Online near-infrared spectroscopy for soil attributes prediction (2023)
- Authors:
- Autor USP: CANAL FILHO, RICARDO - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEB
- DOI: 10.11606/D.11.2023.tde-21032023-182112
- Subjects: AGRICULTURA DE PRECISÃO; APRENDIZADO COMPUTACIONAL; ESPECTROSCOPIA INFRAVERMELHA; SOLO TROPICAL; VARIABILIDADE ESPACIAL
- Keywords: Sensoriamento proximal do solo
- Agências de fomento:
- Language: Inglês
- Abstract: A agricultura de precisão (AP) baseia-se na identificação da variabilidade espacial e temporal dos atributos que influenciam a produção agrícola. Nesse sentido, técnicas que permitam monitorar o solo e as culturas em alta densidade espacial vêm sendo estudadas pela comunidade de AP. A espectroscopia de reflectância difusa (DRS) é um técnica que permite, sobretudo na região do infravermelho próximo (NIR), coletar espectros de solo direto no campo, utilizando sensores embarcados em máquinas agrícolas. O uso dessa técnica permite coletar pontos em alta densidade espacial que, em conjunto com o aprendizado de máquina (ML), se transformam em dados quali-quantitativos dos atributos do solo. Entretanto, em solos tropicais, principalmente no Brasil, essa área ainda é pouca desenvolvida em comparação a estudos, por exemplo, da Austrália, Estados Unidos e Europa. O projeto de pesquisa dessa dissertação foi proposto no âmbito de ampliar o desenvolvimento da técnica nos solos tropicais brasileiros. Uma área experimental da Universidade de São Paulo, em Piracicaba-SP, foi utilizada para a coleta de espectros de solo em tempo real no infravermelho próximo. Foram testados diferentes modelos estatísticos para predição de atributos químicos e físicos do solo. Protocolos de calibração e de uso da DRS em campo foram avaliados. Os principais resultados desta dissertação foram organizados em três capítulos. O primeiro aborda protocolos de calibração quanto ao uso de técnicas de pré-procesamentodo espectro e diferentes modelos estatísticos. Os resultados sugerem que o uso de dados brutos em conjunto com modelos de redução de dimensionalidade do espectro multivariado do solo oferecem a estratégia mais eficiente para calibração dos modelos preditivos. O segundo capítulo abordou a inserção de amostras de diferentes áreas na calibração dos modelos de ML. Os resultados mostraram predições mais robustas quando modelos foram calibrados apenas com amostras da própria área experimental, denotando a importância da calibração local para uso da DRS NIR. No terceiro e último capítulo, a área foi revisitada em um segundo dia de coleta espectral, três semanas após a primeira, seguindo os mesmos critérios experimentais e instrumentais. Os modelos de ML calibrados no primeiro dia foram testados para predição dos atributos do solo com espectros da segunda coleta. Reportou-se baixa capacidade preditiva dos modelos neste caso, indicando a necessidade de calibrações locais não só no espaço, mas também no tempo, para que a técnica desempenhe corretamente. Os resultados reportados provam o potencial da técnica para a agricultura, pois mostram que é possível a predição de atributos do solo com espectros NIR coletados diretamente no campo. Ainda, este trabalho pode auxiliar no desenvolvimento das práticas de AP, e oferecer diretrizes para futuras pesquisas que busquem o desenvolvimento da DRS para predição de atributos do solo em tempo real, a fim de estabelecer seu uso em larga escala naagricultura
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2023
- Data da defesa: 10.01.2023
- 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
CANAL FILHO, Ricardo. Online near-infrared spectroscopy for soil attributes prediction. 2023. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-21032023-182112/. Acesso em: 31 out. 2024. -
APA
Canal Filho, R. (2023). Online near-infrared spectroscopy for soil attributes prediction (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-21032023-182112/ -
NLM
Canal Filho R. Online near-infrared spectroscopy for soil attributes prediction [Internet]. 2023 ;[citado 2024 out. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-21032023-182112/ -
Vancouver
Canal Filho R. Online near-infrared spectroscopy for soil attributes prediction [Internet]. 2023 ;[citado 2024 out. 31 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-21032023-182112/ - Is it possible to measure the quality of sugarcane in real-time during harvesting using onboard NIR spectroscopy?
- Spatial distribution as a key factor for evaluation of soil attributes prediction at field level using online near-infrared spectroscopy
- Soil attributes mapping with online near-infrared spectroscopy requires spatio-temporal local calibrations
- Dimensionality reduction statistical models for soil attribute prediction based on raw spectral data
- Coffee-yield estimation using high-resolution time-series satellite images and machine learning
Informações sobre o DOI: 10.11606/D.11.2023.tde-21032023-182112 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas