Fusão de dados e aprendizagem de máquina aplicados a pedometria

• Autor(a) principal: Almeida, Gabriela Mourão de [UNESP]
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/244800
• topic: Ciência de Dados; Mineralogia do solo; Banco de dados amplos; Inteligência artificial; Agricultura digital; Agricultura

Como nos mais diversos setores, a agricultura vem passando por uma revolução nos últimos anos e para os países que são grandes produtores de alimento como o Brasil a adoção de tecnologias inovadoras vem se tornando cada dia mais essencial para alcançar os resultados de produção esperados. Como resultado desta revolução ocorreu um grande aumento na disponibilidade de dados, ampliação da capacidade de processamento computacional e assim os antigos modelos de regressão simples passaram a dar espaço a técnicas mais robustas de análise de dados e assim a aprendizagem de máquina (AM) começou a sair da área de sistema da informação e adentrar nos sistemas agrícolas. A AM é atualmente uma das linhas de pesquisa mais vigoras na agricultura, pois diferente dos modelos clássicos esta tem a capacidade de trabalhar com toda a complexidade que envolve o sistema agrícola, Dentre as variáveis ambientais, o solo é a que mais implica em complexidade, diante disso foi criado uma linha de pesquisa dedicada ao estudo da sua variabilidade que é a pedometria que consiste na aplicação de métodos matemáticos e estatísticos no estudo da distribuição, caracterização e gênese dos solos. Pesquisadores atrelados a essa linha de pesquisa vem afirmando a nova linha de estudo crescente é a utilização de sensores e a aplicação de técnicas de AM, principalmente em países de clima tropical e grande extensão territorial como o Brasil, que tem como característica solos altamente intemperizados e devido a isso demandam uma maior quantidade de amostras para caracterização. Este tipo de solo frequentemente apresenta o ferro na composição de seus minerais e este é um importante indicador analítico do solo, pois ele nos permite a compreender a gênese, classificação e variabilidade do solo.