Abordagens guiadas por dados para estimativa de produtividade de cana-de-açúcar: métodos e conjunto de dados

Estimar, com meses de antecedência, a quantidade a ser produzida no cultivo da cana-de-açúcar é de suma importância para a tomada de decisão no setor sucroalcooleiro do Brasil. Esta tese investiga abordagens guiadas por dados para a predição da produtividade da cana-de-açúcar, propondo e avaliando diferentes estratégias baseadas em Aprendizado de Máquina (AM) para a integração de dados multimodais provenientes de sensoriamento remoto, de sensores LiDAR e de variáveis agronômicas. As principais contribuições desta tese são: (i) um estudo comparativo sistemático de regressores (Support Vector Regression, Random Forest, Gradient Boosting, AdaBoost e Regressão Linear) aplicados à predição de produtividade, demonstrando que o regressor AdaBoost apresenta os melhores resultados no conjunto de dados analisado; (ii) a proposição de um modelo de geração de meta-features (MFs) baseado em stacking ensemble, no qual 25 vetores de MFs são gerados a partir de cinco configurações de features originais e cinco regressores base, permitindo a avaliação comparativa de diferentes representações; (iii) a extensão da abordagem de MFs com a incorporação do regressor k-Nearest Neighbors (kNN), tanto como gerador de MFs quanto como metarregressor, alcançando valores de coeficiente de determinação ajustado próximos a 0,99; (iv) a avaliação de características visuais extraídas por redes profundas pré-treinadas (ResNet-101 e DINOv2) combinados com técnicas de redução de dimensionalidade (PCA e UMAP); e (v) a construção e disponibilização de um novo conjunto de dados multimodal de cana-de-açúcar proveniente de campos comerciais no estado de São Paulo, compreendendo 2.157 observações com dados agronômicos, meteorológicos e imagens de satélite. Os resultados demonstram que a geração de MFs a partir de diferentes regressores captura informações preditivas complementares às features originais e que a combinação dessas MFs com o metarregressor AdaBoost produz ganhos significativos de desempenho, com coeficiente de determinação ajustado médio superior a 0,90 nas configurações agregadas e alcançando coeficiente de determinação ajustado de até 0,9946 com o metarregressor kNN. As contribuições desta tese têm implicações práticas para o setor sucroalcooleiro, oferecendo ferramentas para estimativas mais precisas de produtividade e implicações metodológicas para a área de Ciência da Computação, particularmente no que se refere à fusão de dados multimodais em cenários com pequeno número de observações e alta dimensionalidade.

Resumo (inglês)

Estimating, months in advance, the amount of sugarcane to be produced is of paramount importance for decision-making in Brazil’s sugar and alcohol sector. This thesis investigates data-driven approaches to sugarcane yield prediction, proposing and evaluating various machine learning strategies for integrating multimodal data from remote sensing, LiDAR, and agronomic variables. The main contributions of this thesis are: (i) a systematic comparative study of regressors (Support Vector Regression, Random Forest, Gradient Boosting, AdaBoost, and Linear Regression) applied to yield prediction, demonstrating that AdaBoost achieves the best results on the analyzed dataset; (ii) the proposition of a meta-feature generation model based on stacking ensemble, in which 25 MF vectors are generated from five original feature configurations and five base regressors, enabling comparative evaluation of different representations; (iii) the extension of the MF approach by incorporating the k-Nearest Neighbors (kNN) regressor both as a MF generator and as a meta-regressor, achieving R2 values close to 0.99; (iv) the evaluation of visual features extracted by pre-trained deep networks (ResNet-101 and DINOv2) combined with dimensionality reduction techniques (PCA and UMAP); and (v) the construction and public availability of a new multimodal sugarcane dataset from commercial fields in São Paulo state, comprising 2,157 observations with agronomic, meteorological, and satellite image data. The results demonstrate that MFs generated from different regressors capture predictive information complementary to the original features, and that combining MFs with the AdaBoost meta-regressor yields significant performance gains, with average R2 exceeding 0.90 in aggregated configurations and reaching R2 up to 0.9946 with the kNN metaregressor. The contributions of this thesis have practical implications for the sugar-alcohol sector, providing tools for more accurate yield estimates, and methodological implications for Computer Science, particularly regarding multimodal data fusion in scenarios with small sample sizes and high dimensionality.

Palavras-chave

Estimativa de produtividade Aprendizado do computador Aprendizado profundo Métodos de aprendizado supervisionado Índices vegetativos Dados agronômicos Dados meteorológicos Dados visuais Sensoriamento remoto Drone

Idioma

Português

Citação

BARBOSA, Luiz Antonio Falaguasta. Abordagens guiadas por dados para estimativa de produtividade de cana-de-açúcar: métodos e conjunto de dados. 2026. Tese (Doutorado em Ciência da Computação) – Instituto de Geociências e Ciências Exatas, Universidade Estadual Paulista (UNESP), Rio Claro, 2026.