Modelagem da produtividade de cana-de-açúcar a partir de algoritmos de aprendizado de máquina

• Autor(a) principal: Gonçalves, Lucas de Oliveira
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/250534
• topic: Cana-de-açúcar; Método da árvore de decisão; Inteligência artificial

A cana-de-açúcar é uma das culturas de maior interesse do mercado agrícola brasileiro. Algoritmos de aprendizado de máquina têm sido cada vez mais empregados para modelagens agronômicas e podem fornecer informações que contribuam para melhorar o planejamento, gestão e, consequentemente, aumentar a produção agrícola. Dessa forma, o objetivo foi criar modelos estatísticos por meio de técnicas de aprendizado de máquina, incluindo as estratégias de aplicação, para a previsão da produção da cana-de-açúcar em toneladas de cana por hectare (TCH) no Estado de São Paulo. Os dados experimentais foram coletados nos anos de 2016, 2017 e 2018, sendo provenientes de duas unidades produtivas, localizadas nas intermediações dos municípios de Potirendaba e Catanduva, SP. Foram utilizadas 20, 12 e 10 mil observações para os anos de 2016, 2017 e 2018, respectivamente. Os dados foram padronizados com o objetivo de identificar os atributos do solo e manejos específicos, que são variáveis independentes e, que melhor explicam a variabilidade espaço temporal do rendimento da cana-de-açúcar em toneladas de cana por hectare (TCH). As modelagens foram realizadas por meio do modelo de árvores de decisão e Random forest. O algoritmo Random forest apresentou melhor desempenho preditivo para a cultura de cana-de-açúcar quando comparado ao modelo de árvore de decisão. Em termos numéricos, para o Random forest, obteve-se R2 superior à 56% e RMSE inferior a 18,2 t ha-1, enquanto que para a árvore de decisão, o R2 obtido foi superior à 43% e RMSE inferior à 23,4 t ha-1. As variáveis foram avaliadas quanto ao nível de importância entre elas na produção de cana-de-açúcar. A variável corte apresentou maior nível de importância na predição da cultura, no mínimo 3,5 vezes superior, em relação às outras variáveis de manejo subsequentes como variedade, idade e mês. Além disso, o açúcar total recuperável (ATR), bem como os níveis de potássio (K+), fósforo disponível (P) e matéria orgânica do solo (MOS), também se apresentaram inferiores à nível de importância para a predição em relação às demais variáveis.