Caracterização do estabelecimento e previsão da massa de forragem de pastos de capins Cynodon spp. por sensoriamento remoto (2024)
- Authors:
- Autor USP: COELHO, RIGLES MAIA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LZT
- DOI: 10.11606/D.11.2024.tde-08102024-162721
- Subjects: APRENDIZADO COMPUTACIONAL; FORRAGEM; GRAMÍNEAS FORRAGEIRAS; MODELAGEM DE DADOS; PASTAGENS; SENSORIAMENTO REMOTO
- Keywords: Cynodon
- Agências de fomento:
- Language: Português
- Abstract: As gramíneas do gênero Cynondon spp. podem ser implementadas para fenação ou pastejo e apresentam elevada qualidade com relação a outras gramíneas tropicais. No entanto, a maior parte dos cultivares são propagados de forma vegetativa, elevando o custo operacional da implantação desses materiais. Na fase de implantação, os propágulos passam por estresses diversos, envolvendo disponibilidade hídrica e competição com espécies invasoras ao longo da formação do dossel. Considerando pastos já implantados, o monitoramento da massa de forragem é imprescindível para planejamento forrageiro e ajustes corretos na lotação animal. Com base nisso, o objetivo da presente dissertação foi propor um método baseado em machine learning para monitoramento do estabelecimento de Cynodon spp. e aprimorar o método de estimativa de acúmulo de forragem baseado na lei de beer e na eficiência do uso da radiação com series temporais. Para monitoramento do estabelecimento desenvolvemos e testamos uma ferramenta para classificação supervisionada baseada em support vector machine (SVM) e randon forest (RF). Esses algoritmos foram treinados com as classes "Cynodon", "Solo exposto" e "Invasoras". Como contraprova utilizamos um método de escores visuais para as três classes citadas anteriormente. A correlação entre ambos métodos de machine learning e o metodo visual foram superiores a 90% para todas as classes. As curvas de estabelecimento seguiram a mesma tendência em ambos os métodos. A principaldiferença entre os métodos de classificação supervisionada está no tempo de processamento e de geração dos modelos em que o RF foi 60% mais eficiente. O cultivar Jiggs foi mais eficiente em cobrir o solo ao longo do estabelecimento com relação ao Tifton 85. Para previsão da massa de forragem e taxa de acúmulo foi feita a adaptação de um modelo baseado na lei de beer. A adaptação consiste em estimar o índice de área foliar via sensoriamento remoto, com a previsão desse valor feita com uma série temporal parametrizada com 7 anos de dados. O modelo foi implementado para previsão da massa de forragem 28, 59 e 91 dias a frente. O erro das previsões ficou próximo aos 691 kg.ha-1. Os resultados apontam para eficiência de ambas propostas para o gênero em questão
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2024
- Data da defesa: 18.07.2024
- 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
COELHO, Rigles Maia. Caracterização do estabelecimento e previsão da massa de forragem de pastos de capins Cynodon spp. por sensoriamento remoto. 2024. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11139/tde-08102024-162721/. Acesso em: 03 jan. 2026. -
APA
Coelho, R. M. (2024). Caracterização do estabelecimento e previsão da massa de forragem de pastos de capins Cynodon spp. por sensoriamento remoto (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11139/tde-08102024-162721/ -
NLM
Coelho RM. Caracterização do estabelecimento e previsão da massa de forragem de pastos de capins Cynodon spp. por sensoriamento remoto [Internet]. 2024 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11139/tde-08102024-162721/ -
Vancouver
Coelho RM. Caracterização do estabelecimento e previsão da massa de forragem de pastos de capins Cynodon spp. por sensoriamento remoto [Internet]. 2024 ;[citado 2026 jan. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11139/tde-08102024-162721/
Informações sobre o DOI: 10.11606/D.11.2024.tde-08102024-162721 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
