Use este identificador para citar ou linkar para este item: https://repositorio.ufms.br/handle/123456789/11079
Registro completo de metadados
Campo DCValorIdioma
dc.creatorEloiza Marques-
dc.date.accessioned2025-01-15T10:15:38Z-
dc.date.available2025-01-15T10:15:38Z-
dc.date.issued2024pt_BR
dc.identifier.urihttps://repositorio.ufms.br/handle/123456789/11079-
dc.description.abstractThe management of dam safety is crucial for disaster prevention and the preservation of water resources. In the state of Mato Grosso do Sul, the Institute of Environment of Mato Grosso do Sul (Imasul) plays a key role in overseeing these structures, following the guidelines of the National Policy on Dam Safety (PNSB) and utilizing the National Information System on Dam Safety (SNISB) for the monitoring and classification of dams. This study evaluates Imasul's performance within the SNISB context and analyzes the effectiveness of image segmentation models, such as Segformer and DeepLabV3+, for mapping dam reservoirs. The research compares the results of both models, highlighting the superiority of the Segformer, which showed better performance metrics, such as precision, sensitivity, and accuracy. The findings reveal the potential of artificial intelligence and remote sensing in environmental monitoring, providing more accurate tools for dam management and safety-
dc.language.isopt_BRpt_BR
dc.publisherFundação Universidade Federal de Mato Grosso do Sulpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectSensoriamento remoto-
dc.titleMAPEAMENTO DE RESERVATÓRIOS DE BARRAGENS COM INTELIGÊNCIA ARTIFICIAL E SENSORIAMENTO REMOTOpt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Jose Marcato Junior-
dc.description.resumoA gestão de segurança de barragens é fundamental para a prevenção de desastres e a preservação dos recursos hídricos. No estado de Mato Grosso do Sul, o Instituto de Meio Ambiente de Mato Grosso do Sul (Imasul) desempenha um papel essencial na fiscalização dessas estruturas, seguindo as diretrizes da Política Nacional de Segurança de Barragens (PNSB) e utilizando o Sistema Nacional de Informações sobre Segurança de Barragens (SNISB) para o monitoramento e a classificação das barragens. Este estudo avalia a atuação do Imasul no contexto do SNISB e analisa a eficácia de modelos de segmentação de imagens, como o Segformer e o DeepLabV3+, para o mapeamento de reservatórios de barragens. A pesquisa compara os resultados dos dois modelos, destacando a superioridade do Segformer, que apresentou melhores métricas de desempenho, como precisão, sensibilidade e acurácia. Os achados revelam o potencial da inteligência artificial e do sensoriamento remoto no monitoramento ambiental, proporcionando ferramentas mais precisas para a gestão e segurança das barragens.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFMSpt_BR
Aparece nas coleções:Programa de Pós-graduação em Tecnologias Ambientais

Arquivos associados a este item:
Arquivo TamanhoFormato 
Dissertação_EloizaMarques.pdf4,98 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


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