Busca avançada
Ano de início
Entree

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

Processo: 19/27117-1
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de junho de 2020
Vigência (Término): 31 de maio de 2021
Área do 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

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.