Potencial agrícola no Cerrado utilizando ferramentas de aprendizado de máquina (2022)
- Authors:
- Autor USP: ROMEIRO, MARIANE CRISTINA DO AMARAL - ECOLOGIA APLICADA
- Unidade: ECOLOGIA APLICADA
- Sigla do Departamento: LSO
- DOI: 10.11606/D.91.2022.tde-12072022-143637
- Subjects: ALGORITMOS; APRENDIZADO COMPUTACIONAL; APTIDÃO AGRÍCOLA; CERRADO; ZONEAMENTO AGRÍCOLA
- Language: Português
- Abstract: O planejamento territorial é uma ferramenta de suma importância para o desenvolvimento sustentável do setor agrícola brasileiro, ainda mais em biomas com fronteiras agrícolas em pleno crescimento, como o Cerrado. O zoneamento agrícola é um dos principais instrumentos do planejamento territorial, que em sua maioria é realizado a partir de análises multicritérios e depende de interpretações de analistas. Ao buscar por diferentes alternativas para este tipo de análise, veio o termo Inteligência Artificial (IA), ramo da ciência da computação, que vem sendo usado de forma abrangente não só no meio acadêmico, mas em funcionalidades usadas no dia a dia, como streaming de filmes e séries, carros inteligentes, reconhecimento facial, comportamento de consumo, entre muitos outros. Diante de tamanha versatilidade deste ramo, foi proposto para este estudo utilizar ferramentas de aprendizado de máquina, que é um dos campos da IA, para desenvolver modelos preditivos para classificação do potencial agrícola no Cerrado brasileiro. Foram desenvolvidos quatro modelos, utilizando o algoritmo Random Forest, entre eles o potencial de expansão da soja, potencial de intensificação da pecuária, potencial de expansão da floresta plantada e um modelo final que reúne as três cadeias agropecuárias. Como variáveis de entrada foram usados dados climáticos, edáficos, de infraestrutura e socioeconômicos, já como classe para treinamento do modelo utilizou-se dados de um estudo elaborado pela organizaçãoWWF-Brasil em parceria com outras instituições. A performance dos modelos foi avaliada a partir da matriz de confusão, e a melhor acurácia foi a do modelo de floresta plantada com 98%, seguido do modelo de soja e pecuária, com 86% e 79%, respectivamente. O modelo final apresentou uma acurácia geral de 80%
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2022
- Data da defesa: 12.05.2022
- 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
ROMEIRO, Mariane Cristina do Amaral. Potencial agrícola no Cerrado utilizando ferramentas de aprendizado de máquina. 2022. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/91/91131/tde-12072022-143637/. Acesso em: 15 maio 2024. -
APA
Romeiro, M. C. do A. (2022). Potencial agrícola no Cerrado utilizando ferramentas de aprendizado de máquina (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/91/91131/tde-12072022-143637/ -
NLM
Romeiro MC do A. Potencial agrícola no Cerrado utilizando ferramentas de aprendizado de máquina [Internet]. 2022 ;[citado 2024 maio 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/91/91131/tde-12072022-143637/ -
Vancouver
Romeiro MC do A. Potencial agrícola no Cerrado utilizando ferramentas de aprendizado de máquina [Internet]. 2022 ;[citado 2024 maio 15 ] Available from: https://www.teses.usp.br/teses/disponiveis/91/91131/tde-12072022-143637/
Informações sobre o DOI: 10.11606/D.91.2022.tde-12072022-143637 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas