Autores: ROCHA, L. C. A., MOREIRA, M. C., MAGALHÃES, W. A., AMORIM, R. S. S., SILVA, D. D.
Ano da publicação: 2022
ISBN: 978-65-87729-05-3
Palavras-chave: conservação de solo, perda de solo; uso e ocupação da terra
Área: Geométrica, Instrumentação e Agricultura de Precisão (GIAP)
O processo erosivo é intensificado ou reduzido conforme as alterações climáticas e de uso, ocupação e manejo do solo. Estudos apontam que a associação entre esses parâmetros ajuda a predizer a perda de solo de forma eficaz, entretanto, é necessário avaliar os modelos a serem utilizados no que diz respeito à sensibilidade dos parâmetros de entrada. Assim, o objetivo deste estudo foi avaliar a sensibilidade das estimativas de perda de solo, em relação aos fatores climáticos e de uso e ocupação da terra, utilizando a interface geoespacial do modelo Water Erosion Prediction Project (GeoWEPP). A área de estudo foi uma sub-bacia hidrográfica do Rio Grande do Sul. Como dados de entrada, foram utilizados bancos de dados disponibilizados por órgão brasileiros, como a EMBRAPA e ANA. A partir da análise dos resultados verificou-se que o GeoWEPP é sensível as condições de uso e ocupação do solo (24,8%) e dos dados climáticos (11,37%), podendo ser utilizado para estimativas futuras de perdas de solo, considerando as mudanças climáticas e as possíveis alterações do uso e ocupação do solo.
Autores: BARRETO, B. B., PUJAICO, F. R., RIBEIRO, E., CÂNDIDO, B. M., JUNIOR, R. A. B.
Palavras-chave: Semivariograma, Rugosidade do solo, Erosão.
O conhecimento da rugosidade superficial com consequente presença de crosta no solo constitui-se em importante informação para um manejo racional de recursos ambientais. A determinação das condições da rugosidade superficial do solo pode ser feita por métodos de contato e métodos sem contato. Os métodos de contato possuem valores e precisão inferiores quando comparados aos métodos sem contato. Com isso, objetivou-se neste trabalho utilizar um equipamento óptico de baixo custo, portátil e robusto para caracterizar a rugosidade e a presença de crosta no solo, por meio do sistema de iluminação com laser de linha e visão monocular. A rugosidade média foi calculada pela diferença da altura entre um ponto e seus vizinhos e a presença de crosta pelo semivariograma. Para a validação dos resultados, a rugosidade superficial das mesmas áreas analisadas pelo equipamento foi também analisada por técnicas já existentes, sendo, para área de erosão, a técnica comparada foi a técnica sem contato, Struct from Motion (SfM). Pelos resultados, verificou-se que o equipamento óptico desenvolvido para caracterizar a rugosidade superficial do solo e presença de crosta no solo mostrou-se válido e com resultados confiáveis.
Autores: DALPOSSO, G. H., URIBE-OPAZO, M. A., OLIVEIRA, M. P.
Palavras-chave: semivariograma de Genton, modelo wave, bootstrap espacial.
O hole effect é um comportamento da função semivariância que não apresenta um crescimento monotônico como acontece tradicionalmente, deixando o semivariograma experimental com uma aparência senoidal. Ao trabalhar com a função de semivariância de Genton, que é considerado um estimador robusto ante a presença de outliers, percebeu-se que o semivariograma experimental da produtividade da soja na safra 2021/22, em uma área agrícola no oeste paranaense, apresentou o fenômeno hole effect. Ajustou-se o modelo wave e verificou-se por meio de intervalos de confiança bootstrap que as semivariâncias experimentais realmente seguiam um comportamento cíclico. O modelo wave se destacou ao ser comparado com os modelos exponencial e gaussiano, sendo escolhido como o melhor modelo pelo critério da validação cruzada. Outros destaques deste modelo foram o efeito pepita, o que fornece as equações de krigagem uma estabilidade e robustez e um considerável alcance, um indicativo de que alta precisão pode ser obtida por krigagem. O mapa obtido por krigagem utilizando o modelo wave indicou que a produtividade da soja foi baixa, em decorrência da escassez hídrica que atingiu a região.
Autores: DIAS, R. L. S., MACEDO, R. H. F., BORGES, F. G., AMORIM, R. S. S., FILHO, E. I. F., SILVA, D. D.
Palavras-chave: Nanosatélites, Planet, Eventos Extremos
A ocorrência de eventos extremos exige que aumente a demanda pelo monitoramento das superfícies nos domínios espaço-temporais. Assim, o sensoriamento remoto orbital vem ganhando os holofotes nos últimos anos, porém a grande maioria dos sensores apresentam limitações pelas resoluções espectrais, espaciais e temporais. A Planet buscando solucionar essa demanda, vêm lançando uma grande quantidade de nanosatélites. Eles apresentam alta resolução espaço-temporal, entretanto a qualidade radiométrica apresenta inconsistências. Desta forma, o objetivo deste estudo é desenvolver um método de normalização radiométrica da constelação de nanosatélites PlanetScope (PS) com base nas imagens do sensor Sentinel-2 (S2). Para isso, foram utilizadas imagens S2 que apresentam potencial de utilização como sensor base, em estações de chuva e estiagem dos anos de 2017 a 2021. Por fim, foram ajustadas regressões lineares para cada banda e avaliadas com as métricas R², RMSE, MAE e coeficiente de Lin’s. Os resultados mostram que as imagens PS têm grande potencial para aplicações agrícolas e ambientais, em especial onde se desejam dados efêmeros ou em pequenas áreas.
Autores: BERNARDY, R., GADOTTI, G. I., NADAL, A., BUCK, G., MONTEIRO, R. C. M., BERMUDES, R. F.
Palavras-chave: Pecuária leiteira. Aprendizado de máquina. Estação climática.
A pecuária leiteira brasileira possui um papel importante no país, tanto para o contexto social quanto econômico. Além disso, o produtor é remunerado pela indústria com base nos padrões exigidos pela legislação, assim, o monitoramento da qualidade do leite feito pelos laticínios se torna fundamental para conseguir um bom valor agregado no leite. O objetivo do trabalho foi avaliar os parâmetros de qualidade do leite com uso de técnicas de aprendizado de máquina, de modo a buscar padrões e correlações entre as estações climáticas do ano. Foram coletadas amostras de leite de 23 propriedades na região do município de Pelotas - RS, analisando Proteína Bruta, Contagem de Células Somáticas, Nitrogênio Ureico e Caseína, em todos os meses de 2021. Os classificadores utilizados foram Random Forest e Multilayer Perceptron (MLP). Os dados foram submetidos ao filtro Resample, para enviesar os mesmos. Foi utilizado o software Weka para executar os algoritmos. O Random Forest obteve 84,72% de assertividade, enquanto o MLP chegou a um percentual de 86,11%. Na árvore de decisão, a proteína bruta, seguida pela caseína e nitrogênio uréico, foram utilizados pelos classificadores nessa ordem de importância. Através dos resultados da técnica de aprendizado de máquinas, verificou-se que é possível diferenciar o leite produzido nas diferentes estações do ano utilizando inteligência artificial.
