Orientador: Glauco de Souza Rolim / Banca: Maria do Socorro Padilha de Oliveira / Banca: Lucieta Guerreiro Martorano / Resumo: Modelos agrometeorológicos para a previsão da produtividade permitem a avaliação quantitativa de elementos meteorológicos com as variáveis fenológicas e produtividade, auxiliando no planejamento de safras agrícolas para otimizar estratégias e tomada de decisão. Na região amazônica, mais precisamente no estado do Pará, concentram-se as maiores produções de açaí no Brasil, entretanto a sazonalidade na produção, influenciada principalmente pelo clima que altera fortemente o preço do produto, tornando-se preocupante para toda cadeia produtiva. Portanto analisar o desempenho de modelos de circulação geral (GSM), que possam representar as condições de tempo e clima na região é de grande importância para a sustentabilidade da produção. Objetivou-se avaliar os dados de temperatura do ar (T) e precipitação (P) provenientes do modelo do European Center for Medium-Range Weather Forecast (ECMWF) e desenvolver modelos agrometeorológicos para a previsão da produtividade em cultivos de açaizeiro em Tomé Açu, Pará. Dados de T e P de estações meteorológicas de superfícies foram estimados por regressão linear usando dados em grid do (ECMWF), correspondendo ao período de 1990 a 2014, separando-se em escala decendial e mensal. Com base nos dados estimados foram testados e ajustados modelos de regressão linear múltipla para prognosticar a produtividade em dois tipos de cultivo de açaizeiro. Buscou-se maximizar a data para antecipação da previsão. A variável dependente foi à produtividade da cultu... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Agrometeorological models for yield prediction allow the quantitative evaluation of the meteorological elements with the phenological variables and yield, aiding in the planning of agricultural crops and in the optimization of decision making. In the Amazon region, more precisely in the Pará State, the largest açai production is found in Brazil. However, seasonality in production, influenced mainly by the climate, is strongly affecting the price of the product, causing concern for the entire production chain. Therefore, evaluating the performance of general circulation models (GSM), which may represent the weather and climate conditions in the region, is of great importance for the sustainability of production. The objective of this study was to evaluate the air temperature (T) and precipitation (P) data from the European Center for Medium-Range Weather Forecast (ECMWF) model and to develop agrometeorological models for yield prediction in açai crop in Tomé Açu, Pará. T and P of meteorological stations of surfaces were estimated by linear regression using grid data of the ECMWF, from the period 1990 to 2014, separating in 10-day period and monthly scale. Based on the estimated data, multiple linear regression models were tested and adjusted to predict yield in two types of açai culture. We seek to maximize the date for anticipation of the forecast. The dependent variable was crop yield, while the independent variables were meteorological elements for irrigated system (IRRS) and rainfed system or unirrigated (RAINF). The ECMWF tends to overestimate rainfall in the dry season and to underestimate it in the rainy season. The northwest region of Amazonia is characterized as the area of highest rainfall supply (P), but with lower performances of the model with R2 less than 0.18. The ECMWF model presented a high performance (R2> 0.60) wh... (Complete abstract click electronic access below) / Mestre

Made available in DSpace on 2015-06-17T19:34:37Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-12-19. Added 1 bitstream(s) on 2015-06-18T12:48:31Z : No. of bitstreams: 1 000826622_20150715.pdf: 111388 bytes, checksum: 0df76931737a2d8db48b8a83cacaecb8 (MD5) Bitstreams deleted on 2015-08-03T12:21:15Z: 000826622_20150715.pdf,. Added 1 bitstream(s) on 2015-08-03T12:22:27Z : No. of bitstreams: 1 000826622.pdf: 1096376 bytes, checksum: 1829dd81ad2058076c40b56830d0b9b9 (MD5) / O Brasil é o maior produtor de laranjas do mundo, visto que o estado de São Paulo é o grande responsável pela produção. A variedade Valência encontra-se como uma das mais produzidas no estado. O clima é o fator de maior influência na variabilidade da produtividade e qualidade dos cultivos, sendo que a variação anual pode trazer efeitos positivos e/ou negativos a esta variabilidade. A previsão é o ato de estimar com uso de dados atuais um fenômeno futuro, ou seja, que ainda vai ocorrer. Enquanto estimação usa de dados atuais para estimar um fenômeno também atual. Este estudo tem como objetivo entender a influência das variáveis meteorológicas mensais ao longo do ciclo de laranjas Valência enxertadas em limoeiro Cravo (VACR) de pomares com mais de seis anos, em quatro locais de destaque na produção do Estado de São Paulo (Bauru, Bebedouro, Limeira e Matão), e desenvolver modelos agrometeorológicos de previsão e estimação de atributo de qualidade mensal de VACR. As deficiências hídricas (DEF) são fatores limitantes na produtividade e qualidade dos frutos. Por esta razão sua influência no cultivo foi analisada de forma isolada, desenvolvendo modelos de estimação apenas em função das DEF mensais, a fim de determinar quais fases fenológicas da VACR são mais sensíveis a DEF e com isso estimar de forma acurada os atributos qualitativos da VACR, nos quatro locais do estado de São