A carregar...
Projeto de investigação
An operational early WARning system for DENgue and other arboviral diseases in Madeira Island
Financiador
Autores
Publicações
Análise e modelação espaciotemporal do mosquito de importância médica Culex Pipiens em Portugal continental
Publication . Avelar, Cátia Sofia de Sá; Rocha, Jorge; Capinha, César Dinis Santos
Os Culex pipiens apresentam-se como um dos vetores mais omnipresentes em regiões
temperadas e como um dos principais responsáveis pela distribuição global de doenças. Os
membros deste complexo são vetores de algumas doenças humanas, tais como a filaríase
linfática, a febre do Nilo ocidental e a encefalite de St. Louis.
Nesta espécie encontram-se identificadas duas formas biológicas distintas que demonstram
características fisiológicas e comportamentais diferenciadas, sendo estas a forma pipiens e a
forma molestus. Tal como se pode verificar na generalidade nos estudos relativos à sua
diferenciação genética conduzidos nas latitudes norte da Europa, estas formas de mosquitos do
complexo Culex pipiens podem ser encontrados acima do solo, no caso da forma pipiens e em
habitats exclusivamente subterrâneos, na forma molestus.
Portugal continental, localizado no limite ocidental da Europa, apresenta um clima
mediterrânico com verões quentes e secos e invernos suaves, condições estas que são não só
favoráveis à existência de ambos os biótipos, como também propicias à hibridação entre as
duas formas. Esta espécie é, por sua vez, o mosquito com maior expressão territorial em
Portugal, particularmente nas áreas costeiras do Norte e do centro do país.
Na presente dissertação de mestrado, procurou-se analisar a distribuição do mosquito vetor de
doenças Culex pipiens em Portugal continental e estimar quais as variáveis que mais
influenciam a presença e distribuição da espécie em estudo, compreender quais as regiões que
apresentam maior probabilidade de presença da mesma e analisar quais as variáveis que
incrementam a suscetibilidade ao risco de transmissão de vírus ou doenças.
Neste estudo, os fatores que revelaram maior influência na presença e distribuição da espécie
foram: temperatura mínima e temperatura máxima, proximidade a corpos de água e altitude. O
método de predição de presença e ausência de vetores que se revelou mais eficaz foi o método
das Redes Neuronais Artificiais.
Simulation models of dengue transmission in Funchal, Madeira Island: influence of seasonality
Publication . Salami, Donald; Capinha, César; Sousa, Carla Alexandra; Martins, Maria do Rosário Oliveira; Lord, Cynthia
The recent emergence and established presence of Aedes aegypti in the Autonomous Region of Madeira, Portugal, was responsible for the first autochthonous outbreak of dengue in Europe. The island has not reported any dengue cases since the outbreak in 2012. However, there is a high risk that an introduction of the virus would result in another autochthonous outbreak given the presence of the vector and permissive environmental conditions. Understanding the dynamics of a potential epidemic is critical for targeted local control strategies. Here, we adopt a deterministic model for the transmission of dengue in Aedes aegypti mosquitoes. The model integrates empirical and mechanistic parameters for virus transmission, under seasonally varying temperatures for Funchal, Madeira Island. We examine the epidemic dynamics as triggered by the arrival date of an infectious individual; the influence of seasonal temperature mean and variation on the epidemic dynamics; and performed a sensitivity analysis on the following quantities of interest: the epidemic peak size, time to peak, and the final epidemic size. Our results demonstrate the potential for summer and autumn season transmission of dengue, with the arrival date significantly affecting the distribution of the timing and peak size of the epidemic. Late-summer arrivals were more likely to produce large epidemics within a short peak time. Epidemics within this favorable period had an average of 11% of the susceptible population infected at the peak, at an average peak time of 95 days. We also demonstrated that seasonal temperature variation dramatically affects the epidemic dynamics, with warmer starting temperatures producing large epidemics with a short peak time and vice versa. Overall, our quantities of interest were most sensitive to variance in the date of arrival, seasonal temperature, transmission rates, mortality rate, and the mosquito population; the magnitude of sensitivity differs across quantities. Our model could serve as a useful guide in the development of effective local control and mitigation strategies for dengue fever in Madeira Island.
Extração automática de áreas de recauchutagem suportada em algoritmos de deteção remota
Publication . Vieira-Marques, Catarina; Capinha, César; Rocha, Jorge
A Deteção Remota permite explorar dados de modo a melhorar e completar informação dos diferentes tipos de uso e ocupação do solo. Neste artigo utilizou-se a classificação orientada ao objeto para interpretar a informação originada pelo processo de segmentação da imagem, dividindo-a em segmentos homogéneos, com base na sua resposta espectral média, variância, dimensões, forma, ou textura, permitindo a aquisição de informação mais precisa e detalhada. Pretende-se contribuir para o estudo de identificação de depósitos de pneus ao ar livre através de métodos automáticos, com recurso a ortofotomapas de alta resolução, identificando possíveis áreas de desenvolvimento de mosquitos vetores de doenças.
Extração automática de áreas de recauchutagem suportada em algoritmos avançados de deteção remota
Publication . Marques, Catarina de Fátima Vieira; Rocha, Jorge; Capinha, César Dinis Santos
Existem diversos trabalhos que comparam o método de classificação baseada em pixels com o método de classificação orientada ao objeto que consideram melhores resultados neste último, quando associado aos métodos pixel-a-pixel, sendo esta uma importante ferramenta para a classificação e estudos eficientes do uso do solo (Antunes, 2003).
Os objetos nas imagens são representações reais do terreno e citando Antunes, “Desta maneira, o contexto espacial é descrito em termos de relações topológicas entre os objetos”, ou seja, relações entre as diferentes propriedades de estudo relativamente à sua disposição assim como dos diferentes elementos de um conjunto. Assim considera-se que os objetos homogéneos são representados não apenas pela sua assinatura espectral, mas também pela sua textura, e que a segmentação da imagem em diferentes escalas pode levar à criação de uma rede hierárquica relacionando objetos maior a objetos menores. A Deteção Remota desempenha um papel importante no estudo da biosfera, permitindo realizar medições em diferentes escalas e explorar os dados existentes de modo a melhorar e completar a informação, permitindo uma análise da extensão e localização das áreas urbanas e da distribuição espacial dos diferentes tipos de uso e cobertura do solo.
Nesta dissertação foi utilizada a classificação orientada ao objeto que, ao invés da classificação dos pixels de forma individual quanto às suas características espectrais, interpreta a informação dos objetos originados pelo processo de segmentação da imagem, dividindo esta em segmentos homogéneos, que pode ter como base a sua resposta espectral média, a variância, as dimensões, a forma, e a textura, permitindo a aquisição de informação mais precisa e detalhada (Kux, 2009).
O motivo da escolha deste tipo de classificador deve-se ao fato de os objetos de estudo não resultarem de uma resposta espectral clara, sendo representados mais facilmente pela sua forma ao invés do valor do pixel que se confunde com outras classes. Com esta dissertação pretende-se contribuir para o estudo de identificação de pneus ao ar livre através de métodos automáticos, tendo como base a classificação de imagem orientada ao objeto, utilizando fotografias aéreas de alta resolução, com o intuito de ajudar a preservar o meio ambiente e a saúde pública.
Deep learning for supervised classification of temporal data in ecology
Publication . Capinha, César; Ceia-Hasse, Ana; Kramer, Andrew M.; Meijer, Christiaan
Temporal data is ubiquitous in ecology and ecologists often face the challenge of accurately differentiating these data into predefined classes, such as biological entities or ecological states. The usual approach consists of transforming the time series into user-defined features and then using these features as predictors in conventional statistical or machine learning models. Here we suggest the use of deep learning models as an alternative to this approach. Recent deep learning techniques can perform the classification directly from the time series, eliminating subjective and resource-consuming data transformation steps, and potentially improving classification results. We describe some of the deep learning architectures relevant for time series classification and show how these architectures and their hyper-parameters can be tested and used for the classification problems at hand. We illustrate the approach using three case studies from distinct ecological subdisciplines: i) insect species identification from wingbeat spectrograms; ii) species distribution modelling from climate time series and iii) the classification of phenological phases from continuous meteorological data. The deep learning approach delivered ecologically sensible and accurate classifications demonstrating its potential for wide applicability across subfields of ecology.
Unidades organizacionais
Descrição
Palavras-chave
Contribuidores
Financiadores
Entidade financiadora
Fundação para a Ciência e a Tecnologia
Programa de financiamento
3599-PPCDT
Número da atribuição
PTDC/SAU-PUB/30089/2017