Estimativa de biomassa de pastagem utilizando séries temporais de imagens de sensoriamento remoto e Aprendizagem de Maquina

• Processo: 19/27117-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2020
• Data de Término da vigência: 31 de maio de 2021
• Área de conhecimento: Ciências Agrárias - Engenharia Agrícola
• Pesquisador responsável: Gleyce Kelly Dantas Araújo Figueiredo
• Beneficiário: Nathan Boccato Marinho
• Instituição Sede: Faculdade de Engenharia Agrícola (FEAGRI). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Agrossilvicultura Biomassa Aprendizado computacional Mineração de dados Sensoriamento remoto Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Máquinas | Filtro de textura | Sentinel 2 | Sistemas Integrados ILP | Monitoramento de sistema de integração lavoura pecuária por sensoriamento remoto

Resumo

Medições precisas e objetivas de biomassa em pastagens constituem uma etapa fundamental para a melhoria da produtividade do sistema de pastejo, permitindo assim que pecuaristas consigam suprir melhor às necessidades de alimentação de seus animais. Para tanto, novas abordagens metodológicas que caracterizam a estrutura horizontal da pastagem devem ser investigadas. Devido às características sinópticas, multiespectrais e de revisita dos satélites, as imagens de sensoriamento remoto permitem a obtenção de informações fundamentais para a caracterização espacial e temporal das pastagens, assim como a estimativa de biomassa ao longo do desenvolvimento da forragem utilizando séries temporais. Porém, o processo de estimativa de biomassa de pastagens utilizando séries temporais não é um processo simples, envolvendo diversos fatores, como experiência do intérprete, conhecimento das áreas de estudo, da assinatura temporal dos alvos, bem como da metodologia utilizada. Atualmente, os métodos mais avançados de estimativa de biomassa utilizando imagens de sensoriamento remoto fazem uso de algoritmos de aprendizagem de máquina. No entanto, dados de sensoriamento remoto permitem gerar grande quantidade de variáveis preditoras, o que torna a modelagem da estimativa de biomassa um desafio. Assim, técnicas de mineração de dados para a seleção de atributos podem agregar melhorias no desempenho dessa modelagem. Diante disso, esse projeto tem como objetivo testar métodos de seleção de atributos e estimar a biomassa de pastagem em sistema de integração lavoura-pecuária utilizando séries temporais de imagens Sentinel-2A e aprendizagem de máquina.