Paulo. Os modelos foram construídos em regressão linear múltipla e classificados pelos índices estatísticos de erro percentual absoluto médio (MAPE) e coeficiente de determinação ajustado (R² ajustado). Foi possível elaborar modelos acurados tanto para estimações como também para previsões. Em relação aos modelos de estimação houve maior atuação da DEF no numero de frutos por caixa no primeiro ano do ciclo e nos outros atributos no segundo ano. Para os modelos de previsão, as temperaturas ... / The main producer country of oranges at the world is Brazil, been the State of São Paulo responsible for almost all of this production. The 'Valência' orange is one of the most important cultivars of the State. The major influent factors on yield and quality variability of crops are climatic factors, where this annually variation can bring positive or negative effects. Forecasting is the use of actual data to estimate an event that will happen, while estimation uses actual data to esteem a current event. This study aims to understand the influence of monthly meteorological variables during the 'Valência' orange grafted on rangpur lime of orchards with more than six years old (VACR), for four main producers regions of the State of São Paulo (Bauru, Bebedouro, Limeira and Matão) and develop agrometeorological models for predict the qualitative attributes of every month of VACR during the production year. . Water deficits (DEF) are limiting factors at yield and quality of fruits. Therefore its influence on crop development was analyzed isolated; developing estimation models in function only of monthly DEF, in order to determine which phenological phases of VACR are more sensitive to DEF and with that, make accurate estimation of the qualitative attributes of VACR, at four regions of the State of São Paulo. The models were constructed in multiple linear regressions and classified according to the mean absolute perceptual error (MAPE) and the adjusted coefficient of determination (R² adjusted). All the developed models were accurate. Relative to the estimation models, for number of fruits per box, DEF were more important at the phases of the first year of the cycle and for the others attributes at the second year. For the forecasting models the main influent variables were: minimum, mean and maximum temperatures and relative evapotranspiration

Orientador: Glauco de Souza Rolim / Banca: Regina Célia de Matos Pires / Banca: Arthur Bernardes Cecílio Filho / Resumo: O Brasil é o maior produtor de laranjas do mundo, visto que o estado de São Paulo é o grande responsável pela produção. A variedade "Valência" encontra-se como uma das mais produzidas no estado. O clima é o fator de maior influência na variabilidade da produtividade e qualidade dos cultivos, sendo que a variação anual pode trazer efeitos positivos e/ou negativos a esta variabilidade. A previsão é o ato de estimar com uso de dados atuais um fenômeno futuro, ou seja, que ainda vai ocorrer. Enquanto estimação usa de dados atuais para estimar um fenômeno também atual. Este estudo tem como objetivo entender a influência das variáveis meteorológicas mensais ao longo do ciclo de laranjas "Valência" enxertadas em limoeiro "Cravo" (VACR) de pomares com mais de seis anos, em quatro locais de destaque na produção do Estado de São Paulo (Bauru, Bebedouro, Limeira e Matão), e desenvolver modelos agrometeorológicos de previsão e estimação de atributo de qualidade mensal de VACR. As deficiências hídricas (DEF) são fatores limitantes na produtividade e qualidade dos frutos. Por esta razão sua influência no cultivo foi analisada de forma isolada, desenvolvendo modelos de estimação apenas em função das DEF mensais, a fim de determinar quais fases fenológicas da VACR são mais sensíveis a DEF e com isso estimar de forma acurada os atributos qualitativos da VACR, nos quatro locais do estado de São Paulo. Os modelos foram construídos em regressão linear múltipla e classificados pelos índices estatísticos de erro percentual absoluto médio (MAPE) e coeficiente de determinação ajustado (R² ajustado). Foi possível elaborar modelos acurados tanto para estimações como também para previsões. Em relação aos modelos de estimação houve maior atuação da DEF no numero de frutos por caixa no primeiro ano do ciclo e nos outros atributos no segundo ano. Para os modelos de previsão, as temperaturas ... / Abstract: The main producer country of oranges at the world is Brazil, been the State of São Paulo responsible for almost all of this production. The 'Valência' orange is one of the most important cultivars of the State. The major influent factors on yield and quality variability of crops are climatic factors, where this annually variation can bring positive or negative effects. Forecasting is the use of actual data to estimate an event that will happen, while estimation uses actual data to esteem a current event. This study aims to understand the influence of monthly meteorological variables during the 'Valência' orange grafted on rangpur lime of orchards with more than six years old (VACR), for four main producers regions of the State of São Paulo (Bauru, Bebedouro, Limeira and Matão) and develop agrometeorological models for predict the qualitative attributes of every month of VACR during the production year. . Water deficits (DEF) are limiting factors at yield and quality of fruits. Therefore its influence on crop development was analyzed isolated; developing estimation models in function only of monthly DEF, in order to determine which phenological phases of VACR are more sensitive to DEF and with that, make accurate estimation of the qualitative attributes of VACR, at four regions of the State of São Paulo. The models were constructed in multiple linear regressions and classified according to the mean absolute perceptual error (MAPE) and the adjusted coefficient of determination (R² adjusted). All the developed models were accurate. Relative to the estimation models, for number of fruits per box, DEF were more important at the phases of the first year of the cycle and for the others attributes at the second year. For the forecasting models the main influent variables were: minimum, mean and maximum temperatures and relative evapotranspiration / Mestre

