@InProceedings{SchorrFFMFSPFBCS:2023:EsCaSa,
               author = "Schorr, M{\'a}rcio Renan Weber and F{\"u}hr, Matia Jos{\'e} and 
                         Fernandes, Lucas Barbosa and Martins, Iure Rabassa and Faria, 
                         Jo{\~a}o Marcelo Brito Alves de and Souza, Rafaela dos Santos and 
                         Pinto, Alexandre Rocha and Foga{\c{c}}a, Rafael Rodrigues and 
                         Best{\'e}tti, Carlos Roberto and Campos, Patr{\'{\i}}cia 
                         Maur{\'{\i}}cio and Santos, Candice Mello Romero",
          affiliation = "{Companhia Nacional de Abastecimento (CONAB)} and {Companhia 
                         Nacional de Abastecimento (CONAB)} and {Companhia Nacional de 
                         Abastecimento (CONAB)} and {Companhia Nacional de Abastecimento 
                         (CONAB)} and {Companhia Nacional de Abastecimento (CONAB)} and 
                         {Companhia Nacional de Abastecimento (CONAB)} and {Companhia 
                         Nacional de Abastecimento (CONAB)} and {Companhia Nacional de 
                         Abastecimento (CONAB)} and {Companhia Nacional de Abastecimento 
                         (CONAB)} and {Companhia Nacional de Abastecimento (CONAB)} and 
                         {Companhia Nacional de Abastecimento (CONAB)}",
                title = "Estimativa objetiva da produtividade utilizando ferramentas do 
                         sensoriamento remoto: estudo de caso da safra de soja 2021/22 no 
                         Rio Grande do Sul",
            booktitle = "Anais...",
                 year = "2023",
               editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz 
                         Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
                pages = "e156491",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "intelig{\^e}ncia artificial, produtividade, sensoriamento remoto, 
                         {\'{\i}}ndice de vegeta{\c{c}}{\~a}o, artificial inteligence, 
                         yield, remote sensing, vegetation index.",
             abstract = "Devido {\`a} crescente demanda por alimentos no mundo, a correta 
                         estimativa da produ{\c{c}}{\~a}o das culturas {\'e} 
                         necess{\'a}ria. O trabalho objetiva descrever metodologia para a 
                         estimativa objetiva de produtividade da soja, adotada pela 
                         Companhia Nacional de Abastecimento na safra 2021/22 no Rio Grande 
                         do Sul. Previamente, foi confeccionada uma m{\'a}scara de 
                         culturas de ver{\~a}o utilizando-se o {\'{\I}}ndice de 
                         Vegeta{\c{c}}{\~a}o por Diferen{\c{c}}a Normalizada (NDVI), 
                         produto do sensor Modis (Terra/Aqua), e o classificador Random 
                         Forest. Posteriormente, foram realizados o sorteio de amostras e 
                         identifica{\c{c}}{\~a}o das lavouras. Nessas lavouras foram 
                         medidos o n{\'u}mero de plantas por {\'a}rea e as vagens 
                         coletadas e enviadas para o laborat{\'o}rio, onde foram 
                         realizadas a pesagem e determina{\c{c}}{\~a}o da umidade de 
                         gr{\~a}os. A produtividade m{\'e}dia estadual foi 1.433 kg/ha. A 
                         varia{\c{c}}{\~a}o da produtividade entre as regi{\~o}es do 
                         estado seguiu o mesmo padr{\~a}o verificado na umidade do solo, o 
                         que comprova a assertividade do m{\'e}todo proposto. ABSTRACT: 
                         Due to the increasing demand for food in the world, the correct 
                         estimation of crop production is necessary. The objective of this 
                         work is to describe a methodology for the objective estimate of 
                         soybean yield, adopted by the National Supply Company in the 
                         2021/22 season in Rio Grande do Sul. Firstly, a mask of summer 
                         crops was made using the Normalized Difference Vegetation Index 
                         (NDVI), a product of the Modis sensor (Terra/Aqua), and the Random 
                         Forest classifier. Subsequently, samples were drawn and the fields 
                         identified. In these fields, the number of plants per area was 
                         measured and the pods collected and sent to the laboratory, where 
                         they were weighed and grain moisture determined. The average state 
                         productivity was 1,433 kg/ha. The variation of productivity 
                         between the regions of the state matched the pattern verified in 
                         the soil moisture, which proves the assertiveness of the proposed 
                         method.",
  conference-location = "Florian{\'o}polis",
      conference-year = "02-05 abril 2023",
                 isbn = "978-65-89159-04-9",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/4926UP2",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/4926UP2",
           targetfile = "156491.pdf",
                 type = "Produ{\c{c}}{\~a}o e previs{\~a}o agr{\'{\i}}cola",
        urlaccessdate = "12 maio 2024"
}