Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/191896 |
Resumo: | O fenômeno El Niño-Oscilação Sul é um fator chave na variabilidade climática, sendo formado pelos episódios de El Niño e La Niña e classificado como um fenômeno de grande escala no Oceano Pacífico Tropical. Em razão do grande efeito deste fenômeno nos elementos meteorológicos, principalmente nos padrões de temperatura e precipitação, faz-se necessário estudos sobre a antecipação de sua previsão e da sua influência na produtividade de culturas agrícolas, como o café. O café é uma cultura que representa grande importância socioeconômica para o Brasil, sendo cultivada em mais de 2 milhões de hectares e, além de ser uma das commodities mais valiosas mundialmente, é muito sensível à mudança das condições climáticas. Diante disso, o objetivo deste trabalho é prever episódios quentes e frios do ENSO, de forma a obter um modelo simples e acurado, que auxilie na gestão agrícola da cultura do café. Para tanto, este trabalho apresenta informações importantes sobre o fenômeno El Niño-Oscilação Sul e sua influência no cafeeiro, como (i) Previsão de eventos de El Niño e La Niña por inteligência artificial e (ii) Influência do El Niño e La Niña na produtividade do café, nas principais regiões produtoras de café do Brasil. Os resultados encontrados neste trabalho foram eficientes e promissores para aplicação prática. O modelo de previsão apresentou boa acurácia em condições de anos de El Niño, La Niña e neutros, com média de 84% e conseguiu prevê-los com 9 meses de antecedência. A utilização de árvores de decisão para classificação com o objetivo de prever episódios quentes e frios do fenômeno El Niño-Oscilação Sul se mostrou uma alternativa promissora e de fácil acesso em relação a outras técnicas de inteligência artificial. Observou-se ainda correlação significativa entre os fenômenos do El Niño-Oscilação Sul com a temperatura do ar, precipitação, evapotranspiração potencial, armazenamento de água no solo, deficiência hídrica e excedente hídrico, influenciando, portanto, na produtividade do café em todas as regiões estudadas. |
id |
UNSP_9a4c0c588534e4000abf5ee7588fc3f2 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/191896 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do caféAssociation between El Niño-South Oscillation and the geographical variation of coffee yieldENSOInteligência artificialMudanças climáticasENSOArtificial intelligenceClimate changesO fenômeno El Niño-Oscilação Sul é um fator chave na variabilidade climática, sendo formado pelos episódios de El Niño e La Niña e classificado como um fenômeno de grande escala no Oceano Pacífico Tropical. Em razão do grande efeito deste fenômeno nos elementos meteorológicos, principalmente nos padrões de temperatura e precipitação, faz-se necessário estudos sobre a antecipação de sua previsão e da sua influência na produtividade de culturas agrícolas, como o café. O café é uma cultura que representa grande importância socioeconômica para o Brasil, sendo cultivada em mais de 2 milhões de hectares e, além de ser uma das commodities mais valiosas mundialmente, é muito sensível à mudança das condições climáticas. Diante disso, o objetivo deste trabalho é prever episódios quentes e frios do ENSO, de forma a obter um modelo simples e acurado, que auxilie na gestão agrícola da cultura do café. Para tanto, este trabalho apresenta informações importantes sobre o fenômeno El Niño-Oscilação Sul e sua influência no cafeeiro, como (i) Previsão de eventos de El Niño e La Niña por inteligência artificial e (ii) Influência do El Niño e La Niña na produtividade do café, nas principais regiões produtoras de café do Brasil. Os resultados encontrados neste trabalho foram eficientes e promissores para aplicação prática. O modelo de previsão apresentou boa acurácia em condições de anos de El Niño, La Niña e neutros, com média de 84% e conseguiu prevê-los com 9 meses de antecedência. A utilização de árvores de decisão para classificação com o objetivo de prever episódios quentes e frios do fenômeno El Niño-Oscilação Sul se mostrou uma alternativa promissora e de fácil acesso em relação a outras técnicas de inteligência artificial. Observou-se ainda correlação significativa entre os fenômenos do El Niño-Oscilação Sul com a temperatura do ar, precipitação, evapotranspiração potencial, armazenamento de água no solo, deficiência hídrica e excedente hídrico, influenciando, portanto, na produtividade do café em todas as regiões estudadas.The El Niño-Southern Oscillation phenomenon is a key factor in climate variability, being formed by the El Niño and La Niña episodes and classified as a large-scale phenomenon in the Tropical Pacific Ocean. Due to the great effect of this phenomenon on the meteorological elements, especially on the temperature and precipitation patterns, studies on the anticipation of its prediction and its influence on the productivity of agricultural crops, such as coffee. Coffee is a crop that is of great socioeconomic importance for Brazil, being grown on over 2 million hectares and, besides being one of the most valuable commodities in the world, it is very sensitive to changing weather conditions. Therefore, this work presents important