Dissertações em Biodiversidade e Conservação (Mestrado) - PPGBC/Altamira
URI Permanente para esta coleçãohttps://repositorio.ufpa.br/handle/2011/9261
O Mestrado Acadêmico iniciou-se em 2014 e pertence ao Programa de Pós-Graduação em Biodiversidade e Conservação (PPGBC) do Campus Universitário de Abaetetuba da Universidade Federal do Pará (UFPA).
Navegar
Navegando Dissertações em Biodiversidade e Conservação (Mestrado) - PPGBC/Altamira por Orientadores "GIARRIZZO, Tommaso"
Agora exibindo 1 - 2 de 2
- Resultados por página
- Opções de Ordenação
Dissertação Acesso aberto (Open Access) Explorando a biodiversidade do Rio Xingu: apresentação e validação de um novo equipamento de amostragem de DNA ambiental(Universidade Federal do Pará, 2024-04-29) BAHIANA, Bruno Gonçalves; KEPPELER, Friedrich Wolfgang; GIARRIZZO, Tommaso; http://lattes.cnpq.br/5889416127858884O conhecimento e monitoramento da biodiversidade se configuram como elementos- chaves para a definição de ações e iniciativas focadas na conservação e restauração da natureza. No entanto, técnicas de monitoramento são geralmente caras e demoradas, o que dificulta esforços para a identificação e manejo da diversidade biológica. Nesse sentido, é imprescindível o desenvolvimento de novos métodos rápidos, não invasivos e de baixo custo que possam trazer resultados e informações confiáveis e robustas, destacando-se, nesse contexto, as abordagens baseadas no uso do DNA ambiental (eDNA). O eDNA é uma mistura complexa de material genético oriundo de organismos inteiros ou partes deles, presentes em matrizes ambientais, que podem ser, por exemplo, de solo, água ou sedimento. O presente projeto apresenta um protótipo de equipamento simples e de baixo custo para obter amostragem de eDNA, visando explorar a riqueza e composição da ictiofauna no Sistema de Transposição de Peixes (STP) da Usina Hidrelétrica Belo Monte, localizado no curso médio do rio Xingu, um rio hiperdiverso localizado na Amazônia brasileira. Para tanto, fabricou-se um novo e acessível equipamento para coleta passiva de material genético (eDNA) a partir de uma estrutura metálica e dois tubos de PVC. Um medidor de vazão foi acoplado a um dos tubos e dois rolos de gaze foram firmemente fixados ao outro tubo. A partir das amostras, que foram coletadas a cada duas horas durante um período de 24 horas, foi gerado um inventário de espécies usando uma combinação de marcadores moleculares específicos de peixes (Tele02 12S). Para a validação do equipamento e da metodologia proposta, a variação temporal da riqueza e composição da ictiofauna detectada com eDNA foram comparadas com as registradas no monitoramento utilizando o Sistema de Vídeo-Imagem (SVI) localizado na saída do STP. Os resultados indicam que o método foi eficiente e amostrou 100% das ordens da ictiofauna que foi registrada no monitoramento com SVI, mas a similaridade entre os dois métodos foi reduzindo à medida que aumentava-se a especificidade taxonômica. Esse resultado pode ser explicado pela baixa representatividade das espécies do Xingu nas bibliotecas genômicas existentes. Neste sentido, o eDNA é uma abordagem promissora e com grande potencial de se tornar uma ferramenta valiosa para estudar e monitorar a composição de peixes em rios tropicais de água doce altamente diversificados com custos acessíveis e impactos mínimos sobre organismos e habitats, mas que, nesse momento, precisa de mais pesquisa de base para que possa a vir substituir e/ou complementar os métodos tradicionais de amostragem.Dissertação Acesso aberto (Open Access) Monitoramento inteligente de peixes amazônicos: detecção e classificação com aprendizado profundo em passagens de peixes(Universidade Federal do Pará, 2025-03-31) NOGUEIRA, Felipe de Luca dos Santos; NOLETO, Eurico; http://lattes.cnpq.br/9671212401003657; GIARRIZZO, Tommaso; http://lattes.cnpq.br/5889416127858884; SOUSA, Leandro