Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/35813
Full metadata record
DC FieldValueLanguage
dc.creatorNeves, Márcio José Ferreira-
dc.date.accessioned2022-08-25T18:40:41Z-
dc.date.available2022-08-25T18:40:41Z-
dc.date.issued2020-08-10-
dc.identifier.citationNEVES, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/35813-
dc.description.abstractRecently, 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAgricultura de precisãopt_BR
dc.subjectPrecision agriculturept_BR
dc.subjectEstimativa de produtividade do milhopt_BR
dc.subjectCorn Productivity estimatept_BR
dc.subjectAprendizado de máquinaspt_BR
dc.subjectData learningpt_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectRemote sensingpt_BR
dc.titleEstimativa da produtividade do milho a partir de imagens de alta resolução espacialpt_BR
dc.title.alternativeEstimation of corn yield from high spatial resolution imagespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Martins, George Deroco-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3672769708388118pt_BR
dc.contributor.referee1Barbosa, Ricardo Luis-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0436775802901343pt_BR
dc.contributor.referee2Andrade, Samuel Lacerda-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9101939465028322pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoAtualmente, 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia de Agrimensura e Cartográficapt_BR
dc.sizeorduration39pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTOpt_BR
dc.orcid.putcode117902828-
Appears in Collections:TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
EstimativaProdutividadeMilho.pdfTCC1.53 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.