| Processo: | 23/02592-4 |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |
| Data de Início da vigência: | 01 de abril de 2023 |
| Data de Término da vigência: | 31 de julho de 2024 |
| Área de conhecimento: | Ciências Agrárias - Engenharia Agrícola |
| Pesquisador responsável: | Lucas Rios do Amaral |
| Beneficiário: | Derlei Dias Melo |
| Instituição Sede: | Faculdade de Engenharia Agrícola (FEAGRI). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Vinculado ao auxílio: | 22/03160-8 - Mapeamento da variabilidade espacial dos solos e amostragem otimizada com o apoio de técnicas de sensoriamento: bases para uma agricultura de precisão mais eficiente e sustentável, AP.PNGP.PI |
| Assunto(s): | Agricultura de precisão Pedologia Geoestatística Aprendizado computacional |
| Palavra(s)-Chave do Pesquisador: | Agricultura de precisão | Ciência Do Solo | Geoestatística | machine learning | Mapeamento digital de solo | Agricultura de Precisão |
Resumo O planejamento amostral compreende uma das etapas mais importantes para caracterização do comportamento espacial das propriedades do solo. Porém, o manejo contínuo das áreas agrícolas altera o padrão da variabilidade dos atributos químicos, físicos e biológicos do solo, o que dificulta seu mapeamento por meio de amostragens. Para auxiliar tanto no planejamento amostral quando nas predições, o uso de covariáveis é uma possibilidade. Contudo, para obter ganhos significativos com essas técnicas, é mandatório que a estrutura de variabilidade espacial dos solos seja compreendida. Sendo assim, o objetivo desta pesquisa será integrar diversas camadas de informações do terreno, de manejo da área e de sensoriamento proximal e remoto como informações auxiliares ao direcionamento amostral e aumento da qualidade das predições. Para isso, dados simulados e amostragens realizadas em campo para diagnóstico da fertilidade química e da qualidade do solo serão empregadas, avaliando diferentes estratégias para alocação dos pontos amostrais. Para a predição das propriedades do solo em locais não amostrados, métodos geoestatísticos e algoritmos de aprendizado de máquina serão empregados. Os resultados obtidos pelas técnicas de otimização amostral e interpolação de dados serão comparados com grades amostrais regulares e por meio de amostras de validação. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |