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
Tipo de documento:	Trabalho de Conclusão de Curso
Tipo de acceso:	Acesso Aberto
Fecha de embargo:	2024-07-28
Título:	Atributos físicos do solo e a sua resposta espectral pela cultura do milho
Autor:	Duarte, Iago Radamés Garcia
Primer orientador:	Almeida, Cinara Xavier de
Primer coorientador:	Martins, George Deroco
Primer miembro de la banca:	Jorge, Ricardo Falqueto
Segundo miembro de la banca:	Blind review
Resumen:	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.
Palabras clave:	Machine learning Predição de dados Agricultura de precisão
Área (s) del CNPq:	CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::FISICA DO SOLO CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Cita:	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
Fecha de defensa:	28-jul-2022
Aparece en las colecciones:	TCC - Agronomia (Monte Carmelo)

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.