Detalhes bibliográficos
| Ano de defesa: |
2020 |
| Autor(a) principal: |
Santos, Valter Barbosa dos |
| 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: |
http://hdl.handle.net/11449/191987
|
Resumo: |
A demanda por alimento se torna cada vez maior e para atendê-la em tempo hábil e quantidade suficiente, utilizamos redes neurais artificiais para previsão de produtividade. Dentre essas técnicas, a mais comumente empregada para prever a produtividade da soja é a Rede Neural Artificial. O objetivo dessa pesquisa foi estimar e prever a produtividade de soja utilizando redes neurais artificiais e informações climáticas mensais da temperatura do ar, precipitação, radiação global, e componentes do balanço hídrico como evapotranspiração de cultivo, armazenamento, evapotranspiração real de cultivo, deficiência e excedentes hídricos durante o ciclo do cultivo para os estados do Maranhão, Tocantins, Piauí e Bahia, que juntos formam a fronteira agrícola do MATOPIBA no Brasil, produtividade média para a região durante o período avaliado é de 2.575 kg ha-1. Os resultados mostram que a RNA ajustada para estimação apresentou erros de até 100 kg ha-1 (sub e superestimando) em grande parte (27) das localidades, 10 municípios apresentam produtividade subestimada, e 15 apresentam resultados superestimados. Enquanto que a RNA ajustada para previsão mostrou que 30 localidades apresentam produtividades com erros até 100 kg ha-1, 8 e 14 munícipios com produtividade subestimada e superestimada, respectivamente. |
