Índices de vegetação obtidos por RPA e redes neurais artificiais na determinação de áreas de produção de sementes de soja (Glycine max (L.) Merrill)
Visualizar/ Abrir
Data
2024-03-22Primeiro coorientador
Amaral, Lúcio de Paula
Primeiro membro da banca
Miola, Alessandro Carvalho
Segundo membro da banca
Sebem, Elódio
Metadata
Mostrar registro completoResumo
A busca constante por tecnologias no campo está relacionada a uma maior capacidade de produção. Sendo assim, a utilização de sistemas ARPs surgiu como uma importante opção na agricultura de precisão. Além disso, sementes de alta qualidade são essenciais para a implantação de lavouras com alto potencial produtivo, pois as sementes possuem alto valor agregado carregando nelas as biotecnologias e as características genéticas que fazem com que possam atingir o maior potencial produtivo. Por isso o acompanhamento durante a produção de sementes é primordial para se atingir uma qualidade nas sementes que serão produzidas. O objetivo geral deste trabalho foi acompanhar os campos de sementes através de sensoriamento remoto com a utilização de ARPs, utilizando índices de vegetação, para verificar nos campos de produção de sementes quais áreas deverão ser destinadas à produção de sementes de melhor qualidade. O experimento foi conduzido em dois campos, área de produção comercial de soja (Glycine max (L.) Merrill) no ano agrícola 2022/2023, localizada no distrito de Piquirivaí no município de Campo Mourão – PR. As amostras foram colhidas em vários locais, categorizados como ambientes de alto, médio e baixo NDVI, com base em um voo de ARP realizado no estágio R7 em 06 de março de 2023. O estudo foi realizado no delineamento em blocos casualizado (DBC) fatorial 2x3 (campos de sementes, ambientes), com 5 repetições e utilizando Redes Neurais Artificiais (RNAs). Foi observada uma diferença estatística ao considerar os campos em conjunto, mostrando maior germinação em ambientes de alto NDVI em comparação com os de médio e baixo NDVI. Ao analisar separadamente cada campo, notamos que no Campo 01 o alto NDVI se destaca, enquanto médio e baixo NDVI não há diferença estatística. Para o Campo 02 o ambiente alto NDVI difere do ambiente baixo NDVI, porém não difere estatisticamente do médio NDVI. As Redes Neurais Artificiais após 10 rodadas para cada amostra, no Campo 01, o treinamento mais eficaz foi o R4, com R² de 0,9621, RMSE de 1,5916 e BIAS de 0,133. No Campo 02, após 10 rodadas para cada amostra, o treinamento mais eficaz foi o R7, com R² de 0,9654, RMSE de 1,8619 e BIAS de 0,400. O sensoriamento remoto com sensor multiespectral embarcado em ARP mostrou-se uma ferramenta valiosa para monitorar o desenvolvimento da cultura da soja. As Redes Neurais Artificiais (RNAs) se destacaram pela acurácia e precisão nas previsões, com correlações robustas e estatisticamente significativas entre os Índices de Vegetação e a germinação das sementes, especialmente nos estágios R4 e R7. Este estudo confirma que imagens de ARPs são viáveis para selecionar áreas ideais na produção de sementes de soja, fornecendo insights valiosos para futuras pesquisas e aplicações práticas.
Coleções
Os arquivos de licença a seguir estão associados a este item: