| 1. Identificação | |||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | ||||||
| Site | mtc-m16b.sid.inpe.br | ||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | ||||||
| Identificador | 6qtX3pFwXQZGivnJSY/NeEjE | ||||||
| Repositório | sid.inpe.br/MTC-m13@80/2006/11.22.12.24 | ||||||
| Última Atualização | 2011:06.30.12.19.54 (UTC) simone | ||||||
| Repositório de Metadados | sid.inpe.br/MTC-m13@80/2006/11.22.12.24.17 | ||||||
| Última Atualização dos Metadados | 2019:10.04.14.50.11 (UTC) simone | ||||||
| Chave Secundária | INPE-14669-TDI/1222 | ||||||
| Chave de Citação | Picoli:2007:EsCaUs | ||||||
| Título | Estimativa da produtividade agrícola da cana de açúcar utilizando agregados de redes neurais artificiais: estudo de caso usina Catanduva  | ||||||
| Título Alternativo | Estimate sugarcane yield using combining artificial neural networks: case study Catanduva plant | ||||||
| Curso | SER-SPG-INPE-MCT-BR | ||||||
| Ano | 2007 | ||||||
| Data | 2006-09-12 | ||||||
| Data de Acesso | 11 maio 2024 | ||||||
| Tipo da Tese | Dissertação (Mestrado em Sensoriamento Remoto) | ||||||
| Tipo Secundário | TDI | ||||||
| Número de Páginas | 90 | ||||||
| Número de Arquivos | 1 | ||||||
| Tamanho | 1227 KiB | ||||||
| 2. Contextualização | |||||||
| Autor | Picoli, Michelle Cristina Araújo | ||||||
| Grupo | SER-SPG-INPE-MCT-BR | ||||||
| Endereço de e-Mail do Autor | mipicoli@ig.com.br | ||||||
| Banca | Rennó, Camilo Daleles (presidente) Rudorff, Bernardo Friedrich Theodor (orientador) Moreira, Maurício Alves Rizzi, Rodrigo | ||||||
| Endereço de e-Mail | amandinha_cta@hotmail.com | ||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | ||||||
| Cidade | São José dos Campos | ||||||
| Histórico (UTC) | 2006-11-22 12:24:18 :: jefferson -> jeferson :: 2006-11-29 13:59:05 :: jeferson -> jefferson :: 2007-09-10 13:01:43 :: jefferson -> administrator :: 2009-07-07 20:08:55 :: administrator -> jefferson :: 2010-11-19 13:08:58 :: jefferson -> marciana :: 2011-06-13 17:22:55 :: marciana -> amandinha_cta@hotmail.com :: 2006 2011-06-17 14:36:58 :: amandinha_cta@hotmail.com -> viveca@sid.inpe.br :: 2006 2011-06-27 18:47:11 :: viveca@sid.inpe.br -> amandinha_cta@hotmail.com :: 2006 -> 2007 2011-06-30 12:20:25 :: amandinha_cta@hotmail.com -> viveca@sid.inpe.br :: 2007 2011-08-08 14:46:26 :: viveca@sid.inpe.br -> amandinha_cta@hotmail.com :: 2007 2011-08-08 15:44:42 :: amandinha_cta@hotmail.com -> viveca@sid.inpe.br :: 2007 2011-08-18 15:00:43 :: viveca@sid.inpe.br -> administrator :: 2007 2019-10-04 14:44:17 :: administrator -> simone :: 2007 2019-10-04 14:50:11 :: simone -> :: 2007 | ||||||
| 3. Conteúdo e estrutura | |||||||
| É a matriz ou uma cópia? | é a matriz | ||||||
| Estágio do Conteúdo | concluido | ||||||
| Transferível | 1 | ||||||
| Palavras-Chave | sensoriamento remoto modelos estimativas produtividade agrometeorologia redes neurais cana-de-açúcar NDVI MODIS Catanduva - SP remote sensing models estimates yield agrometeorology neural nets sugar cane | ||||||
| Resumo | A importância econômica da cultura da cana-de-açúcar para fornecer matéria-prima para a produção de álcool como fonte alternativa de energia tem crescido muito. Assim, informações precisas sobre a produção da cana são importantes para que as crescentes demandas de álcool possam ser adequadamente atendidas. A produção de cana em toneladas é dada pelo produto entre a área plantada (ha) e a produtividade agrícola (ton ha-1). O presente trabalho tem por objetivo estimar a produtividade da cana-de-açúcar na Usina Catanduva utilizando variáveis quantitativas e qualitativas em um modelo de agregados de Redes Neurais Artificiais (RNA) ou ensembles. Uma das variáveis quantitativas deste modelo foi estimada a partir de um modelo agronômico-espectral. Este modelo utiliza uma série de variáveis meteorológicas e agronômicas sendo que uma delas é o índice de área foliar (IAF) cujos valores foram estimados, para cada talhão de cana, a partir do NDVI das imagens MODIS obtidas ao longo do período de intenso crescimento da cultura canavieira. Outras variáveis utilizadas no modelo ensemble são: variedade plantada, tipo de solo, estágio de corte, aplicação de vinhaça, ano safra, produtividade de cana-de-açúcar estimada pelos técnicos da Usina, produtividade real do ano safra anterior e o NDVI de uma imagem Landsat-TM adquirida antes do início do período de colheita. O modelo ensemble foi criado, validado e a estimativa da produtividade do modelo foi avaliada. Este modelo explicou 66% da variabilidade da produtividade dos talhões com cana soca, cuja média foi de 81,9 t ha-1 e erro quadrático médio (EQM) de 13,9 t ha-1. Outro modelo ensemble foi calculado sem utilizar a variável produtividade estimada pelos técnicos da Usina Catanduva, e este explicou 58% da variabilidade da produtividade real, com um EQM de 15,6 t ha-1, e a média calculada foi igual a 81,5 t ha-1. Já a produtividade estimada pelos técnicos da Usina explicou 55% da variabilidade da produtividade real com média de 80,8 t ha-1 e EQM de 14,6 t ha-1. Sendo que o valor médio da produtividade real dos talhões foi de 81,5 t ha-1, e, portanto o modelo superestimou essa média em apenas 0,5% (0,4 t ha-1), o segundo modelo que não utilizou a variável produtividade estimada pelos técnicos da Usina Catanduva superestimou a produtividade média em 1,2% (1,5 t ha-1), enquanto que a estimativa da Usina subestimou em 0,8% (0,7 t ha-1). Por fim, os dois modelos propostos apresentaram resultados satisfatórios, permitindo assim a utilização destes no aprimoramento da estimativa da produtividade agrícola de talhões com cana-de-açúcar da Usina Catanduva. ABSTRACT: The economic relevance of sugarcane crop to provide raw material to produce alcohol as an energy alternative has grown much. Therefore, precise information on sugarcane production is important to adequately meet the growing demands of alcohol. Sugarcane production in tons is given by the product between planted area (ha) and crop yield (ton ha-1). The present work has the objective to estimate sugarcane yield in the Catanduva Plant using quantitative and qualitative variables in a combining Artificial Neural Networks (ANN) model or ensembles. One of the quantitative variables of this model was estimated through an agronomic-spectral model. This model uses several meteorological and agronomic variables being one of them the leaf area index (LAI) whose values were estimated for each sugarcane field, from the MODIS NDVI images acquired during the period of intense crop growth. Other variables that were used in the ensemble model are: planted variety, soil type, cutting stage, application of vinasse, crop year, estimated crop yield by Plant technicians, real crop yield of the year previous harvest and NDVI values from a Landsat-TM image acquired prior to the beginning of the harvest period. The ensemble model was created, validated and estimated crop yield was evaluated. The model explained 66% of the variability of sugarcane yield for ratoons, with mean value of 81.9 t ha-1 and mean quadratic error (MQE) of 13.9 t ha-1. Another model ensemble was calculated without using the variable estimated crop yield by Plant technicians, and this explained 58% of the variability of sugarcane yield for rations, with a MQE of 15,6 t ha-1, with mean value of 81,5 t ha-1. The crop yield estimated by the Plant technicians explained 55% of the yield variability, with mean value of 80.8 t ha-1 and MQE of 14.6 t ha-1. The mean observed sugarcane yield value was 81.5 t ha-1. The proposed model overestimated this mean by only 0.5% (0.4 t ha-1), as model that did not use the variable estimated crop yield by Plant technicians overestimated the mean in 1,2% (1,5 t ha-1), while the Plant underestimated it by 0.8% (0.7 t ha-1). The two proposed models presented a satisfactory resulted and can be used to improvement field sugarcane yield at field level in the Catanduva Plant. | ||||||
| Área | SRE | ||||||
| Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Estimativa da produtividade... | ||||||
| Conteúdo da Pasta doc | acessar | ||||||
| Conteúdo da Pasta source |
| ||||||
| Conteúdo da Pasta agreement |
| ||||||
| 4. Condições de acesso e uso | |||||||
| URL dos dados | http://mtc-m16b.sid.inpe.br/ibi/6qtX3pFwXQZGivnJSY/NeEjE | ||||||
| URL dos dados zipados | http://mtc-m16b.sid.inpe.br/zip/6qtX3pFwXQZGivnJSY/NeEjE | ||||||
| Idioma | pt | ||||||
| Arquivo Alvo | publicacao.pdf | ||||||
| Grupo de Usuários | administrator amandinha_cta@hotmail.com jefferson marciana viveca@sid.inpe.br | ||||||
| Visibilidade | shown | ||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | ||||||
| Detentor dos Direitos | originalauthor yes | ||||||
| Detentor da Cópia | SID/SCD | ||||||
| Permissão de Leitura | allow from all | ||||||
| Permissão de Atualização | não transferida | ||||||
| 5. Fontes relacionadas | |||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S | ||||||
| Divulgação | NTRSNASA; BNDEPOSITOLEGAL. | ||||||
| Acervo Hospedeiro | lcp.inpe.br/ignes/2004/02.12.18.39 cptec.inpe.br/walmeida/2003/04.25.17.12 | ||||||
| 6. Notas | |||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel doi format isbn issn label lineage mark mirrorrepository nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | ||||||