Melo de; KEPPELER, Friedrich Wolfgang; DREWS JUNIOR, Paulo Lilles Jorge; http://lattes.cnpq.br/6529610233878356; http://lattes.cnpq.br/4743340542470876; http://lattes.cnpq.br/5551697165370587A Bacia Amazˆonica possui um dos maiores potenciais hidrel´etricos do mundo, sendo respons´avel por uma parcela significativa da gera¸c˜ao de energia no Brasil. A constru¸c˜ao de empreendimentos hidrel´etricos na regi˜ao, como o Complexo Hidrel´etrico Belo Monte, visa atender `a crescente demanda energ´etica, mas tamb´em pode impactar a dinˆamica migrat´oria e a conserva¸c˜ao da ictiofauna amazˆonica. Diante disso, torna-se essencial o desenvolvimento de sistemas de monitoramento automatizados para avaliar a efetividade das estruturas de mitiga¸c˜ao, como as passagens de peixes. Este estudo apresenta o desenvolvimento de um sistema de monitoramento automatizado para a detec¸c˜ao e classifica¸c˜ao de esp´ecies de peixes na passagem de peixes da barragem do sitio Pimental, que integra o Complexo Hidrel´etrico Belo Monte. A pesquisa foi conduzida no sistema de transposi¸c˜ao de peixes (STP) da barragem do sitio Pimental, utilizando t´ecnicas de vis˜ao computacional. Para a constru¸c˜ao do conjunto de dados, quadros foram extra´ıdos de v´ıdeos subaqu´aticos capturados pelo STP, sendo posteriormente anotados manualmente na plataforma Darwin V7. O banco de dados resultante foi composto por 1000 imagens, divididas em conjuntos de treinamento (700), valida¸c˜ao (150) e teste (150). As dezenove esp´ecies foram selecionadas com base na frequˆencia de ocorrˆencia e importˆancia migrat´oria, sendo destacadas Phractocephalus hemioliopterus e Cichla melaniae, entre outras. A modelagem foi realizada utilizando Redes Neurais Convolucionais (RNCs), implementadas no modelo YOLO v8, conhecido por sua eficiˆencia em tarefas de detec¸c˜ao de imagens. A t´ecnica de aumento de dados (data augmentation) foi aplicada para expandir a diversidade do conjunto de treinamento, introduzindo transforma¸c˜oes como rota¸c˜oes, transla¸c˜oes, escalonamento e ajustes de brilho. O treinamento foi conduzido na plataforma Google Colab PRO, utilizando uma GPU NVIDIA A100, garantindo alto desempenho no processamento das imagens. Durante o processo, foram ajustados parˆametros como learning rate (0,01), momentum (0,937) e weight decay (0,0005), visando minimizar o overfitting e melhorar a generaliza ¸c˜ao do modelo. A avalia¸c˜ao do modelo foi realizada por meio de m´etricas como precis˜ao, recall, F1-score e mean Average Precision (mAP). Os resultados indicaram um desempenho superior para esp´ecies mais representadas no conjunto de dados, como Phractocephalus hemioliopterus (F1-score de 91%) e Cichla melaniae (87%). Esp´ecies menos frequentes apresentaram menor precis˜ao na classifica¸c˜ao, como Leporinus friderici (52%) e Leporinus sp2 (55%).As curvas de aprendizado demonstraram redu¸c˜ao progressiva das perdas de treinamento e valida¸c˜ao, evidenciando a capacidade do modelo de reconhecer padr˜oes visuais das esp´ecies. O modelo manteve desempenho consistente em diferentes condi¸c˜oes ambientais, incluindo alta turbidez e reflexos de ilumina¸c˜ao artificial, refor¸cando seu potencial para o monitoramento cont´ınuo da biodiversidade aqu´atica. Entretanto, algumas limita¸c˜oes foram identificadas, como a variabilidade sazonal na qualidade das imagens e a baixa representatividade de certas esp´ecies, o que pode comprometer a generaliza¸c˜ao do modelo. Al´em disso, o tempo de processamento e a necessidade de infraestrutura computacional robusta s˜ao fatores a serem considerados. A implementa¸c˜ao deste sistema no STP, dentro do Complexo Hidrel´etrico Belo Monte, representa um avan¸co na avalia¸c˜ao de estruturas mitigadoras de impactos ambientais, fornecendo informa¸c˜oes fundamentais para o manejo sustent´avel da fauna aqu´atica em grandes empreendimentos hidrel´etricos.