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-05-30T11:43:41Z No. of bitstreams: 1 texto completo.pdf: 6160279 bytes, checksum: 112e89931d722b2d0da457b439f43269 (MD5) / Made available in DSpace on 2016-05-30T11:43:41Z (GMT). No. of bitstreams: 1 texto completo.pdf: 6160279 bytes, checksum: 112e89931d722b2d0da457b439f43269 (MD5) Previous issue date: 2012-08-02 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A batata e o tomate estão entre os alimentos mais consumidos no Brasil e suas produtividades são muito afetadas pelas doenças fúngicas, as quais, dependendo das condições climáticas e do tipo de controle realizado em campo, levam à perda de toda uma lavoura em poucos dias. Com isso, tornam-se mais frequentes as pesquisas na área da fitopatologia, com vistas a reduzir o impacto dos fungos sobre tais culturas. O manejo integrado de doenças, juntamente com o avanço da tecnologia na área eletrônica, é uma união determinante no momento de minimizar ou erradicar tal problema. Um dos fatores que afetam a incidência de doença é o molhamento foliar, pois relaciona-se com o desenvolvimento dos patógenos e, apesar dos avanços nas pesquisas, é ainda de difícil determinação com exatidão em condições de campo. Com isso, desenvolveu-se um sensor de molhamento foliar, estudando-se as influências da resistência elétrica que condiciona seu sinal e altera o tempo de vida útil, da camada de tinta protetora sobre a resposta do sensor e, utilização do sensor em duas safras. Estudou-se a variabilidade de 24 sensores em paralelo, criando-se três aquisidoras eletrônicas para registro e análise dos dados, concluindo-se que a resistência elétrica ideal é de 8,2 MΩ para uma menor variabilidade e maior durabilidade dos sensores, e com três camadas de tinta de proteção e tratamento térmico. Sua reutilização entre duas safras não influenciou significativamente sua variabilidade. Utilizando três desses sensores por equipamento, além de um termômetro e um higrômetro, desenvolveu-se uma estação meteorológica automática para alerta de doença em plantas, reduzindo sua complexidade no uso diário, aumentando a confiabilidade de suas leituras e estimativas, facilitando sua aquisição e manutenção, pela simplicidade e operacionalidade. O sistema foi instalado e testado em condições de campo para as culturas da batata e tomate na Chapada Diamantina-BA, estimando a severidade da doença de forma objetiva e operacional. Observou-se a operacionalidade do equipamento, com um manuseio simplificado e dessa forma confiável para as condições do sistema no campo. / Potatoes and tomatoes are among the most consumed foods in Brazil and their productivities are very affected by fungal diseases, which, depending on weather conditions and on the type of control performed in the field, lead to loss of an entire crop in a few days. Therefore, researches in the area of phytopathology have become more frequent in order to reduce the impact of fungi on such crops. The integrated management of diseases, along with the advancement of electronics technology, is a crucial union when it comes to minimize or eliminate this problem. One of the factors that affect the incidence of disease is leaf wetness, since it is related to the development of pathogens and, despite advances in research, it is still difficult to determine with accuracy in field conditions. In order to solve this problem, we developed a leaf wetness sensor, by studying the influences of electrical resistance which determines their sign and changes their life cycle, of the protective ink layer on the sensor response, and using the same sensor in two crops. We studied the variability of 24 sensors in parallel, by creating three datalogger to record and analyze data, concluding that the electrical resistance of 8.2 M is ideal for a smaller variability and durability of the sensors, and three layers of paint protection and heat treatment. Reusing the same sensor between two crops did not significantly influence its variability. Using three of these sensors for equipment, besides a thermometer and a hygrometer, we developed an automatic weather station for plants disease warning, reducing their complexity in everyday use, increasing the reliability of their readings and estimates, facilitating their acquisition and maintenance by simplicity and operability. The system was installed and tested in field conditions for crops of potatoes and tomatoes in Chapada Diamantina, Bahia/Brazil, estimating disease severity objectively and operational. We observed the functionality of the equipment, with a simplified handling and, therefore, its reliability for the conditions of the system in the field.

