Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Cunha, Isabella Alves da, 1999-
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: [s.n.]
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Agricultura de precisão
Aprendizado de máquina
Precision agriculture
Machine learning
Link de acesso: https://hdl.handle.net/20.500.12733/24819
Resumo: Orientadores: Lucas Rios do Amaral, Gustavo Macedo de Mello Baptista
id UNICAMP-30_ebae74de7fa4d8508ee3d05d565d041b
oai_identifier_str oai::1410640
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de sojaRemote sensing using sythetic aperture radar (SAR) for soybean yield predictionAgricultura de precisãoAprendizado de máquinaPrecision agricultureMachine learningOrientadores: Lucas Rios do Amaral, Gustavo Macedo de Mello BaptistaDissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Faculdade de Engenharia AgrícolaResumo: Um dos desafios agrícolas é prever o rendimento das culturas ao longo de seu ciclo de desenvolvimento para melhor planejar suas fases subsequentes, como o armazenamento, o processamento e a distribuição. Nesse sentido, o uso do sensoriamento remoto (SR) óptico tem sido uma estratégia utilizada para essa predição, permitindo previsões do rendimento da safra com um custo-benefício favorável. No entanto, o SR óptico apresenta limitações, como a disponibilidade de imagens sem a presença de nuvens e fornecimento de informações apenas do topo do dossel das culturas. Como complemento, o SR por radar é capaz de captar dados mesmo em dias nublados, fornecendo informações sobre volume e umidade da planta. Portanto, a exploração e o uso desse tipo de dado podem trazer ganhos em desempenho preditivo da produtividade em culturas agrícolas. Nesse sentido, os objetivos deste estudo foram explorar a correlação de diferentes variáveis SAR com a produtividade da soja, utilizando diferentes tipos de filtros para ruído speckle e em diferentes épocas de desenvolvimento da cultura, e testar se a utilização de variáveis SAR melhora a capacidade de predição da produtividade da soja a nível de talhão em comparação ao uso exclusivo do SR óptico. Utilizando dados de três safras de uma única área com cerca de 106ha em três diferentes épocas de desenvolvimento da cultura, foram geradas nove variáveis SAR (Alfa, Entropia, uma diferença normalizada entre alfa e entropia (NDAE), DPSVI, RFDI, Pol, RVI, VH e VV), sendo cada uma utilizando quatro diferentes tipos de filtros para redução de ruído speckle (Boxcar, Gamma, Lee e Refined Lee). Posteriormente, estas variáveis foram incorporadas em diferentes cenários para verificar qual tem o melhor desempenho da predição da produtividade da soja por meio do algoritmo Randon Forest, somado ao índice óptico EVI. Em geral, nenhuma das variáveis SAR apresentou relação direta com a produtividade da soja, não ultrapassando correlações de mais de 0,35. Os desempenhos em todos os cenários de predições foram melhores incluindo variáveis SAR do que exclusivamente o EVI. Contudo, visando a otimização de processamentos, o uso exclusivo do DPSVI utilizando o filtro Boxcar junto ao EVI quando a cultura está na fase de maturação (época 3), se destacou ao ter maior ganho preditivo (com DPSVI: R² = 0,74, 0,64 e 0,73 e RMSE = 0,39, 0,49 e 0,42, respectivamente para cada safra e utilizando exclusivamente o EVI: R² = 0,68, 064, 0,3 e RMSE = 0,43, 0,49, 0,60) entre os cenários estudados. Assim, os dados SAR podem melhorar as predições de produtividade da soja, porém deve-se levar em consideração o esforço computacional exigido para gerar imagens SARAbstract: One of the agricultural challenges is to predict crop yields throughout their development cycle to better plan the post-harvest cycle. In this context, the use of optical remote sensing (RS) has been a strategy employed for this prediction, allowing yield forecasts with favorable cost-effectiveness. However, optical RS has limitations, such as the availability of cloud-free images and provides information only from the top of the crop canopy. As a complement, radar RS can capture data even on cloudy days and provide information on the plant's geometry, volume, and moisture. Therefore, the exploration and use of this data type can bring gains in the predictive performance of agricultural crop productivity. In this sense, the objectives of this study were to explore the correlation of different SAR variables with soybean productivity, using different types of speckle noise filters at different stages of crop development and to test whether the use of these SAR variables improves the predictive capability of soybean productivity in commercial areas compared to the exclusive use of optical RS. Using data from three harvesting seasons of a single area of approximately 106 ha at three different stages of crop development, nine SAR variables were generated (Alpha, Entropy, a normalized