Mineração de Dados de Qualidade de Água para Agrupamento de Pontos de Amostragem Usados no Monitoramento de Recursos Hídricos
Resumo
A aplicação de recursos computacionais avançados no suporte aos sistemas de gestão ambiental vem se tornando cada vez mais frequente. Neste trabalho é empregada uma técnica de análise de grupos cujo objetivo é descobrir regiões hidrográficas homogêneas quanto às suas características físicas, químicas e ecotoxicológicas. Para isso, o algoritmo de clusterização adotado busca grupos de pontos de amostragem de água onde as medições de seus parâmetros de qualidade são similares. Foram utilizados dados de análises de qualidade de água de alguns dos principais rios do estado de São Paulo, realizadas entre 2005 e 2011. A metodologia desenvolvida contribui para um melhor conhecimento dos corpos d’água, permitindo a redução da quantidade de pontos a serem analisados em programas de monitoramento.
Referências
Assunção, R.M.; Lage, J.P.; Reis, E. A. (2002) Análise de conglomerados espaciais via árvore geradora mínima. Revista Brasileira de Estatística. Rio de Janeiro, Brasil, v. 63, n. 220, p. 7-22.
Berry, M. J. A.; Linoff, G. S. (2004) Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Indianapolis: Wiley Publishing, 672 p.
Bertholdo, L.; Silva, C. G.; Umbuzeiro, G. A.; Camolesi Jr., L. (2012) Técnicas de Mineração de Dados na Classificação de Ecotoxicidade de Água para Aplicação na Gestão de Corpos Hídricos. In: VIII Congresso Nacional de Excelência em Gestão, Niterói, Brasil, 20 p.
CETESB (2011) Relatório de Qualidade das Águas Superficiais do Estado de São Paulo – 2010. São Paulo: CETESB.
CETESB (2012) Institucional – Companhia Ambiental do Estado de São Paulo – Histórico. [link].
CONAMA (2005) Conselho Nacional do Meio Ambiente. Resolução n. 357, de 17 de março de 2005. Brasília: CONAMA.
Diniz, R. B. N.; Soares, V. G.; Cabral, L. A. F. (2012) Uso de Técnicas de Mineração de Dados na Identificação de Áreas Hidrologicamente Homogêneas no Estado da Paraíba. Revista Brasileira de Recursos Hídricos. Porto Alegre, Brasil, v. 17, n. 1, p. 65-75.
Duarte, A. A. A.; Bertholdo, L.; Umbuzeiro, G. A.; Camolesi Jr., L.; Silva, C. G. (2011) Processamento e Visualização de Dados para a Descoberta de Conhecimento em Sistemas de Monitoramento de Qualidade de Água. In: III Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, Natal, p. 1409-1418.
Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P. (1996) From data mining to knowledge discovery: An overview. In: Advances in Knowledge Discovery and Data Mining, AAAI Press/The MIT Press, England, p. 37-54.
Jacobi, P. R.; Barbi, F. (2007) Democracia e participação na gestão dos recursos hídricos no Brasil. Revista Katálysis, Florianópolis, Brasil, v. 10, n. 2, p.237-244.
Karimipour, F.; Delavar, M. R.; Kinaie, M. (2005) Water Quality Management Using GIS Data Mining. Journal of Environmental Informatics. Canadá, v. 5, n. 2, p. 61-71.
Neves, M. C.; Câmara, G.; Assunção, R. M.; Freitas, C. C. (2002) Procedimentos Automáticos e Semi-automáticos de Regionalização por Árvore Geradora Mínima. In: Brazilian Symposium on GeoInformatics, GeoInfo2002, Caxambu-MG, Brasil, p.
Ramachandra Rao, A.; Srinivas, V. V.. (2006) Regionalization of watersheds by hybrid-cluster analysis. In: Journal Of Hydrology, v. 318, n.1-4, p. 37 -56.
Seixas, A. J.; Nelson, F. F. E.; Beatriz, S. L. P. L. (2008) Mining spatial and temporal data to classify water quality: a case study. In: Data Mining IX: Data Mining, Protection, Detection and Other Security Technologies. Reino Unido, v. 40, p. 83-94.
Shyue, S.; Chen, C.; Chang, C. (2010) Association rule mining for evaluation of regional environments: Case study of Dapeng Bay, Taiwan. International Journal of Innovative Computing, Information and Control. v. 6, n. 8, p. 3425-3436.
Silva, I. A. F. (2007) Descoberta de Conhecimento em Base de Dados de Monitoramento Ambiental para Avaliação da Qualidade da Água. 2007. 134 p. Dissertação (Mestrado) – Universidade Federal de Mato Grosso, Cuiabá.
Tan, P.; Steinbach, M.; Kumar, V. (2009) Introdução ao Data Mining – Mineração de Dados. Rio de Janeiro: Editora Ciência Moderna. 900 p.
Umbuzeiro, G. A.; Lorenzetti, M. L. (2009) Fundamentos da Gestão da Qualidade das Águas: Resolução CONAMA 357/2005. Limeira-SP: Biblioteca da Unicamp/CPEA.