Made available in DSpace on 2014-06-11T19:32:43Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-11-21Bitstream added on 2014-06-13T19:03:15Z : No. of bitstreams: 1 gomes_awa_dr_botfca.pdf: 900192 bytes, checksum: 46a0e1596e08175ebd9908ad00b840b9 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Universidade Estadual Paulista (UNESP) / Os modelos de previsão de produtividade são de grande importância no planejamento regional, dando subsídios para a avaliação econômica da implantação da cultura em um novo ambiente. O objetivo deste trabalho foi simular a produtividade potencial de colmo e de açúcar da cultura da cana-de-açúcar, nas regiões Sudeste (Bauru-SP e Jaú-SP) e Nordeste (Petrolina-PE e Teresina-PI), analisando quatro variedades em diferentes épocas de plantio, em dois ambientes: sequeiro e irrigado. O modelo de simulação adotado foi o DSSAT/CANEGRO (Decision Support System for Agrotechnology Transfer) e as quatro variedades de cana-de-açúcar avaliadas foram: RB86 7515, CTC 4, CTC 7 e CTC 20 (todas em ciclo de 1,5 ano). Os resultados obtidos foram submetidos à análise de variância e as médias, comparadas pelo teste de Tukey, a 5% de probabilidade. Em ambiente de sequeiro, recomenda-se o plantio da cana-de-açúcar de ano e meio em setembro e novembro para Bauru, SP, em setembro para Jaú, SP e em março para Teresina, PI. Em Petrolina, PE, o plantio em sequeiro não é indicado devido ao déficit hídrico prolongado por todo o ano. Em ambiente irrigado, não houve diferença da produtividade de colmo em função da época de plantio, para todas as variedades e em todas as regiões avaliadas. As produtividades de colmos e de açúcar foram sempre maiores no ambiente irrigado quando comparado com o de sequeiro, em todas as localidades e em todas as variedades avaliadas. O modelo de simulação gerou boa estimativa da produtividade de colmos e de açúcar quando comparado aos dados experimentais de Teresina, PI e de Jaú, SP / The yield prediction models are of great importance in regional planning, providing subsidies for the crop implementation economic evaluation in a new environment. The aim of this study was to simulate the potential productivity of stem and sugar of sugarcane cultivated in the Southeast (Bauru-SP and Jau-SP) and Northeast (Petrolina-PE and Teresina-PI) regions, analyzing four varieties in different planting dates, in two environments: rainfed and irrigated. The simulation model was the CANEGRO / DSSAT (Decision Support System for Agrotechnology Transfer) and the four varieties of sugarcane evaluated were RB86 7515, CTC 4, 7 and CTC CTC 20 (all in a cycle of 1.5 year). The results were submitted to variance analysis and the means were compared by Tukey test, at 5% probability. In rainfed conditions, the results showed that sugarcane planting should be in September and November for Bauru, SP, in September for Jau, SP and in March for Teresina, PI. In Petrolina, PE, the planting was not indicated for rainfed conditions due to water deficit throughout the year. In irrigated environment, there was no difference in the stem productivity according to the planting date, for all varieties and in all regions evaluated. The productivities of stem and sugar were always higher in irrigated environment when compared to the rainfed, in all locations and in all varieties. The simulation model generated good estimate of stem and sugar yields compared to experimental data from Teresina, PI and Jau, SP

Orientador: João Carlos Cury Saad / Banca: José Antonio Frizzone / Banca: Raimundo Leite Cruz / Banca: Adalberto Luiz de Paula / Banca: Tarlei Arriel Botrel / Resumo: Os modelos de previsão de produtividade são de grande importância no planejamento regional, dando subsídios para a avaliação econômica da implantação da cultura em um novo ambiente. O objetivo deste trabalho foi simular a produtividade potencial de colmo e de açúcar da cultura da cana-de-açúcar, nas regiões Sudeste (Bauru-SP e Jaú-SP) e Nordeste (Petrolina-PE e Teresina-PI), analisando quatro variedades em diferentes épocas de plantio, em dois ambientes: sequeiro e irrigado. O modelo de simulação adotado foi o DSSAT/CANEGRO (Decision Support System for Agrotechnology Transfer) e as quatro variedades de cana-de-açúcar avaliadas foram: RB86 7515, CTC 4, CTC 7 e CTC 20 (todas em ciclo de 1,5 ano). Os resultados obtidos foram submetidos à análise de variância e as médias, comparadas pelo teste de Tukey, a 5% de probabilidade. Em ambiente de sequeiro, recomenda-se o plantio da cana-de-açúcar de ano e meio em setembro e novembro para Bauru, SP, em setembro para Jaú, SP e em março para Teresina, PI. Em Petrolina, PE, o plantio em sequeiro não é indicado devido ao déficit hídrico prolongado por todo o ano. Em ambiente irrigado, não houve diferença da produtividade de colmo em função da época de plantio, para todas as variedades e em todas as regiões avaliadas. As produtividades de colmos e de açúcar foram sempre maiores no ambiente irrigado quando comparado com o de sequeiro, em todas as localidades e em todas as variedades avaliadas. O modelo de simulação gerou boa estimativa da produtividade de colmos e de açúcar quando comparado aos dados experimentais de Teresina, PI e de Jaú, SP / Abstract: The yield prediction models are of great importance in regional planning, providing subsidies for the crop implementation economic evaluation in a new environment. The aim of this study was to simulate the potential productivity of stem and sugar of sugarcane cultivated in the Southeast (Bauru-SP and Jau-SP) and Northeast (Petrolina-PE and Teresina-PI) regions, analyzing four varieties in different planting dates, in two environments: rainfed and irrigated. The simulation model was the CANEGRO / DSSAT (Decision Support System for Agrotechnology Transfer) and the four varieties of sugarcane evaluated were RB86 7515, CTC 4, 7 and CTC CTC 20 (all in a cycle of 1.5 year). The results were submitted to variance analysis and the means were compared by Tukey test, at 5% probability. In rainfed conditions, the results showed that sugarcane planting should be in September and November for Bauru, SP, in September for Jau, SP and in March for Teresina, PI. In Petrolina, PE, the planting was not indicated for rainfed conditions due to water deficit throughout the year. In irrigated environment, there was no difference in the stem productivity according to the planting date, for all varieties and in all regions evaluated. The productivities of stem and sugar were always higher in irrigated environment when compared to the rainfed, in all locations and in all varieties. The simulation model generated good estimate of stem and sugar yields compared to experimental data from Teresina, PI and Jau, SP / Doutor

Orientadores: Hilton Silveira Pinto, Maria Angela Fagnani / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-06T03:39:21Z (GMT). No. of bitstreams: 1 Coral_Gustavo_M.pdf: 7476254 bytes, checksum: 4197ca8acc653636d1f80dd90a34edf2 (MD5) Previous issue date: 2004 / Resumo: A agricultura é a atividade econômica mais afetada pelo clima. Os fenômenos meteorológicos como a temperatura, precipitação, umidade relativa, velocidade do vento, influenciam tanto na produtividade e qualidade dos produtos agrícolas, quanto nos custos de produção. Uma das ferramentas mais utilizadas para quantificar os efeitos causados pelos fenômenos meteorológicos na produtividade agrícola são os modelos agrometeorológicos. No presente trabalho foi utilizado um modelo agrometeorológico multiplicativo, que se baseia na penalização da produtividade agrícola, em decorrência de fenômenos meteorológicos desfavoráveis ao desenvolvimento da cultura, para a estimativa de safra da soja. O estudo abrangeu um total de 66 municípios nos estados de Goiás, Mato Grosso, Paraná, Rio Grande do Sul e São Paulo. Foram relacionados os municípios que possuíam área plantada de soja superior à 2000 ha, com os municípios que possuíam estações pluviométricas operando entre os anos de 1994à 2000. Utilizou-se mapas pedológicos para diferenciação dos tipos de solos predominantes em cada município, com a finalidade de se obterem informações sobre a capacidade de água disponível no solo (CAD), bem como a média histórica da evapotranspiração potencial (ETP) para o cálculo do balanço hídrico decendial e da evapotranpiração real (ETR). As épocas de semeadura selecionadas foram baseadas no Zoneamento Agroclimático da cultura da soja, elaborado pela Coordenação Nacional do Zoneamento Agrícola. As produtividades estimadas foram comparados com as produtividades reais obtidas através de dados do IBGE. O modelo apresentou correlações significativas entre as produtividades reais e as estimadas,a nível estadual. Os coeficientes de determinação para os estados de Goiás, Mato Grosso, Paraná, Rio Grande do Sul a São Paulo foram respectivamente, 0,5831; 0,6933;0,9162; 0,8504; 0,6426 / Abstract: Agriculture is the economic activity more affected by the climate. The meteorologicalphenomena like temperature, precipitation, relative humidity or wind speed have influence in the productivity and agricultural product quality, as well as in the productioncosts.One of the tools more used to quantify the effect caused for the meteorological phenomenain the agricultural productivity is the agrometeorologicalmodel. In the present work an agrometeorologicalmodel for estimate the productivity of the soybean was studied using a total of 66 cities in the states of Goiás, Mato Grosso, Paraná, Rio Grande do Sul and São Paulo. Productivity data of soybean was crossed with rainfall data of pluviometric stations observedbetweenthe years of 1994to the 2000. It was also used pedological maps for differentiation of the types of predominant soil in each city for estimating available water hold capacity of the soil. Historical data was used for estimasting the average of the potential evapotranspiration (ETP) for decendial hidric . balance and evapotranpiration reference (ETR). The selected times for seeding were based on the Agroclimatic Risc Zoning for soybean, elaborated for the National Coordination of the Agricultural Zoning. The calculated produtivities were compared with the data of produtivitiesused by IBGE. The model presented significant correlations between the real produtivities at the leveI of states. The coefficients of determination for the states of Goiás, Mato Grosso, Paraná, Rio Grande do Sul and São Paulo were respectively, 0,5831; 0,6933; 0,9162; 0,8504; 0,6426 / Mestrado / Agua e Solo / Mestre em Engenharia Agrícola