difference between alpha and entropy (NDAE), DPSVI, RFDI, Pol, RVI, VH, and VV), each using four different types of filters for speckle noise reduction (Boxcar, Gamma, Lee, and Refined Lee). Subsequently, these variables were incorporated into different scenarios to verify which scenario performs best in predicting soybean productivity using the Random Forest algorithm, combined with the EVI optical index. Overall, none of the SAR variables showed a direct relationship with soybean productivity, with correlations not exceeding 0.35. The performance in all prediction scenarios was better when including SAR variables than when using EVI exclusively. However, aiming for processing optimization, exclusive use of DPSVI with Boxcar filter alongside EVI during the maturation phase of the crop (stage 3) stood out with the highest predictive gain (with DPSVI: R² = 0.74, 0.64, and 0.73 and RMSE = 0.39, 0.49, and 0.42, respectively for each harvest; and only EVI: R² = 0.68, 0.64, and 0.3 and RMSE = 0.43, 0.49, and 0.60) among the studied scenarios. Thus, SAR data can improve soybean productivity predictions, although consideration should be given to the computational effort required to generate SAR imagesAbertoMestradoAgricultura DigitalMestra em Engenharia AgrícolaCAPES001[s.n.]Amaral, Lucas Rios do, 1985-Baptista, Gustavo Macedo de Mello, 1969-Prudente, Victor Hugo RohdenLacerda, Lorena NunesUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia AgrícolaPrograma de Pós-Graduação em Engenharia AgrícolaUNIVERSIDADE ESTADUAL DE CAMPINASCunha, Isabella Alves da, 1999-20242024-07-30T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (65 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/24819CUNHA, Isabella Alves da. Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja. 2024. 1 recurso online (65 p.) Dissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Faculdade de Engenharia Agrícola, Campinas, SP. Disponível em: 20.500.12733/24819. Acesso em: 29 set. 2025.https://repositorio.unicamp.br/acervo/detalhe/1410640https://repositorio.unicamp.br/acervo/detalhe/1410640Cover: https://repositorio.unicamp.br/capa/capa?codigo=1410640Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2025-07-28T13:28:08Zoai::1410640Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2025-07-28T13:28:08Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
Remote sensing using sythetic aperture radar (SAR) for soybean yield prediction
title Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
spellingShingle Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
Cunha, Isabella Alves da, 1999-
Agricultura de precisão
Aprendizado de máquina
Precision agriculture
Machine learning
title_short Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
title_full Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
title_fullStr Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
title_full_unstemmed Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
title_sort Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja
author Cunha, Isabella Alves da, 1999-
author_facet Cunha, Isabella Alves da, 1999-
author_role author
dc.contributor.none.fl_str_mv Amaral, Lucas Rios do, 1985-
Baptista, Gustavo Macedo de Mello, 1969-
Prudente, Victor Hugo Rohden
Lacerda, Lorena Nunes
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Agrícola
Programa de Pós-Graduação em Engenharia Agrícola
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Cunha, Isabella Alves da, 1999-
dc.subject.por.fl_str_mv Agricultura de precisão
Aprendizado de máquina
Precision agriculture
Machine learning
topic Agricultura de precisão
Aprendizado de máquina
Precision agriculture
Machine learning
description Orientadores: Lucas Rios do Amaral, Gustavo Macedo de Mello Baptista
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-07-30T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/24819
CUNHA, Isabella Alves da. Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja. 2024. 1 recurso online (65 p.) Dissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Faculdade de Engenharia Agrícola, Campinas, SP. Disponível em: 20.500.12733/24819. Acesso em: 29 set. 2025.
url https://hdl.handle.net/20.500.12733/24819
identifier_str_mv CUNHA, Isabella Alves da. Sensoriamento remoto por radar de abertura sintética (SAR) para a predição da produtividade de soja. 2024. 1 recurso online (65 p.) Dissertação (mestrado) - Universidade Estadual de Campinas (UNICAMP), Faculdade de Engenharia Agrícola, Campinas, SP. Disponível em: 20.500.12733/24819. Acesso em: 29 set. 2025.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1410640
https://repositorio.unicamp.br/acervo/detalhe/1410640
Cover: https://repositorio.unicamp.br/capa/capa?codigo=1410640
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (65 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1844628721403691008

Registros relacionados