Tellus: um modelo computacional para análise de solo na agricultura ubíqua baseado em históricos de contextos

• Ano de defesa: 2022
• Autor(a) principal: Helfer, Gilson Augusto
• Orientador(a): Barbosa, Jorge Luis Victória
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Agricultura de precisão; Análise de solo; Computação ubíqua; Históricos de contextos; Aprendizado de máquina; Ontologia
• Palavras-chave em Inglês: Precision agriculture; Soil analysis; Ubiquitous computing; Context history; Machine learning; Ontology
• Área do conhecimento CNPq: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
• Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/11263

As aplicações da computação ubíqua têm aumentado nos últimos anos, principalmente devido ao desenvolvimento de tecnologias como a computação móvel e sua integração como mundo real. Um dos desafios nesta área é o uso da sensibilidade ao contexto. Na agricultura, pode ser considerado o contexto relacionado ao meio ambiente, como os aspectos químicos e físicos que caracterizam os diferentes tipos de solo. Esse cenário muda periodicamente devido a fatores como clima, tipo de cultivar e técnica de manejo do solo utilizada, entre outros aspectos. Essa tese apresenta um modelo computacional chamado Tellus, aplicado na agricultura ubíqua que emprega históricos de contextos para predição de propriedades físico-químicas do solo. Para avaliar o modelo foi criado um protótipo baseado numa estação de telemetria e instalada a campo além de um aplicativo móvel para gerenciamento das informações. Para o treinamento do Agente de Predição foram selecionadas 43 amostras de solo com resultado de referência de diversos pontos de coleta do Vale do Rio Pardo, cujas concentrações de matéria orgânica variaram entre 0,6% e 5,9% e argila entre 8% e 60%, respectivamente. Para predição de matéria orgânica e argila no solo foram obtidos coeficientes de determinação (R2) de 0,9738 e 0,9536 para erros quadráticos médios de calibração de (RMSEC) de 0,26% e 2,95%, respectivamente. Já para recomendação de irrigação, foram utilizadas 192 imagens para o treinamento e obtida uma acurácia de 82,55%. A partir do Agro XML, foi proposta uma ontologia denominada Tellus - Onto que estende o estado da arte na classificação de solos brasileiros de acordo com a composição orgânica e textural. Uma série de axiomas e regras semânticas foram empregadas para proporcionar a realização de consultas e inferências sobre sua base instanciada. Além disso, a partir das informações de análise do solo, a ontologia infere recomendações para adubação e calagem. Para testar a ontologia foram instanciados 98 resultados de amostras de solos e inferidos suas classificações de modo preciso e automático. O modelo computacional e seus agentes de predição juntamente com a ontologia são as contribuições do Tellus na área da agricultura ubíqua aplicada às análises de solo.