Análise do potencial de imagens multiespectrais na predição da produtividade da cultura do trigo

Silva, Filipe Vieira da

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/39928

Full metadata record

DC Field	Value	Language
dc.creator	Silva, Filipe Vieira da	-
dc.date.accessioned	2023-12-13T12:17:50Z	-
dc.date.available	2023-12-13T12:17:50Z	-
dc.date.issued	2023-11-29	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/39928	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Cereais	pt_BR
dc.subject	Monitoramento agrícola	pt_BR
dc.subject	Agricultural monitoring	pt_BR
dc.subject	Modelos espectrais	pt_BR
dc.subject	Spectral models	pt_BR
dc.subject	Estimativa de produtividade	pt_BR
dc.subject	Productivity estimation	pt_BR
dc.subject	Trigo	pt_BR
dc.subject	Wheat	pt_BR
dc.subject	Mapa de produtividade do trigo	pt_BR
dc.subject	Wheat productivity map	pt_BR
dc.title	Análise do potencial de imagens multiespectrais na predição da produtividade da cultura do trigo	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor1	Martins, George Deroco	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/3672769708388118	pt_BR
dc.contributor.referee1	Marques, Odair José	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/5562147301698793	pt_BR
dc.contributor.referee2	Xavier, Laura Cristina Moura	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/2744829861832459	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.resumo	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.	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::GEOCIENCIAS	pt_BR
dc.orcid.putcode	148698271	-
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

Show simple item record