Modelagem e inteligência artificial para previsão de produtividade da cultura do milho no mato grosso

• Processo: 23/10140-6
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2023
• Data de Término da vigência: 30 de novembro de 2024
• Área de conhecimento: Ciências Agrárias - Agronomia - Agrometeorologia
• Pesquisador responsável: Fabio Ricardo Marin
• Beneficiário: Ulysses Chaves de Menezes Netto
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Assunto(s): Inteligência artificial Mato Grosso Milho Produção agrícola Segurança alimentar
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | Mato Grosso | milho | Previsão de produtividade | produção agrícola | segurança alimentar | Modelagem agrícola

Resumo

Este projeto tem como objetivo abordar a importância da produção agrícola sustentável para alcançar a segurança alimentar global em meio a desafios como mudanças climáticas e restrições de uso da terra. O Brasil desempenha um papel crucial nesse contexto, sendo líder no saldo comercial agrícola e atendendo à crescente demanda de nações em desenvolvimento. O milho é uma cultura de extrema importância, fornecendo cerca de 60% da ingestão de energia global e sendo requisitado tanto para alimentação humana como para ração animal e produção de biocombustível. O estado de Mato Grosso é um destaque na produção de milho, principalmente da segunda safra. Dado o cenário de variações climáticas e a importância do milho para a segurança alimentar, este estudo propõe o desenvolvimento de um algoritmo de inteligência artificial (IA) para prever a produtividade do milho segunda safra no estado de Mato Grosso. O projeto utilizará dados espaço-temporais, incluindo informações climáticas e socioeconômicas, para identificar indicadores climáticos nos meses anteriores ao início da safra, permitindo antever possíveis variações na produção do milho. O trabalho buscará as melhores fontes de dados, incluindo informações meteorológicas e climáticas, dados socioeconômicos e informações sobre o fenômeno El-Niño/Oscilação Sul (ENOS). Espera-se que, ao final do estudo, sejam apresentadas as performances de diferentes algoritmos de IA para estimar a produtividade do milho e identificar as principais variáveis que explicam a variabilidade da produção da cultura no estado de Mato Grosso.