Banca de DEFESA: Eduardo Dourado Argolo

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : Eduardo Dourado Argolo
DATA : 27/02/2023
HORA: 14:00
LOCAL: plataforma TEAMS
TÍTULO:

 

  "Modelagem para previsão do índice SPAD e crescimento do milho a partir de imagens de Veículo Aéreo Não Tripulado."

PALAVRAS-CHAVES:

Sensoriamento Remoto; Milho; Adubação; SPAD; fenologia; VANT; linguagem R. 

PÁGINAS: 117
RESUMO:

Este estudo avaliou o desempenho de dados de imagens para monitoramento da clorofila utilizando o SPAD e o crescimento do milho, com os efeitos da aplicação de nitrogênio (N) em parcelas previamente estipuladas. As imagens foram capturadas com uma câmera RGNIR (MAPIR-2) no solo e também embarcada em um veículo aéreo não tripulado (VANT), gerando imagens da folha índice (DFI) e do dossel (DD), respectivamente. Os dados foram obtidos com máscaras nas imagens. Regressões lineares múltiplas, Backward e modelos não lineares, como Rede Neural de Retropropagação (BP-NN), Sequential Minimal Optimization for Regression (SMOreg) e Regressão de Vetor de Suporte (SVR), foram usados para desenvolver modelos de previsão (MRSC) para SPAD e crescimento do milho examinando o efeito do N em cada parcela. O algoritmo Apriore gerou regras de associação entre as variáveis. A análise estatística e o desempenho do modelo foram avaliados usando o coeficiente R², o teste ANOVA, o erro percentual médio absoluto (MAE) e o erro quadrático médio (RMSE). Os modelos Backward tiveram desempenho satisfatório considerando os sobrevoos, com DD (R² = 0,70, RMSE=6,27 e MAE=5,00) e DFI (R2= 0,9054, RMSE= 6,87, MAE=17,3). Quando se aplica os sobrevoos e as parcelas individuais, os valores foram DD (R² = 0,82, RMSE=6,72 e MAE=4,51) e DFI (R² = 0,97, RMSE= 20,66 e MAE=4,51). O melhor modelo não linear para SPAD foi o SMOreg, com DD (R2 = 0,51, RMSE=4,94 e MAE=6,62). Para DFI foi BP-NN com (R² = 0,97, RMSE= 20,66 e MAE=4,51). A aplicação de ureia e cobertura adicional nas fases 4 e 8 foi a mais eficaz em termos de SPAD e crescimento. Os mapas evidenciaram a diferença de SPAD e fenologia por manejo. Para o modelo de predição de altura, utilizando o Backward com os dados do VANT obteve os resultados para sobrevoos DD (R² = 0,95, RMSE=17,57 e MAE=11,2) e DFI (R² = 0,95, RMSE= 18,99 e MAE=15,5). Considerando os sobrevoos e as parcelas, os resultados foram para DD (R² = 0,98, RMSE=9,63 e MAE=13,5) e DFI (R² = 0,97, RMSE=19,99 e MAE=17,3). Na aplicação de regressão não linear o melhor modelo foi o BP-NN para DD (R² = 0,88, RMSE=19,66 e MAE=25,76) e BP-NN para DFI (R² = 0,81, RMSE=19,71 e MAE=25,76). Empregando o Apriore, a melhor correspondência para o SPAD foi para NDVI, SAVI e SR para dados do VANT e com a folha índice as variáveis NDVI e o SAVI. Para o crescimento da cultura as melhores variáveis foram SR, NDVI e a banda Verde para dados do VANT e para folha índice no solo as variáveis NDVI, SAVI e a banda Verde. Houve diferenças de comportamento entre os dados câmera embarcada no VANT e no solo. Abrangendo questões de consumo de fertilizantes com reflexos econômicos e ambientais, o trabalho foi importante para analisar modelos em fases cruciais da cultura do milho, dando subsídios para criação de mapas e traçar o desempenho do SPAD e do crescimento do milho.

MEMBROS DA BANCA:
Presidente - 3173475 - OSMAR ABILIO DE CARVALHO JUNIOR
Interno - 1298407 - VINICIUS VASCONCELOS DE SOUZA
Externo à Instituição - GIOVANNI DE ARAUJO BOGGIONE - IFG
Externo à Instituição - JEATER WALDEMAR MACIEL CORREA SANTOS - UFR
Externo à Instituição - MAX WELL DE OLIVEIRA RABELO - UFG