Carolina santos

Universidade Presbiteriana Mackenzie

1

PROPOSTA DE ESTUDO E ELABORAÇÃO DE UM SISTEMA AUTOMÁTICO PARA O MONITORAMENTO DA QUALIDADE DOS SEDIMENTOS

Carolina Santos Hemmann (IC) e Silmara Vicente (Orientadora)

Apoio: PIVIC Mackenzie

Resumo

O meio ambiente tem sido alvo de grande preocupação devido o esgotamento de recursos naturais. Como nosso bem maior, a água, é um dos recursos mais importantes que temos na Natureza e tem sido, mundialmente, tema de discussão. Sabe-se que o crescimento populacional tem aumentado e com ele a demanda por água. Porém esse recurso tão importante é considerado finito e vulnerável e um grande desafio para nós habitantes desse planeta se dá em evitar a falta da água. As principais causas de deteriorização da água são: poluição e contaminação por poluentes e esgotos. Alguns problemas gerados pela poluição das águas e sedimentos são diversas doenças que matam milhões de seres humanos por ano devido à falta de água de boa qualidade para sua sobrevivência. Muitas soluções são estão sendo pesquisadas e discutidas para que consigamos cuidar da qualidade da água conscientemente e que em alguns anos esse recurso não venha faltar. Nesse contexto este trabalho pretende ser uma pequena contribuição no sentido de se iniciar um estudo para que se possa desenvolver um sistema automático de monitoramento que pretende classificar a qualidade dos sedimentos através de determinados parâmetros que o identificam.

Palavras-chave: sedimentos, monitoramento automático, qualidade da água

Abstract

The environment has been a source of great anxiety due to the depletion of natural resources. As our most valued good, water is one of the most important resources we find in nature and lately has been the topic of world discussions. It is known that, as the world population grows, so does the demand for water. Except, this important resource is finite and vulnerable. Therefore, it is a great challenge for us, inhabitants of this planet, to avoid the scarceness of water. The main causes of deterioration of water are: water contamination due to pollutants and sewage. One of the problems caused by such pollution of both sediments and water is the number of deceases that kill millions of human beings every year due to the lack of available water with decent qualities. Many solutions are being studied and discussed so that we can both treat the quality of water consciously and avoid its depletion. In this context, this research intends to be a small contribution so that the study of an automatic monitoring system designed to classify the quality of sediments by previously determined parameters can begin.

Key-words: sediments, automatic monitoring, water quality

VII Jornada de Iniciação Científica - 2011

2

1. Introdução

A água é fundamental na vida de todos os seres vivos e utilizada para diversas atividades

humanas, devido a isso é vital que ela se mantenha em boas condições. Com a tal

finalidade, ela tem que ser submetida a um monitoramento que analisará não somente

diretamente sua qualidade, mas também a dos sedimentos que existem no meio em que se

encontra, sendo eles uma fonte potente de poluição.

Monitorar sua qualidade é um processo fundamental para o ambiente, pois ela é um recurso

natural fundamental para a sobrevivência de qualquer ser vivo. O monitoramento consiste

em acompanhar se houve ou não mudanças nos aspectos qualitativos da água. Tem como

objetivo identificar poluentes e fontes de poluição, diagnosticar riscos de impacto e obter

informações a fim de passar para as pessoas se aquela água está de acordo com as

condições necessárias para o uso.

Existem alguns índices que auxiliam o entendimento da classificação da qualidade das

águas em diferentes aspectos. Os principais são: IQA (Índice de Qualidade das Águas) e

IET (Índice do Estado Trófico).

O IQA é um índice de abastecimento público (IAP) que fornece informações sobre a água,

classificando-a em Ótima (79 < IQA < 100), Boa (51 < IQA < 79), Regular (36 < IQA < 51),

Ruim (19 <IQA < 36) ou Péssima (IQA < 19). Ele pode ser calculado através do produtório

da qualidade relacionada a alguns parâmetros (tais como: turbidez, oxigênio dissolvido,

temperatura e condutividade).

O IET é um índice de proteção da vida aquática (IVA), que analisa a qualidade da água pelo

enriquecimento por nutrientes, crescimento de algas e aumento da infestação de plantas

aquáticas. As variáveis utilizadas para calcular o índice são: Clorofila e Fósforo Total. Esse

cálculo é feito pela media aritmética das variáveis citadas. A água pode ser caracterizada

em: Ultraoligotrófico (IET < 47), Oligotrófico (47 < IET < 52), Mesotrófico (52 < IET < 59),

Eutrófico (59 < IET < 63), Supereutrófico (63 < IET < 67) ou Hipereutrófico (IET > 67).

Visando a importância da água para o mundo, pretende-se criar um sistema automático de

monitoramento, no qual utilizaremos um software que possibilitará através da entrada de

dados, a classificação da qualidade do sedimento, consequentemente da água.

A escolha por um sistema automático se deve à agilidade com que ele detecta alterações e

faz análises contínuas, sendo possível a tomada de providências necessárias para alterar

uma situação de risco. As vantagens desse tipo de sistema consistem em eles não terem

uma freqüência pré-estabelecida, podendo fazer medidas em intervalos de tempo mais


3

curtos, assim detectando com uma maior facilidade dados anormais. Apesar de analisar um

número de parâmetros limitado, ele nos fornece resultados em tempo real.

OBJETIVO

Este trabalho pretende estudar ferramentas para o desenvolvimento de um sistema

automático de monitoramento contínuo de sedimentos para procurar garantir a qualidade da

mesma em uma determinada região1.

2. Referencial Teórico

Devido à crescente preocupação com o meio ambiente nos tempos de hoje, a água se

tornou um dos fatores mais visados em termos de conservação. A partir desse fato, as mais

influentes empresas no setor e os pesquisadores mais conceituados, já começaram a fazer

projetos de monitoramento de qualidade e tratamento. Junto com o monitoramento da

qualidade da água, se mostra essencial o monitoramento da qualidade do sedimento, pois

eles podem estocar substâncias perigosas, ou atuar como fonte secundária de poluição

liberando contaminantes no ambiente.

