Microplásticos e aprendizado de máquina: uma revisão sistemática

Lemos Balestrin, Tuanny ; Duleba, Wânia

Resumo:

Microplásticos (MP) são poluentes emergentes e ubíquos, com efeitos na saúde planetária ainda pouco conhecidos. A crescente preocupação com esse tema tem levado pesquisadores e tomadores de decisão a buscarem maneiras de entender e mitigar os MP. O aprendizado de máquina (AM) pode ser uma ferramenta valiosa para essa tarefa, pois possibilita a consolidação de dados e a caracterização precisa de MP. Por isso, este trabalho realizou uma revisão sistemática da literatura para identificar as possibilidades de aplicação do AM em estudos sobre poluição por MP no meio ambiente. A revisão identificou que a maioria dos estudos sobre AM para MP foi publicada em 2022, e é de autoria de pesquisadores chineses, estadunidenses e, secundariamente, brasileiros e europeus. Essas pesquisas utilizam uma variedade de abordagens para detecção, classificação e quantificação de MP, incluindo o uso de dados imagéticos e técnicas de química analítica, associados ao aprendizado de máquina. Os estudos sugerem que as técnicas de AM trazem contribuições importantes para a compreensão da poluição por MP; mas sua aplicação em larga escala ainda enfrenta desafios, como a padronização de metodologias, a adoção generalizada da tecnologia e a combinação de algoritmos complementares. A pesquisa contínua nessa área é fundamental para criar modelos preditivos precisos e eficazes, a fim de se compreenderem padrões de poluição e facilitar decisões estratégicas na gestão ambiental. Palavras-chave: microplástico; aprendizado de máquina; poluição ambiental.

35 downloads

DOI: 10.5151/9786555503487-10

Referências bibliográficas
  • HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The elements of statistical learning. Nova Iorque:
  • Springer New York, 2009.
  • HAYKIN, S. Neural networks and learning machines. Nova Jersey: Pearson Education, 2009.
  • HUFNAGL, B. et al. Computer-assisted analysis of microplastics in environmental samples
  • based on μFTIR imaging in combination with machine learning. Environmental Science
  • and Technology Letters, v. 9, n. 1, p. 90-5, 11 jan. 2022.
Como citar:

LEMOS BALESTRIN, Tuanny; DULEBA, Wânia; "Microplásticos e aprendizado de máquina: uma revisão sistemática", p. 200-219. Visões para um mundo sustentável: abordagens em ciência, tecnologia, gestão socioambiental e governança. São Paulo: Blucher, 2023.
ISBN: 9786555503487, DOI 10.5151/9786555503487-10