Banca de QUALIFICAÇÃO: ELISEU CASTANHEIRO ALBERTO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ELISEU CASTANHEIRO ALBERTO
DATA: 06/03/2026
HORA: 09:00
LOCAL: Online pelo google meet
TÍTULO:

Aplicação de técnicas de aprendizado de máquinas na modelagem preditiva e na classificação de atributos do milho sob diferentes fertilizantes nitrogenados

PALAVRAS-CHAVES:

Nitrogênio. Algoritmo. Fertilizantes. Volatilização. NBPT.

PÁGINAS: 61
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
RESUMO:

O milho é uma das principais culturas agrícolas do Brasil, e sua produtividade está diretamente relacionada ao manejo eficiente do nitrogênio, nutriente essencial para o crescimento e formação de grãos. No entanto, a dinâmica do nitrogênio no sistema solo-planta é complexa, envolvendo perdas por volatilização e interações com fatores edafoclimáticos, o que dificulta a modelagem precisa da resposta da cultura. Nesse contexto, este projeto tem como objetivo geral avaliar e integrar o uso de modelos não lineares e algoritmos de Aprendizado de Máquina na predição da produtividade do milho e na classificação de Fertilizantes nitrogenados, considerando diferentes condições de manejo do nitrogênio, incluindo perdas por volatilização, com vistas ao suporte à tomada de decisão em sistemas agrícolas. Para atingir este objetivo serão elaborados três artigos com os seguintes objetivos: Artigo 1. avaliar o desempenho de diferentes modelos de Aprendizado de Máquina na predição da produtividade do milho, com ênfase na influência do nitrogênio e nas variáveis agrícolas, analisando sua capacidade preditiva, robustez e aplicabilidade em sistemas agrícolas intensificados; Artigo 2 investigar a capacidade dos algoritmos de Aprendizado de Máquina em classificar fontes de Fertilizantes nitrogenados com base em atributos agronômicos da planta; Artigo 3 combinar as técnicas dos modelos não lineares e de algoritmos de Aprendizado de Máquina na predição da produtividade sob perdas acumuladas de nitrogênio por volatilização. As metodologias estatísticas utilizadas serão algoritmos de Aprendizado de Máquinas e dos Modelos não Lineares. Os algoritmos de aprendizado de máquina surgem como ferramentas promissoras, pois conseguem capturar relações não lineares e interações complexas entre variáveis de entrada sem depender de pressupostos rígidos sobre a forma funcional dos dados, oferecendo maior flexibilidade e potencial de generalização em cenários heterogêneos, enquanto que os Modelos não Lineares são apropriados para descrever as perdas acumuladas de nitrogênio por volatilização proveniente da Ureia, pois, estas perdas apresentam um padrão sigmoidal. Os dados utilizados nesta pesquisa são provenientes de experimento conduzido entre novembro de 2020 e maio de 2021. Os tratamentos consistiram de cinco fontes de Fertilizantes nitrogenados, três doses de nitrogênio. Foram avaliadas variáveis agronômicas como produtividade de grãos, dose aplicada, acúmulo de nitrogênio no grão, teor de nitrogênio, massa seca e acúmulo de nitrogênio na planta.

MEMBROS DA BANCA:
Presidente - TALES JESUS FERNANDES (Membro)
Externo à Instituição - RODRIGO FERREIRA DE ABREU - IFSULDEMINAS (Membro)
Interno - JOEL AUGUSTO MUNIZ (Suplente)
Interno - GERALDO MAGELA DA CRUZ PEREIRA (Membro)
Externo à Instituição - GABI NUNES SILVA - UNIR (Membro)