FLORES e SORRINI (2001) estudaram sobre o monitoramento em tempo real da água e

analisaram dados da Companhia de Saneamento Básico do Estado de São Paulo

(SABESP). Observaram que a SABESP implantou nos reservatórios de abastecimento da

RMSP (região metropolitana de São Paulo), um sistema de monitoramento para controlar a

qualidade da água, detectando oscilações diurnas. O sistema é composto por estações

remotas e unidades de recepção de dados, em que duas vezes por semana são coletadas

amostras dos mananciais, e uma vez por mês uma amostra mais completa. Entre os locais

monitorados podemos citar a Represa de Guarapiranga e a Billings. Pelas amostras foram

observadas variações de oxigênio dissolvido e de incremento provocado pela fotossíntese

das algas. Esse projeto tem como real objetivo fornecer as variações significativas.

COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL (CETESB) desenvolveu

um sistema no Rio Tietê, onde foram colocadas doze estações de monitoramento

1 Esse projeto é complementar ao projeto de monitoramento da qualidade da água, eles serão desenvolvidos em conjunto.


4

automático de qualidade da água. As informações são disponibilizadas on-line e se qualquer

mudança for detectada, ainda é possível executar alguma medida para reverter à situação.

ROSOLEN et al. (2009) fez um estudo do monitoramento dos sedimentos coletados, pelo

IGAM (Instituto Mineiro de Gestão das Águas), no rio Uberabinha em Minas Gerais, com a

finalidade de detectar os resíduos tóxicos presentes nestes. Amostras foram coletadas em

dois pontos e os primeiros resultados obtidos excederam os valores mínimos de qualidade

estabelecidos pelo CONAMA, detectando altas concentrações de coliformes fecais, fósforo,

metais como Cu, Co Ni, Pb, Zn e contaminação por elementos tóxicos provenientes do

esgoto doméstico e industrial. Foi concluído que a urbanização e a agricultura influenciam

no acúmulo de substâncias tóxicas encontradas nos sedimentos do rio Uberabinha.

FURLAN (2007) estudou a qualidade do sedimento e da água do Rio Jacupiranga através

de variáveis como: concentração de nutrientes (nitrogênio e fósforo), pH e oxigênio

dissolvido. O sedimento por se acumular fácil, é um dos mais importantes tópicos para se

analisar a qualidade da água. Escolheram-se onze pontos de coleta onde os parâmetros

foram analisados, e perceberam que não ocorreu variação homogênea de nutrientes das

estações de coletas e que a concentração de oxigênio dissolvido e pH influenciam o

acúmulo de nutrientes.

FREITAS e COSTA (2003) avaliaram a qualidade de serviços utilizando o modelo Electre Tri

para classificar o desempenho dos serviços. O método visa determinar as variáveis de

decisões e atribuir valores a elas, para que se possam estabelecer índices de comparação,

e assim, criar categorias para classificar os serviços.

COSTA et al. (2002) estudaram uma metodologia alternativa para transporte de material

combustível com base na análise de multicritério. Os critérios para análise em cada uma das

distribuidoras foram escolhidos, e a cada um foi atribuído um peso de importância e um

limite de preferência e de indiferença. Foi executado um algoritmo de classificação do

software Electre Tri e a partir disso foram analisados os resultados obtidos, assim podendo

ser escolhido a melhor alternativa para o transporte.

MAGINA et al. (2007) estudaram a implantação de uma rede de estações de monitoramento

automática denominada PCDs (Plataforma de Coleta de Dados) , feita pela CETESB

juntamente com o INPE (Instituto Nacional de Pesquisas Espaciais) no rio Paraíba do

Sul.Essa rede consiste em sensores de qualidade e nível da água , sistemas de

comunicação via satélite e um modem telefônico.Foi monitorado um conjunto de parâmetros

básicos que indiquem a poluição de natureza química e orgânica ; estes parâmetros são

:oxigênio dissolvido (OD) , condutividade , pH , temperatura e turbidez.Essas PDCs realizam

leituras a cada 10 min e armazenam os dados na memória local, estes podem ser


5

recuperados via uma conexão por modem ou transmitidas por satélites à estação de

recepção do INPE.

BRAMORSKI (2004) estudou a concentração dos sedimentos existentes na entrada do

reservatório de Barra Bonita – SP, considerando variáveis físicas, químicas e biológicas. O

primeiro fator a ser analisado foram os metais, ressaltando que alguns metais como Mg, Fe,

Zn, Mn, Co, Cu e Mo são essenciais aos seres vivos se estiverem em pequenas

concentrações , e são importantes nos metabolismos dos organismos aquáticos.Já o Hg ,

Pb , Cd , Ag , Ni e Sn são geralmente tóxicos.Foram analisados também os níveis de

nutrientes (nitrogênio e fósforo total) , a presença e densidade de microorganismos como as

enterobactérias causadora de doenças graves para o homem.

PADIAL (2008) estudou a qualidade dos sedimentos do reservatório de Guarapiranga - SP

para a caracterização de um ecossistema aquático continental. A análise dessa qualidade

foi baseada em um estudo sobre presença de metais. Existem valores guias de qualidade

de sedimentos (VGQS), com a finalidade de proteger a vida aquática. Os VGQS são

divididos em efeitos limiares (TEL), abaixo dos quais são improváveis os efeitos tóxicos, e

em efeitos prováveis (PEL), acima dos quais efeitos biológicos adversos são prováveis.

Foram analisados: matéria orgânica total (MO), carbono orgânico total (COT), sulfeto

volatilizável por acidificação (SVA), e metais extraídos simultaneamente (MES).

