Solução de geoinformação para mapeamento da distribuição espacial da produtividade de culturas a partir de RNA e imagens multiespectrais

Trabalho de Conclusão de Curso (Graduação)A estimativa da produtividade de culturas é extremamente desafiadora devido à sua relação com vários fatores complexos como as condições ambientais, estrutura física da cultura, composição química do solo e práticas de manejo de campo. Dessa forma, se torna necessária a exploração de técnicas de pré-processamento dos dados coletados, modelagem e avaliação das ferramentas de previsão dessa variável. Recentemente estão sendo desenvolvidos trabalhos que utilizam de técnicas de aprendizado de máquina e dados advindo do sensoriamento remoto para aplicações na agricultura, e mais recentemente para estimativa de variáveis agrícolas. Nesse sentido, o objetivo deste trabalho é desenvolver uma ferramenta em software SIG de código aberto (QGIS) para mapear a distribuição espacial da produtividade das culturas de milho, trigo e girassol utilizando o algoritmo de Redes Neurais Artificiais (RNA) e imagens multiespectrais. Inicialmente foram adquiridos os dados de produtividade das três culturas em estudo, e imagens multiespectrais gratuitas advindas do satélite Sentinel 2. Em seguida, para compor os dados de entrada para o algoritmo de RNA foi realizado o pré-processamento dos dados que compreendeu a extração da reflectância das bandas e os cálculos dos índices de vegetação (NDVI, GNDVI e VARI), além da organização dos arquivos de entrada para treinamento, validação e teste dos modelos de RNA. Por fim, foi desenvolvido o código de RNA, em que os modelos que apresentaram menor RMSE foram implementados na ferramenta desenvolvida em ambiente SIG. Os resultados foram satisfatórios para as culturas de trigo e girassol, atingindo o objetivo de terem RMSE de validação interna menores que 40% e validação externa menores que 30%, porém, para a cultura de milho, os modelos testados não foram capazes de realizar generalizações para os dados de teste. Conclui-se que os modelos de RNA implementados na ferramenta atenderam ao objetivo desejado, porém necessitam de constante atualização visando aumentar o poder de generalização, além da necessidade de realizar estudos mais aprofundados em relação a cultura de milho a fim de obter um modelo apto para estimativa da produtividade