Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/39928
ORCID: | http://orcid.org/0009-0006-3616-7648 |
Document type: | Trabalho de Conclusão de Curso |
Access type: | Acesso Aberto |
Title: | Análise do potencial de imagens multiespectrais na predição da produtividade da cultura do trigo |
Author: | Silva, Filipe Vieira da |
First Advisor: | Martins, George Deroco |
First member of the Committee: | Marques, Odair José |
Second member of the Committee: | Xavier, Laura Cristina Moura |
Summary: | A estimativa de produtividade pode ser uma ferramenta significante para o setor agroindustrial de um país, auxiliando no manejo da cultura, na comercialização, computação de valores, além de direcionar e facilitar o escoamento e armazenamento da colheita. Para estimar a produtividade dos cereais de forma simples, é preciso coletar amostras em campo, contabilizar a quantidade de plantas em um metro quadrado, pesar os grãos e por fim estimar para toda a área cultivada. No método desenvolvido neste trabalho, foi avaliado o potencial de imagens multiespectrais na estimativa da produtividade do trigo com o uso de algoritmos de aprendizado de máquinas. Além disso, foi estabelecido o estádio fenológico ideal para aquisição das imagens para uma predição mais acurada da produtividade e testados modelos regionais e temporais. O modelo temporal consistiu na estimativa de produtividade utilizando todos os dados (do plantio à colheita), enquanto o modelo regional gerou a estimativa para uma região de estudo baseada em outra região, ou seja, foi avaliado se as informações de colheita de uma região eram capazes de gerar um modelo preditivo que estimasse outra região de estudo. Com o uso de imagens multiespectrais do satélite Sentinel 2 e com amostras de produtividade georreferenciadas e coletadas de forma pontual em 3 áreas de estudo localizadas na França, determinou-se que o estádio inicial da maturação (enchimento dos grãos) é o melhor momento para tomada das imagens. Os resultados mostraram que o algoritmo Random Forest apresentou as melhores estimativas de produtividade do trigo com um menor erro, entre 5 e 8% aproximadamente. Por fim, foram detectados 9 atributos que devem compor o modelo de estimativa, sendo 7 bandas originais do satélite e 2 índices derivados, e foi possível gerar mapas de produtividade das 3 áreas de estudo. |
Keywords: | Cereais Monitoramento agrícola Agricultural monitoring Modelos espectrais Spectral models Estimativa de produtividade Productivity estimation Trigo Wheat Mapa de produtividade do trigo Wheat productivity map |
Area (s) of CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Quote: | SILVA, Filipe Vieira da. Análise do potencial de imagens multiespectrais na predição da produtividade da cultura do trigo. 2023. 48 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) – Universidade Federal de Uberlândia, Monte Carmelo, 2023. |
URI: | https://repositorio.ufu.br/handle/123456789/39928 |
Date of defense: | 29-Nov-2023 |
Appears in Collections: | TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
AnálisePotencialImagens.pdf | TCC | 3.67 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.