Mapeamento agrícola utilizando sensoriamento remoto, modelagem de culturas e aprendizado de máquina no Rio Grande do Sul
Ver/
Fecha
2023-08-23Primeiro membro da banca
Ciampitti, Ignacio Antonio
Segundo membro da banca
Schwalbert, Raí Augusto
Terceiro membro da banca
Corassa, Geomar Mateus
Quarto membro da banca
Bredemeier, Christian
Metadatos
Mostrar el registro completo del ítemResumen
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.
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: