SEQUAR
Essa pesquisa tem como objeto de exploração métodos de Machine Learning especializados em detecção de anomalias (SVM One Class e Florestas Isoladas) a partir do processamento de dados de imagens de satélite (Sentinel-2), a fim de identificar pontos geográficos com elevada concentração de turbidez no Reservatório de Três Marias. Os métodos SVM One Class e Florestas Isoladas registraram níveis de desempenho similares, sendo a métrica F1-score obtida de 94,54% e 96,15%, respectivamente, com destaque para a acurácia de Florestas Isoladas (96,15%) e suas baixas taxas de falsos positivos/negativos (3,85%). Os mapas de identificação de anomalias gerados por meio dos modelos ratificaram a aplicabilidade dos métodos de detecção no diagnóstico de reservatórios em contextos hidrológicos distintos (seca e chuva), identificando com eficácia localidades com níveis de turbidez anômalos.
Deteccão de Anomalias: https://github.com/simoa-ufmg/Deteccao-de-anomalias
Adaptação de Domínio: https://github.com/simoa-ufmg/adaptdominio