Estimação e previsão de produtividade de soja por redes neurais no MATOPIBA

Carregando...
Imagem de Miniatura

Data

2020-02-03

Orientador

Rolim, Glauco de Souza

Coorientador

Pós-graduação

Agronomia (Ciência do Solo) - FCAV

Curso de graduação

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Tipo

Dissertação de mestrado

Direito de acesso

Acesso abertoAcesso Aberto

Resumo

Resumo (português)

A demanda por alimento se torna cada vez maior e para atendê-la em tempo hábil e quantidade suficiente, utilizamos redes neurais artificiais para previsão de produtividade. Dentre essas técnicas, a mais comumente empregada para prever a produtividade da soja é a Rede Neural Artificial. O objetivo dessa pesquisa foi estimar e prever a produtividade de soja utilizando redes neurais artificiais e informações climáticas mensais da temperatura do ar, precipitação, radiação global, e componentes do balanço hídrico como evapotranspiração de cultivo, armazenamento, evapotranspiração real de cultivo, deficiência e excedentes hídricos durante o ciclo do cultivo para os estados do Maranhão, Tocantins, Piauí e Bahia, que juntos formam a fronteira agrícola do MATOPIBA no Brasil, produtividade média para a região durante o período avaliado é de 2.575 kg ha-1. Os resultados mostram que a RNA ajustada para estimação apresentou erros de até 100 kg ha-1 (sub e superestimando) em grande parte (27) das localidades, 10 municípios apresentam produtividade subestimada, e 15 apresentam resultados superestimados. Enquanto que a RNA ajustada para previsão mostrou que 30 localidades apresentam produtividades com erros até 100 kg ha-1, 8 e 14 munícipios com produtividade subestimada e superestimada, respectivamente.

Resumo (inglês)

The demand for food becomes increasing and to meet it in a timely and sufficient amount, we use artificial neural networks to predict productivity. Among these techniques, the most commonly used to predict soybean yield is the Artificial Neural Network. The objective of this research was to estimate and predict soybean yield using artificial neural networks and monthly climatic information of air temperature, precipitation, global radiation, and water balance components such as crop evapotranspiration , storage, real crop evapotranspiration, deficiency and water surpluses during the cultivation cycle for the states of Maranhão, Tocantins, Piauí and Bahia, which together form the agricultural frontier of MATOPIBA in Brazil, average productivity for the region during the period evaluated is 2,575 kg ha-1. The results show that the RNA adjusted for estimation presented errors of up to 100 kg ha-1 (under and overestimation) in large part (27) of the localities, 10 municipalities presented underestimated productivity, and 15 presented overestimated results. While the RNA adjusted for forecasting showed that 30 localities present productivity with errors up to 100 kg ha-1, 8 and 14 municipalities with underestimated and overestimated productivity, respectively.

Descrição

Idioma

Português

Como citar

Itens relacionados