PPGEE/CCET

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: DIEGO DE OLIVEIRA DANTAS
DATA: 10/07/2026
HORA: 08:00
LOCAL: Laboratório de Processamento da Informação Biológica – PIB
TÍTULO: MAPEAMENTO DE SEDIMENTOS DA MARGEM EQUATORIAL BRASILEIRA USANDO ALGORITMOS DE APRENDIZADO DE MÁQUINA
PALAVRAS-CHAVES: Sedimentos Marinhos; Margem Equatorial Brasileira; Sensoriamento Remoto; Aprendizado de Máquina.
PÁGINAS: 78
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO: O mapeamento em larga escala de sedimentos do fundo marinho é fundamental para a ges- tão ambiental, a engenharia offshore, o planejamento territorial e a exploração sustentável de recursos, especialmente em regiões costeiras opticamente complexas, como a Margem Equatorial Brasileira (MEB). Entretanto, os levantamentos acústicos convencionais apre- sentam alto custo e cobertura espacial limitada, enquanto as abordagens baseadas em sensoriamento remoto óptico enfrentam restrições associadas à atenuação da luz na coluna d’água, à elevada turbidez, à heterogeneidade do acervo sedimentológico histórico e ao desbalanceamento entre classes. Neste contexto, esta tese propõe uma abordagem eficiente para a classificação e o mapeamento de sedimentos marinhos superficiais na MEB a partir de imagens Sentinel-2 e aprendizado de máquina. O método integra curadoria rigorosa de dados, filtragem batimétrica e espacial, inspeção visual, detecção de ruído de rótulo por Confident Learning, redução de dimensionalidade por Análise de Componentes Principais (PCA) e classificação por Rede Neural Perceptron Multicamadas (MLP), com uso de balan- ceamento SMOTE, sendo comparado a modelos baseados em Redes Neurais Convolucionais (CNN). A base final utilizada foi composta por 2.509 amostras sedimentológicas validadas, distribuídas entre as classes areia, lama e cascalho. Os resultados demonstraram que o pipeline otimizado PCA+MLP+SMOTE alcançou acurácia média de 94,30%, F1-score macro de 90,31% e coeficiente Kappa de Cohen de 86,72%, superando os modelos baseados em CNN e reduzindo o custo computacional em mais de nove vezes. Além do desempenho preditivo, a metodologia permitiu a geração de mapas de distribuição sedimentar em escala regional, ampliando a cobertura espacial da inferência e evidenciando o potencial de mode- los leves e espectrais para aplicações operacionais em ambientes marinhos rasos. Conclui-se que a combinação entre curadoria robusta de dados históricos, imagens multiespectrais Sentinel-2 e modelos eficientes de aprendizado de máquina constitui uma solução precisa, escalável e viável para o monitoramento sedimentar da Margem Equatorial Brasileira. Os resultados obtidos reforçam o potencial do sensoriamento remoto óptico como ferramenta complementar ao mapeamento sedimentológico tradicional, contribuindo para o avanço de aplicações ambientais, geológicas e energéticas em zonas costeiras.
MEMBROS DA BANCA:
Presidente - 271976 - ALLAN KARDEC DUAILIBE BARROS FILHO
Interno - 785.225.522-15 - ANTONIO FERNANDO LAVAREDA JACOB JÚNIOR
Interno - 242.673.413-20 - EWALDO EDER CARVALHO SANTANA
Externo à Instituição - JONATHAN ARAUJO QUEIROZ - UFMA
Externo à Instituição - MARTA DE OLIVEIRA BARREIROS - UEMA