dc.creator | Pott, Luan Pierre | |
dc.date.accessioned | 2023-11-01T11:50:13Z | |
dc.date.available | 2023-11-01T11:50:13Z | |
dc.date.issued | 2023-08-23 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/30420 | |
dc.description.abstract | Agriculture is under intense revolution, numerous data is generated every moment, either by
the farmers, sensors, or by generating new products for the agricultural sector, favoring digital
agriculture. Thus, the objectives of this work were to collect field data, as well as use
available data such as remote sensing and geospatial public data to generate knowledge for
agriculture of Rio Grande do Sul (RS), Brazil. The objectives of the first study were to i)
evaluate of the spatial variability of field data to generate the crop classification model; ii)
evaluate the transfer learning model with the subsequent growing season data; iii) evaluate the
accuracy of the forecast model for early forecasts, and IV) develop a classification and
mapping model of agricultural crops for RS. The objectives of the second study were to: i)
compare data generated through simulations of development of agricultural crops and field
data; II) evaluate production fields masks generated by the Rural Environmental Registry,
MapBiomas and random forest model; and iii) evaluate non-supervised classification models,
supervised classification with data from agricultural crop development simulations, and
supervised classification with field data, as well as their combination. The objectives of the
third study were to: i) map monoculture patterns and crop rotation in the different
mesoregions of the state of RS; ii) identify soil and climate variables that coincides with the
highest percentages of monoculture area; iii) evaluate the effect of crop rotation on crop grain
yields. As a result of the first study, the model of classification and mapping of agricultural
crops of RS were generated, with the possibility of transfer learning to subsequent growing
seasons, obtaining predictions from January 1 of the agricultural crop, increasing accuracy as
more remote sensing images of the crops are captured. Also, in the second study it was
possible to generate models of classification of crop types with different models, nonsupervisioned classification, supervised classification with field data, simulations of crop
development models, and adding field data and simulations data to increase the accuracy of
the model. Crop rotation mapping and crop rotation patterns for the state of RS were
generated by enabling a more holistic look at the adoption of crop rotation strategies,
intensification, and sustainability of agriculture to the state. The results presented in this study
have the potential to contribute to digitization in agriculture, and may assist farmers, and
policymakers during the decision-making process. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Agricultura digital | por |
dc.subject | Mapeamento de culturas agrícolas | por |
dc.subject | Modelos de culturas agrícolas | por |
dc.subject | Mapeamento da rotação de culturas | por |
dc.subject | Digital agriculture | eng |
dc.subject | Crop type mapping | eng |
dc.subject | Crop models | eng |
dc.subject | Crop rotation mapping | eng |
dc.title | Mapeamento agrícola utilizando sensoriamento remoto, modelagem de culturas e aprendizado de máquina no Rio Grande do Sul | por |
dc.title.alternative | Crop mapping using remote sensing, crop modeling, and machine learning in Rio Grande do Sul | eng |
dc.type | Tese | por |
dc.description.resumo | A agricultura está sob intensa revolução, inúmeros dados são gerados a cada instante, seja
pelo produtor, sensores, ou por geração de novos produtos para o setor agrícola, favorecendo
a agricultura digital. Assim, os objetivos desse trabalho foram coletar dados de campo, bem
como utilizar dados disponíveis como de sensoriamento remoto e dados geoespaciais de uso
público para gerar conhecimento para a agricultura do Rio Grande do Sul (RS), Brasil. Os
objetivos do primeiro trabalho foram i) avaliação da variabilidade espacial de dados de campo
para gerar o modelo de classificação de culturas; ii) avaliar o modelo de transferência de
aprendizagem com os dados da estação de cultivo subsequente; iii) avaliar a precisão do
modelo de previsão para previsões antecipadas, e iv) desenvolver um modelo de classificação
e mapeamento das culturas agrícolas para o RS. Os objetivos do segundo trabalho foram: i)
comparar dados gerados através de simulações de desenvolvimento de cultivos agrícolas e
dados de campo; ii) avaliar máscaras de campos de produção geradas pelo Cadastro
Ambiental Rural, MapBiomas e modelo de random forest; e iii) avaliar modelos de
classificação não-supervisionada, classificação supervisionada com dados de simulações de
desenvolvimento de cultivos agrícolas, e classificação supervisionada com dados de campo,
bem como a combinação dos mesmos. Os objetivos do terceiro trabalho foram: i) mapear
padrões de monocultivos e rotação de culturas nas diferentes mesoregiões do estado do RS; ii)
identificar variáveis de solo e de clima que coincide com maiores percentuais de área de
monocultivo; iii) avaliar o efeito da rotação de culturas na produtividade de grãos das
culturas. Como resultados dos trabalhos, foram gerados modelo de classificação e
mapeamento de culturas agrícolas do RS, com a possibilidade de transferência de
aprendizagem para safras subsequentes, obtendo predições a partir de 1º de janeiro da safra
agrícola, aumentando a acurácia na medida que são capturadas mais imagens de
sensoriamento remoto da safra. Também, no segundo trabalho foi possível gerar modelos de
classificação de culturas agrícolas com diferentes modelos, classificação não-supervisionada,
classificação supervisionada com dados de campo, com simulações de modelos de
desenvolvimento de culturas, e agregando dados de campo e de simulações para aumentar a
acurácia do modelo. O mapeamento de rotação de culturas e dos padrões de rotação de
culturas para o estado do RS foram gerados possibilitando um olhar mais holístico para a
adoção de estratégias de rotação de culturas, intensificação, e sustentabilidade da agricultura
para o estado. Os resultados apresentados nesse estudo têm potencial para contribuir com a
digitalização na agricultura, podendo auxiliar agricultores, e agentes formuladores de políticas
durante o processo de tomada de decisão. | por |
dc.contributor.advisor1 | Amado, Telmo Jorge Carneiro | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8591926237097756 | por |
dc.contributor.referee1 | Ciampitti, Ignacio Antonio | |
dc.contributor.referee2 | Schwalbert, Raí Augusto | |
dc.contributor.referee3 | Corassa, Geomar Mateus | |
dc.contributor.referee4 | Bredemeier, Christian | |
dc.creator.Lattes | http://lattes.cnpq.br/6832541825379580 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Agronomia | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Agronomia | por |
dc.subject.cnpq | CNPQ::CIENCIAS AGRARIAS::AGRONOMIA | por |
dc.publisher.unidade | Centro de Ciências Rurais | por |