1. Repositório Institucional - Universidade Federal de Uberlândia
2. Instituto de Ciências Agrárias (ICIAG)
3. TCC - Agronomia (Monte Carmelo)

ORCID:	http://orcid.org/0000-0002-6194-2590
Document type:	Trabalho de Conclusão de Curso
Access type:	Acesso Aberto
Embargo Date:	2024-07-28
Title:	Atributos físicos do solo e a sua resposta espectral pela cultura do milho
Author:	Duarte, Iago Radamés Garcia
First Advisor:	Almeida, Cinara Xavier de
First coorientator:	Martins, George Deroco
First member of the Committee:	Jorge, Ricardo Falqueto
Second member of the Committee:	Blind review
Summary:	A qualidade do solo pode ser estimada a partir de seus atributos químicos, físicos e biológicos, sendo que as propriedades físicas do solo são fundamentais para o desenvolvimento radicular, condutividade hidráulica e trocas gasosas, refletindo diretamente nos demais atributos. No entanto, seu monitoramento em campo se torna muito oneroso devido sua elevada variabilidade espacial, fazendo-se necessário um elevado número de amostras que devem ser coletadas, justificando-se dessa forma, a necessidade de se desenvolver ferramentas e metodologias para o monitoramento remoto das propriedades físicas do solo. Assim, o presente trabalho teve como objetivo avaliar os atributos físicos do solo por meio da resposta espectral da cultura do milho e avaliar o potencial da associação da aprendizagem de máquinas com o sensoriamento remoto como ferramenta para a predição dos atributos físicos do solo, por meio da imagem multiespectral orbital. Para isso, o estudo foi realizado em uma fazenda no município de Ituiutaba – MG, onde foram determinadas a densidade do solo, a porosidade total e a resistência do solo à penetração, nas profundidades de 0,00 – 0,10 m e 0,10 – 0,20 m, em 100 pontos amostrais georreferenciados. A imagem orbital multiespectral foi obtida do satélite Sentinel 2, na mesma data de coleta dos dados em campo. As arquiteturas de predição testadas foram a Linear Regression, Multilayer Perceptron, SMOreg, Random Forest e Random Tree, a fim de verificar a partir do Erro Médio Quadrático (RMSE) e RMSE normalizado (RMSE%) qual arquitetura apresenta melhor desempenho na predição dos atributos agronômicos. Os resultados confirmaram que a associação da aprendizagem de máquinas com a imagem multiespectral orbital do satélite Sentinel 2 para a predição dos atributos físicos do solo se mostrou promissor. As arquiteturas que obtiveram melhor desempenho na predição dos dados, do presente trabalho, foram a Linear Regression, para a densidade do solo na profundidade de 0,10 – 0,20 m e para as demais propriedades, em ambas profundidades, foi a Random Forest. Na área de estudo os índices de densidade e porosidade do solo, em geral, para ambas as profundidades se apresentaram inferiores aos níveis críticos descritos na literatura, já, para resistência do solo à penetração, os valores de ambas as profundidades se mostraram superiores aos valores críticos, indicando níveis de compactação do solo. Portanto, a associação da aprendizagem de máquinas com o sensoriamento remoto, por meio da imagem multiespectral orbital do satélite Sentinel 2, como ferramenta para a predição dos atributos físicos do solo de densidade, porosidade total e resistência do solo à penetração, se mostrou promissor, podendo ser uma ferramenta para o monitoramento remoto das propriedades físicas do solo, fazendo-se necessário mais estudos, em diferentes tipos de solos e culturas, para maior validação e acurácia desta ferramenta.
Keywords:	Machine learning Predição de dados Agricultura de precisão
Area (s) of CNPq:	CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::FISICA DO SOLO CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO
Language:	por
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Quote:	DUARTE, Iago Radamés Garcia. Atributos físicos do solo e a sua resposta espectral pela cultura do milho. 2022. 34 f. Trabalho de Conclusão de Curso (Graduação em Agronomia) – Universidade Federal de Uberlândia, Uberlândia, 2022.
URI:	https://repositorio.ufu.br/handle/123456789/35861
Date of defense:	28-Jul-2022
Appears in Collections:	TCC - Agronomia (Monte Carmelo)

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