Logotipo do repositório

Cafés especiais e inteligência artificial: mapeamento estratégico por tipologia de argila

dc.contributor.advisorMarques Junior, Jose
dc.contributor.authorRomani, Cristina Zayra de Nobrega
dc.contributor.coadvisorPereira, Gener Tadeu
dc.contributor.committeeMemberBorém, Flávio Meira
dc.contributor.committeeMemberRolim, Glauco de Souza
dc.contributor.institutionUniversidade Estadual Paulista (UNESP)pt
dc.date.accessioned2026-10-21T11:57:51Z
dc.date.issued2025-07-23
dc.description.abstractA crescente valorização dos cafés especiais no Brasil impulsiona o desenvolvimento de metodologias que relacionem atributos ambientais, incluindo os solos, à qualidade sensorial da bebida. Neste contexto, o presente estudo objetivou desenvolver um modelo preditivo baseado em inteligência artificial para estimar a nota do café e mapear áreas com alta aptidão para a produção de cafés de alta qualidade, utilizando o Índice de Tipologia de Argila (TA) como principal variável pedológica e geológica. Para isso, um algoritmo Random Forest Regressor (RFR) foi treinado com uma base de dados de TA legada contendo mais de 60 mil pontos georreferenciados complementados por covariáveis ambientais como geologia, paisagem, vegetação e clima, selecionadas segundo o modelo de Jenny - Climate, Organisms, Reliev, Parent Material, Time (CLORPT). A validação empírica do modelo Random Forest Regressor foi realizada por meio do cruzamento espacial das cidades finalistas do prêmio Illycaffè, ao longo de 30 anos. O modelo RFR demonstrou elevada capacidade preditiva, alcançando um Coeficiente de Determinação (R²) de 0,977 no conjunto de treinamento. A análise de importância das variáveis revelou que o TA foi o fator mais influente, respondendo por 74,03% da capacidade preditiva, seguido pela paisagem (16,39%). Verificou-se forte correspondência entre as áreas de alta aptidão para cafés especiais preditas, e os territórios reconhecidos pela excelência sensorial de cafés, como os municípios de Monte Carmelo, MG e Araponga, MG, reforçando a robustez do modelo. Conclui-se que a integração da mineralogia do solo, via TA, com inteligência artificial é uma estratégia promissora para o mapeamento estratégico da cafeicultura, oferecendo uma ferramenta de apoio à decisão para produtores, além de subsidiar ações de certificação de origem e valorização territorial.pt
dc.description.abstractRising interest in specialty coffees in Brazil has stimulated the development of methodologies linking environmental attributes, including soils, to beverage sensory quality. The present study developed an artificial intelligence-based model to predict coffee scores and map highly suitable area for high-quality coffee production, using the Clay Typology Index (TA) as the main pedological and geological variable. A Random Forest Regressor (RFR) algorithm was trained using a legacy TA database containing more than 60,000 georeferenced points, complemented by environmental covariates such as geology, landscape, vegetation, and climate, selected according to Jenny’s model – Climate, Organisms, Relief, Parent Material, and Time (CLORPT). Empirical validation of the Random Forest Regressor model was performed through spatial cross-referencing of finalist municipalities from the Illycaffè Award over a 30- year period. The RFR model demonstrated high predictive performance, achieving a coefficient of determination (R²) of 0.977 in the training dataset. Variable importance analysis revealed that TA was the most influential factor, accounting for 74.03% of the predictive capacity, followed by landscape (16.39%). A strong correspondence was observed between predicted high-suitability areas for specialty coffee production and regions recognized for coffee sensory excellence, such as the municipalities of Monte Carmelo, MG, and Araponga, MG, reinforcing model robustness. The results indicate that integrating soil mineralogy through TA with artificial intelligence represents a promising alternative for strategic mapping of coffee production. This approach provides a decision-support tool for producers while also supporting origin certification initiatives and territorial valorization.en
dc.identifier.capes33004102071P2
dc.identifier.citationROMANI, C. Z. N. - Cafés especiais e inteligência artificial: mapeamento estratégico por tipologia de argila. 2026, 59f. - Dissertação (Mestrado em Agronomia (Ciência do Solo)) – Universidade Estadual Paulista "Júlio de Mesquita Filho", Jaboticabal, 2025.pt
dc.identifier.lattes5425582467938015
dc.identifier.lattes7053426037771460
dc.identifier.lattes7838769590779294
dc.identifier.orcid0000-0001-9317-586X
dc.identifier.orcid0000-0001-6293-1351
dc.identifier.orcid0000-0002-3057-4115
dc.identifier.orcid0000-0003-4683-3203
dc.identifier.urihttps://hdl.handle.net/11449/349081
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (UNESP)pt
dc.rights.accessRightsAcesso abertopt
dc.subjectCiência do solopt
dc.subjectCafépt
dc.subjectInteligência artificialpt
dc.subjectMapeamento do solopt
dc.subjectMineralogia do solopt
dc.titleCafés especiais e inteligência artificial: mapeamento estratégico por tipologia de argilapt
dc.title.alternativeSpecialty Coffee and Artificial Intelligence: Strategic Mapping by Clay Typologyen
dc.typeDissertação de mestradopt
dspace.entity.typePublication
relation.isAdvisorOfPublicationd590a2c1-693f-467c-b000-246df2b3e656
relation.isAdvisorOfPublication.latestForDiscoveryd590a2c1-693f-467c-b000-246df2b3e656
relation.isAuthorOfPublicationd5df7bf8-728d-468c-b445-d0227e0d84cf
relation.isAuthorOfPublication.latestForDiscoveryd5df7bf8-728d-468c-b445-d0227e0d84cf
relation.isCoadvisorOfPublication558376ca-187a-4840-a2b5-05400cb4cb39
relation.isCoadvisorOfPublication.latestForDiscovery558376ca-187a-4840-a2b5-05400cb4cb39
relation.isCommitteeMemberOfPublicationf8f0b969-cb66-463f-a97f-eb5d9e6f0856
relation.isCommitteeMemberOfPublication.latestForDiscoveryf8f0b969-cb66-463f-a97f-eb5d9e6f0856
relation.isGradProgramOfPublicationc7163fd4-922a-428e-b07f-ecc8ad73bc13
relation.isGradProgramOfPublication.latestForDiscoveryc7163fd4-922a-428e-b07f-ecc8ad73bc13
relation.isOrgUnitOfPublication3d807254-e442-45e5-a80b-0f6bf3a26e48
relation.isOrgUnitOfPublication.latestForDiscovery3d807254-e442-45e5-a80b-0f6bf3a26e48
unesp.campusUniversidade Estadual Paulista (UNESP), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabalpt
unesp.examinationboard.typeBanca públicapt
unesp.graduateProgramAgronomia (Ciência do Solo) - FCAVpt
unesp.knowledgeAreaOutrapt
unesp.researchAreaInterações dos atributos pedológicos com manejo do solo.pt

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
romani_czn_me_jabo.pdf
Tamanho:
1,88 MB
Formato:
Adobe Portable Document Format