Ano da publicação: 2023

ISBN: 978-65-87729-06-0

Palavras-chave: sistema ILP, sensoriamento remoto, Random Forest.

Área: Geomática na Agricultura (GEO)

O emprego conjunto de dados de sensoriamento remoto e tecnologias de inteligência artificial possibilitam a extração de informações importantes sobre a superfície terrestre em curto prazo. Porém, tal processo depende de uma eficiente etapa de pré-processamento digital dos dados amostrais. Logo, objetivo deste trabalho é checar a acurácia de quatro algoritmos classificadores para a classificação de áreas de sistemas Integração Lavoura-Pecuária (ILP) e avaliar a eficiência da aplicação de etapas prévias de manipulação dos dados (análise de redução de dimensionalidade das variáveis analisadas e o uso do filtro SMOTE para balanceamento de classes minoritárias). Os resultados encontrados não somente destacaram o Random Forest como melhor classificador entre os demais (com valores de índice Kappa, Acurácia Global, Precision, Recall e F1-Score iguais à 0,66, 72,69%, 0,73, 0,73 e 0,73, respectivamente), como também demonstrou que das 22 variáveis iniciais, somente 11 eram necessárias à classificação (as bandas B2, B4, B6, B7, B8A e B12 e os índices NDRE1, SAVI, VARI, NDVI e S2REP). Tal estudo também revelou a boa aplicabilidade do filtro SMOTE para o aumento da acurácia do mapeamento agropecuário.

Ano da publicação: 2023

ISBN: 978-65-87729-06-0

Palavras-chave: sensoriamento remoto, fertilidade do solo, agricultura de precisão.

Área: Geomática na Agricultura (GEO)

O objetivo desta pesquisa foi avaliar qual tipo de processamento de imagem SAR (Synthetic Aperture Radar) apresenta melhor correlação com a textura e matéria orgânica de solos agrícolas. Para isso, obtivemos uma imagem SAR provindo da missão Sentinel-1, de uma área de produção comercial de cana-de-açúcar com aproximadamente 90 ha, localizada em Descalvado, SP. A imagem SAR foi processada a fim de obter dados de coeficientes de retroespalhamento, entropia e ângulo α em período de solo exposto.  Após o processamento, tais dados foram correlacionados com a textura e a matéria orgânica do solo. Como resultado, o retroespalhamento na polarização VV gerou as maiores correlações (r = 0,29). Além disso, houve correlação negativa do coeficiente de retroespalhamento com teor de areia e positiva com argila, silte e matéria orgânica. A tecnologia SAR mostrou-se relevante para a avaliação da variabilidade de solos agrícolas, embora sejam necessárias mais pesquisas para aprimorar e explorar seu potencial.