Banca de DEFESA: NICOLE LOPES BENTO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: NICOLE LOPES BENTO
DATA: 22/11/2024
HORA: 09:00
LOCAL: google meet
TÍTULO:

REMOTELY PILOTED AIRCRAFT SYSTEM FOR MONITORING COFFEE CROPS

PALAVRAS-CHAVES:

Agricultura Digital; Agricultura de Precisão; Aprendizado de Máquina; Cafeicultura; Índices de Vegetação; Sensoriamento Remoto; Veículo Aéreo Não Tripulado.

PÁGINAS: 124
GRANDE ÁREA: Ciências Agrárias
ÁREA: Engenharia Agrícola
SUBÁREA: Máquinas e Implementos Agrícolas
RESUMO:

O café é uma commodity de grande importância para a balança econômica brasileira e o estado de Minas Gerais se destaca com maior produção e exportação mundial. Novas técnicas e tecnologias são aplicadas neste setor agrícola, buscando efetivos ganhos de produtividade e rentabilidade das lavouras, aliado a ganhos ambientais. Neste sentido, os Sistemas de Aeronaves Remotamente Pilotadas (Remotely Piloted Aircraft System - RPAS) são utilizados como plataformas para o Sensoriamento Remoto (SR) para o monitoramento das lavouras, aliadas a ferramentas de machine learning possibilitam a identificação de problemáticas que podem ser solucionadas por meio de manejo adequado e eficiente. Diante deste cenário, esta tese analisou as potencialidades da utilização de RPAS como tecnologia de imageamento aéreo em lavouras cafeeiras por meio de estudos científicos. (I) No primeiro estudo foi proposto o levantamento bibliométrico contextualizando o estado da arte sobre a temática de RPAS na cafeicultura, com base nos 20 anos de buscas nas bases de dados mais relevantes, destacando evolução temporal das publicações, análise de desempenho agrupando as principais publicações, principais periódicos, principais pesquisadores, principais instituições, principais países e mapeamento científico de cocitação, palavras-chave, tendências e possibilidades futuras sobre o tema da pesquisa. (II) O segundo estudo objetivou classificar e mapear, em áreas cafeeiras, a área ocupada por plantas daninhas, determinar o percentual de área ocupada e indicar estratégias de controle de tratamento a serem adotadas no campo. Para isto, testou-se dois algoritmos de machine learning (Random Forest - RF e Support Vector Machine - SVM) para a classificação das regiões de interesse devido às diferenças espectrais entre os alvos, destacando o RF com melhor desempenho de classificação. Além disso, a economia obtida tratando apenas áreas com presença de ervas daninhas em comparação com o tratamento de toda a área de estudo foi de aproximadamente 92,68%. (III) O terceiro estudo relacionou parâmetros derivados de imagens aéreas com base em diferentes índices de vegetação (IVs) e o modelo de altura do dossel (MAD) à compactação do solo em área de lavoura cafeeira. Procedeu a coleta de dados de altura de plantas, caracterização do solo, resistência a penetração do solo e produtividade in loco e IVs calculados por imagens aéreas. Os dados multiespectrais apresentaram correlação aos dados de resistência a penetração, sendo possível determinar os IVs NDRE e MTCI com melhor desempenho de estimativa. Deste modo, evidenciou-se a possibilidade de acompanhamento das variações de altura da cultura cafeeira usando RPAS para demarcar zonas compactadas. (IV) O quarto estudo objetivou classificar e diferenciar, por meio de algoritmo de machine learning (Random Forest – RF) plantas cafeeiras submetidas e não submetidas a aplicação foliar do bioestimulante quitosana, indicando uma abordagem válida para modelar a presença do bioestimulante nas plantas cafeeiras, confirmando que o modelo pode auxiliar nas práticas de agricultura de precisão de maneira eficiente. (V) O quinto estudo comparou dados de altura de plantas de café obtidos de nuvens de pontos RGB/SfM e LiDAR aerotransportados por RPAS e estimou a compactação do solo através da resistência à penetração em uma lavoura cafeeira, não sendo determinadas diferenças estatísticas significativas entre os sensores utilizados, sendo possível a estimativa precisa de maneira indireta da compactação do solo via sensoriamento remoto.

MEMBROS DA BANCA:
Externo ao Programa - RAFAEL DE OLIVEIRA FARIA - DEA/EENG (Suplente)
Externo à Instituição - MIRIAN DE LOURDES OLIVEIRA E SILVA - UFLA (Suplente)
Externo à Instituição - MILENE ALVES DE FIGUEIREDO CARVALHO - EMBRAPA (Membro)
Externo à Instituição - LUCAS SANTOS SANTANA - UFVJM (Membro)
Externo à Instituição - IVÁN DARÍO ARISTIZABAL TORRES - UNAL (Membro)
Externo à Instituição - GIUSEPPE ROSSI - UF (Membro)
Presidente - GABRIEL ARAUJO E SILVA FERRAZ (Membro)