Predição da variabilidade espacial do teor de argila em lavouras de cana-de-açucar no estado de São Paulo utilizando aprendizado de máquina (2022)
- Authors:
- USP affiliated author: SANCHES, GUILHERME MARTINELI - ICMC
- School: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; AGRONEGÓCIO
- Language: Português
- Abstract: A expansão da produção de cana-de-açúcar sob novas áreas é um cenário irreversível. Para atender as demandas internas e externas de produção de etanol e açúcar, bem como as metas de descarbonização mundial, a expansão das lavouras deverá ocorrer de maneira sustentável. Desta forma faz-se necessário expandir a produção em áreas de maior potencial produtivo, permitindo o aumento da produtividade agrícola em detrimento de grandes expansões territoriais. Para isso, é fundamental o conhecimento da textura do solo, isto é, do seu teor de argila, um dos principais parâmetros que definem o potencial produtivo das lavouras de cana-de-açúcar. O presente estudo teve como objetivo principal testar e validar o modelo de aprendizado de máquina Random Forest (RF) para predição da variabilidade espacial do teor de argila em lavouras de cana-de-açúcar no estado de São Paulo para fins de subsídio a empresas e produtores na expansão de suas áreas de produção. Um dataset composto de 2865 amostras de solo, provenientes do setor público e privado, foi avaliado no presente estudo, compreendendo teores de argila variando de solos arenosos (20 g kg-1) a solos muito argilosos (779 g kg-1). O modelo RF foi capaz de estimar o teor de argila com um erro médio quadrático (RMSE) de 56,47 g kg-1 com R2 = 0,89. Entre os atributos preditores avaliados, os “Top 5” que mais impactaram na predição do teor de argila foram as variáveis b6 (banda do SWIR 2), coordenada X, coordenada Y, temperatura e b1 (banda do Red). Por fim, o modelo calibrado foi aplicado, isto é, extrapolado para as áreas de cana-de-açúcar presentes no estado de São Paulo. Portanto, expandir a produção sobre áreas com maior conteúdo de argila significa garantia de melhores e maiores produtividades agrícolas, uma vez que o conteúdo de argila está totalmente ligado ao potencial produtivo das lavouras. Assim, a ciência de dados mostra o potencial de auxiliar governo,produtores e empresas a serem mais assertivos e estratégicos nas escolhas de novas áreas de produção, alcançando maior sustentabilidade do processo produtivo.
- Imprenta:
- Place of publication: São Carlos
- Date published: 2022
-
ABNT
SANCHES, Guilherme Martineli. Predição da variabilidade espacial do teor de argila em lavouras de cana-de-açucar no estado de São Paulo utilizando aprendizado de máquina. 2022. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2022. Disponível em: https://bdta.abcd.usp.br/directbitstream/fef2c8e1-bb0d-4a7a-8cda-7dd750204b56/Guilherme%20Martineli%20Sanches_TCC_GuilhermeSanches_MBA_207422.pdf. Acesso em: 24 abr. 2024. -
APA
Sanches, G. M. (2022). Predição da variabilidade espacial do teor de argila em lavouras de cana-de-açucar no estado de São Paulo utilizando aprendizado de máquina (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/fef2c8e1-bb0d-4a7a-8cda-7dd750204b56/Guilherme%20Martineli%20Sanches_TCC_GuilhermeSanches_MBA_207422.pdf -
NLM
Sanches GM. Predição da variabilidade espacial do teor de argila em lavouras de cana-de-açucar no estado de São Paulo utilizando aprendizado de máquina [Internet]. 2022 ;[citado 2024 abr. 24 ] Available from: https://bdta.abcd.usp.br/directbitstream/fef2c8e1-bb0d-4a7a-8cda-7dd750204b56/Guilherme%20Martineli%20Sanches_TCC_GuilhermeSanches_MBA_207422.pdf -
Vancouver
Sanches GM. Predição da variabilidade espacial do teor de argila em lavouras de cana-de-açucar no estado de São Paulo utilizando aprendizado de máquina [Internet]. 2022 ;[citado 2024 abr. 24 ] Available from: https://bdta.abcd.usp.br/directbitstream/fef2c8e1-bb0d-4a7a-8cda-7dd750204b56/Guilherme%20Martineli%20Sanches_TCC_GuilhermeSanches_MBA_207422.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Guilherme Martineli Sanch... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
