Towards a new approach to estimate soybean yield at the field level (2021)
- Authors:
- Autor USP: WEI, MARCELO CHAN FU - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEB
- Subjects: AGRICULTURA DE PRECISÃO; MODELOS MATEMÁTICOS; PROCESSAMENTO DE IMAGENS; REGRESSÃO LINEAR; SOJA
- Language: Inglês
- Abstract: A soja é uma das culturas agrícolas mais cultivadas no mundo e para aumentar a sua produção de forma sustentável, os produtores devem aplicar técnicas de manejo mais conscientes considerando não apenas o maior retorno econômico, mas também a redução do impacto negativo ambiental. Para isso, os dados de produtividade apresentam-se como camadas de dados fundamentais que podem auxiliá-los no manejo. A estimativa da produtividade da soja é geralmente obtida por monitores de produtividade e por modelos agrometeorológicos, os quais apresentam limitações relacionados ao uso de seus dados. Por exemplo, a qualidade dos dados provenientes dos monitores de produtividades é afetada pela condição do sistema sensor, tornando obrigatório a realização de uma filtragem de dados. Já, os modelos agrometeorológicos são limitados não apenas pela quantidade de variáveis necessária em seu modelo, mas também pela resolução espacial e temporal. Ciente das limitações dos métodos atuais, torna-se oportuno investigar novos métodos para estimar a produtividade da soja no campo considerando a disponibilidade de acesso a dados de produtividade da soja e suas componentes e dos avanços tecnológicos na agricultura. Os objetivos foram: (a) analisar as relações da produtividade da soja e suas componentes (número de grãos - NG e massa de mil grãos - TGW) a partir de dados publicados e propor um modelo para estimar a produtividade da soja e (b) realizar uma análise exploratória para obtenção de dados dascomponentes de produtividade da soja a partir de métodos bidimensionais (2D) em plantas no estádio fenológico R8. Inicialmente, foi conduzida uma revisão bibliográfica para obtenção de dados de produtividade da soja e suas componentes para compor o conjunto de dados de treinamento. A partir dele, modelos de regressão linear foram ajustados e, posteriormente, testados em um conjunto de dados de validação composto por 58 amostras de campo. A análise exploratória do processamento de imagens foi realizada com imagens de soja obtidas em condição de campo a partir de um sensor de uma câmera comercial. As imagens obtidas foram submetidas ao tratamento básico de imagem seguida da aplicação de um algoritmo booleano para detectar as componentes da produtividade. Como resultado, foram gerados três modelos de regressão linear: o primeiro com base na TGW, o segundo ajustado pelo NG e o terceiro relacionado com TGW e NG. O modelo com base em NG apresentou melhor acurácia, indicando que a variável NG é uma potencial componente de produtividade que pode ser utilizada como variável preditora. A análise exploratória da aplicação do processamento de imagens RGB gerou resultados que auxiliam trabalhos futuros para aprimorar as técnicas de processamento de imagem para obtenção da varíavel NG. Para que a detecção da componente de produtividade seja aprimorada, foram identificadas etapas importantes que devem ser aplicadas antes do uso do algoritmo booleano, como a limiarização. Neste estudo foiproposto um modelo para estimar a produtividade da soja a partir de uma variável preditora (NG) e também foi apresentado um potencial método de processamento de imagem para obtenção desta variável a partir de imagem RGB obtida em campo
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2021
- Data da defesa: 25.01.2021
-
ABNT
WEI, Marcelo Chan Fu. Towards a new approach to estimate soybean yield at the field level. 2021. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-12022021-120048/. Acesso em: 12 fev. 2026. -
APA
Wei, M. C. F. (2021). Towards a new approach to estimate soybean yield at the field level (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-12022021-120048/ -
NLM
Wei MCF. Towards a new approach to estimate soybean yield at the field level [Internet]. 2021 ;[citado 2026 fev. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-12022021-120048/ -
Vancouver
Wei MCF. Towards a new approach to estimate soybean yield at the field level [Internet]. 2021 ;[citado 2026 fev. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-12022021-120048/ - From data to decisions: yield-centric analytics as the foundation for trustworthy datadriven insights in agriculture
- Spatial variability mapping of indaziflam and metribuzin sorption–desorption for precision weed control
- Predictive power vs interpretability: Machine learning approaches to unravel sugarcane yield drivers
- High-resolution yield mapping for Eucalyptus grandis: a case study
- Soybean Yield Estimation and Its Components: A Linear Regression Approach
- Near-infrared spectroscopy as a tool for monitoring the spatial variability of sugarcane quality in the fields
- Energy analysis of sugarcane potential ethanol production from published data: a case study in Campos de Goytacazes – Brazil
- Challenges of digital solutions in sugarcane crop production: a review
- Spatial variability mapping of sugarcane qualitative attributes
- Carrot yield mapping: a precision agriculture approach based on machine learning
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas