@InProceedings{CostaRabe:2023:AvMoRe,
author = "Costa, Jo{\~a}o Pedro de Sousa and Rabelo, Max Well de Oliveira",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Federal de Goi{\'a}s (IFG)}",
title = "Avalia{\c{c}}{\~a}o de modelos de regress{\~a}o linear
m{\'u}ltipla para estimativa da produtividade de
cana-de-a{\c{c}}{\'u}car a partir de par{\^a}metros
biom{\'e}tricos e imagens do sensor MSI/Sentinel-2",
booktitle = "Anais...",
year = "2023",
editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz
Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
pages = "e156276",
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 = "Sensoriamento remoto, cana-dea{\c{c}}{\'u}car, produtividade,
estimativa, Remote sensing, sugarcane, productivity, estimation.",
abstract = "O Brasil {\'e} o maior produtor mundial de
cana-de-a{\c{c}}{\'u}car, devido ao elevado valor agregado desta
cultura, sendo necess{\'a}rio compreender sua
produ{\c{c}}{\~a}o para tomada decis{\~a}o de produtores e
{\'o}rg{\~a}os governamentais. O presente trabalho teve como
objetivo, integrar dados biom{\'e}tricos obtidos em campo e
imagens orbitais do sensor MSI/Sentinel 2 e avaliar se {\'e}
poss{\'{\i}}vel obter modelos mais precisos para a estimativa da
produtividade da cana de a{\c{c}}{\'u}car a partir da
combina{\c{c}}{\~a}o destas vari{\'a}veis. Os melhores modelos
avaliados pelo Rē ajustado obtiveram valor de 0,76, e o mesmo
cen{\'a}rio apresentou o menor Erro M{\'e}dio Absoluto de 2,94
ton.ha-1. Os modelos com biometria apresentaram melhores
resultados nas m{\'e}tricas estat{\'{\i}}sticas da
valida{\c{c}}{\~a}o cruzada, possibilitando melhoria no
desempenho dos modelos. Destaca-se a necessidade da
obten{\c{c}}{\~a}o de vari{\'a}veis biom{\'e}tricas em campo
com perspectiva de espacializa{\c{c}}{\~a}o compat{\'{\i}}vel
com dados de sensoriamento remoto. ABSTRACT: Brazil is the world's
largest sugarcane producer, due to the high added value of this
crop, making it necessary to understand its production for
production by producers and government agencies. The objective, to
integrate biometric data obtained in the field and orbital images
from the MSISentinel 2 sensor and to evaluate it is possible to
obtain more accurate models present a work of estimating the
productivity of the sugar capacity from the variable variables.
The best models evaluated by Rē obtained a value of 0.76, and the
same environment presented the lowest Absolute Mean Error of 2.94
ton.ha-1. Models with biometrics showed better results in
cross-validation measurements, which could improve the performance
of the models. The need to adapt biometric variables in field of
spatialization perspective with remote sensor data is
highlighted.",
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/492724S",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/492724S",
targetfile = "156276.pdf",
type = "Produ{\c{c}}{\~a}o e previs{\~a}o agr{\'{\i}}cola",
urlaccessdate = "09 maio 2024"
}