PEREIRA et al. analisaram a qualidade da água e do sedimento do Ribeirão da Limeira

através de variáveis físicas, químicas e biológicas. A determinação de nitrato, nitrito, fósforo,

demanda química de oxigênio (DQO), cor, sólidos totais, suspensos e sedimentáveis foi

realizado segundo a metodologia APHA.As análises de demanda bioquímica de oxigênio

(DBO) , oxigênio dissolvido (OD) e coliformes fecais foram determinadas de acordo com as

normas L5.120 , L5.169 (Norma técnica sobre a determinação de oxigênio dissolvido em

águas – método Winkler modificado pela azida sódica : método de ensaio) e L5.406

(Coliformes termo tolerantes:determinação em amostras ambientais pela técnica de tubos

múltiplos com meio A1- método de ensaio) da CETESB.Os coliformes fecais encontrados

foram superiores a determinação da CONAMA 357-05 (dispõe sobre a classificação dos

corpos de água e diretrizes ambientais para o seu enquadramento).Já os percentuais de

nitrato , nitrito e fósforo estão bem abaixo do estabelecido por esta mesma resolução .

ARAUJO (2005) estudou a necessidade de se considerar o sedimento na análise dos corpos

de água, comparando a sensibilidade de duas espécies Hyalella azteca e Hyalella sp.

quando expostas a diferentes substancias e sedimentos.A partir dos dados estudados foram

estabelecidos critérios para as classes de qualidade de sedimentos :BOM (se não


6

apresentou toxicidade) , REGULAR ( efeito sub-letal , reducao do crescimento) , RUIM

(mortalidade < 50%) e PESSIMO ( mortalidade >= 50%).

MOZETO et al. ressaltaram em seu trabalho a importância recente que conquistou a analise

do sedimento quando se trata de qualidade de água.O projeto QualiSed tem como meta

principal o levantamento de bases técnicas e cientificas para criar critérios de qualidade do

sedimento (CQS) , chamados atualmente de VGQS (valores guia para qualidade de

sedimentos) , feitos para a proteção da fauna aquática.

BOSTELMANN (2006) expressa em seu trabalho a importância da análise do sedimento.

Ele reflete a qualidade do sistema aquático e deve ser usado para detectar a presença de

contaminantes que não permanecem solúveis, sendo deposito e fonte de contaminantes

antrópicos. As principais variáveis indicadoras de qualidade de sedimento são: Físicas:

granulometria, pH e umidade. Químicas: resíduos, alumínio, arsênio, cádmio, chumbo,

cobre, cromo, ferro, manganês, mercúrio, níquel e zinco. Hidrobiológicas: bentos.

Toxicológicas: ensaio de toxicidade aguda/sub-letal com Hyalella azteca e ensaio de

mutação reversa.

3. Metodologia

O trabalho de estudo e elaboração de um sistema para o monitoramento da qualidade do

sedimento é uma pesquisa do tipo quantitativa, pois ela consiste em uma pesquisa

descritiva que procura estudar a correlação dos parâmetros que indicam a qualidade do

sedimento e classificar estes dados através de um sistema de monitoramento automático.

Para alcançarmos o objetivo desse trabalho foi necessário realizar uma revisão da literatura

mais apurada quanto a sistemas de monitoramento automático do sedimento e estudar os

parâmetros e índices que identificam a qualidade do mesmo.

Os dados a serem utilizados nesse trabalho estão disponíveis no site da CETESB, e foram

tratados com a finalidade de serem normalizados para serem utilizados no sistema.

Após esse estudo desenvolvemos um programa utilizando o software Matlab, para fazer

simulações do sistema e a validação do mesmo com esses dados utilizados, buscando o

monitoramento da qualidade do sedimento para os parâmetros considerados.


7

4. Redes Neurais

Uma rede neural é um processador paralelamente distribuído feito de unidades de

processamento, que têm a tendência a armazenar conhecimento experimental e

disponibilizá-lo para o uso. As redes neurais possuem nós (unidades de processamento)

que enviam e recebem sinais de outras unidades, sendo que cada uma possui uma

memória local.

O processo de aprendizagem é chamado de algoritmo de aprendizagem, e tem como função

modificar os sinápticos da rede de forma a alcançar o objetivo desejado. [24]

Ela oferece os principais benefícios e propriedades:

- Generalização: a rede neural possibilita a criação de saídas pertinentes para entradas que

não estavam presentes durante o processo de aprendizagem.

- Mapeamento de Entrada-Saida: durante um treinamento há a modificação (para diminuir a

diferença entre a resposta desejada e a resposta real da rede) dos pesos sinápticos até a

rede atingir um estado estável, em que não haja modificações significativas. Com a

utilização dos exemplos em diversos treinamentos e diferentes ordens, a rede aprende

então, através desses exemplos, a mapear todas as entradas e saídas. O treinamento pode

ser realizado de 2 maneiras:

• Supervisionado: que necessita de um professor durante a fase de aprendizagem.

• Não-supervisionado: é direcionado por relações existentes entre os dados de

entradas.

- Adaptabilidade: uma rede neural treinada para trabalhar em certo ambiente especifico

pode ser facilmente retreinada para conseguir trabalhar perante à pequenas modificações.

Além disso, se ela está trabalhando em um ambiente que as estatísticas mudam com o

tempo, ela pode ser projetada para modificar seus pesos sinápticos em tempo real.

- Tolerância à falhas: como as informações são distribuídas ao longo dos neurônios, a falha

tem que ser muito grave e abranger diversos fatores para causar um estrago na resposta

global.

A rede pode possuir uma ou múltiplas camadas e são compostas por neurônios. As redes

de uma única camada são as mais simples, uma vez que as de múltiplas camadas podem

ser classificadas em três grupos:


8

- Camada de entradas: recebe os padrões apresentados à rede, ela possui uma unidade

especial chamada de bias que aumenta o grau de liberdade, se adaptando melhor ao

conhecimento fornecido.

- Camada intermediaria: é executado o processamento e a extração de características.

- Camada de saída: apresenta o resultado final. [22]

O número de camadas define a capacidade de representação das relações entre o espaço

de entrada e o de saída.

