Proposição de modelos e softwares na avaliação do estado nutricional e da produtividade em citros e em videiras

• Processo: 25/05122-4
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 31 de outubro de 2025
• Área de conhecimento: Ciências Agrárias - Agronomia - Ciência do Solo
• Acordo de Cooperação: CONFAP - Conselho Nacional das Fundações Estaduais de Amparo à Pesquisa
• Pesquisador responsável: Danilo Eduardo Rozane
• Beneficiário: Adriele Tassinari
• Instituição Sede: Faculdade de Ciências Agrárias. Universidade Estadual Paulista (UNESP). Campus do Vale do Ribeira. Registro , SP, Brasil
• Vinculado ao auxílio: 24/09878-3 - Combinando banco de dados, espectroscopia vis-nir e machine learning para proposição de modelos e softwares para estimativa de nutrientes em folhas e produtividade de frutíferas, AP.R
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Diagnose Composicional | machine learning | Fruticultura - Nutrição de Plantas

Resumo

O Brasil é um dos maiores produtores de frutas do Mundo. As maiores áreas cultivadas com videiras e citros estão localizadas nos estados do Rio Grande do Sul (RS) e São Paulo (SP). Nas últimas décadas se observou melhoria das tecnologias de manejo das duas frutíferas, o que proporcionou aumento da produção e incremento de valores relacionados às variáveis de qualidade de frutos. No entanto, existe uma demanda por parte da cadeia produtiva em relação ao uso de tecnologias não-destrutivas para determinação de nutrientes em folhas dessas culturas. Nesse contexto, o desafio é propor técnicas de análises mais sustentáveis, que permitam a mensuração de nutrientes; em folhas, de forma rápida, não-destrutiva, sem a geração de resíduos químicos e com baixo custo. Além disso, existe a necessidade de predição da produtividade de frutos, pois é uma variável também utilizada na definição da necessidade e doses de nutrientes em vinhedos e pomares. Somado a isso, há demanda por softwares/aplicativos, onde esses modelos são armazenados, possibilitando o uso, manuseio e aplicação desses modelos por técnicos e produtores em nível de campo. Isso tudo poderá ser possível com a estratégia de combinar banco de dados, técnica de espectroscopia na região do visível (Vis) e infravermelho-próximo (NIR) e técnicas machine learning e desenvolvimento de softwares. A partir dessa estratégia, será possível calibrar e propor modelos de predição do teor de nutrientes em folhas de frutíferas e produtividade de frutos, sendo esses apresentados no formato de softwares para a cadeia produtiva. Com tudo isso, será possível melhorar o diagnóstico nutricional das frutíferas por meio de análises rápidas e não-destrutivas. Da mesma forma, as recomendações de adubação serão mais assertivas, pois a expectativa de produtividade dos vinhedos e pomares poderá ser predita com antecedência, auxiliando no refinamento nas doses de fertilizantes a serem aplicadas em cada situação. Assim, será possível até diminuir a quantidade de fertilizantes a serem usados em pomares, evitar o excesso de nutrientes em solos, o que evitará a contaminação de solos e águas. Mas com garantia de produtividades e frutos de qualidade. Tudo isso será possível, porque o coordenador e a sua equipe nos últimos anos realizaram e continuam realizando estudos sobre técnicas para diagnóstico nutricional de frutíferas, mas também estudos relacionados ao uso da técnica de espectroscopia Vis-NIR para estimar nutrientes em folhas e modelos de predição de produtividade de frutíferas. As Instituições onde o coordenador e sua equipe estão vinculados, possuem a estrutura e equipamentos modernos necessários para a adequada realização do projeto. Assim, o projeto objetiva combinar banco de dados e o uso de técnicas de espectroscopia Vis-NIR e machine learning para proposição de modelos de predição do teor nutrientes em folhas e produtividade de uva e citros nas regiões Sul e Sudeste do Brasil.