Análise de IA Explicável na Detecção de Gases nos Solos

• Felipe Valencia de Almeida Universidade de São Paulo (USP) http://orcid.org/0000-0003-2031-6443
• Rosa Virginia Encinas Quille Universidade de São Paulo (USP) https://orcid.org/0000-0001-9166-1741
• Danielle Monteiro Universidade de São Paulo (USP) https://orcid.org/0009-0009-3954-2687
• Leandro Gomes de Freitas Instituto de Pesquisas Tecnológicas (IPT) https://orcid.org/0000-0002-7860-5937
• Pedro Luiz Pizzigatti Corrêa Universidade de São Paulo (USP)

DOI: https://doi.org/10.5753/bresci.2025.248241

Resumo

O estudo e monitoramento de áreas contaminadas é essencial para a avaliação de riscos ambientais e para a tomada de decisões. Entre os poluentes de interesse, os gases contaminantes presentes no subsolo, como o metano, representam uma preocupação devido ao impacto ambiental. Nesse contexto, análises preditivas têm sido cada vez mais utilizadas para estimar a presença e a concentração desses gases com base em outras variáveis. Modelos de aprendizado de máquina têm demonstrado bom desempenho nessas previsões, porém, muitas vezes funcionam como “caixas-pretas”, dificultando a compreensão de como os resultados foram obtidos. A IA explicável tem como propósito utilizar técnicas que permitam interpretar o funcionamento dos modelos, trazendo subsídios para entender como os resultados apresentados foram obtidos. Neste trabalho, foram utilizadas as técnicas SHAP e LIME para analisar a explicabilidade dos modelos Random Forest e XGBoost aplicados à previsão de gases contaminantes em solos. Um estudo de caso foi feito utilizando dados coletados de poços de monitoramento de gases do campus USP-Leste, onde foi observado que o uso das técnicas melhorou a explicabilidade dos modelos.

Palavras-chave: Machine Learning, xAI, Áreas Contaminadas

Referências

BRZICA, D. (2022). Governing major cities in the context of new environmental challenges. Ecomomic Review/Ekonomické Rozhl’ady, 51(3).

CETESB (2022). Manual de gerenciamento de Áreas contaminadas. Technical report, CETESB.

Hartmann, A., Jasechko, S., Gleeson, T., Wada, Y., Andreo, B., Barberá, J. A., Brielmann, H., Bouchaou, L., Charlier, J.-B., Darling, W. G., Filippini, M., Garvelmann, J., Goldscheider, N., Kralik, M., Kunstmann, H., Ladouche, B., Lange, J., Lucianetti, G., Martín, J. F., Mudarra, M., Sánchez, D., Stumpp, C., Zagana, E., and Wagener, T. (2021). Risk of groundwater contamination widely underestimated because of fast flow into aquifers. Proceedings of the National Academy of Sciences, 118(20):e2024492118.

Hou, D., Al-Tabbaa, A., O’Connor, D., Hu, Q., Zhu, Y.-G., Wang, L., Kirkwood, N., Ok, Y. S., Tsang, D. C. W., Bolan, N. S., and Rinklebe, J. (2023). Sustainable remediation and redevelopment of brownfield sites. Nature Reviews Earth & Environment, 4(4):271–286.

Li, X., Yi, S., Cundy, A. B., and Chen, W. (2022). Sustainability transitions of contaminated sites: A global meta-analysis on economic effects of remediation behaviour. Land Degradation & Development, 33(11):1775–1786.

Lundberg, S. M. and Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in neural information processing systems, 30.

Moraes, S., Teixeira, C., and Maximiano, A. (2014). Guia de elaboração de planos de intervenção para o gerenciamento de áreas contaminadas. IPT - Instituto de Pesquisas Tecnológicas do Estado de São Paulo.

Mulenga, C. (2022). Soil governance and the control of mining pollution in zambia. Soil Security, 6:100039.

Quille, R., Vieira, G., Freitas, L., Corrêa, P., Souza, S., Barbosa, A., and Almeida, F. (2025). Dataset de poços de monitoramento de gases da usp leste. In Anais do XVI Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, pages 352–355, Porto Alegre, RS, Brasil. SBC.

Ribeiro, M. T., Singh, S., and Guestrin, C. (2016). ”why should i trust you?”explaining the predictions of any classifier. In Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining, pages 1135–1144.

SHAP (2025). Beeswarm plot. Disponível em: [link]. Acesso em 25 de junho de 2025.

Tarazona, J. V. (2024). Pollution, soil. In Wexler, P., editor, Encyclopedia of Toxicology (Fourth Edition), pages 801–807. Academic Press, Oxford, fourth edition edition.