Uso de séries temporais espectrais para estimar a produtividade do café

Paes, Alice Pedro Bom

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/35859

Full metadata record

DC Field	Value	Language
dc.creator	Paes, Alice Pedro Bom	-
dc.date.accessioned	2022-08-26T21:19:46Z	-
dc.date.available	2022-08-26T21:19:46Z	-
dc.date.issued	2022-08-11	-
dc.identifier.citation	PAES, Alice Pedro Bom. Uso de séries temporais espectrais para estimar a produtividade do café. 2022. 48 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia,Uberlândia, 2022.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/35859	-
dc.description.sponsorship	Pesquisa sem auxílio de agências de fomento	pt_BR
dc.description.sponsorship	CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior	pt_BR
dc.description.sponsorship	CAPS - Centro de Atenção Psicosocial	pt_BR
dc.description.sponsorship	CBMM - Companhia Brasileira de Metalurgia e Mineração	pt_BR
dc.description.sponsorship	CBP&D/Café - Consórcio Brasileiro de Pesquisa e Desenvolvimento do Café	pt_BR
dc.description.sponsorship	CEFET/GO - Centro Federal de Educação Tecnológica de Goiás	pt_BR
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Cafeicultura	pt_BR
dc.subject	Predição da produtividade	pt_BR
dc.subject	modelos espectrais	pt_BR
dc.subject	Mapas de distribuição da produtividade	pt_BR
dc.title	Uso de séries temporais espectrais para estimar a produtividade do café	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor-co1	Xavier, Laura Cristina Moura	-
dc.contributor.advisor-co1Lattes	http://lattes.cnpq.br/2744829861832459	pt_BR
dc.contributor.advisor1	Martins, George Deroco	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/3672769708388118	pt_BR
dc.contributor.referee1	Xavier, Laura Cristina Moura	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/2744829861832459	pt_BR
dc.contributor.referee2	Barbosa, Luís Ricardo	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/0436775802901343	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/9013424925702516	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.resumo	Aplicações de técnicas de Sensoriamento Remoto voltados à Agricultura de Precisão (AP) vêm se tornando cada vez mais crescente, devido às necessidades de demanda oriunda do crescimento populacional, a crescente competitividade no mercado e também, a complexidade da agricultura. Com isso, o conhecimento sobre a lavoura tornou-se ainda mais necessário, onde o uso da AP aliada às imagens multiespectrais, torna-se possível a elaboração de mapas de estimativa de produtividade de uma região, fazendo com que os agricultores possam identificar as áreas da lavoura sob estresse e facilitando a aplicação de insumos em locais corretos e com suas respectivas quantidades necessárias. Até então, diversos trabalhos e estudos vêm fazendo uso de imagens multiespectrais coletadas referente à data de colheita da lavoura, e este trabalho tem como objetivo a quebra (ou não) deste paradigma. Sendo assim, esta pesquisa teve como propósito a determinação do melhor período para se estimar a produtividade, dentro do período fenológico do café, além da definição do melhor algoritmo classificador. Para isto, o estudo foi realizado em uma parcela situada no município de Monte Carmelo, no estado de Minas Gerais (MG), e teve como metodologia a extração da reflectância de alguns pontos do talhão cuja produtividade foi mensurada em campo. Com isto, concluiu-se que março de 18 foi o mês mais assertivo do período fenológico cafeeiro perante os demais meses. Este mês corresponde à segunda fase da fenologia do café, referente ao último mês de seu período vegetativo. Além disso, conclui-se que o algoritmo que obteve melhores resultados foi o Support Vector Machine, por possuir maiores correlações, menores erros e valores menos tendenciosos comparados aos resultados obtidos com os outros algoritmos.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Engenharia de Agrimensura e Cartográfica	pt_BR
dc.sizeorduration	48	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS AGRARIAS	pt_BR
dc.orcid.putcode	117957765	-
Appears in Collections:	TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo)

Files in This Item:

File	Description	Size	Format
UsoSériesTemporais.pdf	TCC	1.05 MB	Adobe PDF	View/Open

Show simple item record