Orientador: Jansle Vieira Rocha / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-11T14:29:10Z (GMT). No. of bitstreams: 1 Weber_LianedeSouza_D.pdf: 866084 bytes, checksum: 6f14fe14fef394e2bd299f45b7c98915 (MD5) Previous issue date: 2005 / Resumo: O presente trabalho descreve um estudo sobre estimativa de safras cujo principal objetivo foi criar uma metodologia de integração de dados de produção, dados espectrais e indicadores meteorológicos por meio de redes neurais artificiais, estabelecendo correlações entre índices de vegetação e de produtividade, com o propósito de estimar a produtividade de cana-de-açúcar. O estudo foi dividido em duas etapas: a primeira correspondeu à obtenção e organização dos dados em um banco de dados com padrões de entrada/saída; a segunda, à implementação e ajuste das redes neurais, por meio de ensembles. O estudo foi realizado em unidades amostrais de produção de uma usina sucroalcooleira no município de Araras-SP. A primeira etapa consistiu na obtenção dos coeficientes de produtividade (kp), por meio da inversão do modelo agrometeorológico de Doorenbos e Kassam (1979), a partir da determinação do balanço hídrico. O resultado deste procedimento mostrou a sensibilidade do coeficiente à variabilidade da produtividade nos talhões. Os dados espectrais das imagens Landsat 7 ¿ ETM+ foram obtidos de correlações descritas na literatura estabelecidas entre o Índice de Vegetação Greenness (GVI), a banda do infravermelho próximo (B4) e a produtividade da cana-de-açúcar. A estratégia para treinamento dos ensembles foi baseada no aprendizado supervisionado aplicado a uma arquitetura Multilayer Perceptron (MLP), com uma camada escondida, método de aprendizado de 2ª ordem e feedforward. Na etapa de treinamento e validação, as redes neurais tiveram como variáveis de entrada os valores de kp, GVI e B4, e como variável de saída a produtividade, que definiram os padrões de entrada/saída. A fase de teste consistiu em implementar a metodologia em um grupo de padrões de entrada não utilizados nos treinamentos. Os resultados mostraram valores de EQM entre 0,03 e 0,51 ton/ha, enquanto que a estimativa da usina errou em média 9,93 ton/ha, o que garantiu o correto ajuste da rede neural quanto à topologia, ao número de iterações e aos algoritmos de aprendizagem. Esta etapa mostrou a capacidade de generalização da rede neural, já que os treinamentos foram realizados a partir de unidades amostrais. O estudo ratificou a aplicação desta metodologia na determinação da estimativa de produtividade de cana-deaçúcar, empregando-a como técnica complementar aos atuais métodos de estimativa agrícola, sugerindo a ampliação da escala de aplicação para o ambiente de produção da usina / Abstract: The present thesis describes a study on crop forecast. Its main purpose was to create a methodology for integrating production, spectral and meteorological data indicators through artificial neural networks, establishing correlations between vegetation index and yield coefficients, aiming at the estimate of sugarcane yield. The study was divided in two parts: the first corresponded to obtaining and organizing data in a database with input/output default; the second corresponded to the implementation and adjustment of the neural network. The study was carried out in sample production units (fields) of a sugarmill agricultural area located in the municipality of Araras-SP, Brazil. The first part consisted in obtaining yield coefficients (kp) through the inversion of the Doorenbos-Kassam (1979) agrometeorological model, based on the determination of the water balance. The result of this procedure showed the coefficient¿s sensitivity to the variability of yield within the sample fields. The spectral data of the Landsat 7 ¿ ETM+ images were obtained from correlations, available in scientific literature, between the Greenness Vegetation Index (GVI), near infrared band, and sugarcane yield. The strategy for training the neural network was based on supervised learning applied to a Multilayer Perceptron (MLP) architecture, with a hidden layer, second order learning method and feedforward. For the training and validation stage, the neural network had as input variables kp, GVI and B4 values, and as output variable the yield, both obtained in the input/output database. The test stage consisted of implementing the methodology in a set of input patterns not used for the trainings. The results showed Mean Square Error (MSE) values between 0,03 and 0,51 ton/ha, while the average error of the sugarmill estimates were 9,93 ton/ha, which showed the correct adjustment of the network concerning topology, number of iterations and learning algorithms. This showed the generalization capacity of the neural network once the trainings were carried out based on sample units. The study ratified the application of this methodology for determining sugarcane yield estimate, employing it as a complementary technique to the present methods of agricultural forecast, suggesting the increase of the application scale to a broader area of the sugarmill production environment / Doutorado / Planejamento e Desenvolvimento Rural Sustentável / Doutor em Engenharia Agrícola

Orientadores: Jansle Vieira Rocha, Rubens Augusto Camargo Lamparelli / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-25T02:24:32Z (GMT). No. of bitstreams: 1 Figueiredo_GleyceKellyDantasAraujo_D.pdf: 15565532 bytes, checksum: e16561814c496d76444d5e593f47a240 (MD5) Previous issue date: 2014 / Resumo: A soja é uma das principais commodities do mercado agrícola brasileiro, e está em constante especulação no mercado interno e externo. A estimativa da produtividade com precisão e antecedência utilizando o sensoriamento remoto representa um importante avanço na procura de formas objetivas para previsão de safras no Brasil, uma vez que pode auxiliar a avaliação de rendimento da cultura, servir de apoio à segurança alimentar, ao planejamento econômico e a gestão dos recursos naturais. No entanto, ainda não há no país um sistema operacional para estimar produtividade. O principal objetivo desse estudo foi propor uma metodologia para estimar, por município, a produtividade da soja, baseado em dados espectrais (EVI/MODIS) e dados históricos de rendimento durante os anos safra 2000/2001 a 2010/2011 no estado do Paraná. Esses dados foram utilizados para estabelecer a correlação entre EVI e produtividade da soja por pixel utilizando duas abordagens: por mês (outubro a abril) e por estágios fenológicos (emergência a maturação, emergência a floração, floração a maturação, floração ao enchimento dos grãos), criando-se então dois tipos de mapas de correlação. Com isso foi possível detectar pixels que tinham as melhores correlações ao longo do tempo e ainda encontrar o período mais adequado para estimar a produtividade. Os resultados mostraram que a maior correlação foi encontrada no período de pico vegetativo da cultura para ambas as abordagens. Em seguida comparou-se o desempenho dos mapas de correlação com máscaras de culturas especificas para estimar a produtividade. Os mapas de correlação apresentaram resultados mais significativos, com RMSE de 0.173 ton/ha, enquanto a máscara de cultura específica apresentou RMSE de 0.294 ton/ha. Em seguida selecionamos os pixels temporalmente estáveis dentro dos mapas de correlação por meio da técnica de estabilidade temporal, a fim de incluir somente pixels que apresentassem o mesmo padrão temporal de desenvolvimento durante a safra. A técnica apresentou-se eficiente, selecionando desde pixels puros a pixels com alguma porcentagem da cultura dentro dele, assim, estes pixels foram utilizados para estimar a produtividade da soja durante os onze anos de estudo, também utilizando as abordagens por mês e por fase fenológica. Para a primeira abordagem o período de pico vegetativo apresentou melhor resultado, sendo o mês de fevereiro o que apresentou valores mais próximos aos dados oficiais com RMSE de 0.187 ton/ha, na segunda abordagem o melhor desempenho foi para o período de floração a maturação com RMSE de 0.193 ton/ha e o índice de concordância de Willmott foi de 96% para fevereiro e 95.8% durante a floração e maturação. Esta metodologia mostrou ser eficiente para estimar a produtividade por mês, assim é possível utilizá-la como ferramenta auxiliar na previsão de produtividade / Abstract: Soybean is one of the main commodities of the Brazilian agricultural market, and is subject to constant speculation in internal and external markets. Timely and accurate yield estimation using remote sensing represents an important advance in the search for objective crop forecasting in Brazil, since it may help government to plan storage and/or acquisition of food, serving as support to food security, decision making and management of natural resources. However, an operating crop yield estimating system is not currently available in the country. The main goal of this study was to propose a methodology to estimate soybean yield at county level, based on spectral data (EVI/MODIS) and historical yield data during 2000/2001 to 2010/2011 cropping season, in Parana state. These data were used to establish the correlation between EVI and soybean yield at pixel level using two approaches: by month (October to April) and by phenological stages (emergence to maturity, emergence to flowering, flowering to maturity, flowering to grain filling), generating two types of correlation maps. It was possible to detect pixels that had the best correlation over the crop cycle and still find the most suitable period to estimate yield. The results showed that the highest correlation was found in the vegetative peak period of the crop for both approaches. Then I compared the performance of correlation maps against crop specific mask to estimate soybean yield. The correlation maps showed meaningful results with RMSE of 0.173 ton/ha while the crop specific mask showed RMSE of 0.294 ton/ha. Then I selected the temporally stable pixels within the correlation maps using the temporal stability technique in order to include only pixels that presented the same temporal development pattern during the crop cycle. The technique was efficient, once selected pure pixels or pixels with some percentage of the crop, so these pixels were used to estimate soybean yield during the eleven years of study; also using the approaches by month and by phenological stages. For the first approach the vegetative peak showed better results and February showed values closest to official data with RMSE of 0.187 ton/ ha, the best performance of the second approach was the period from flowering to maturity, with RMSE of 0.193 ton/ ha and Willmott agreement index of 96% for February and 95.8% for the flowering to maturity period. This methodology showed to be efficient to estimate yield monthly, thereby it is possible to use it as an auxiliary tool in yield forecast / Doutorado / Planejamento e Desenvolvimento Rural Sustentável / Doutora em Engenharia Agrícola