information about the El Niño-Southern Oscillation phenomenon and its influence on coffee, as (i) Forecasting El Niño and La Niña events using artificial intelligence and (ii) Influence of El Niño and La Niña on coffee yield in the main coffee-producing regions of Brazil. The results found in this work were efficient and promising for practical application. The model showed good accuracy in forecasting El Niño, La Niña and neutral year conditions, averaging 84% and was able to predict them 9 months in advance. The use of decision trees classifier to predict hot and cold episodes of the El Niño-Southern Oscillation phenomenon has shown to be a promising and easily accessible alternative to other artificial intelligence techniques. There was also a strong correlation between El Niño-Southern Oscillation phenomenon with air temperature, precipitation, potential evapotranspiration, soil water storage, water deficit and water surplus, thus influencing coffee yield in all production regions studied.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)88882.330284/2019-01Universidade Estadual Paulista (Unesp)Rolim, Glauco de SouzaPanosso, Alan Rodrigo [UNESP]Universidade Estadual Paulista (Unesp)Silva, Karita Almeida2020-03-18T14:01:08Z2020-03-18T14:01:08Z2020-02-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/11449/19189600092976533004102001P4porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-06-04T19:52:02Zoai:repositorio.unesp.br:11449/191896Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T21:54:41.966635Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café Association between El Niño-South Oscillation and the geographical variation of coffee yield |
title |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café |
spellingShingle |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café Silva, Karita Almeida ENSO Inteligência artificial Mudanças climáticas ENSO Artificial intelligence Climate changes |
title_short |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café |
title_full |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café |
title_fullStr |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café |
title_full_unstemmed |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café |
title_sort |
Associação entre El Niño-Oscilação Sul e a variação geográfica da produtividade do café |
author |
Silva, Karita Almeida |
author_facet |
Silva, Karita Almeida |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rolim, Glauco de Souza Panosso, Alan Rodrigo [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Silva, Karita Almeida |
dc.subject.por.fl_str_mv |
ENSO Inteligência artificial Mudanças climáticas ENSO Artificial intelligence Climate changes |
topic |
ENSO Inteligência artificial Mudanças climáticas ENSO Artificial intelligence Climate changes |
description |
O fenômeno El Niño-Oscilação Sul é um fator chave na variabilidade climática, sendo formado pelos episódios de El Niño e La Niña e classificado como um fenômeno de grande escala no Oceano Pacífico Tropical. Em razão do grande efeito deste fenômeno nos elementos meteorológicos, principalmente nos padrões de temperatura e precipitação, faz-se necessário estudos sobre a antecipação de sua previsão e da sua influência na produtividade de culturas agrícolas, como o café. O café é uma cultura que representa grande importância socioeconômica para o Brasil, sendo cultivada em mais de 2 milhões de hectares e, além de ser uma das commodities mais valiosas mundialmente, é muito sensível à mudança das condições climáticas. Diante disso, o objetivo deste trabalho é prever episódios quentes e frios do ENSO, de forma a obter um modelo simples e acurado, que auxilie na gestão agrícola da cultura do café. Para tanto, este trabalho apresenta informações importantes sobre o fenômeno El Niño-Oscilação Sul e sua influência no cafeeiro, como (i) Previsão de eventos de El Niño e La Niña por inteligência artificial e (ii) Influência do El Niño e La Niña na produtividade do café, nas principais regiões produtoras de café do Brasil. Os resultados encontrados neste trabalho foram eficientes e promissores para aplicação prática. O modelo de previsão apresentou boa acurácia em condições de anos de El Niño, La Niña e neutros, com média de 84% e conseguiu prevê-los com 9 meses de antecedência. A utilização de árvores de decisão para classificação com o objetivo de prever episódios quentes e frios do fenômeno El Niño-Oscilação Sul se mostrou uma alternativa promissora e de fácil acesso em relação a outras técnicas de inteligência artificial. Observou-se ainda correlação significativa entre os fenômenos do El Niño-Oscilação Sul com a temperatura do ar, precipitação, evapotranspiração potencial, armazenamento de água no solo, deficiência hídrica e excedente hídrico, influenciando, portanto, na produtividade do café em todas as regiões estudadas. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-03-18T14:01:08Z 2020-03-18T14:01:08Z 2020-02-17 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/191896 000929765 33004102001P4 |
url |
http://hdl.handle.net/11449/191896 |
identifier_str_mv |
000929765 33004102001P4 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129372102590464 |