Banca de DEFESA: ANTONIO ALDISIO CARLOS JUNIOR

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ANTONIO ALDISIO CARLOS JUNIOR
DATA : 30/12/2022
HORA: 09:00
LOCAL: on-line via plataforma google meet
TÍTULO:

PREDIÇÃO DA PRODUTIVIDADE DO MILHO POR SENSORIAMENTO REMOTO ORBITAL.

PALAVRAS-CHAVES:

Agricultura de precisão. índices de vegetação. aprendizagem de máquina.

PÁGINAS: 56
RESUMO:

Atualmente, com o crescimento populacional e prognóstico de aumento da demanda por alimentos, faz-se necessário estabelecer critérios para o manejo sustentável das propriedades agrícolas com o objetivo de mitigar os impactos ambientais e garantir a segurança alimentar. Nesse sentido, com a avanço dos sistemas sensores embarcados em satélites orbitais várias possibilidades de estudos foram incorporadas para estabelecer estratégias para agricultura de precisão. Entre esses estudos, o conhecimento do potencial produtivo da cultura constitui informação relevante para o aprimoramento das práticas agrícolas. Para tanto, o uso do sensoriamento remoto nessa temática está associado a relação entre os índices de vegetação oriundos de bandas espectrais que podem, através do comportamento espectral da cultura, indicar as condições biofísicas de uma cultura. Nesse caso, pode-se empregar os índices de vegetação isoladamente ou integrado a variáveis do solo que condicionam a produtividade. Devido a limitação dos produtos de sensoriamento remoto, principalmente as impostas pelas resoluções espaciais e temporais, comumente os estudos são direcionados a grandes escalas, sendo o desafio entregar resultados consistentes em escala de campo para possibilitar que pequenos e médios agricultores possam minimamente ter acesso a informações que possam subsidiar no planejamento de práticas agrícolas. Nesse contexto, o presente estudo teve como objetivo predizer a produtividade do milho em escala de campo utilizando duas concepções divididas em dois artigos intitulados: Relação entre índices de vegetação e propriedades do solo para predição da produtividade do milho por meio de aprendizagem de máquina e Predição espaço-temporal da produtividade do milho por sensoriamento remoto orbital. O experimento foi conduzido nos anos de 2019 e 2020 em uma área de 9 ha irrigada por pivô central, inserida na fazenda experimental da Universidade Federal Rural do Semi-Árido. Para o primeiro experimento, foi definida uma malha amostras contendo 66 pontos, nos quais foram coletadas a textura, a fertilidade do solo e produtividade do milho. Para o processamento dos índices de vegetação foram utilizadas as imagens dos satélites Sentinel 2 em 30, 45 e 75 dias após a semeadura. Com exceção dos índices de vegetação, a textura e propriedade químicas do solo foram modeladas espacialmente por meio da Krigagem ordinária. A técnica empregada para predizer a produtividade foi a aprendizagem de máquina com o uso dos modelos Decision Tree, Random Forest e Support Vector Machines. No segundo experimento, os índices de vegetação e bandas espectrais individuais, processados dos sensores embarcados no Sentinel 2 e Landsat 8, foram correlacionados, por meio de regressão linear simples e múltipla, com a produtividade do ano de 2019, gerando equações que foram validadas para a safra de 2020. Os resultados do primeiro experimento indicaram que foi possível predizer a produtividade do milho com 30 dias após a semeadura, sendo o método Support Vector Machines o mais eficiente (RMSE 175,2 Kg/ha, R² 0,98). No segundo experimento o modelo mais acurado para predizer a produtividade, com R² de 0,62 foi a integração do Índice de Vegetação da Diferença Normalizada conjuntamente com a banda azul do sentinel 2 em 63 dias após a semeadura. O modelo preditor para a safra de 2020 apresentou o erro (RMSE) de 22,7% na estimativa da produtividade. Ante os resultados, o uso de sensoriamento remoto demostrou ser eficientes na estimativa da produtividade em escala de campo, o que pode auxiliar órgãos governamentais e agricultores nas tomadas de decisões.

MEMBROS DA BANCA:
Externo à Instituição - ARTÊNIO CABRAL BARRETO - UFERSA
Interno - 273.486.364-20 - JOSE FRANCISMAR DE MEDEIROS - UFERSA
Interno - 396302 - NEYTON DE OLIVEIRA MIRANDA
Externo ao Programa - 1612510 - PAULO CESAR MOURA DA SILVA
Presidente - 1354828 - SUEDEMIO DE LIMA SILVA