Modelos agrometeorológicos para tomadores de decisão em ‘Smart Agriculture’
| dc.contributor.advisor | Rolim, Glauco de Souza [UNESP] | |
| dc.contributor.author | Valeriano, Taynara Tuany Borges [UNESP] | |
| dc.contributor.institution | Universidade Estadual Paulista (Unesp) | |
| dc.date.accessioned | 2019-07-04T13:46:46Z | |
| dc.date.available | 2019-07-04T13:46:46Z | |
| dc.date.issued | 2019-05-16 | |
| dc.description.abstract | A agricultura no mundo caminha em alta velocidade para a próxima revolução verde, a chamada revolução da agricultura digital, que combina outras grandes áreas que revolucionaram a agricultura, como as técnicas de biotecnologia e agricultura de precisão. Estas técnicas foram essenciais para aumento da produtividade agrícola no mundo. Agora, a agricultura digital pode otimizar ainda mais a associação dos dados climáticos no planejamento de safras e no manejo de cultivos agrícolas. O conceito “Smart Agriculture” está inserido no universo da agricultura digital como uma linha promissora e necessária para o futuro sustentável da agricultura. Este trabalho apresenta estratégias de manejo para áreas produtoras de cana-de-açúcar, como (i) um sistema de modelo mecanístico para a previsão da susceptibilidade da doença fúngica, ferrugem alaranjada, baseado nas condições meteorológicas; (ii) estimativa da infestação de Mahanarva fimbriolata por meio de Redes Neurais Artificiais; (iii) um aplicativo de smartphone para estimar a evapotranspiração potencial utilizando dados meteorológicos em grid, provenientes do sistema NASA-POWER. As estratégias propostas neste trabalho mostraram-se eficientes e promissoras para aplicação prática. O modelo de ferrugem alaranjada simulou com acurácia o índice de severidade de ferrugem alaranjada, e proporcionou a expansão das simulações, com o objetivo de verificar a susceptibilidade da ocorrência da doença em grandes áreas produtoras de cana-de-açúcar, como Brasil, Índia e Austrália. A utilização de redes neurais artificiais para estimar níveis de infestação de Mahanarva fimbriolata, se mostrou como uma alternativa viável e promissora. A estimativa da evapotranspiração potencial, utilizando dados meteorológicos em grid provenientes da NASA-POWER, obteve resultados com alta acurácia e precisão, tornando assim, o aplicativo de smartphone desenvolvido uma ferramenta no auxílio do manejo de irrigação racional. | pt |
| dc.description.abstract | Agriculture in the world is moving at a high speed towards the next green revolution, the so-called digital agriculture revolution, which combines other major areas that have revolutionized agriculture, such as biotechnology and precision agriculture. These techniques were essential for increasing agricultural productivity in the world. Digital agriculture can now further optimize the association of climatic data in crop planning and crop management. The concept of "Smart Agriculture" is embedded in the world of digital agriculture as a promising and necessary line for the sustainable future of agriculture. This work presents management strategies for sugarcane producing areas, such as (i) a process-based model system for predicting the susceptibility of orange rust, based on weather conditions; (ii) estimation of infestation of Mahanarva fimbriolata by artificial neural networks; (iii) a smartphone application to estimate potential evapotranspiration using grid weather data from the NASA-POWER system. The strategies proposed in this work proved to be efficient and promising for practical application. The orange rust model accurately simulated the orange rust severity index, and provided the expansion of the simulations, with the objective of verifying the susceptibility of the disease occurrence in large areas of sugarcane production, such as Brazil, India and Australia. The use of artificial neural networks to estimate infestation levels of Mahanarva fimbriolata has been shown to be a viable and promising alternative. The estimation of potential evapotranspiration, using grid meteorological data from NASA-POWER, obtained results with high accuracy and precision, thus making the smartphone application developed a tool to aid rational irrigation management. | en |
| dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | |
| dc.description.sponsorshipId | 141291/2017-6 | |
| dc.identifier.aleph | 000918255 | |
| dc.identifier.capes | 33004102001P4 | |
| dc.identifier.uri | http://hdl.handle.net/11449/182485 | |
| dc.language.iso | por | |
| dc.publisher | Universidade Estadual Paulista (Unesp) | |
| dc.rights.accessRights | Acesso aberto | |
| dc.subject | Agricultura digital | pt |
| dc.subject | Modelagem de pragas | pt |
| dc.subject | Modelagem de doenças | pt |
| dc.subject | Manejo de irrigação | pt |
| dc.subject | Dados em grid | pt |
| dc.subject | Sacharum spp. | pt |
| dc.title | Modelos agrometeorológicos para tomadores de decisão em ‘Smart Agriculture’ | pt |
| dc.title.alternative | Modeling tools for stakeholders in Smart Agriculture | en |
| dc.type | Tese de doutorado | |
| unesp.campus | Universidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Veterinárias, Jaboticabal | pt |
| unesp.embargo | 24 meses após a data da defesa | pt |
| unesp.examinationboard.type | Banca pública | pt |
| unesp.graduateProgram | Agronomia (Produção Vegetal) - FCAV | pt |
| unesp.knowledgeArea | Produção vegetal | pt |
| unesp.researchArea | Modelagem agrometeorológica. | pt |
Arquivos
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 2.98 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: