Modelo de estimativa para a previsão meteorológica para fins agrícolas utilizando machine learning

• Ano de defesa: 2022
• Autor(a) principal: Vieira, Igor Cristian de Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Agrometeorologia; Meteorologia; Big data; Previsão tempo; Clima; Temperatura atmosférica
• Link de acesso: http://hdl.handle.net/11449/237490

A previsão das condições climáticas auxilia nas tomadas de decisões devido a sua grande influência nos cultivos, possibilitando estratégias produtivas mais eficientes e diminuição de danos, principalmente nas fases mais críticas da cultura do milho que determinam seu potencial produtivo. Foi desenvolvido um modelo de regressão linear múltipla (RLM) para previsão decendial dos elementos meteorológicos com pelo menos 2 meses de antecedência para 15 localidades que são destaque na produção de milho no Brasil. Foi utilizado um conjunto de dados diários de temperatura média, mínima e máxima do ar, velocidade do vento, umidade relativa e radiação global fornecidos pelo sistema NASA/POWER e dados de precipitação obtidos do banco de dados da Agência Nacional de Águas (ANA) (2003 a 2019), organizados em decêndios (DEC) em função do ciclo médio do milho e agrupados em dois tipos de clima (Am e Aw). As previsões utilizando 14 DEC nos dois tipos climáticos apresentaram, em média, elevada acurácia para todos os elementos, com destaque para a velocidade do vento que com 2 meses de antecedência atingiu R²ajust > 0,9 e RMSE e ES < 0,9 m/s. A chuva, mesmo com maior variabilidade no clima Am, obteve um R²ajust > 0,62 e com 12 DEC R²ajust > 0,55 e em ambos RMSE e ES < 30 mm, enquanto no clima Aw com 14 DEC R²ajust > 0,70 e com 12 DEC R²ajust > 0,60 e em ambos RMSE e ES < 50 mm. Conclui-se que a RLM é uma ferramenta eficaz para a previsão de elementos climáticos em escala decendial.