Painel de Monitoramento
Visão geral em tempo real dos pontos monitorados. Dados cruzados de turbidez, coloração, pH e parâmetros químicos por tipo de fonte hídrica.
🔴 Alerta Crítico — Rio Negro (AM)
Turbidez acima de 45 NTU detectada. Coloração marrom-escura nas últimas fotos. Recomenda-se coleta manual imediata.🟡 Atenção — Igarapé do Mindu (AM)
pH em 5.8 — levemente abaixo do padrão CONAMA 357. Verificar atividade antrópica próxima.Pontos Monitorados
47
estações ativas
↑ 3 este mêsTurbidez Média
18.4
NTU (Nefelométrico)
⚠ Acima do normalFotos Analisadas
1.2k
últimas 24 horas
✓ IA processandoIQA Médio Nacional
68
Índice de Qualidade (0–100)
Bom🗺 Mapa interativo de pontos
Integrar: Google Maps / Leaflet.js / HidroSat (ANA)
Integrar: Google Maps / Leaflet.js / HidroSat (ANA)
🔵 Rio
🟡 Poço
🟢 Lago
🟣 Igarapé
🔴 Crítico
Últimas coletas registradas
| Local | Tipo | Turbidez | Cor | IQA | Status |
|---|---|---|---|---|---|
| Rio Amazonas (AM) | Rio | 12.4 NTU | 74 | Bom | |
| Rio Negro (AM) | Rio | 47.1 NTU | 31 | Crítico | |
| Igarapé Mindu (AM) | Igarapé | 8.2 NTU | 58 | Atenção | |
| Lago Mamori (AM) | Lago | 5.7 NTU | 82 | Ótimo | |
| Poço artesiano (PA) | Poço | 1.2 NTU | 91 | Ótimo |
Parâmetros médios — comparativo por tipo de fonte
TURBIDEZ (NTU)
Rio18.4
Igarapé9.1
Lago6.3
Poço1.4
pH MÉDIO
Rio6.8
Igarapé5.8
Lago7.1
Poço7.4
OD — OXIGÊNIO DISSOLVIDO (mg/L)
Rio6.2
Igarapé4.8
Lago7.8
Poço8.5
CLOROFILA-A (μg/L)
Rio4.2
Igarapé8.7
Lago12.1
Poço0.1
Análise de Imagem por IA
Envie uma foto coletada em campo. A IA (Claude, via API da Anthropic) extrai turbidez estimada, coloração dominante, presença de algas, espuma, sedimentos e outros indicadores visuais de qualidade da água.
Enviar foto de campo
JPG, PNG, WebP · Uma imagem por análise
O que a IA analisa nas fotos:
🎨 Coloração RGBEspectral
🌫 Turbidez VisualNTU est.
🟢 Algas / Cianobact.Presença
🫧 Espuma / ÓleosPresença
🪨 SedimentosNível
🌊 ReflectânciaR/G/B %
🌿 MacrófitasÁrea %
🔆 Condição LuzHorária
Resultado da análise
Envie uma foto e clique em "Analisar" para ver o diagnóstico da IA aqui.
Modelos de IA recomendados
🤖 Vision Transformers (ViT) — análise espectral RGB de superfícies hídricas
🧠 HydroVision (arxiv 2025) — predição de turbidez, clorofila e matéria orgânica por RGB
📱 Turbidivision — app open-source, ±0.7 FNU abaixo de 2.5 FNU
🛰 HydroColor — radiometria de 3 bandas por câmera de smartphone
Plataformas e Fontes de Dados
Integre dados de APIs e plataformas existentes para cruzar com suas coletas locais e enriquecer o monitoramento.
ANA — Portal Qualidade da Água
Portal público da Agência Nacional de Águas (lançado abr/2026). Dados da Rede Nacional de Monitoramento (RNQA): OD, turbidez, fósforo, DBO e E.coli de 2010–2024 em mapas interativos.
HidroSat / SNIRH (ANA)
72 estações virtuais de monitoramento por satélite de qualidade da água + 173 de nível. Dados de radares altimétricos e sensores ópticos para rios e reservatórios de médio/grande porte.
HydroColor App
App iOS/Android que usa a câmera do smartphone como radiômetro de 3 bandas para medir reflectância e turbidez em superfícies hídricas. Crowdsourcing de dados em campo.