Von Sperling, M. (2007) Estudos e modelagem da qualidade da água de rios. Belo Horizonte: Departamento de Engenharia Sanitária e Ambiental – Universidade Federal de Minas Gerais. 588 p. v.7.
Berry, M. J. A.; Linoff, G. S. (2004) Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Indianapolis: Wiley Publishing, 672 p.
Bertholdo, L.; Silva, C. G.; Umbuzeiro, G. A.; Camolesi Jr., L. (2012) Técnicas de Mineração de Dados na Classificação de Ecotoxicidade de Água para Aplicação na Gestão de Corpos Hídricos. In: VIII Congresso Nacional de Excelência em Gestão, Niterói, Brasil, 20 p.
CETESB (2011) Relatório de Qualidade das Águas Superficiais do Estado de São Paulo – 2010. São Paulo: CETESB.
CETESB (2012) Institucional – Companhia Ambiental do Estado de São Paulo – Histórico. [link].
CONAMA (2005) Conselho Nacional do Meio Ambiente. Resolução n. 357, de 17 de março de 2005. Brasília: CONAMA.
Diniz, R. B. N.; Soares, V. G.; Cabral, L. A. F. (2012) Uso de Técnicas de Mineração de Dados na Identificação de Áreas Hidrologicamente Homogêneas no Estado da Paraíba. Revista Brasileira de Recursos Hídricos. Porto Alegre, Brasil, v. 17, n. 1, p. 65-75.
Duarte, A. A. A.; Bertholdo, L.; Umbuzeiro, G. A.; Camolesi Jr., L.; Silva, C. G. (2011) Processamento e Visualização de Dados para a Descoberta de Conhecimento em Sistemas de Monitoramento de Qualidade de Água. In: III Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais, Natal, p. 1409-1418.
Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P. (1996) From data mining to knowledge discovery: An overview. In: Advances in Knowledge Discovery and Data Mining, AAAI Press/The MIT Press, England, p. 37-54.
Jacobi, P. R.; Barbi, F. (2007) Democracia e participação na gestão dos recursos hídricos no Brasil. Revista Katálysis, Florianópolis, Brasil, v. 10, n. 2, p.237-244.
Karimipour, F.; Delavar, M. R.; Kinaie, M. (2005) Water Quality Management Using GIS Data Mining. Journal of Environmental Informatics. Canadá, v. 5, n. 2, p. 61-71.
Neves, M. C.; Câmara, G.; Assunção, R. M.; Freitas, C. C. (2002) Procedimentos Automáticos e Semi-automáticos de Regionalização por Árvore Geradora Mínima. In: Brazilian Symposium on GeoInformatics, GeoInfo2002, Caxambu-MG, Brasil, p.
Ramachandra Rao, A.; Srinivas, V. V.. (2006) Regionalization of watersheds by hybrid-cluster analysis. In: Journal Of Hydrology, v. 318, n.1-4, p. 37 -56.
Seixas, A. J.; Nelson, F. F. E.; Beatriz, S. L. P. L. (2008) Mining spatial and temporal data to classify water quality: a case study. In: Data Mining IX: Data Mining, Protection, Detection and Other Security Technologies. Reino Unido, v. 40, p. 83-94.
Shyue, S.; Chen, C.; Chang, C. (2010) Association rule mining for evaluation of regional environments: Case study of Dapeng Bay, Taiwan. International Journal of Innovative Computing, Information and Control. v. 6, n. 8, p. 3425-3436.
Silva, I. A. F. (2007) Descoberta de Conhecimento em Base de Dados de Monitoramento Ambiental para Avaliação da Qualidade da Água. 2007. 134 p. Dissertação (Mestrado) – Universidade Federal de Mato Grosso, Cuiabá.
Tan, P.; Steinbach, M.; Kumar, V. (2009) Introdução ao Data Mining – Mineração de Dados. Rio de Janeiro: Editora Ciência Moderna. 900 p.
Umbuzeiro, G. A.; Lorenzetti, M. L. (2009) Fundamentos da Gestão da Qualidade das Águas: Resolução CONAMA 357/2005. Limeira-SP: Biblioteca da Unicamp/CPEA.
Von Sperling, M. (2007) Estudos e modelagem da qualidade da água de rios. Belo Horizonte: Departamento de Engenharia Sanitária e Ambiental – Universidade Federal de Minas Gerais. 588 p. v.7.
Publicado
23/07/2013
Como Citar
BERTHOLDO, Leonardo; CAMOLESI JÚNIOR, Luiz; UMBUZEIRO, Gisela de Aragão; SILVA, Celmar Guimarães da.
Mineração de Dados de Qualidade de Água para Agrupamento de Pontos de Amostragem Usados no Monitoramento de Recursos Hídricos. In: WORKSHOP DE COMPUTAÇÃO APLICADA À GESTÃO DO MEIO AMBIENTE E RECURSOS NATURAIS (WCAMA), 4. , 2013, Maceió/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2013
.
p. 1036-1046.
ISSN 2595-6124.
