Publicação: Estimativa da produtividade do milho a partir de imagens de alta resolução espacial
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Atualmente, o sensoriamento remoto está se tornando cada vez mais importante devido à sua
relação custo/benefício e é cada vez mais usado para monitorar lavouras e plantações. Uma
das tecnologias que vem promovendo vigorosamente o sensoriamento remoto na agricultura
de precisão são as imagens orbitais de alta resolução, que podem monitorar plantações
agrícolas e auxiliar nos processos de tomada de decisão nos principais ambientes
agronômicos. A velocidade desta tecnologia a tornou uma das tecnologias mais importantes
em agricultura de precisão hoje. Um dos objetivos da agricultura de precisão é ajudar a
determinar parâmetros agronômicos que promovam as atividades de campo e aumentem a
produtividade das lavouras. Para estimar a produtividade das lavouras, é necessário entender o
comportamento de cada cultura analisada para encontrar as características dos possíveis
padrões de produção de cada plantação. Portanto, o principal desafio vem de culturas com
comportamentos mais específicos, como a cultura branca. Para isso, será usado índices de
vegetação combinados com bandas espectrais para estimar produtividade de culturas brancas
em uma determinada área, assim utilizando algoritmos de aprendizado de máquinas,
pretende-se apresentar a aplicação dos modelos de estimativa a partir de mapas da distribuição
espacial da produtividade. Através dos estudos, concluiu-se que o melhor estádio vegetativo
para se estimar a produtividade do milho é o R3, através do modelo Multilayer Perceptron
que apresentou uma acurácia de aproximadamente 78% e um índice de correlação de 0,57.
Abstract
Recently, remote sensing is becoming more important due to the cost/benefit ratio and it's
used even more to monitor the tillage and plantations. One of the technologies that has been
rigorously promoting the remoting sensing in precision agriculture are the orbitals images of
high resolution, that can monitor agricultural plantations and assist in decision-making
processes in the main agronomic environments. The speed of this technology has made it one
of the most important technologies in precision agriculture nowadays. One of the goals of
precision agriculture is to help to determine agronomic parameters that promote the field
activities and raise the productivity of the farming. To estimate the productivity of the
farming, it is necessary to understand the conduct of each analyzed culture to find the
characteristics of possible patterns of each plantation. Therefore, the main challenge comes
with cultures with more specific conduct, like the white culture. For this, vegetation indices
combined with spectral bands to estimate productivity of white culture in a determined area,
so using machine learning algorithms, it's intended to present the application of the estimation
models through spatial distribution maps of productivity. The studies conclude that the best
vegetative stadia to estimate the corn productivity is the R3, through the Multilayer
Perceptron that showed an accuracy about 78% and a correlation index of 0,57.
Palavras-chave
Agricultura de precisão, Precision agriculture, Estimativa de produtividade do milho, Corn Productivity estimate, Aprendizado de máquinas, Data learning, Sensoriamento remoto, Remote sensing
Citação
NEVES, Márcio José Ferreira. Estimativa da produtividade do milho através de imagens de alta resolução espacial. 2022. 39 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia, Monte Carmelo, 2022.