Notícias

Banca de QUALIFICAÇÃO: NICOLE LOPES BENTO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: NICOLE LOPES BENTO
DATA: 29/09/2023
HORA: 09:00
LOCAL: google meet
TÍTULO:

SISTEMA DE AERONAVE REMOTAMENTE PILOTADA NO ESTUDO DE LAVOURAS CAFEEIRAS


PALAVRAS-CHAVES:

Agricultura de Precisão. Aprendizado de Máquina. Cafeicultura. Drone.
Índices de Vegetação. Sensoriamento Remoto. Unmanned Aerial Vehicles. Veículo
Aéreo Não Tripulado.


PÁGINAS: 82
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, que conjuntamente 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
analisa as potencialidades da utilização de RPAS como ferramenta de imageamento
aéreo em lavouras cafeeiras por meio de estudos científicos. (1) Inicialmente no
primeiro estudo científico foi proposto o levantamento bibliométrico contextualizado 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 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 disto 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 índices de
vegetação (IVs) e o modelo de altura do dossel (MAD) à compactação do solo em área
de lavoura cafeeira. Considerou-se para tanto 18 pontos amostrais de estudo com
coletada 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 por sua vez objetivou classificar e diferenciar, por meio de algoritmo de machine
learning, 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.


MEMBROS DA BANCA:
Externo ao Programa - RAFAEL DE OLIVEIRA FARIA - DEA/EENG (Membro)
Externo ao Programa - MIRIAN DE LOURDES OLIVEIRA E SILVA - DEG/EENG (Membro)
Externo à Instituição - LUCAS SANTOS SANTANA - UFVJM (Membro)
Externo à Instituição - LUANA MENDES DOS SANTOS - UFLA (Suplente)
Presidente - GABRIEL ARAUJO E SILVA FERRAZ (Membro)
Notícia cadastrada em: 07/09/2023 08:32
SIGAA | DGTI - Diretoria de Gestão de Tecnologia da Informação - Contatos (abre nova janela): https://ufla.br/contato | © UFLA | appserver1.srv1inst1 19/07/2024 23:31