Banca de DEFESA: GUTIERRE PEREIRA MACIEL

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : GUTIERRE PEREIRA MACIEL
DATA : 28/02/2025
HORA: 14:00
LOCAL: Por videoconferência
TÍTULO:

"AI-DRIVEN GREEN TECH FOR ANALYZING SOIL, SEDIMENTS AND SUBSTRATES IN MINING AREAS OF THE EASTERN AMAZON"

PALAVRAS-CHAVES:

pXRF; Nix Pro™; qualidade do solo; aprendizado de máquina; Serra Pelada; Província Mineral de Carajás.

PÁGINAS: 102
RESUMO:

A avaliação de áreas afetadas por atividades de mineração é crucial para a compreensão de seus atributos químicos e físicos, que influenciam o crescimento das plantas durante o processo de revegetação, assim como para o monitoramento de elementos potencialmente tóxicos (EPTs) que podem representar riscos ambientais e à saúde humana. Esta tese avaliou o uso de sensores proximais para caracterização química e física de solos, sedimentos e substratos em áreas impactadas direta ou indiretamente por atividades de mineração na Amazônia Oriental. Adicionalmente, algoritmos de aprendizado de máquina foram aplicados para predizer atributos de físicos e químicos de tais matrizes. As predições foram realizadas usando algoritmos de aprendizado de máquina, incluindo Random Forest e Support Vector Machine, com base em dados de sensores proximais. O primeiro capítulo explorou o uso da fluorescência de raios X portátil (pXRF) na determinação de teores totais e disponíveis de EPTs em áreas afetadas pela mineração artesanal de ouro na região de Serra Pelada. Os melhores ajustes dos modelos de regressão para os teores totais de EPTs foram obtidos para elementos como Cu, Fe, Mn e Pb, enquanto os modelos de predição para Cu e Zn disponíveis se destacaram com um desempenho elevado. O segundo capítulo, por sua vez, foca na caracterização de substratos de cavas de mineração de ferro na Província Mineral de Carajás, utilizando pXRF e o sensor de cor Nix Pro™, os quais fornecem dados de conteúdo elementar total e parâmetros de cor dos substratos, recpectivamente. Os resultados indicaram que o pXRF e o Nix Pro™ podem caracterizar de forma eficaz os substratos de mineração de ferro a céu aberto, fornecendo informações valiosas sobre sua composição elementar e propriedades de cor. O pXRF permitiu a quantificação dos teores totais de elementos, especialmente Fe, Al e Si, que são componentes-chave desses substratos. Enquanto isso, o sensor de cor Nix Pro™ captou variações de cor relacionadas a diferenças mineralógicas, que estão associadas às propriedades do solo. Além disso, a fusão de dados proporcionaram modelos preditivos ligeiramente aprimorados para diversos atributos do solo, em comparação ao uso isolado dos dados de tais sensores. De maneira geral, as descobertas encontradas nesta tese ressaltam o grande potencial de sensores proximais, especificamente pXRF e Nix Pro™, para a caracterização de atributos químicos e físicos de áreas impactadas pela atividade da mineração na Amazônia Oriental, de maneira prática, rápida e sustentável.

MEMBROS DA BANCA:
Externo à Instituição - ERLI PINTO DOS SANTOS - UFRRJ
Interno - 3600530 - JOAO FERNANDES DA SILVA JUNIOR
Externo à Instituição - RAFAEL SILVA GUEDES - UNIFESSPA
Externa à Instituição - RENATA ANDRADE - UFLA
Presidente - ***.493.086-** - SILVIO JUNIO RAMOS - ITV