Modelos quantitativos e classificatórios para avaliar a produtividade da soja

• Ano de defesa: 2021
• Autor(a) principal: Sako, Henry
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Alta produtividade; Análise discriminante; Aprendizado de máquina; Discriminant analysis; Fitotecnia; High yield; Machine learning; Phytotechnics; Soja; Soybean
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-14022022-104932/

O aumento de produtividade de uma lavoura é um dos pilares para preservar a sustentabilidade do negócio agrícola. O Desafio Nacional de Máxima Produtividade promovido pelo CESB (Comitê Estratégico Soja Brasil) tem revelado diversas lavouras de produtividades superiores a 5.400 kg.ha-1 , bem acima da produtividade média brasileira, que é de 3.000 a 3.600 kg.ha-1 Dessa forma, é uma oportunidade entender os fatores agronômicos envolvidos na alta produtividade de soja, assim como elaborar algoritmos capazes de predizer a produtividade de soja com base em variáveis agronômicas, para auxiliar os técnicos a manejar os fatores que levam a soja a expressar seu potencial produtivo. A produtividade de uma lavoura é resultante de um conjunto de fatores agronômicos de clima, solo e manejo e, por esse motivo, é importante o conhecimento das variáveis agronômicas de forma abrangente, para a construção do algoritmo. Foram reunidos dados de 91 lavouras com variáveis de clima, manejo, fertilidade de superfície e subsuperfície do solo e resistência do solo ao crescimento radicular, totalizando 219 variáveis agronômicas. Foram aplicados modelos quantitativos e classificatórios para estimar a produtividade de soja por meio das metodologias Floresta Randômica, Rede Neural, Suport Vector Machine e Análise Discriminante e identificados os fatores agronômicos em comum na alta produtividade de soja. A Análise Discriminante teve um índice de acerto de 91,5%, classificando produtividades acima e abaixo de 5.500 kg.ha-1 . Das 219 variáveis agronômicas, o modelo discriminante destacou 7 fatores agronômicos: resistência do solo a 20 cm e 50 cm de profundidade; pH CaCl2 na profundidade de 10-20 cm e 80-100 cm, saturação de alumínio a 0-10 cm, Fósforo a 0-10 cm; Enxofre a 80-100 cm de profundidade; cobre a 10-20 cm de profundidade; temperatura média do estádio fenológico de R1 a R5, temperatura mínima do estabelecimento à emergência e o déficit hídrico durante o ciclo da soja. O modelo discriminante demonstrou a relevância dos atributos físicos do solo e da fertilidade química na superfície e, principalmente, em subsuperfície para a obtenção de alta produtividade de soja. As metodologias Floresta Randômica, Rede Neural e Support Vector Machine não construíram bons modelos por causa da necessidade de um número maior de dados para aplicação desses modelos.