As redes neurais probabilísticas têm esse nome devido suas raízes se basearem na Teoria

das Probabilidades, e elas são inspiradas nos Classificadores Bayesianos*. São utilizadas

com sucesso em vários problemas de classificação, possuindo três camadas (a camada de

entrada, a de bases radiais e a competitiva). A organização do fluxo em camadas permite

que o algoritmo possa ser utilizado para funcionar como uma rede Feedforward com função

de ativação exponencial. Elas possuem um treinamento incremental, pois a saída indica o

grau de evidência sobre o qual se baseia a sua decisão e assim como a Backpropagation

possuem mapeamento não linear, o tratamento de dados ruidosos e paralelismo e um

modelo grandemente especializado, sem muita aplicabilidade, diferente dos modelos de

Hopfield e Backpropagation. Sua grande vantagem é ter quase nenhum tempo de

treinamento e um rápido aprendizado, e como desvantagem tem que são necessários

grandes conjuntos de treinamento, grandes espaços de memória e uma execução em

menor velocidade se comparada a outras redes. [19]

Diagrama 1: Demonstração de Redes Neurais.[22]


9

* O teorema de Bayes consiste em um método para classificações ótimas, dado uma

quantidade de dados, o teorema mostra como classificar um novo exemplo com a máxima

probabilidade, e mesmo com esse grande potencial ele é simples e intuitivo. [20]

Backpropagation é um algoritmo supervisionado sendo que a rede produz sua própria saída

comparando com a saída desejada, se houver diferença os pesos são modificados.

Esse modelo baseia-se na propagação dos erros da saída para os níveis anteriores da rede

(retropropagação). Para isso acontecer, primeiramente tem que ser realizado o cálculo do

erro para cada neurônio da camada de saída, então deve ser feito o cálculo da sensibilidade

de cada variável de entrada e o da contribuição percentual de cada uma das variáveis de

entrada com relação à variável de saída. [21]

A aprendizagem tem duas fases, o treinamento da rede e a validação do treinamento, onde

são reconhecidos os padrões treinados. Essas fases podem ser divididas também em fase

Forward, onde a entrada é apresentada a primeira camada e vai passando para as outras

camadas, sendo que a saída é produzida pela ultima camada e a fase Backward, que a

partir da camada final até a camada de entrada, em que a camada atual se ajusta como

peso para reduzir seus erros. É um algoritmo fácil de implementar e de simples utilização.

Como na maioria, a camada de entrada aceita o padrão de entrada e redistribuí para a

camada intermediária. A camada de saída recebe estímulos da camada intermediaria para

definir o padrão de saída. [23]

Esse método tem como vantagem a eliminação das variáveis de entrada desnecessárias e a

possibilidade de estabelecer a importância de cada uma dessas entradas com relação a

uma variável de saída. Como desvantagem possui limitações como não ser possível gravar

o estado dos pesos, quando o programa sai, ele esquece o treinamento, e todas as

conexões serem criadas automaticamente para todos os neurônios da camada sucessiva.


10

Diagrama 2 : Demonstração de uma rede Backpropagation.[27]

Redes Feedforward são redes acíclicas propagando sinal somente da entrada para a saída

da rede. Depois de pronta, são capazes de associar valores, colocados na sua entrada, à

uma saída, podendo encontrar também respostas adequadas mesmo quando os dados da

entrada estão incompletos ou danificados. O treinamento também é supervisionado, sendo

que a regra mais utilizada é o Error Backpropagation (retropropagação de erros). Essa rede

é representada por uma notação e-o1,-o2,-...,-on-s, onde ‘e’ é o numero de neurônios nas

camadas de entrada, o1,o2 ..é o numero de neurônios em camadas ocultas e ‘s’ é o numero

de neurônios na camada de saída. [25]

As redes de função de Base Radial (RBFN) tem três camadas, a camada de entrada,

padrão (ou escondida) e a camada de saída. Ela é completamente conectada e é uma rede

Feedforward, com todas as conexões entre suas unidades de processamento previstas com

seus pesos.

A unidade de padrão individual computa sua ativação usando a função de base radial que

caracteriza a distância dos centros de funções de base radial, dado um vetor de entrada. A

ativação é rapidamente diminuída com a distância dos centros da função. O uso da ativação

das bases radiais precisa da escolha cuidadosa do número de unidades padrões a ser

usada a uma especifica aplicação, especialmente quando uma boa generalização é

necessária.


11

O treinamento de um RBFN difere substancialmente do treinamento de uma

Backpropagation. Ela consiste em dois estágios separados: durante o primeiro, os

parâmetros das funções de bases radiais são fixados usando um treinamento não

supervisionado, já no segundo estagio os pesos nas conexões entre as unidades padrões e

as unidades de saída são determinados usando o treinamento supervisionado (como a rede

Backpropagation), baseado na soma de erros quadrados dos valores de saída sobre os

pares de vetores entrada – saída.

Já rede neural de regressão generalizada também é uma rede ‘Feedforward’ consistindo em

quatro camadas: a camada de entrada, a padrão, a de soma e a camada de saída.

Ela pode aproximar qualquer mapeamento arbitrário entre vetores de entrada e saída.

Enquanto os neurônios nas três primeiras camadas são completamente conectados, cada

neurônio de saída é conectado só a algumas unidades de processamento na camada de

soma.

A função das camadas de entrada e padrão é a mesma de uma Rede de Função de Base

Radial. A camada de soma tem dois tipos diferentes de unidades de processamento: as

unidades de soma e as unidades de divisão única. O número de unidades de soma é

sempre o mesmo número de unidades de saída da rede, sua função é essencialmente a

mesma função das unidades de saída da Rede de Função de Base Radial (RBFN - Radial

Basis Funcional Network). As unidades de divisão, somente ponderam os pesos de ativação

das unidades padrões, sem usar qualquer função de ativação.

As camadas de soma e de saída, juntas, realizam a normalização do vetor de saída. Isso faz

com que a Rede Neural de Regressão Generalizada (GRNN – Generalized Regression

Neural Network) seja muito menos sensível que a RBFN para a escolha adequada do

numero de unidades padrões.

O treinamento de uma GRNN é um pouco diferente do usado para a RBFN, ele é

completado após a apresentação de cada par de vetores entrada – saída, do conjunto de

treinamento da camada de entrada. Ou seja, ambos os centros de RBFR de unidades

padrões e os pesos das conexões das unidades padrões e de processamento das camadas

de soma, são atribuídos simultaneamente. O treinamento não é supervisionado, mas

emprega um agrupamento algoritmo especial que torna desnecessário definir o número de

unidades padrões com antecedência. Em vez disso, o raio dos agrupamentos precisa ser

definido antes do treinamento começar.

