1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Instituto de Geografia (IGUFU)
  3. TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo)
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/33185
Full metadata record
DC FieldValueLanguage
dc.creatorXavier, Laura Cristina Moura-
dc.date.accessioned2021-11-08T15:25:17Z-
dc.date.available2021-11-08T15:25:17Z-
dc.date.issued2021-11-03-
dc.identifier.citationXAVIER, Laura Cristina Moura. Solução de geoinformação para mapeamento da distribuição espacial da produtividade de culturas a partir de RNA e imagens multiespectrais. 2021. 62 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) – Universidade Federal de Uberlândia, Monte Carmelo, 2021.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/33185-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectProdutividade de culturaspt_BR
dc.subjectRNApt_BR
dc.subjectSensoriamento Remotopt_BR
dc.subjectSIGpt_BR
dc.titleSolução de geoinformação para mapeamento da distribuição espacial da produtividade de culturas a partir de RNA e imagens multiespectraispt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor-co1Rofatto, Vinicius Francisco-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/2034859873081330pt_BR
dc.contributor.advisor1Martins, George Deroco-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3672769708388118pt_BR
dc.contributor.referee1Rofatto, Vinicius Francisco-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2034859873081330pt_BR
dc.contributor.referee2Bravo, João Vitor Meza-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2434262816948472pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/2744829861832459pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA estimativa da produtividade de culturas é extremamente desafiadora devido à sua relação com vários fatores complexos como as condições ambientais, estrutura física da cultura, composição química do solo e práticas de manejo de campo. Dessa forma, se torna necessária a exploração de técnicas de pré-processamento dos dados coletados, modelagem e avaliação das ferramentas de previsão dessa variável. Recentemente estão sendo desenvolvidos trabalhos que utilizam de técnicas de aprendizado de máquina e dados advindo do sensoriamento remoto para aplicações na agricultura, e mais recentemente para estimativa de variáveis agrícolas. Nesse sentido, o objetivo deste trabalho é desenvolver uma ferramenta em software SIG de código aberto (QGIS) para mapear a distribuição espacial da produtividade das culturas de milho, trigo e girassol utilizando o algoritmo de Redes Neurais Artificiais (RNA) e imagens multiespectrais. Inicialmente foram adquiridos os dados de produtividade das três culturas em estudo, e imagens multiespectrais gratuitas advindas do satélite Sentinel 2. Em seguida, para compor os dados de entrada para o algoritmo de RNA foi realizado o pré-processamento dos dados que compreendeu a extração da reflectância das bandas e os cálculos dos índices de vegetação (NDVI, GNDVI e VARI), além da organização dos arquivos de entrada para treinamento, validação e teste dos modelos de RNA. Por fim, foi desenvolvido o código de RNA, em que os modelos que apresentaram menor RMSE foram implementados na ferramenta desenvolvida em ambiente SIG. Os resultados foram satisfatórios para as culturas de trigo e girassol, atingindo o objetivo de terem RMSE de validação interna menores que 40% e validação externa menores que 30%, porém, para a cultura de milho, os modelos testados não foram capazes de realizar generalizações para os dados de teste. Conclui-se que os modelos de RNA implementados na ferramenta atenderam ao objetivo desejado, porém necessitam de constante atualização visando aumentar o poder de generalização, além da necessidade de realizar estudos mais aprofundados em relação a cultura de milho a fim de obter um modelo apto para estimativa da produtividade.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia de Agrimensura e Cartográficapt_BR
dc.sizeorduration62pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIASpt_BR
dc.orcid.putcode102835669-
Appears in Collections:TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
SoluçãoGeoinformaçãoMapeamento.pdfTCC2.41 MBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons