambiental Monitoramento
Data de publicação:	13-Jun-2024
Data de defesa:	24-Mar-2023
Referência:	MOURA, Nájla Vilar Aires de. Desenvolvimento de metodologia para detecção de vazamentos de óleo no mar utilizando inteligência artificial. 2023. 88 f., il. Tese (Doutorado em Geografia) — Universidade de Brasília, Brasília, 2023.
Abstract:	Oil spills at sea are great public concern because they represent risks to the environment, to the coastal population, in addition to significant economic losses. With the growth of oil exploration and the movement of ships, the possibility of accidents increases. In this context, remote sensing is an indispensable technology for detecting and monitoring oil slicks on the sea surface. This thesis aims to analyze how the environmental management of accidents involving oil spills at sea in Brazil is carried out, its legal instruments and government programs, as well as to analyze the use of remote sensing and propose a methodology for detecting oil slicks based on artificial intelligence techniques (deep learning). For this, the work brings a review of recent research developed in the detection of oil leaks using satellite images. At this stage, the Synthetic Aperture Radar (SAR) stood out as the most used sensor, as it is efficient even with the presence of clouds and at night. Based on this observation, we used a time series of images from the Sentinel-1 satellite, equipped with SAR, as input for the creation of a database on oil spills that occurred in the Campos Basin, on the coast of southeastern Brazil, comparing different models of deep machine learning. The study verified that of the three semantic segmentation architectures (U-net, DeepLabv3+ and LinkNet) with four backbones (ResNet101, ResNet-50, Efficient-net-B0 and Efficient-net-B3), resulting in 12 models, the that obtained the best result was the U-net with the Efficient-net-B3 backbone (98% accuracy, 75% precision, 78% recall, 76% F-score and 62% IoU). In addition, the recurrence analysis detected the areas most susceptible to leaks and was able to eliminate look-alike.
Unidade Acadêmica:	Instituto de Ciências Humanas (ICH) Departamento de Geografia (ICH GEA)
Informações adicionais:	Tese (doutorado) — Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, Programa de Pós-Graduação em Geografia, 2023.
Programa de pós-graduação:	Programa de Pós-Graduação em Geografia
Licença:	A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:	Teses, dissertações e produtos pós-doutorado

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