O próximo vetor de entrada é comparado com esse centro e é atribuído à mesma unidade

padrão se a distancia desse centro for menor que o raio pré-estabelecido. Da mesma


12

maneira todos os outros vetores de entrada são comparados um por um com todas as

unidades padrões e toda a camada padrão é gradualmente construída.

Durante esse treinamento os valores determinados dos elementos individuais dos vetores

são diretamente atribuídos aos pesos das conexões entre as unidades de entrada e as

unidades padrões correspondentes.

Simultaneamente com a construção da camada padrão, os valores dos pesos das conexões

entre os neurônios contidos nela e na camada de soma também são definidos, usando

treinamento supervisionado. O peso na conexão entre cada unidade padrão e cada unidade

de soma individual é diretamente atribuído a valores idênticos aos do vetor de saída,

correspondente no conjunto de treinamento do vetor de entrada, este que por sua vez forma

o centro da função de base radial de cada unidade padrão.[36]

5. A Coleta dos Dados

Para que fosse possível a realização da coleta dos dados, era preciso saber quais eram os

parâmetros que tinham influencia sobre o sedimento e se esses estariam disponíveis para

estudo no site da CETESB. A partir disso foi feito o seguinte levantamento em trabalhos de

pesquisa já existentes:

Diagrama 3: Demonstração de uma GRNN. [26]


13

Variáveis Presentes nos Trabalhos Pesquisados Freq. com que

apareceram Aparecem no site da Cetesb?

NUTRIENTES DISSOLVIDOS 3

METAIS PESADOS 2

METALOIDES 1

HIDROCARBONETOS AROMATICOS POLICICLICOS 1

BIFELILAS POLICLORADAS 2

PESTICIDAS ORGANOCLORADOS 2

FOSFORO 5 Sim

NITRATO 2 Sim

TURBIDEZ 2 Sim

ALUMINIO 1 Sim

ARSENIO 2 Sim

CADMIO 4 Sim

CHUMBO 4 Sim

COBRE 5 Sim

CROMO 4 Sim

FERRO 2 Sim

MANGANES 3 Sim

MERCURIO 1 Sim

NIQUEL 5 Sim

ZINCO 5 Sim

GRANULOMETRIA 3 Sim

PH 5 Sim

UMIDADE 1 Sim

BARIO 2

SELENIO 1

COBALTO 2

COLIFORMES FECAIS 3

CARBONO TOTAL 2

MOLIBDENIO 1

ESTANHO 1

ANTIMONIO 1

SOLIDOS TOTAIS DISSOLVIDOS 1 Sim

DEMANDA QUIMICA DE OXIGENIO 1 Sim

DEMANDA BIOLOGICA DE OXIGENIO 1 Sim

OXIGENIO DISSOLVIDO 3 Sim

NITROGENIO ORGANICO TOTAL 2 Sim

SULFETO VOLATIZAVEL POR ACIDIFICACAO 3

Tabela 1: Tabela de levantamento de parâmetros utilizados em trabalhos de pesquisa já existentes.


14

A partir dessa tabela selecionei os parâmetros que tinham um número de freqüência alto, e ao

mesmo tempo possuíam dados no site da Cetesb.Os parâmetros selecionados foram: Cádmio,

Chumbo, Cobre, Cromo, Níquel, Zinco, Fósforo e pH.Esses parâmetros estão descritos a

seguir:

Cádmio

O cádmio é um elemento escasso na crosta terrestre e é obtido da refinação de zinco e

outros metais, por não existir nenhum mineral de cádmio viável economicamente para

exploração.

É um dos metais pesados mais tóxicos ao homem e aos animais, com toxicidade parecida

com a do mercúrio, sendo que sua toxidez pode ser inibida pela presença de outros metais

como ferro, cálcio, zinco e selênio. A acumulação do cádmio nas plantas acontece pela

relação zinco: cádmio, se ela é maior que 200:1, as culturas não alcançam níveis tóxicos de

acumulação.

Como é muito instável na forma orgânica, somente é encontrado na natureza na forma

inorgânica.

O cádmio pode ser liberado para o ambiente por meio de queima de combustíveis fósseis. A

mobilização do cádmio no sedimento depende de fatores ambientais como modificação do

pH, salinidade e potencial redox. Ele é captado e retido por algumas plantas e animais

aquáticos, e se estiver em grande concentração é um composto tóxico. É um metal não

essencial, podendo provocar aos homens disfunção renal, hipertensão, arteriosclerose,

inibição do crescimento, câncer e doenças crônicas em idosos. E este uma vez absorvido, a

quantidade eliminada é pequena.

Ele não possui até o momento nenhuma propriedade que o torne essencial ou bom para os

seres vivos. [15][18][27][28]

Chumbo

O chumbo não é um metal muito abundante mas seus minérios se encontram em toda

crosta terrestre.Uma característica típica do chumbo é se acumular na camada superficial

dos sedimentos, devido a sua baixa mobilidade, baixa solubilidade e forte adsorção ao solo.

Muitos paÍses já tem restringido o uso de chumbo devido a preocupação ambiental, e tem

substituído seu uso por outros materiais.Ele é depositado nos ambientes aquáticos por meio

da atmosfera, da lixiviação do solo, de fontes naturais e antropogênicas. Em ambientes

contaminados uma pequena parte do chumbo fica dissolvida na água, enquanto a maior

parte fica ligada ao sedimento. É um metal não essencial, e afeta os sistemas

hematopoiético, renal e nervoso central do homem. Nas plantas o chumbo pode inibir o


15

crescimento celular se absorvidos em altas concentrações, sendo a contaminação do

sedimento pelo chumbo irreversível, criando caráter acumulativo.

O chumbo pode ser encontrado na água potável devido a corrosão dos tubos de chumbo,

isso ocorre quando a água está ácida, ressaltando então um necessário controle do pH.

