Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Gomes, Jhonatah Albuquerque
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: Biblioteca Digitais de Teses e Dissertações da USP
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
Análise preditiva
Crop forecasting
Estimativa de colheita
Precision agriculture
Predictive analysis
Previsão de safra
Yield estimation
Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-08102024-071618/
Resumo: A macaúba é uma palmeira nativa das regiões tropicais e subtropicais com alto potencial para a produção de óleo vegetal. No entanto, o modelo de cultivo dessa palmeira ainda é incipiente, sendo explorada quase que exclusivamente por extrativismo. Ou seja, informações essenciais para entender a dinâmica da cultura, e fomentar sua importância para a produção agrícola ainda são escassas, dentre essas informações existe a carência de estudos sobre estimativas de produtividade, uma lacuna a ser preenchida. Este estudo teve como objetivo desenvolver um modelo preditivo para a produtividade da macaúba no estado de Minas Gerais, empregando o algoritmo de aprendizado de máquina. Para isso, foram coletados dados biométricos, de solo e de clima nas cidades de Florestal e Araponga. O algoritmo XGBoost apresentou alta precisão, explicando 91% da variação na produtividade. As variáveis climáticas, foram identificadas como os principais fatores que influenciam a produtividade da cultura. Características morfológicas como a altura das plantas e a área foliar mostraram-se importantes para a produtividade. O algoritmo XGBoost foi assertivo para previsões da produtividade de macaúba.
id USP_934acb9cdeb810f7897fd7681a55246e
oai_identifier_str oai:teses.usp.br:tde-08102024-071618
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquinaModeling the productivity of the macaúba palm [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] using machine learning algorithmsAgricultura de PrecisãoAnálise preditivaCrop forecastingEstimativa de colheitaPrecision agriculturePredictive analysisPrevisão de safraYield estimationA macaúba é uma palmeira nativa das regiões tropicais e subtropicais com alto potencial para a produção de óleo vegetal. No entanto, o modelo de cultivo dessa palmeira ainda é incipiente, sendo explorada quase que exclusivamente por extrativismo. Ou seja, informações essenciais para entender a dinâmica da cultura, e fomentar sua importância para a produção agrícola ainda são escassas, dentre essas informações existe a carência de estudos sobre estimativas de produtividade, uma lacuna a ser preenchida. Este estudo teve como objetivo desenvolver um modelo preditivo para a produtividade da macaúba no estado de Minas Gerais, empregando o algoritmo de aprendizado de máquina. Para isso, foram coletados dados biométricos, de solo e de clima nas cidades de Florestal e Araponga. O algoritmo XGBoost apresentou alta precisão, explicando 91% da variação na produtividade. As variáveis climáticas, foram identificadas como os principais fatores que influenciam a produtividade da cultura. Características morfológicas como a altura das plantas e a área foliar mostraram-se importantes para a produtividade. O algoritmo XGBoost foi assertivo para previsões da produtividade de macaúba.The macaúba is a palm native to tropical and subtropical regions with high potential for vegetable oil production. However, the cultivation model for this palm is still in its early stages, being explored almost exclusively through extractivism. That is, essential information to understand the dynamics of its cultivation and promote its importance for agricultural production is still scarce. Among this information is the lack of studies on yield estimates, a gap that needs to be filled. This study aimed to develop a predictive model for the productivity of macaúba in the state of Minas Gerais, employing a machine learning algorithm. For this, biometric, soil, and climate data were collected in the cities of Florestal and Araponga. The XGBoost model showed high accuracy, explaining 91% of the variation in productivity. Climate variables were identified as the main factors influencing crop productivity. Morphological characteristics such as plant height and leaf area proved to be important for productivity. The XGBoost algorithm was effective in predicting macaúba productivity.Biblioteca Digitais de Teses e Dissertações da USPReichardt, KlausGomes, Jhonatah Albuquerque2024-07-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/11/11136/tde-08102024-071618/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-10-08T19:39:02Zoai:teses.usp.br:tde-08102024-071618Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-10-08T19:39:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
Modeling the productivity of the macaúba palm [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] using machine learning algorithms
title Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
spellingShingle Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
Gomes, Jhonatah Albuquerque
Agricultura de Precisão
Análise preditiva
Crop forecasting
Estimativa de colheita
Precision agriculture
Predictive analysis
Previsão de safra
Yield estimation
title_short Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
title_full Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
title_fullStr Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
title_full_unstemmed Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
title_sort Modelagem da produtividade da palmeira macaúba [Acrocomia aculeata (Jacq.) Lodd. ex Mart.] utilizando algoritmos de aprendizado de máquina
author Gomes, Jhonatah Albuquerque
author_facet Gomes, Jhonatah Albuquerque
author_role author
dc.contributor.none.fl_str_mv Reichardt, Klaus
dc.contributor.author.fl_str_mv Gomes, Jhonatah Albuquerque
dc.subject.por.fl_str_mv Agricultura de Precisão
Análise preditiva
Crop forecasting
Estimativa de colheita
Precision agriculture
Predictive analysis
Previsão de safra
Yield estimation
topic Agricultura de Precisão
Análise preditiva
Crop forecasting
Estimativa de colheita
Precision agriculture
Predictive analysis
Previsão de safra
Yield estimation
description A macaúba é uma palmeira nativa das regiões tropicais e subtropicais com alto potencial para a produção de óleo vegetal. No entanto, o modelo de cultivo dessa palmeira ainda é incipiente, sendo explorada quase que exclusivamente por extrativismo. Ou seja, informações essenciais para entender a dinâmica da cultura, e fomentar sua importância para a produção agrícola ainda são escassas, dentre essas informações existe a carência de estudos sobre estimativas de produtividade, uma lacuna a ser preenchida. Este estudo teve como objetivo desenvolver um modelo preditivo para a produtividade da macaúba no estado de Minas Gerais, empregando o algoritmo de aprendizado de máquina. Para isso, foram coletados dados biométricos, de solo e de clima nas cidades de Florestal e Araponga. O algoritmo XGBoost apresentou alta precisão, explicando 91% da variação na produtividade. As variáveis climáticas, foram identificadas como os principais fatores que influenciam a produtividade da cultura. Características morfológicas como a altura das plantas e a área foliar mostraram-se importantes para a produtividade. O algoritmo XGBoost foi assertivo para previsões da produtividade de macaúba.
publishDate 2024
dc.date.none.fl_str_mv 2024-07-18
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://www.teses.usp.br/teses/disponiveis/11/11136/tde-08102024-071618/
url https://www.teses.usp.br/teses/disponiveis/11/11136/tde-08102024-071618/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1818279181111263232

Registros relacionados