Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/143945 |
Resumo: | A produção da cana-de-açúcar é destaque no cenário econômico do estado São Paulo, dessa forma confirma-se a necessidade do monitoramento dessa cultura, de maneira a contribuir com melhorias em decisões e planejamentos operacionais. A produção total e a produtividade da cana-de-açúcar são fatores de grande interesse para os agricultores, pois é a partir dessa informação que a programação das operações são realizadas, porém, essas estimativas não possuem métodos de alta precisão e confiança em amostragens não destrutivas. O homem possui excelente capacidade de analisar e interpretar resultados, mas também está sujeito a subjetividades em suas avaliações. A análise empreendida no trabalho teve como objetivo a elaboração de modelos matemáticos que expliquem a produtividade da cana-de-açúcar por meio das técnicas de geoprocessamento e sensoriamento remoto. O experimento foi realizado na área de produção comercial da Agrícola Rio Claro, parceira do grupo Zilor, que está localizada nos municípios de Lençóis Paulista e Pratânia, possui aproximadamente 6000 hectares, com altimetrias variando entre 600 e 700 metros. Para a coleta das informações espectrais, utilizou-se as imagens do satélite Landsat 8, com órbita/ponto em 221/076. Nos resultados do trabalho realizado, constatou-se que as modelagens foram satisfatórias, variando o coeficiente de determinação entre 0,15 a 0,97. Sendo que em períodos com elevados coeficientes de determinação, podem geralmente ser encontradas áreas de forma aglomerada, o que sugere uma menor incidência de variáveis. Enquanto que em períodos com coeficientes de determinação baixos, muito provavelmente foram obtidos devido a outros fatores listados terem ocorrido como dispersão dos talhões na área, classes de solo, precipitação e variedades da cultura, provavelmente distintos. |
id |
UNSP_fc8079e3765fd6af5e01ba605792f862 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/143945 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetaçãoSugarcane productivity modeling using vegetation indexRegressão linear múltiplaNDVIMSAVI2EVILandsat 8Multiple linear regressionA produção da cana-de-açúcar é destaque no cenário econômico do estado São Paulo, dessa forma confirma-se a necessidade do monitoramento dessa cultura, de maneira a contribuir com melhorias em decisões e planejamentos operacionais. A produção total e a produtividade da cana-de-açúcar são fatores de grande interesse para os agricultores, pois é a partir dessa informação que a programação das operações são realizadas, porém, essas estimativas não possuem métodos de alta precisão e confiança em amostragens não destrutivas. O homem possui excelente capacidade de analisar e interpretar resultados, mas também está sujeito a subjetividades em suas avaliações. A análise empreendida no trabalho teve como objetivo a elaboração de modelos matemáticos que expliquem a produtividade da cana-de-açúcar por meio das técnicas de geoprocessamento e sensoriamento remoto. O experimento foi realizado na área de produção comercial da Agrícola Rio Claro, parceira do grupo Zilor, que está localizada nos municípios de Lençóis Paulista e Pratânia, possui aproximadamente 6000 hectares, com altimetrias variando entre 600 e 700 metros. Para a coleta das informações espectrais, utilizou-se as imagens do satélite Landsat 8, com órbita/ponto em 221/076. Nos resultados do trabalho realizado, constatou-se que as modelagens foram satisfatórias, variando o coeficiente de determinação entre 0,15 a 0,97. Sendo que em períodos com elevados coeficientes de determinação, podem geralmente ser encontradas áreas de forma aglomerada, o que sugere uma menor incidência de variáveis. Enquanto que em períodos com coeficientes de determinação baixos, muito provavelmente foram obtidos devido a outros fatores listados terem ocorrido como dispersão dos talhões na área, classes de solo, precipitação e variedades da cultura, provavelmente distintos.The production of sugarcane is a highlight in the economic scenario in the state of São Paulo, thus it confirms the need of monitoring this culture, in order to contribute to improvements in making decisions and operational planning.The production and productivity of sugarcane are factors of great interest to farmers, because, from this information the planning of operations is performed out, however, these estimates do not have high precision and reliable methods for non-destructive sampling.The human has an excellent ability to analyze and interpret results, but may also be affected by the subjectivity of their evaluations.The analysis undertaken in this work aimed at the development of mathematical models to explain the productivity of sugarcane through geoprocessing and remote