Imagens de satélite e aprendizado de máquina para estimativa de produtividade de cana-de-açúcar em regiões do estado de São Paulo

• Processo: 21/11183-5
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de abril de 2022
• Data de Término da vigência: 31 de março de 2024
• Área do conhecimento: Interdisciplinar
• Pesquisador responsável: Ana Cláudia dos Santos Luciano
• Beneficiário: Ana Cláudia dos Santos Luciano
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Pesquisadores associados: Ieda Del'Arco Sanches ; Mathias Christina ; Michelle Cristina Araujo Picoli ; Peterson Ricardo Fiorio ; Todoroff
• Bolsa(s) vinculada(s): 23/01062-1 - Imagens de satélite e aprendizado de máquina para estimativa de produtividade de cana-de-açúcar em regiões do estado de São Paulo, BP.TT
• Assunto(s): Agrometeorologia Inteligência artificial Aprendizado computacional Análise preditiva Monitoramento agrícola Índices de vegetação Biomassa Sensoriamento remoto
• Palavra(s)-Chave do Pesquisador: Biomassa | Índices de vegetação | Inteligência Artificial | Monitoramento agrícola | Produtividade | Sensoriamento Remoto | Sensoriamento Remoto Agrícola

Resumo

O objetivo deste projeto consiste no desenvolvimento de sistemas preditores da produtividade de cana-de-açúcar, em regiões do estado de São Paulo (SP), com base nos principais pilares de produção da cultura (i.e., solo, clima e variedade da cana) e dados de sensoriamento remoto a partir de técnicas de aprendizado de máquina. Dados de sensoriamento remoto e agrometeorológicos serão utilizados para comparação de dois métodos de estimativa de produtividade da cana-de-açúcar a nível regional: i) modelo empírico agrometeorológico-espectral com algoritmos de aprendizado de máquina e, ii) integração de dados de sensoriamento remoto com modelos de crescimento de cultura. Para isso, os dados de sensoriamento remoto serão obtidos de imagens do satélite Sentinel-2 (variáveis espectrais: bandas e índices de vegetação), bem como informações agronômicas e climáticas. Os dados agronômicos serão obtidos em talhões de produção de cana-de-açúcar em quatro regiões de SP que correspondem a variedade, tipo de solos, estágio de corte, ambientes de produção, etc. Ainda, dados climáticos, como precipitação, temperatura e radiação também serão inseridos nos modelos. Os modelos empíricos serão criados de forma regional e com base nas variáveis agrometeorológicas e espectrais de cada área de estudo, utilizando algoritmos de aprendizado de máquina. Para o aprimoramento da estimativa de produtividade, em nível regional, serão utilizados indicadores de crescimento da cultura derivadas de dados de sensoriamento remoto (p.e., índice de área foliar- IAF), a partir da inserção de informações espectrais em modelos de crescimento de culturas e, os resultados estimativos serão comparados com os dos modelos empíricos. A criação de modelos estimativos de produtividade da cana-de-açúcar, a partir de imagens de satélite possibilita o monitoramento espaço-temporal da cultura e, é relevante para tomadas de decisão dos domínios envolvidos no setor sucroenergético como produtores, empresas, usinas e bancos, no apoio a produção de biomassa e biocombustíveis, bem como no auxílio em políticas públicas de mudanças climáticas. (AU)