Orientador: Marco Tulio Ospina Patino / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-23T00:18:17Z (GMT). No. of bitstreams: 1 Machado_MarinaFalascina_M.pdf: 3931311 bytes, checksum: 7f74f4e7f9b6d8ac5b30284bd0fc0311 (MD5) Previous issue date: 2013 / Resumo: A agricultura brasileira apresentou, nos últimos anos, altas taxas de crescimento, sobretudo no setor de grãos. Para o acondicionamento de toda a produção de forma adequada, as redes de armazenamento são indispensáveis, e os armazéns, por sua vez, devem estar localizados em áreas de maior concentração de produção de grãos evitando a perda desnecessária do produto e garantindo a sua qualidade. O presente trabalho buscou diagnosticar a capacidade de armazenamento existente e, comprovar, calculando a previsão futura da produção, da produtividade e da área a necessidade de infraestrutura de armazenamento de grãos, assim como simular o tamanho, o número, o custo e a localização de novas unidades de armazenamento nas principais microrregiões produtoras. O trabalho foi dividido em três etapas: a primeira consistiu no diagnóstico da quantidade existente de unidades estáticas de armazenamento de grãos no país e na previsão da produção da produtividade e área das culturas da soja, do milho e do arroz. Na segunda etapa foram identificadas as 100 principais microrregiões produtoras de grãos do Brasil, e a localização de novas unidades de armazenamento. A terceira etapa consistiu na definição do número e tamanho das unidades de armazenamento que devem ser instaladas para suprir a futura necessidade de armazenamento de grãos, no custo e na viabilidade econômica total necessária para adequada implementação dessas unidades de armazenamento de grãos em cada microrregião. Os resultados da previsão mostram que a produção continuará crescendo nos próximos dez anos. Os casos mais críticos de déficit de armazenamento de grãos estão nas microrregiões de Alto Teles Pires - MT, Barreiras - BA, Dourados - MS, Sudoeste de Goiás - GO e Toledo - PR. Para armazenar toda a produção de grãos nessas cinco microrregiões são necessárias 544 unidades de vinte mil toneladas e o custo dessa instalação é de R$2,1 bilhões. A viabilidade econômica mostrou que o investimento em unidades de armazenamento de grãos apresenta uma rentabilidade mínima, mas as condições de financiamento do Plano Nacional de Armazenagem (PNA) do governo brasileiro com juros negativos, dois anos de carência e nove para pagar tornam atrativo esse tipo de investimentos / Abstract: Brazilian agriculture in the last years showed high growth rates, particularly in the grain sector. For the packaging of all production in an appropriate way, storage networks are indispensable, and the warehouses, in turn, should be located in areas of high concentration of grain production avoiding the unnecessary loss of product and ensuring their quality. This study aimed to diagnose existing storage capacity, and prove, calculating the prediction of future production, productivity and area, the need for grain storage infrastructure, as well as simulate the size, number, cost and location of new storage units in major producing micro regions. The study was divided into three stages: the first consisted in the diagnosis of the amount of existing static units of grain storage in the country and in forecasting the production, the productivity and area of soybean, corn and rice. In the second stage were defined 100 main micro regions producing grain in Brazil, identifying each of these micro regions and final location of the storage units. The third step consisted to determine the number and size of storage units that should be installed to supply the future need for grain storage, the cost and the economic viability total required for proper implementation of these storage units in each micro grains. The forecast results show that production will continue growing over the next ten years. The most critical micro regions with deficit of grain storage are in Alto TelesPires-MT, Barreiras -BA, Dourados -MS, Sudoeste de Goiás -GO e Toledo -PR. To store all the grain production of these five micro regions, 544unitsof twenty thousand tons each are needed at a cost of R$2.1 billion. The economic feasibility showed that investment in new storage units provide a minimum return but the conditions of the National Storage Plan (PNA) of the Brazilian Government with negative rates and two year grace period and nine years for payment make attractive this type of investment / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestra em Engenharia Agrícola