Orientador: Glauco de Souza Rolim / Resumo: RESUMO – A estimação de produtividade usando modelos agrometeorológicos é uma técnica de estratégia robusta para a realização do planejamento, uma vez que o conhecimento prévio das safras agrícolas facilitam as tomadas de decisões. O Objetivo deste estudo foi identificar e avaliar a influência das variáveis agrometeorológica em diferentes fases de desenvolvimento da cultura, para propor modelos agrometeorológicos com fim de estimar produtividade para erva-mate nos estados do Paraná, Santa Catarina e Rio Grande do Sul. Foram utilizados dados meteorológicos diários de temperatura e precipitação obtidos na plataforma NASA-POWER para um período de 28 anos, referentes a 38 localidades. Realizou-se balanço hídrico para obtenção das variáveis, evapotranspiração, déficit hídrico, excedente e armazenamento. Os dados de produtividade foram obtidos na plataforma IBGE no sistema de Recuperação Automática-SIDRA. Para o entendimento da dispersão espacial foi feita análise de agrupamento utilizando cluster hierárquico aglomerativo. Foi feita estatística descritiva para cada grupo determinado por meio de box plot. Para a modelagem de produtividade de erva-mate foram utilizados modelos de regressão linear múltipla (RLM), e modelos de inteligência artificial como o Random Forest Regressor (RF) e Redes Neurais Multilayer perceptron (MLP) usando sempre as variáveis independentes os elementos meteorológicos decendiais: temperatura e precipitação, e os derivados do balanço hídrico: ARM, ETR, DEF e... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: ABSTRACT- Productivity estimation using agrometeorological models is a robust strategy technique for planning, since prior knowledge of agricultural crops facilitates decision making. The objective of this study was to identify and evaluate the influence of agrometeorological variables in different stages of crop development, to propose agrometeorological models in order to estimate productivity for yerba mate in the states of Parana, Santa Catarina and Rio Grande do Sul. Daily weather and temperature meteorological data obtained on the NASA-POWER platform for a period of 28 years, referring to 38 locations. Water balance was performed to obtain the variables, evapotranspiration, water deficit, surplus and storage. The productivity data were obtained on the IBGE platform in the SIDRA Automatic Recovery system. For the understanding of spatial dispersion, cluster analysis was performed using an agglomerative hierarchical cluster. Descriptive statistics were made for each group determined using a box plot. For the modeling of yerba mate productivity, multiple linear regression models (RLM) were used, as well as artificial intelligence models such as Random Forest Regressor (RF) and Multilayer Perceptual Neural Networks (MLP), always using the independent variables of the decendial meteorological elements: temperature and precipitation and water balance derivatives: ARM, ETR, DEF and EXC and as a dependent variable, productivity. The results show that those values of RLM did not... (Complete abstract click electronic access below) / Mestre
Identifer | oai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000931514 |
Date | January 2020 |
Creators | Carvalho, Mary Jane Nunes |
Contributors | Universidade Estadual Paulista "Júlio de Mesquita Filho" Faculdade de Ciências Agrárias e Veterinárias. |
Publisher | Jaboticabal, |
Source Sets | Universidade Estadual Paulista |
Language | Portuguese |
Detected Language | Portuguese |
Type | text |
Format | f. |
Relation | Sistema requerido: Adobe Acrobat Reader |
Page generated in 0.0013 seconds