Engenharia
Naval e Oceânica
Resumo
Desde a Revolução Industrial, o aumento das emissões de CO2 pela queima de combustíveis fósseis, atividades industriais e queimadas agrícolas tem elevado a absorção de CO2 pelos oceanos, formando ácido carbônico (H2CO3) e intensificando a acidificação das águas. Esse fenômeno ameaça organismos calcificadores, moluscos e corais, além de plânctons, prejudicando as cadeias alimentares marinhas e ecossistemas oceânicos. Os métodos tradicionais para medir carbono inorgânico dissolvido (DIC) são lentos e exigem infraestrutura laboratorial específica, sem equipamentos comerciais amplamente acessíveis. Diante disso, o projeto visa desenvolver um modelo matemático para estimar a concentração de DIC rapidamente, usando pH, salinidade e temperatura. Dados do portal NCEI foram usados em quatro metodologias: ajuste de uma função polinomial no Excel para relacionar pH, salinidade, temperatura e CO2; otimização do modelo em Python com técnicas de ajuste de curva; regressão simbólica em Python para encontrar uma equação representativa; e redes neurais artificiais com a biblioteca Scikit-learn, treinando o modelo para identificar as relações complexas entre os parâmetros. A floresta randômica foi usada como técnica complementar, resultando em maior precisão. Para tornar o método prático, uma interface gráfica foi desenvolvida, permitindo inserir os valores e obter rapidamente a concentração de DIC. Também foi criado um protótipo com Arduino UNO e sensores de pH, salinidade e temperatura para medições diretas. A solução tem potencial para mitigar a acidificação dos oceanos, oferecendo uma alternativa prática e contribuindo para a preservação dos ecossistemas marinhos.
Palavras-chave: Acidificação dos Oceanos, Carbono Inorgânico Dissolvido, Aprendizagem de Máquina