| Journal: | RBRH. Revista brasileira de recursos hidricos |
| Database: | PERIÓDICA |
| System number: | 000406427 |
| ISSN: | 1414-381X |
| Authors: | Oliveira, Lilia Maria de1 Maillard, Philippe1 |
| Institutions: | 1Universidade Federal de Minas Gerais, Instituto de Geociencias, Belo Horizonte, Minas Gerais. Brasil |
| Year: | 2015 |
| Season: | Jul-Sep |
| Volumen: | 20 |
| Number: | 3 |
| Pages: | 795-808 |
| Country: | Brasil |
| Language: | Portugués |
| Document type: | Artículo |
| Approach: | Aplicado, descriptivo |
| English abstract | Land use in a watershed can be responsible for the loss or preservation of the quality of its superficial waters. This especially true for non-point water pollution. Decision trees are machine learning techniques with promising applications in this type of research. A decision tree model follows a hierarchical structure that aims at finding hidden patterns within complex databases and predict the behavior of a class (explained variable) from the independent variables. The methodology used in this article evaluates the applicability of decision trees to study the relationship water discharge – land use – non-point pollution. The Velhas River watershed and the water quality parameters nitrate and phosphorous were chosen as the objects of investigation. Water quality data from 17 stations and discharge data from 8 fluviometric stations, all within the main river channel of the Velhas River were used to carry out our study. Eight categories of land use data were extracted from mosaic of 72 RapidEye images. The decision trees were generated using Quinlan’s C4.5 algorithm which created sets of rules associating land use categories to variations of nitrate and phosphorous therefore identifying which ones are the main responsible for loss of water quality. The resulting decision trees were able to correctly classify over 80% of the instances of discrete nitrate and phosphorous classes. However, some shortcomings were also identified and were mainly attributed to the relatively low volume of water quality data |
| Portuguese abstract | O uso e ocupação do solo da bacia hidrográfica são responsáveis pela perda ou manutenção da qualidade de suas águas superficiais, especialmente quando tratamos de fontes de poluição difusa. A árvore de decisão é uma ferramenta de aprendizagem de máquina que tem se mostrado promissora para este tipo de estudo. O modelo proposto pela técnica segue uma estrutura hierárquica na busca de descobrir estruturas ocultas em conjuntos de dados complexos e prever o comportamento de uma classe (variável dependente) a partir do conjunto de variáveis independentes. A metodologia aplicada neste trabalho avalia o uso desta técnica no estudo da relação vazão - uso do solo - poluição difusa. A Bacia do Rio das Velhas e os parâmetros de qualidade nitrato e fósforo total foram escolhidos como objeto de investigação. Foram utilizados dados de qualidade de 17 estações de monitoramento e de 8 estações fluviométricas de vazão implantadas na calha principal do Rio das Velhas. O uso do solo, sub-dividido em 8 categorias, foi obtido a partir de um mosaico de 72 imagens RapidEye. As árvores de decisão foram geradas utilizando o algoritmo C4.5 de Quinlan que gerou regras para associar a vazão e as categorias de uso do solo aos parâmetros de qualidade, buscando identificar as categorias de uso do solo responsáveis pela alteração da qualidade das águas superficiais. As árvores de decisão propostas atingiram eficiência de classificação acima de 80% para as duas variáveis avaliadas nitrato e fósforo total. Entretanto, os estudos também apontaram fragilidades na metodologia associadas ao baixo volume de informações existentes para a Bacia do Rio das Velhas |
| Disciplines: | Geociencias, Ingeniería |
| Keyword: | Hidrología, Ingeniería ambiental, Cuencas hidrográficas, Nutrientes minerales, Nitratos, Fósforo, Calidad del agua, Manejo del agua |
| Keyword: | Earth sciences, Engineering, Hydrology, Environmental engineering, Hydraulic engineering, Watersheds, Mineral nutrients, Nitrates, Phosphorus, Water quality, Water management |
| Full text: | Texto completo (Ver PDF) |
