Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/35813
ORCID: | http://orcid.org/0000-0002-9028-1752 |
Tipo do documento: | Trabalho de Conclusão de Curso |
Tipo de acesso: | Acesso Aberto |
Título: | Estimativa da produtividade do milho a partir de imagens de alta resolução espacial |
Título(s) alternativo(s): | Estimation of corn yield from high spatial resolution images |
Autor(es): | Neves, Márcio José Ferreira |
Primeiro orientador: | Martins, George Deroco |
Primeiro membro da banca: | Barbosa, Ricardo Luis |
Segundo membro da banca: | Andrade, Samuel Lacerda |
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 |
Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO |
Idioma: | por |
País: | Brasil |
Editora: | Universidade Federal de Uberlândia |
Referência: | 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. |
URI: | https://repositorio.ufu.br/handle/123456789/35813 |
Data de defesa: | 10-Ago-2020 |
Aparece nas coleções: | TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
EstimativaProdutividadeMilho.pdf | TCC | 1.53 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.