Estimativa da produtividade do feijoeiro submetido a taxa variável de insumos por meio de aprendizado de máquina a partir de imagens multitemporais

Abstract

A agricultura de precisão é uma abordagem inovadora que busca otimizar o processo agrícola por meio do uso de um sistema de gerenciamento agrícola baseada na variação espacial e temporal da unidade produtiva e visa ao aumento de retorno econômico, à sustentabilidade e à minimização do efeito ao ambiente. Um dos principais desafios enfrentados pelos agricultores é a estimativa da produtividade das culturas. No entanto, com os avanços no campo do aprendizado de máquinas e surgimentos de imagens orbitais de alta resolução espacial e temporal, é possível utilizar algoritmos para estimar com precisão e de forma antecipada a produtividade do feijoeiro, auxiliando nas tomadas decisões agrícolas eficazes, afim de ajudar a melhorar a renda dos agricultores. Assim esse trabalho foi desenvolvido para contribuir com essas informações, que são relevantes para os produtores e pesquisadores, e os resultados adquiridos aqui foram apresentados em três artigos científicos. O primeiro artigo teve como objetivo avaliar a qualidade de uma série temporal de imagens da constelação de CubeSats PlanetScope (PS) normalizada automaticamente e com dados dos sensores Operational Land Imager (OLI) e MultiSpectral Instrument (MSI) como referência. Estes sensores estão a bordo dos satélites Landsat 8 e Sentinel 2B, respectivamente. A comparação foi feita calculando o erro quadrado médio normalizado (NRMSE) de pixels selecionados em uma área de 24 há cultivada com feijão irrigado em Unaí-MG, Brasil. O comportamento temporal do NDVI ao longo do ciclo de crescimento do feijão foi examinado para avaliar o efeito da normalização radiométrica. Além disso, uma análise de correlação foi realizada entre os valores de NDVI, tanto nas imagens PS originais como normalizadas, e produtividade do feijoeiro. Os resultados indicaram que as imagens PS normalizadas pelo sensor MSI apresentavam erros menores em comparação ao sensor OLI, indicando uma qualidade radiométrica do PS mais próxima do sensor MSI do que o OLI, mostrando-se mais eficiente como sensor de referência no processo de normalização radiométrica. No monitoramento da cultura, por meio do NDVI, há uma alta relação entre as imagens PS originais e normalizadas indicando existência de relação linear dessas variáveis. Além disso o processo de normalização não melhorou a relação do NDVI com a produtividade do feijoeiro. O segundo artigo avaliou influência da aplicação a taxas variáveis de sementes e fertilizantes no rendimento e no comportamento espectral da cultura do feijão. Imagens do PS foram utilizadas para analisar a variabilidade temporal dos índices de vegetação (IVs) ao longo do ciclo de desenvolvimento da cultura. A área de estudo foi dividida em quatro ambientes de produção com diferentes taxas de semeadura e fertilizantes. Verificou-se que as taxas variáveis de insumos não tiveram um impacto significativo no rendimento da cultura, nos componentes de rendimento e na reflectância. No entanto, os IVs foram capazes de detectar a variabilidade temporal ao longo do crescimento da colheita e diferenciar os estádios fenológicos da cultura. O Terceiro e último artigo teve como objetivo à estimativa da produtividade da cultura do feijão, utilizando dados espectrais temporais PS para desenvolver modelos baseados em aprendizagem de máquinas por meio do algoritmo Random Forest (RF). Foram considerados diferentes conjuntos de dados, incluindo bandas espectrais e IVs. Verificou-se que as bandas espectrais foram mais importantes como variáveis preditoras do que os IVs na geração do modelo RF. No entanto, a utilização exclusiva de bandas espectrais não melhorou as métricas estatísticas do modelo em comparação com o uso exclusivo de IVs ou uma combinação de ambos. Os modelos RF mostraram que a produtividade do feijoeiro pode ser melhor prevista aos 75 dias após a semeadura. Os resultados apresentados nesses estudos contribuem para a estimativa da produtividade do feijoeiro, principalmente porque trabalhos dessa temática são escassos quando consideramos o uso de dados PS em uma área cultiva com insumos a taxa variável, que ainda é pouco explorado nessa cultura.