Detalhes bibliográficos
Ano de defesa: |
2024 |
Autor(a) principal: |
Laurito, Henrique Fontellas |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
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: |
https://hdl.handle.net/11449/253446
|
Resumo: |
A concentração de dióxido de carbono (CO2) no ar é um dos fatores que influenciam nas mudanças climáticas, que podem afetar a segurança alimentar e a qualidade de vida das pessoas, principalmente as mais vulneráveis. Por isso, é importante medir e estimar essa concentração em áreas onde se cultivam alimentos e fontes sustentáveis de energia, tais como o arroz e a cana-de-açúcar. Uma abordagem inovadora para estimar o XCO2 envolve a combinação de modelos mecanísticos de cultivo, como o WOrld FOod STudies (WOFOST), que calcula o balanço de carbono em áreas agrícolas, com modelos de aprendizado de máquina, formando um conjunto integrado de modelos (ensemble). Sendo assim, o presente trabalho utilizou dados de produtividade (SIDRA) em grandes áreas contínuas cana-de-açúcar (sequeiro) e arroz (alagadas) em uma série histórica dados de 1984 a 2022, das principais regiões produtoras do Brasil sob a hipótese de que o XCO2 poderia ser estimado a partir do ensemble dos modelos WOFOST com o Random Forest, usando dados de sensoriamento remoto (OCO-2/NASA) como fonte de XCO2 observado. Os resultados confirmam a hipótese, com: coeficiente de determinação R²= 0.81, 0.85 e 0.75; root mean square error RMSE=1.22, 1.17 e 1.3 ppm; erro médio da estimativa EME=8.0, 4.78 e 2.39 ppm para os modelos globais, sob cultivo de cana e arroz, respectivamente. |