A atual demanda por informações precisas e de baixo custo de obtenção causa um aumento na procura por serviços remotos, como o geoprocessamento, a geoestatística e o aprendizado de máquinas. Este trabalho objetiva a obtenção de informações relacionadas a leituras de teores de clorofila, a partir de um banco de dados de campo e por imagens de satélite aplicadas a uma área de cultivo de aveia preta, com baixos custos. Com um banco de dados preciso sobre o teor de clorofila, acredita-se ser possível reduzir custos na implantação e execução de sistemas de irrigação. Diversos autores já realizaram a comparação entre o teor de clorofila e a disponibilidade de água e outros já pontuaram o grande benefício da irrigação sobre diversos cultivares. Com a hipótese de que é possível através da utilização de técnicas de baixo custo a obtenção de valores de teor de clorofila, o trabalho utilizou de técnicas de geoestatística para procurar uma correlação entre os dados físicos e os índices de vegetação gerados a partir de imagens do satélite Landsat 5. Ao encontrar resultados insatisfatórios, partiu-se para um estudo dos dados em treinamento de máquinas e mineração de dados. Após passar por vários processos, o algoritmo Gradient Boosting Machine (GBM) possibilitou a geração de uma imagem com valores estimados clorofila bastante semelhante aos reais obtidos em campo.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Pós-graduação em Agronomia (Irrigação e Drenagem) - FCA

1421969