Turbidivision
App web/mobile/Android open-source para estimar turbidez por visão computacional em imagens subaquáticas. Acurácia ±0.7 FNU (abaixo de 2.5 FNU). Repositório público no GitHub.
WikiWatershed / Water Quality App
App para educadores e cientistas cidadãos. Registra pH, OD, E.coli, turbidez, temperatura e macroinvertebrados. Exporta dados e cria banco de dados colaborativo.
Google Earth Engine
Análise de imagens de satélite Sentinel-2 e Landsat para monitoramento de turbidez, clorofila e sólidos suspensos em escala regional. Integração com Python/JavaScript API.
Parâmetros monitorados pela RNQA/ANA (padrão CONAMA 357)
🫧 Oxigênio Dissolvido≥ 6 mg/L
💧 Turbidez≤ 40 NTU
⚗️ pH6.0 – 9.0
🧪 DBO≤ 5 mg/L
🌿 Fósforo Total≤ 0.1 mg/L
🦠 E. coli≤ 1000 NMP
🌡 Temperatura≤ 3°C Δ
🧂 Condutividade< 100 μS/cm
Ferramentas para Maior Precisão
Equipamentos e tecnologias que complementam a análise fotográfica e elevam a qualidade dos dados coletados.
Sensores IoT (ESP32 + LoRa)
Sensores de baixo custo com ESP32 para medir turbidez, pH, temperatura, condutividade e OD in situ. LoRaWAN para transmissão em áreas remotas sem cobertura celular. Firebase para backend em nuvem.
Estações Solar-IoT Autônomas
Sistemas com painel solar (10–50W) e bateria (2–20Ah) para monitoramento contínuo em áreas sem energia. Mais de 80% dos sistemas IoT de água monitoram turbidez, pH, temperatura, condutividade e OD.
Drone com Multispectral
Drones DJI com câmeras multiespectrais (Micasense RedEdge) para mapeamento de corpos d'água. Captura bandas além do RGB: NIR e red-edge para clorofila e macrófitas aquáticas.
Sentinel-2 / Landsat (Satélite)
Imagens gratuitas a cada 5 dias (Sentinel-2) ou 16 dias (Landsat). Bandas espectrais para estimar turbidez, sólidos suspensos e clorofila em rios e lagos de médio/grande porte. Via Google Earth Engine.
Turbidímetro Open-Source (Ötz-T)
Turbidímetro impresso em 3D com shield Arduino para monitoramento de sedimentos em suspensão. Projeto open-source publicado no HardwareX. Custo < R$200 vs R$7000+ em equipamentos comerciais.
Kits de Teste Portáteis
Kits colorimétricos (LaMotte, Hach) para análise rápida em campo de pH, cloro, nitrato, fósforo e E.coli. Resultado em minutos, sem laboratório. Podem ser fotografados para análise digital posterior.
Combinação recomendada para contexto amazônico
- 1Coleta fotográfica padronizada (smartphone)Use protocolo HydroColor: 3 fotos por ponto (céu, cartão cinza, água) no mesmo ângulo e horário. Georeferência automática via GPS do aparelho. Custo: R$0.
- 2Sensores IoT em pontos fixos prioritáriosESP32 + sensores de turbidez, pH, temperatura e condutividade em rios e igarapés de maior risco. LoRa para transmissão. Painel solar para autonomia. Custo estimado: R$400–800/estação.
- 3Análise de imagem por IA (HydroVision / ViT)Processar fotos coletadas com modelos de visão computacional para estimar turbidez, clorofila e matéria orgânica. Cruzar com dados dos sensores para calibração.
- 4Dados de satélite para escala regionalGoogle Earth Engine + Sentinel-2 para monitorar grandes rios e lagos. Detectar variações sazonais, eventos de chuva intensa, desmatamento e seus impactos na turbidez regional.
- 5Cruzamento com dados ANA/SNIRHIntegrar via API do HidroWeb e Portal de Qualidade da Água (ANA) para comparar dados locais com histórico nacional e verificar conformidade com CONAMA 357.
Arquitetura do Sistema
Como as camadas do sistema se integram — desde a coleta em campo até o painel de análise e alertas.
