Modelagem agrometeorológica para estimação de produtividade de erva-mate (Ilex paraguariensis St. Hil.) na região Sul do Brasil

• Autor(a) principal: Carvalho, Mary Jane Nunes
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/192647
• topic: Agrometeorologia; Clima; Modelagem; Modelos; Produtividade; Agrometeorology; Modeling

RESUMO – A estimação de produtividade usando modelos agrometeorológicos é uma técnica de estratégia robusta para a realização do planejamento, uma vez que o conhecimento prévio das safras agrícolas facilitam as tomadas de decisões. O Objetivo deste estudo foi identificar e avaliar a influência das variáveis agrometeorológica em diferentes fases de desenvolvimento da cultura, para propor modelos agrometeorológicos com fim de estimar produtividade para erva-mate nos estados do Paraná, Santa Catarina e Rio Grande do Sul. Foram utilizados dados meteorológicos diários de temperatura e precipitação obtidos na plataforma NASA-POWER para um período de 28 anos, referentes a 38 localidades. Realizou-se balanço hídrico para obtenção das variáveis, evapotranspiração, déficit hídrico, excedente e armazenamento. Os dados de produtividade foram obtidos na plataforma IBGE no sistema de Recuperação Automática-SIDRA. Para o entendimento da dispersão espacial foi feita análise de agrupamento utilizando cluster hierárquico aglomerativo. Foi feita estatística descritiva para cada grupo determinado por meio de box plot. Para a modelagem de produtividade de erva-mate foram utilizados modelos de regressão linear múltipla (RLM), e modelos de inteligência artificial como o Random Forest Regressor (RF) e Redes Neurais Multilayer perceptron (MLP) usando sempre as variáveis independentes os elementos meteorológicos decendiais: temperatura e precipitação, e os derivados do balanço hídrico: ARM, ETR, DEF e EXC, e como variável dependente a produtividade. Os resultados mostram que os valores de RLM não apresentaram resultados satisfatórios se comparado aos modelos RF e MLP que apresentaram melhor desempenho. Os modelos agrometeorológicos podem ser utilizados para estimação e previsões de produtividades e permitem ao setor agrícola reduzir riscos na produção e aumentar rentabilidade dos cultivos.