Integrating remote sensing and machine learning to detect turbidity anomalies in hydroelectric reservoirs

浊度 环境科学 水力发电 水力发电 水资源 水质 水文学(农业) 地表水 遥感 异常检测 异常(物理) 水位 水资源管理 环境工程 计算机科学 地质学 地图学 人工智能 地理 工程类 生态学 海洋学 物理 岩土工程 凝聚态物理 生物 电气工程
作者
Anderson Paulino Souza,Bruno Oliveira,Mauren Louise Sguario Coelho de Andrade,Maria Clara V.M. Starling,Alexandre H. Pereira,Philippe Maillard,Keiller Nogueira,Jefersson A. dos Santos,Camila C. Amorim
出处
期刊:Science of The Total Environment [Elsevier]
卷期号:902: 165964-165964 被引量:8
标识
DOI:10.1016/j.scitotenv.2023.165964
摘要

Monitoring water quality in reservoirs is essential for the maintenance of aquatic ecosystems and socioeconomic services. In this scenario, the observation of abrupt elevations of physicochemical parameters, such as turbidity and other indicators, can signal anomalies associated with the occurrence of critical events, requiring operational actions and planning to mitigate negative environmental impacts on water resources. This work aims to integrate Machine Learning methods specialized in anomaly detection with data obtained from remote sensing images to identify with high turbidity events in the surface water of the Três Marias Hydroelectric Reservoir. Four distinct threshold-based scenarios were evaluated, in which the overall performance, based on F1-score, showed decreasing trends as the thresholds became more restrictive. In general, the anomaly identification maps generated through the models ratified the applicability of the methods in the diagnosis of surface water in reservoirs in distinct hydrological contexts (dry and wet), effectively identifying locations with anomalous turbidity values.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
海湾电报完成签到,获得积分10
刚刚
1秒前
草莓派完成签到,获得积分10
1秒前
大个应助ZL采纳,获得10
1秒前
nuan77发布了新的文献求助10
2秒前
3秒前
4秒前
5秒前
LSzhai完成签到,获得积分10
5秒前
6秒前
打我呀发布了新的文献求助10
7秒前
8秒前
无情山水发布了新的文献求助10
9秒前
枯藤老树昏呀完成签到,获得积分10
10秒前
bobo发布了新的文献求助10
11秒前
李爱国应助小黑爱搞科研采纳,获得10
12秒前
oui发布了新的文献求助10
13秒前
myyy完成签到 ,获得积分10
14秒前
15秒前
小宇完成签到,获得积分10
17秒前
kyttytk完成签到,获得积分10
17秒前
好好学习完成签到,获得积分10
18秒前
djh完成签到,获得积分10
19秒前
holo完成签到,获得积分10
19秒前
22秒前
orixero应助dong采纳,获得10
22秒前
瘦瘦马里奥完成签到 ,获得积分10
25秒前
傲娇的妮妮完成签到,获得积分10
25秒前
asdfj应助等待的觅珍采纳,获得50
25秒前
Yuxuan发布了新的文献求助10
27秒前
英俊的铭应助dulong采纳,获得10
27秒前
28秒前
荷兰香猪完成签到,获得积分10
30秒前
31秒前
Sasap关注了科研通微信公众号
32秒前
33秒前
Huuu完成签到,获得积分10
34秒前
小二郎应助锦鲤采纳,获得10
34秒前
34秒前
默默曼冬完成签到,获得积分10
35秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3135027
求助须知:如何正确求助?哪些是违规求助? 2785983
关于积分的说明 7774640
捐赠科研通 2441787
什么是DOI,文献DOI怎么找? 1298184
科研通“疑难数据库(出版商)”最低求助积分说明 625088
版权声明 600825