Carbofarm: data integration and knowledge generation for agricultural GHG inventories

• Ano de defesa: 2024
• Autor(a) principal: Santos, Luiz Fernando dos
• Orientador(a): Braga, Regina Maria Maciel
• Banca de defesa: Menezes, Victor Stroele de Andrade , Mattoso, Marta Lima de Queiróz
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Ciência da Computação
• Departamento: ICE – Instituto de Ciências Exatas
• País: Brasil
• Palavras-chave em Português: Balanço de carbono; Inventários agrícolas; Inventários de GEE; Dados agrícolas integrados; Aprendizado de máquina; Ontologia; Carbon balance; Farm inventories; Integrated farm data; Machine learning
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/17703

O aquecimento global e as alterações climáticas têm sido temas de grande interesse nos últimos anos, por estarem relacionados com as emissões de gases de efeito estufa (GEE). O setor agrícola sofre as consequências dessas mudanças. Por outro lado, ele é um dos principais emissores globais de GEE. A agricultura é um setor complexo nos seus aspectos ambientais, sociais e econômicos. É necessário propor novas soluções que proporcionem uma agricultura mais sustentável. No ambiente agrícola, um passo importante é a geração de inventários de GEE. O conhecimento gerado pelos inventários possibilita a identificação de problemas e a busca por soluções que visem aumentar o sequestro de carbono e reduzir as emissões. Um balanço de carbono positivo permite a geração de créditos de carbono com potencial retorno econômico. Dados públicos e dados coletados em propriedades rurais, quando disponíveis, podem contribuir para a geração dos inventários e a promoção de práticas agrícolas mais sustentáveis. Este estudo apresenta uma proposta de arquitetura contendo um modelo ontológico, chamado CarbOnto, com o objetivo de integrar sintática e semanticamente conjuntos de dados heterogêneos relacionados à agropecuária. Utilizando técnicas de aprendizado de máquina a partir dos dados integrados, geramos conhecimento para apoio à tomada de decisão dos proprietários rurais, oferecendo alternativas para o uso da terra com foco no balanço positivo de GEE, que contribui para a geração de créditos de carbono.