Modelos quantitativos e classificatórios para avaliar a produtividade da soja (2021)
- Authors:
- Autor USP: SAKO, HENRY - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LPV
- DOI: 10.11606/D.11.2021.tde-14022022-104932
- Subjects: ANÁLISE DISCRIMINANTE; APRENDIZADO COMPUTACIONAL; FITOTECNIA; MODELOS MATEMÁTICOS; SOJA
- Language: Português
- Abstract: O aumento de produtividade de uma lavoura é um dos pilares para preservar a sustentabilidade do negócio agrícola. O Desafio Nacional de Máxima Produtividade promovido pelo CESB (Comitê Estratégico Soja Brasil) tem revelado diversas lavouras de produtividades superiores a 5.400 kg.ha-1 , bem acima da produtividade média brasileira, que é de 3.000 a 3.600 kg.ha-1 Dessa forma, é uma oportunidade entender os fatores agronômicos envolvidos na alta produtividade de soja, assim como elaborar algoritmos capazes de predizer a produtividade de soja com base em variáveis agronômicas, para auxiliar os técnicos a manejar os fatores que levam a soja a expressar seu potencial produtivo. A produtividade de uma lavoura é resultante de um conjunto de fatores agronômicos de clima, solo e manejo e, por esse motivo, é importante o conhecimento das variáveis agronômicas de forma abrangente, para a construção do algoritmo. Foram reunidos dados de 91 lavouras com variáveis de clima, manejo, fertilidade de superfície e subsuperfície do solo e resistência do solo ao crescimento radicular, totalizando 219 variáveis agronômicas. Foram aplicados modelos quantitativos e classificatórios para estimar a produtividade de soja por meio das metodologias Floresta Randômica, Rede Neural, Suport Vector Machine e Análise Discriminante e identificados os fatores agronômicos em comum na alta produtividade de soja. A Análise Discriminante teve um índice de acerto de 91,5%, classificando produtividades acima eabaixo de 5.500 kg.ha-1 . Das 219 variáveis agronômicas, o modelo discriminante destacou 7 fatores agronômicos: resistência do solo a 20 cm e 50 cm de profundidade; pH CaCl2 na profundidade de 10-20 cm e 80-100 cm, saturação de alumínio a 0-10 cm, Fósforo a 0-10 cm; Enxofre a 80-100 cm de profundidade; cobre a 10-20 cm de profundidade; temperatura média do estádio fenológico de R1 a R5, temperatura mínima do estabelecimento à emergência e o déficit hídrico durante o ciclo da soja. O modelo discriminante demonstrou a relevância dos atributos físicos do solo e da fertilidade química na superfície e, principalmente, em subsuperfície para a obtenção de alta produtividade de soja. As metodologias Floresta Randômica, Rede Neural e Support Vector Machine não construíram bons modelos por causa da necessidade de um número maior de dados para aplicação desses modelos
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2021
- Data da defesa: 05.11.2021
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SAKO, Henry. Modelos quantitativos e classificatórios para avaliar a produtividade da soja. 2021. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-14022022-104932/. Acesso em: 23 jan. 2026. -
APA
Sako, H. (2021). Modelos quantitativos e classificatórios para avaliar a produtividade da soja (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11136/tde-14022022-104932/ -
NLM
Sako H. Modelos quantitativos e classificatórios para avaliar a produtividade da soja [Internet]. 2021 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-14022022-104932/ -
Vancouver
Sako H. Modelos quantitativos e classificatórios para avaliar a produtividade da soja [Internet]. 2021 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-14022022-104932/
Informações sobre o DOI: 10.11606/D.11.2021.tde-14022022-104932 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
