Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Junior, Alvaro Mari |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/154329
|
Resumo: |
A atual demanda por informações precisas e de baixo custo de obtenção causa um aumento na procura por serviços remotos, como o geoprocessamento, a geoestatística e o aprendizado de máquinas. Este trabalho objetiva a obtenção de informações relacionadas a leituras de teores de clorofila, a partir de um banco de dados de campo e por imagens de satélite aplicadas a uma área de cultivo de aveia preta, com baixos custos. Com um banco de dados preciso sobre o teor de clorofila, acredita-se ser possível reduzir custos na implantação e execução de sistemas de irrigação. Diversos autores já realizaram a comparação entre o teor de clorofila e a disponibilidade de água e outros já pontuaram o grande benefício da irrigação sobre diversos cultivares. Com a hipótese de que é possível através da utilização de técnicas de baixo custo a obtenção de valores de teor de clorofila, o trabalho utilizou de técnicas de geoestatística para procurar uma correlação entre os dados físicos e os índices de vegetação gerados a partir de imagens do satélite Landsat 5. Ao encontrar resultados insatisfatórios, partiu-se para um estudo dos dados em treinamento de máquinas e mineração de dados. Após passar por vários processos, o algoritmo Gradient Boosting Machine (GBM) possibilitou a geração de uma imagem com valores estimados clorofila bastante semelhante aos reais obtidos em campo. |
