A atividade bovina do Brasil é uma das maiores do mundo, devido principalmente, ao uso predominante de pastagens tropicais na dieta do gado, porém, o alto custo dos insumos, com destaque para a adubação nitrogenada, dificulta a obtenção de altas produções de forragens. Por esta razão, a utilização de novas tecnologias que permitam melhorar o manejo e aumentar o rendimento de culturas como o capim \'Mombaça\', por meio do uso racional dos fatores de produção, é de alta relevância. O objetivo deste estudo foi avaliar o uso de dados hiperespectrais para a discriminação de diferentes tratamentos de adubação nitrogenada, e comparar diferentes métodos para obter valores de concentração de clorofila a partir de assinaturas espectrais de capim \'Mombaça\'. Foram estabelecidos quatro tratamentos de com doses diferentes de adubação nitrogenada. Foi medida a reflectância espectral de folhas coletadas em cada tratamento por meio de um sensor hiperespectral em laboratório além de medições de clorofila das folhas. Foi encontrado que as assinaturas espectrais de cada tratamento tiveram comportamentos diferentes, principalmente nas regiões do verde e do red-edge, sendo que tais diferenças dependeram da quantidade de adubo nitrogenado aplicado e do teor de clorofila foliar. A separação dos tratamentos foi possível mediante o uso de análise linear discriminante, baseando-se nos dados de reflectância espectral obtidos em cada tratamento. A obtenção de valores de concentração de clorofila da folha por meio de reflectância espectral foi possível por meio de técnicas de machine learning, destacando-se o support vector machine, como a melhor alternativa. As regiões do red-edge e do verde foram as mais influentes para realizar o cálculo dos valores de concentração de clorofila na folha. / Brazil\'s cattle production is one of the largest in the world, due mainly, to the predominant use of tropical pastures in the cattle diet. However, the high cost of inputs, especially nitrogen fertilizer, makes it difficult to obtain high forage production, for this reason, the use of new technologies to improve the management and to boost the yield of crops such as Mombaça grass, through the rational use of resources, is of high relevance. The aim of this study was to evaluate the use of hyperspectral data to discriminate different treatments of nitrogen fertilization, and to compare different methods to obtain chlorophyll values of chlorophyll concentration based on spectral signatures of \'Mombaça\' grass. Four treatments were established with different doses of nitrogen fertilization. The spectral reflectance of leaves collected in each treatment was measured with a hyperspectral sensor, and leaf chlorophyll measurements were performed, both, on laboratory conditions. It was found that the spectral signatures of each treatments had different behaviors, mainly in the green and red-edge regions, and such differences depended on the amount of nitrogen fertilizer applied and the chlorophyll content of the leaf. The separation of the treatments was possible through the use of linear discriminant analysis, based on the spectral reflectance data obtained in each treatment. Retrieve chlorophyll concentration values from the leaf spectral reflectance was possible by the use of machine learning techniques, highlighting the support vector machine as the best alternative. The red-edge and green regions were the most influential in calculating the values of leaf chlorophyll concentration.

Made available in DSpace on 2016-03-15T19:32:53Z (GMT). No. of bitstreams: 1 Rodrigo Cavaliere Oliveiraprot.pdf: 2617774 bytes, checksum: a0072ccf4589c966207ba25cecb3c1e5 (MD5) Previous issue date: 2015-02-27 / This master thesis examines the importance of the agricultural sector to the Brazilian economy and the particularities in place in Brazil putting credit risk in perspective, how agricultural multinationals perform their credit analysis, which credit models use and which variables are considered more important for good discrimination between good customers and bad customers, in other words, predict with some degree of accuracy customers who will be performing their payments on time and which ones will default. In this context was tested three statistical methods to confirm the theory for this sector and it was compared the accuracy of the results between them, two parametric techniques, logistic regression and discriminant analysis and a third non-parametric, decision trees - CART. The three methods were suitable, with a good explanatory power, especially decision trees and logistic regression. The qualitative variables showed high explanatory power and important for good credit analysis. Among the quantitative variables, liquidity ratios, debt to equity and average payment period stood out as good discriminatory variables for credit purposes / Este estudo visou analisar a importância do setor agrícola para economia brasileira e as particularidades presentes no Brasil sob a ótica de risco de crédito, como as multinacionais agrícolas efetuam suas análises de crédito, que modelos utilizam e quais variáveis são consideradas mais importantes para uma boa discriminação entre clientes bons e clientes ruins, ou seja, prever com certo grau de acurácia os clientes que serão adimplentes e inadimplentes. Nesse contexto foram testados três modelos estatísticos para confirmar a teoria para esse setor e foram comparados os resultados de acerto entre eles. Duas técnicas paramétricas, regressão logística e análise de discriminante, e uma não paramétrica, árvore de decisão CART. Os três modelos se mostraram adequados, com um bom poder explicativo, com um destaque maior para árvore de decisão e regressão logística. As variáveis qualitativas mostraram alto poder explicativos e importantes para uma boa análise de crédito. Dentre as variáveis quantitativas, índices de liquidez, endividamento e prazo médio de pagamento se destacaram como boas discriminadoras de crédito