Previsão e estimativa de variáveis de cultivo utilizando níveis e formas de sensoriamento remoto e técnicas de aprendizado de máquina

• Ano de defesa: 2021
• Autor(a) principal: Oliveira, Mailson Freire de [UNESP]
• Orientador(a): Silva, Rouverson Pereira da, Ortiz, Brenda Valeska, Furlani, Carlos Eduardo Angeli [UNESP], Rolim, Glauco de Souza, Silva, Rouverson Pereira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Topografia; Agricultura de precisão; Sensoriamento remoto; Modelagem de informações
• Link de acesso: http://hdl.handle.net/11449/210982

A melhoria das previsões e estimativas de variáveis agronômicas por meio de técnicas não destrutivas é motivo de pesquisas para o avanço do conhecimento dessas relações funcionais. Buscando a melhora da estimativa e previsão de variáveis agronômicas de forma remota, foram desenvolvidos experimentos para as culturas do milho, café e amendoim. No primeiro capítulo apresenta-se à revisão de literatura. No segundo capítulo é apresentado o experimento para cultura do milho no qual objetivou-se prever a produtividade, ao nível de zona de manejo, usando algoritmos de aprendizado de máquina, associados a dados de sensoriamento remoto orbital e de topografia, em que se chegou à conclusão de que índices topográficos aumentam a acurácia da previsão de produtividade de milho, quando associados a bandas espectrais como entrada em modelos de aprendizado de máquina. No capítulo três, foi realizado um experimento na cultura do café, no qual se investigou a possibilidade de determinar o volume de aplicação de defensivos usando o princípio Tree Row Volume, baseado no acesso de características físicas de plantas de café, concluindo-se que usando sensoriamento remoto proximal e redes neurais artificiais, é possível estimar o volume de dossel de plantas de café com razoável acurácia, e que isso pode ser feito por meio de um modelo de rede neural multicamadas, utilizando índice de vegetação de diferentes partes da planta como entrada do modelo. No quarto capítulo, no experimento da cultura do amendoim, avaliou-se se redes neurais artificiais e múltiplos índices de vegetação modificados e não-modificados são capazes de estimar de forma não destrutiva a maturação do amendoim, sendo que as várias bandas espectrais derivadas de imagens de drone, juntamente com os parâmetros da rede resultante, permitiram a estimação da maturação de amendoim determinada em campos comerciais com elevada acurácia e de forma não destrutiva. Por fim, no capítulo cinco, tem-se as considerações finais com as implicações das pesquisas realizadas assim como os próximos passos para pesquisas futuras.