Aprendizado de Máquina aplicado à predição da produtividade da cultura da soja utilizando dados de clima e solo (2020)
- Authors:
- Autor USP: GUIMARÃES, EDSON DA SILVA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/D.55.2020.tde-09062020-123106
- Subjects: COMÉRCIO AGRÍCOLA; BIG DATA; REDES NEURAIS; APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; GRÃOS
- Keywords: Ciências de dados; Crop yield prediction; Data science; Extreme gradient boosting; Extreme gradient boosting; Multilayer perceptron; MultiLayer perceptron; Neural network; Random forest; Randon forest
- Language: Português
- Abstract: A previsão do rendimento das culturas durante o período de crescimento é útil para as práticas de planejamento e manejo agrícola, para companhias desenvolvedoras de sementes avaliar a performance de novas variedades, para a tomada de decisão dos produtores, para os serviços do governo que lidam com importação e exportação, para organizações internacionais responsáveis por monitorar a produção e o comércio mundial de alimentos, para os comerciantes de commodities, bem como para a elaboração de políticas alimentares. As abordagens comuns para a previsão de rendimento incluem o uso de pesquisas manuais caras ou dados de sensoriamento remoto. Técnicas de inteligência artificial e ciência de dados podem oferecer inúmeros benefícios tais como, permitir o desenvolvimento de modelos computacionais para tomada de decisões, ajudar a combater a escassez de alimentos e capacitar pequenos agricultores, gerenciamento de doenças e pragas nas culturas, investigação de nichos agrícolas, lidar com mudanças climáticas, dentre outros. Neste contexto onde envolve a comercialização, armazenamento e processamento de grãos, é comum deparar-se com cenários de incerteza, especialmente quando se deseja prever a produtividade da lavoura e avaliar riscos de perdas da produtividade. O objetivo deste trabalho consiste em desenvolver modelos de Machine Learning para realizar predições da produtividade da cultura da soja. Nesta análise foram avaliadas Redes Neurais Multilayer Perceptron, Random Forest eExtreme Gradient Boosting, posteriormente os modelos foram comparados entre si e com o modelo de estimativa de produtividade adotado pela FAO. Os dados referentes ao clima e características do solo foram adquiridos de estações meteorológicas no período entre 2010 e 2018 de 27 cidades, representando os três biomas do estado do Mato Grosso, enquanto que os dados da produtividade real foram coletados do sítio do IBGE. Os resultados foram avaliados através da métrica Mean Absolute Percentage Error (MAPE), que leva em consideração valores reais alimentados em modelos e valores ajustados a partir do modelo e calcula a diferença absoluta entre os dois como porcentagem do valor real, com base neste cálculo é possível obter a acurácia de cada modelo. O modelo baseado no Multilayer Perceptron apresentou acurácia de 95.20%, o modelo baseado em Random Forest apresentou acurácia de 95.03% e o modelo Extreme Gradient Boosting alcançou acurácia de 95.54% quando utilizados para fazer a predição do rendimento da soja para as 27 cidades no ano de 2018.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
- Data da defesa: 21.02.2020
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
GUIMARÃES, Edson da Silva. Aprendizado de Máquina aplicado à predição da produtividade da cultura da soja utilizando dados de clima e solo. 2020. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-09062020-123106/. Acesso em: 25 maio 2024. -
APA
Guimarães, E. da S. (2020). Aprendizado de Máquina aplicado à predição da produtividade da cultura da soja utilizando dados de clima e solo (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-09062020-123106/ -
NLM
Guimarães E da S. Aprendizado de Máquina aplicado à predição da produtividade da cultura da soja utilizando dados de clima e solo [Internet]. 2020 ;[citado 2024 maio 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-09062020-123106/ -
Vancouver
Guimarães E da S. Aprendizado de Máquina aplicado à predição da produtividade da cultura da soja utilizando dados de clima e solo [Internet]. 2020 ;[citado 2024 maio 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-09062020-123106/
Informações sobre o DOI: 10.11606/D.55.2020.tde-09062020-123106 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