sensing.The experiment was conducted in commercial area of Agrícola Rio Claro, partner of Zilor group, which is located in Lençóis Paulista and Pratânia, of approximately 6000 hectares, with altimetry ranging between 600 and 700 meters. For the collection of the spectral information, it was used the images of the satellite Landsat 8, with orbit/point 221/076. The results of the work, it was found that all the modeling were satisfactory, varying the coefficient of determination between 0.15 to 0.97. Given that, in periods with high coefficients of determination areas may be generally found in clusters, suggesting a lower incidence of variables. While in periods of low coefficient of determination, it was most likely obtained due to other factors listed of having occurred such as a dispersion of the plots in the area, soil types, rainfall and varieties, probably distinctly.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista (Unesp)Zimback, Célia Regina Lopes [UNESP]Universidade Estadual Paulista (Unesp)Leda, Victor Costa [UNESP]2016-09-22T19:30:58Z2016-09-22T19:30:58Z2016-07-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/14394500087283333004064021P7porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-05-02T14:10:55Zoai:repositorio.unesp.br:11449/143945Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T20:27:32.856245Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação Sugarcane productivity modeling using vegetation index |
title |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação |
spellingShingle |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação Leda, Victor Costa [UNESP] Regressão linear múltipla NDVI MSAVI2 EVI Landsat 8 Multiple linear regression |
title_short |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação |
title_full |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação |
title_fullStr |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação |
title_full_unstemmed |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação |
title_sort |
Modelagem da produtividade de cana-de-açúcar utilizando índices de vegetação |
author |
Leda, Victor Costa [UNESP] |
author_facet |
Leda, Victor Costa [UNESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Zimback, Célia Regina Lopes [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Leda, Victor Costa [UNESP] |
dc.subject.por.fl_str_mv |
Regressão linear múltipla NDVI MSAVI2 EVI Landsat 8 Multiple linear regression |
topic |
Regressão linear múltipla NDVI MSAVI2 EVI Landsat 8 Multiple linear regression |
description |
A produção da cana-de-açúcar é destaque no cenário econômico do estado São Paulo, dessa forma confirma-se a necessidade do monitoramento dessa cultura, de maneira a contribuir com melhorias em decisões e planejamentos operacionais. A produção total e a produtividade da cana-de-açúcar são fatores de grande interesse para os agricultores, pois é a partir dessa informação que a programação das operações são realizadas, porém, essas estimativas não possuem métodos de alta precisão e confiança em amostragens não destrutivas. O homem possui excelente capacidade de analisar e interpretar resultados, mas também está sujeito a subjetividades em suas avaliações. A análise empreendida no trabalho teve como objetivo a elaboração de modelos matemáticos que expliquem a produtividade da cana-de-açúcar por meio das técnicas de geoprocessamento e sensoriamento remoto. O experimento foi realizado na área de produção comercial da Agrícola Rio Claro, parceira do grupo Zilor, que está localizada nos municípios de Lençóis Paulista e Pratânia, possui aproximadamente 6000 hectares, com altimetrias variando entre 600 e 700 metros. Para a coleta das informações espectrais, utilizou-se as imagens do satélite Landsat 8, com órbita/ponto em 221/076. Nos resultados do trabalho realizado, constatou-se que as modelagens foram satisfatórias, variando o coeficiente de determinação entre 0,15 a 0,97. Sendo que em períodos com elevados coeficientes de determinação, podem geralmente ser encontradas áreas de forma aglomerada, o que sugere uma menor incidência de variáveis. Enquanto que em períodos com coeficientes de determinação baixos, muito provavelmente foram obtidos devido a outros fatores listados terem ocorrido como dispersão dos talhões na área, classes de solo, precipitação e variedades da cultura, provavelmente distintos. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-09-22T19:30:58Z 2016-09-22T19:30:58Z 2016-07-28 |
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/11449/143945 000872833 33004064021P7 |
url |
http://hdl.handle.net/11449/143945 |
identifier_str_mv |
000872833 33004064021P7 |
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 |
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_ |
1808129204081917952 |