Diagrama de fluxo de dados
📸 Coleta de Fotos→📡 Sensores IoT→☁️ Backend (Firebase / Supabase)
↓
🤖 IA — Análise Visual+📊 Dados ANA/SNIRH+🛰 Sentinel-2
↓
📈 Dashboard AquaMonitor→🔔 Alertas (SMS/Email/WhatsApp)→📋 Relatórios CONAMA
Stack tecnológico recomendado
- 📱App MobileReact Native + Expo · Câmera padronizada · GPS · Upload offline-first
- ⚙️Backend / APIPython (FastAPI) · PostgreSQL + PostGIS · Supabase ou Firebase
- 🤖Módulo de IAPyTorch + HydroVision · Hugging Face Vision Transformers · OpenCV para pré-processamento
- 📊DashboardReact + Leaflet.js (mapas) · Recharts · Tailwind CSS
Dados externos — APIs de integração
🌊 HidroWeb (ANA) · REST API · Dados históricos de vazão e qualidade
🛰 HidroSat (ANA) · Estações virtuais por satélite · nível e qualidade
🌍 Google Earth Engine · Python + JS API · Sentinel-2 / Landsat
☁️ INPE — BDQueimadas · Focos de incêndio · impacto na qualidade da água
🌧 INMET · API meteorológica · precipitação correlacionada com turbidez
🗺 OpenStreetMap / Leaflet · Mapas base · localização de pontos
📲 WhatsApp Business API · Alertas automáticos para comunidades ribeirinhas
Perguntas Frequentes
Dúvidas comuns sobre o sistema e como operá-lo em campo.
A IA consegue substituir um turbidímetro físico?
▼
Não completamente, mas complementa muito bem. Estudos mostram que análise por câmera de smartphone atinge acurácia de ±24% comparada a radiômetros de precisão para turbidez. O app Turbidivision alcança ±0.7 FNU abaixo de 2.5 FNU — equivalente a kits de campo usados em ciência cidadã. Para monitoramento de baixo custo e alta frequência em zonas remotas, a análise fotográfica é uma alternativa viável. Para laudos técnicos e licenciamento ambiental, o turbidímetro físico continua sendo obrigatório (CONAMA 357).
Como fotografar a água para obter melhores resultados na análise?
▼
Siga o protocolo HydroColor: 1) tire 3 fotos por ponto — superfície da água, céu e cartão cinza de referência; 2) sempre no mesmo ângulo (40° da nadir, 135° do sol); 3) evite fotografar em ângulos que capturem o fundo (água muito rasa); 4) prefira horários entre 9h e 15h com sol; 5) evite sombras e reflexos diretos na foto da água; 6) ative o GPS antes de fotografar para georreferenciar automaticamente.
O sistema funciona em igarapés e rios pequenos?
▼
Sim. A análise fotográfica funciona em qualquer corpo d'água superficial. Para igarapés estreitos, fotografar de pontes ou margens em ângulo. O monitoramento por satélite (Sentinel-2, resolução 10m) é limitado a corpos d'água com largura >30m. Para igarapés menores, as fotos de campo + sensores IoT são a melhor solução. Dados da RNQA/ANA cobrem principalmente rios médios e grandes — a contribuição local de dados é especialmente valiosa para igarapés.
Como integrar com os dados da ANA?
▼
A ANA disponibiliza dados pelo HidroWeb (hidroweb.ana.gov.br) com API REST para download de séries históricas. O Portal de Qualidade da Água (qualidadedaagua.ana.gov.br, lançado em abril de 2026) apresenta dados de OD, turbidez, fósforo, DBO e E.coli de 2010–2024. O HidroSat oferece dados de 72 estações virtuais por satélite. Recomendamos usar esses dados como linha de base histórica para calibrar e comparar com suas medições locais.
Qual é o custo para montar uma rede básica?
▼
Estimativa para rede básica de 10 pontos: Sensores IoT (ESP32 + turbidez + pH + temperatura + LoRa + solar) = R$400–800/ponto ≈ R$4.000–8.000 total. Desenvolvimento do app móvel = R$15.000–40.000 (equipe de 2 devs, 3 meses). Backend e hospedagem = R$200–500/mês. Treinamento do modelo de IA (usando dados de fotos coletadas) = R$5.000–15.000 (uma vez). Total inicial estimado: R$25.000–65.000, com custo operacional de R$500–1.000/mês.