Aprendizado de máquina com base na resposta espectral de imagens aéreas obtidas por VANTs e aplicado no manejo de pastagens.

• Autor(a) principal: SILVEIRA, M. C. T. da
• Data de Publicação: 2022
• Outros Autores: ALMEIDA, P. H. A. de, ANDRADE, C. V. P. de A., ALBUQUERQUE FILHO, M. R. de, BREMM, C., SANTOS, F. C. dos
• Tipo de documento: Livro
• Idioma: por
• Título da fonte: Repositório de Informação Tecnológica da Embrapa (Infoteca-e)
• Texto Completo: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1150201
• topic: Pastagem; Manejo; Aerofotogrametria

Resumo ? O monitoramento de áreas agrícolas tem sido beneficiado com a evolução das novas tecnologias de sensoriamento remoto. O advento dos veículos aéreos não tripulados (VANTs) revolucionou o mundo do sensoriamento remoto nos últimos anos. Progressivamente, o custo dos equipamentos está se tornando mais acessível, permitindo aos profissionais ampliar a sua gama de atuação e fornecer produtos de melhor qualidade para escalas maiores. Essas novas tecnologias aliadas a técnicas tradicionais de monitoramento de pastagens podem prover ganhos do ponto de vista operacional ao produtor rural. Sendo assim, o objetivo do presente trabalho foi avaliar o uso de imagens de VANT para estimar e monitorar a cobertura e altura do pasto. As imagens utilizadas foram capturadas na área experimental da Fazenda Trijunção, localizada em Cocos, Bahia. Relacionou-se o comportamento espectral de imagens RGB com 3 classes de cobertura do solo em áreas sob pastejo (pré-pastejo, em pastejo e pós-pastejo), além de uma classe de solo exposto, em diferentes épocas, durante dois anos. Adicionalmente relacionou-se a altura de planta medida em campo com as bandas da imagem RGB. No software R Studio o banco de dados foi dividido em conjuntos de treinamento e validação, com a relação de 75% e 25%, respectivamente. Considerando todo o conjunto de dados, o modelo ajustado alcançou 66% de exatidão e índice Kappa 0,53 na predição das 4 classes, sendo 3 dessas relativas às classes de manejo de pastagem e 1 de solo exposto. Quando avaliado apenas as imagens do período seco do ano, o modelo ajustado alcançou 68% de exatidão e índice Kappa de 0,56. Já o conjunto de dados do período chuvoso apresentou 70% de exatidão e índice Kappa de 0,58. Ao aplicar o modelo em novos conjuntos de imagens observou-se índice de assertividade satisfatório ao analisar as classes de manejo com base na cobertura do solo e a altura do dossel medidas em campo. Os resultados demonstram o potencial da rotina de processamento implantada para o processamento em imagens de VANT, via aprendizado de máquina, como ferramenta auxiliar no manejo de pastagens. Proporciona também uma solução em tempo reduzido para a avaliação e manejo de áreas de pastagens de diferentes dimensões.