[15][18][27][28]

Cobre

O cobre está abundância na crosta terrestre, e em ambientes aquáticos o cobre ocorre tanto

na forma solúvel, particulada e coloidal e possui grande afinidade com partículas orgânicas.

Ele é retido no solo através de mecanismos de absorção e troca, sendo sua concentração

em sedimentos normalmente elevada. Ele é essencial para toda biota, e foi proclamado

catalisador do século XX. Em pequenas concentrações pode ser limitante ou causar

sintomas de deficiência, e se comporta de forma eco tóxica em concentrações elevadas.

Sua concentração é em geral maior no animal do que na água, e menor do que no

sedimento.

As taxas de adsorção variam de acordo com o tipo do sedimento, pH, presença de cátions

competidores e de ligantes e óxidos de Fe e Mn. A dessorção depende do pH e da

salinidade.

Altas concentrações podem causar ao homem irritação e corrosão da mucosa, danos

capilares generalizados, problemas hepáticos e renais e irritação do sistema nervoso central

seguido de depressão.

Ele pode ser altamente tóxico as plantas e animais aquáticos na forma iônica, mas se torna

menos tóxico se estiver presente na água na forma orgânica. [15][18][27][28]

Cromo

Apesar de ser raro nas águas naturais, é encontrado na forma de contaminantes em águas

sujeitas a despejos de curtumes, indústria de cromatos e de circulação de água de

refrigeração. Ele pode ser encontrado na maioria dos sistemas biológicos mais isso não o

torna favorável ao corpo humano.

Na forma trivalente é essencial ao metabolismo humano, e sua carência causa doenças, e

na forma hexavalente é tóxico e cancerígeno, por isso os limites máximos são estabelecidos

a partir do hexavalente.

A maior parte do cromo depositado na água deposita-se nos sedimentos, em fase aquosa,

grandes quantidades de matéria orgânica podem reduzir o cromo hexavalente ao trivalente,

que é absorvido por materiais argilosos e orgânicos. [15][18][28]


16

Níquel

A emissão de níquel ao ambiente é feita através de: combustão de óleo diesel e gasolina,

incineradores municipais, produção de aço, queima de carvão vegetal, produção de moldes

de ferro, entre outros.

É introduzido na hidrosfera por deposição natural ou antropogênica, erosão do solo e

rochas, lixo e descargas industriais. É depositado no sedimento por meio de precipitação,

adsorção sobre argila, complexação e agregação a biota. As plantas aquáticas têm

tendência a acumularem grande quantidade de níquel. Os efeitos da toxicidade nas plantas

se manifestam através de listras longitudinais na folha e por uma completa ausência de

clorofila, devido a deficiência de ferro. O pH neutro reduz a toxicidade causada pela elevada

concentração de níquel no solo.Com pH próximo a 5, o elemento é prontamente absorvido

pelas plantas, já quando está acima de 6,8 a absorção do elemento reduz-se sensivelmente,

assim como a presença de matéria orgânica.

Não é considerado um metal essencial, e pode causar dermatites e afetar nervos cardíacos

e respiratórios. [15] [18] [27]

Zinco

O zinco é um metal essencial ao organismo humano, a animais e plantas. Apesar de ser um

metal essencial ao humano, e sua deficiência causar diversos problemas ao organismo do

homem, se exposto a altas concentrações pode ser tóxico.

Na água ele é depositado nos sedimentos, e a eficiência da sua adsorção varia de acordo

com a concentração de zinco no meio, pH, potencial redox, e concentrações complexos

ligantes. A maior parte do zinco entra no ambiente como resultado da mineração, purificação

do zinco, e queima de carvão e de lixo.

Quando está no sedimento está principalmente associado aos óxidos de Fe e Mn.Sua

concentração diminui conforme aumento a salinidade.E alguns compostos de Zn são mais

solúveis (ZnS e ZnHO2) do que outros de cobre (CuS e CuOH2), o que justifica a maior

concentração de zinco nas frações lábeis. A presença de zinco causa a redução de cobre,

alem de alguns distúrbios como dor muscular, anorexia, sangramento intestinal e anomalias

cerebrais.

A toxicidade do Zn aumenta a partir da sua associação com cádmio, e isso se deve a

capacidade de se combinarem com macromoléculas difusoras presentes nas membranas

celulares, o que causa bioacumulação ao longo da cadeia alimentar.Sua toxicidade varia

com a dureza, oxigênio dissolvido e temperatura.


17

Ele causa alterações fisiológicas morfológicas nos peixes, como um enfraquecimento geral,

atingindo quase todos os órgãos e as brânquias, retardando o crescimento e maturidade.

[15] [18] [27] [30]

Fósforo

O fósforo aparece nas águas principalmente devido às descargas de esgoto sanitários e é

um dos principais nutrientes para os processos biológicos, sendo exigido em grandes

quantidades pelas células. Apesar de não ser considerado um contaminante, ele é o

elemento que mais causa eutrofização dos ecossistemas aquáticos, e isso influencia a

qualidade das águas.

A eutrofização é o excesso de nutrientes em uma massa de água, provocando um grande

aumento de algas e devido a esse aumento da biomassa, leva a diminuição de oxigênio

dissolvido, o que leva a morte e decomposição de muitos organismos, o que diminui a

qualidade da água. Ela é responsável pelo envelhecimento precoce dos ecossistemas

lacustres.

As concentrações de fósforo podem variar de acordo com a variação de características da

qualidade da água, como uma turbidez excessiva, que pode invalidar a produção de algas,

mesmo se tiver altas concentrações de fósforo. E essa variação por não ser a mesma

sempre, pode estimular muito o crescimento de plantas nocivas em uma região e não em

uma outra.

A maioria dos fosfatos é solúvel em água, e o fosfato inorgânico é a principal forma de

fósforo absorvido pelas plantas aquáticas, e ele é variável com o pH.[29] [31] [32] [33] [34]

[35]

PH

O pH é o potencial hidrogeniônico, e ele classifica uma solução com ácida ou alcalina,

através de uma escala que varia de 0 a 14, de forma que decresce de 7 a 0, há um aumento

na acidez, e crescendo de 7 a 14, há um aumento da basicidade. O valor de pH igual a 7

serve somente para indicar a igualdade de íons H+ e OH-.

