Multi-sensores, fusão de dados, modelos computacionais preditivos para a avaliação de atributos de fertilidade do solo

• Processo: 19/05345-2
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 01 de agosto de 2019
• Data de Término da vigência: 30 de abril de 2020
• Área de conhecimento: Ciências Agrárias - Engenharia Agrícola - Máquinas e Implementos Agrícolas
• Pesquisador responsável: José Paulo Molin
• Beneficiário: Tiago Rodrigues Tavares
• Supervisor: Abdul M. Mouazen
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Instituição Anfitriã: Ghent University (UGent), Bélgica
• Vinculado à bolsa: 17/21969-0 - Avaliação de técnicas alternativas às análises tradicionais de laboratório para predição de atributos em solos agrícolas: abordagens utilizando espectroscopia VisNIR, XRF e LIBS, BP.DR
• Assunto(s): Agricultura de precisão Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Floresta Aleatória | Gestão localizada | métodos de aprendizado de máquina | Redes Neurais Artificiais | Agricultura de Precisão

Resumo

O mapeamento da variabilidade espacial de atributos do solo por meio de amostragens georreferenciadas e análises de laboratório é limitado pelo custo e tempo demandados. Para incrementar a densidade de pontos de amostragem de solo, sem necessidade de gastos adicionais com análises químicas de laboratório, esforços têm sido dedicados para utilização de diferentes técnicas de sensoriamento. Nosso projeto original explora "novas" ferramentas de sensoriamento do solo (sensores XRF, LIBS e Vis-NIR) e o sinergismo entre elas para predizer atributos de fertilidade em solos tropicais brasileiros. Os primeiros resultados são promissores e gostaríamos de sofisticar nossa modelagem preditiva usando ferramentas de inteligência artificial para melhorar o desempenho desses sensores, bem como comparar a capacidade preditiva obtida por nossa metodologia em outros tipos de solos. Nosso grupo (Laboratório de Agricultura de Precisão, ESALQ, USP) já teve a oportunidade de interagir com o professor Abdul M. Mouazen - que é professor titular da Universidade de Ghent e especialista em sensoriamento proximal do solo (PSS) e abordagens de agricultura de precisão - o qual pode nos auxiliar a explorar melhor o potencial dos nossos dados. Propomos neste projeto de estágio de pesquisa no exterior (BEPE / FAPESP) realizar as atividades de pesquisa em duas etapas. Na primeira etapa, os dados já obtidos com os diferentes PSS serão utilizados para aplicar ferramentas de inteligência artificial para prever os atributos de interesse e, em seguida, o desempenho dessas predições será comparado com as determinações feitas usando modelos lineares. Na segunda etapa, um campo agrícola belga será escolhido para aplicar nossa metodologia para a obtenção de dados do solo em alta densidade espacial, a fim de validar o desempenho satisfatório do uso sinérgico das técnicas de Vis-NIR e XRF para a predição da fertilidade do solo. No caso de resultados positivos, construiremos e avaliaremos mapas de atributos de fertilidade do solo usando as informações do PSS para elaborar prescrições para a gestão localizada de calcário e fertilizantes. Paralelamente a essas atividades de pesquisa, também participarei do curso de Modelagem Preditiva oferecido pela Faculdade de Engenharia de Biociências (Universidade de Ghent).