Nas águas naturais ele varia normalmente de 5 a 9, e essa variação ajuda a saber os

compostos presentes nela, e de um modo geral, águas de pH baixos são corrosivas a certos

metais, enquanto águas de alto pH formam incrustações.

Ele é importante no controle da partição dos metais, e é influenciado pela quantidade de

matéria morta, porque para que ocorra uma decomposição, são produzidos ácidos,

aumentando a acidez da água, ou seja, quanto maior a quantidade de matéria decomposta,

menor é o pH. [35]


18

6. Criação do Modelo no MatLab

Foram coletados no site da CETESB os dados para que fosse possível um futuro

treinamento e simulação da Rede Neural. Os dados coletados referem-se a todos os

parâmetros descritos anteriormente, em três regiões distintas (Paraíba do Sul, Pardo e

Turvo), em 5 anos diferentes (2004,2005,2006,2007 e 2008), com isso foi obtido cerca de

900 dados de cada parâmetro.

Entre esses dados existiam alguns específicos que se repetiam como valores: < 0,001 ou i <

0,001, sendo (i) conformidade indefinida quanto ao limite da classe, devido à análise

laboratorial não ter atingido os limites legais. Para que esses dados não se tornassem

inúteis, eles foram adaptados para seus valores inteiros, por exemplo, se o valor fosse: <

0,001 ou i < 0,001 eles passariam a ser 0,001.

Entre os parâmetros anteriormente definidos, para começar a elaboração da rede escolhi o

Fósforo, por suas características de forte influência no sedimento.

O fósforo tem um limite máximo de 0,025 mg/L, sendo os valores bons classificados como 1

e os ruins classificados como 2.

A programação foi bem sucedida e hoje já podemos classificar a água em relação a esse

parâmetro.

7. Conclusão

Com esse trabalho, em parceria com o projeto de qualidade da água, foi possível perceber

que as redes neurais são um tipo de sistema inteligente que é capaz de treinar e classificar

a qualidade da água, a partir da entrada de parâmetros presentes na mesma, e nos seus

sedimentos, retornando-nos uma saída correta em 100% das vezes.

A partir desse projeto, teremos uma possibilidade de monitoramento completo da qualidade

da água, referente aos seus parâmetros individuais, melhorando e tornando mais eficaz

qualquer decisão a ser tomada em termos de necessidade de tratamento e uso desta.

Um próximo passo essencial, para a continuidade e aperfeiçoamento deste sistema seria a

possibilidade de classificação a partir da combinação desses parâmetros, o que envolveria

uma análise biológica muito profunda de um especialista no assunto.


19

8. Referências

[1] Disponível em: <http://www.cetesb.sp.gov.br/Institucional/agua.asp> acessado em:

13/10/2009 às 20h43min.

[2] Disponível em: <http://www.feema.rj.gov.br/qualidade-agua.asp?cat=75> acessado em:

20/09/2009 às 16h25min.

[3] Disponível em: <http://www.cetesb.sp.gov.br/Agua/rios/indice_iva_iet.asp> acessado em:

01/10/2009 às 20h35min.

[4] Disponível em: <http://www.cetesb.sp.gov.br/Agua/rios/indice_iap_iqa.asp> acessado

em: 01/10/2009 às 21h19min.

[5] FLORES, A.P. e SORRINI, E. (2001) – Monitoramento em tempo real da qualidade da

água dos mananciais da Região Metropolitana de São Paulo – RMSP – Disponível em:

<http://www.cepis.ops-oms.org/bvsacg/e/cd-cagua/ref/text/40.pdf> acessado em: 13/10/2009

às 11h04min.

[6] FURLAN, Natalia (2007) – Qualidade da Água e do sedimento avaliada partir da

concentração de nutrientes totais – Disponível em:

<http://fipai.org.br/Minerva%2006(01)%2011.pdf> acessado em: 13/10/2009 às 14h52min.

[7] ROSOLEN et al. (2009) – Qualidade dos sedimentos no rio Uberabinha (Uberlândia, MG)

e implicações ambientais - Disponível em:

<http://ojs.c3sl.ufpr.br/ojs2/index.php/rbg/article/viewFile/11484/10328> acessado em:

13/10/2009 às 14h19min.

[8] FREITAS, A.L.P. e COSTA, H.G. (2003) – Uma análise multicritério para a classificação

da qualidade de serviços utilizando o método ELECTRE TRI – Disponível em:

<http://www.abepro.org.br/biblioteca/ENEGEP2003_TR0207_0796.pdf> acessado em:

18/10/2009 às 12h41min.

[9] COSTA et al. (2002) – Avaliação de transportadoras de materiais perigosos utilizando o

método Electre Tri – Disponível em: <http://www.scielo.br/pdf/gp/v11n2/a08v11n2.pdf> -

Acessado em :18/10/2009 às 18h13min.

[10] OLIVEIRA, Silvio Luiz. Tratado de metodologia científica: Projetos de Pesquisas, TGI,

TCC, Monografias, Dissertações e Teses. 2. ed. São Paulo: Pioneira, 1999. 320p.


20

[11] MAGINA, Flavio de Carvalho et al. (2007) - Rede de plataformas de coleta de dados

para monitoramento automático da qualidade da água do rio Paraíba do Sul – Disponível

em: <http://www.agro.unitau.br/serhidro/doc/pdfs/253-261.pdf> Acessado em:18/10/2009 às

13h7min.

[12] MOZETO, Antonio - Ecossistemas Aquáticos – Disponível em:

<http://pt.scribd.com/doc/7232626/ECOSSISTEMAS-AQUATICOS> - Acessado em :

07/03/2010 às 12H 32min.

[13] BRAMORSKI, Julieta (2004) – Avaliação dos Sedimentos do Rio Tiête e Piracicaba nos

seus compartimentos de entrada no reservatório de Barra Bonita, Sp – Disponível em:

<www.teses.usp.br/teses/disponiveis/18/18139/.../dissertacao.pdf> - Acessado em :

07/03/2010 às 13h05min.

[14] ARAUJO, Rosalina (2009) – Teste de Toxicidade como instrumento na avaliação dos

sedimentos de água do Estado de São Paulo. – Disponível em:

<www.teses.usp.br/teses/disponiveis/41/41134/tde.../Rosalina.pdf> - Acessado em :

07/03/2010 às 14h33min.

[15] BOSTELMANN, Eleine (2006) - Avaliação da concentração de metais em amostras de

sedimentos do Reservatório Billings, Braço Rio Grande, São Paulo, Brasil – Disponível em:

<http://www.teses.usp.br/teses/disponiveis/85/85131/tde-22052007-165423/pt-br.php> -

Acessado em: 07/03/2010 às 15h29min.

[17] PEREIRA, Lívia - Estudo da qualidade da água e do sedimento do Ribeirão da Limeira

através de análises físicas, químicas e biológicas – Disponível

em:<http://www.usp.br/siicusp/Resumos/16Siicusp/5312.pdf> - Acessado em: 07/03/2010 às

16h54min

[18] PADIAL, Paula (2008) - Qualidade, heterogeneidade espacial e biodisponibilidade de

metais no sedimento de um reservatório tropical urbano eutrofizado (Reservatório

Guarapiranga, SP) – Disponível em:

<www.teses.usp.br/teses/disponiveis/41/41134/.../Paula_Padial.pdf> - Acessado em:

07/03/2010 às 17h37min.

[19] ALMEIDA, Manoel – Aplicação de técnicas de Redes Neurais Artificiais na previsão de

curtíssimo prazo na visibilidade e teto para o aeroporto de Guarulhos – Disponível em:

<http://www.coc.ufrj.br/index.php?option=com_docman&task=doc_download&gid=2346 > –

Acessado em:31/05/2010 às 15h12min

[20] Algoritmos de aprendizado – Disponível em: http://www.ica.ele.puc-

rio.br/Downloads/45/parte-18-PNN.pdf - Acessado em: 31/05/2010 às 15h44min.


21

[21] VALENÇA, Mêuser et at. – Explicando a Relação entre as variáveis de uma rede neural

– Iluminando a “Caixa Preta” – Disponível em:

<http://www.abrh.org.br/novo/xvii_simp_bras_rec_hidric_sao_paulo_051.pdf> - Acessado

em: 31/05/2010 às 16h49min.

[22] MENDES FILHO, Elson – Uma introdução a Redes Neurais Artificiais – Disponível em:

<http://elson_mendes.sites.uol.com.br/rn/rn_carac.html> - Acessado em: 31/05/2010

17h02min.

[23] ITO, Sérgio et al. – Uma aplicação de Redes Neurais Artificiais – Disponível em:

<http://www.inf.ufrgs.br/gppd/disc/cmp135/trabs/sergio/trab2/geo.html> - Acessado em:

31/05/2010 às 17h46min.

[24] NEGRI, Lucas et al. - Simulador de Redes Neurais Multiplataforma – Disponível em:

<http://periodicos.unesc.net/index.php/sulcomp/article/viewFile/277/285> - Acessado em:

31/05/2010 às 18h03min.

[25] Redes Neurais na Previsão de Séries Temporais – Disponível em:

<http://inf.unisul.br/~ines/workcomp/cd/pdfs/2878.pdf> - Acessado em: 31/05/2010 às

20h27min.

[26] Disponível em: < http://user.chollian.net/~mose/msgrnn.htm> - Acessado em:

31/05/2010 às 22h17min.

[27] MENDES FILHO, Elson – O algoritmo de aprendizado Backpropagation - Disponível

em: <http://elson_mendes.sites.uol.com.br/rn/rn_backp.html>- Acessado em: 31/07/2010

17h13min.

[28] REUSO DA ÁGUA, Mancuso, Pedro e Santos, Hilton, Ed.Manole, 1ª edição, 2003, 579

páginas.

[29] CONTROLE DA QUALIDADE DA ÁGUA PARA CONSUMO HUMANO: BASES

CONCEITUADAS E OPERACIONAIS, Battalha, Ben-hur Lutternbarckpar, CETESB, 1977,

198 páginas.

[30] SILVA, Alessandro - Impactos ambientais causados pela mineração e

beneficiamento de caulim – Disponível em:

<http://www.scielo.br/scielo.php?pid=S0370-

44672001000200010&script=sci_arttext&tlng=en> - Acessado dia 04/05/2010 às

21h48min.

[31] PELLEGRINI,João Batista (2005) - Fósforo na água e no sedimento na Microbacia

hidrográfica do Arroio Lino – Disponível em:


22

<http://w3.ufsm.br/ppgcs/disserta%E7%F5es%20e%20teses/DISSERTA%C7%C3O%20JO

%C3O%20impressa.pdf> - Acessado 07/04/10 às 23h29min.

[32] CETESB – Disponível em:

<http://www.cetesb.sp.gov.br/Agua/rios/variaveis.asp#fosforo> – Acessado 07/04/10 às

23h16min.

[33] FONTANA, Josilma et al. – Biodisponibilidade de fósforo em sedimentos superficiais

das três maiores regiões portuárias do estado de Santa Catarina, Brasil. – Disponível em:

<http://sec.sbq.org.br/cdrom/32ra/resumos/T0447-1.pdf> - Acessado dia 22/04/2010 às

20h24min.

[34] Disponível em: <http://pt.wikipedia.org/wiki/Eutrofiza%C3%A7%C3%A3o> - Acessado

22/04/2010 às 20h39min.

[35] MESSIAS, Tamara (2008) – Influencia da toxicidade da água e do sedimento dos rios

São Joaquim e Ribeirão Claro na bacia do Corumbataí.- Disponível em:

http://www.teses.usp.br/teses/disponiveis/64/64135/tde-22102009-115721/ - Acessado

22/04/2010 às 22h23min.

[36] MASTERS, Timothy. Advanced Algorithms for Neural Networks: A C++ sourcebook. John Wiley & Sons, Inc., 1995. 431 páginas.

Contato: [email protected] e [email protected]

Documents

Carolina santos