Leveraging data assimilation and monitoring data for improvement of crop growth estimates in protected environments

Autor(es)

Monique Pires Gravina de Oliveira

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Agrícola
• Data de defesa: 2022-03-04

Membros da banca

Luiz Henrique Antunes Rodrigues; Daniel Wallach; Fábio Ricardo Marin; Alim Pedro de Castro Gonçalves; Paulo Rodrigues Peloia

• Orientador: Luiz Henrique Antunes Rodrigues

Resumo

Modelos dinâmicos de crescimento de culturas associados à imensa massa de dados disponíveis têm sido enxergados como parte da resposta ao problema de uma produção agrícola mais eficiente quanto ao uso de recursos. Apesar de tais modelos demandarem etapas de calibração sem as quais seu desempenho preditivo pode ser insuficiente para auxílio na tomada de decisão, o monitoramento em tempo real poderia ser capaz de contornar essa necessidade. Modelos dinâmicos e imagens de satélites têm sido combinados por meio de técnicas de assimilação de dados para diminuição dos erros de predição de variáveis de estado relacionadas ao dossel das culturas, a propriedades do solo ou à produtividade. Em ambientes protegidos, porém, em que o uso de modelos e de sensores permite o monitoramento e a automação de sistemas de controle, de modo que é possível otimizar as condições ambientais visando maior lucratividade da produção, a aplicação de técnicas de assimilação aos dados de monitoramento é pouco explorada. Este projeto teve como objetivo, portanto, determinar o desempenho de técnicas de assimilação de dados utilizando sensoriamento do ambiente e da cultura em uma casa de vegetação, bem como determinar qual a resolução temporal necessária para sua realização e o grau tecnológico necessário para que a abordagem possa ser replicada em condições de produção. Para isso, foram monitorados os fatores meteorológicos de uma casa de vegetação com o cultivo de tomate, bem como o crescimento dos vegetais, por meio de pesagem direta de plantas e do uso de imagens capturadas com câmeras de baixo custo. Por meio de técnicas de estimação de estado como o Unscented Kalman Filter e o Ensemble Kalman Filter, foi realizada assimilação dos dados no modelo TOMGRO reduzido. Uma vez que o uso dessas técnicas em cultivo protegido não havia sido realizado, foi necessário caracterizar cuidadosamente os elementos que afetam o desempenho dos modelos, bem como dos filtros. Foi observado que: 1. dependendo do modelo de crescimento utilizado, a assimilação de uma variável de estado pode não impactar as demais, como sugerido por análises de sensibilidade, 2. a qualidade das observações é determinante para o bom desempenho das técnicas de assimilação, 3. a assimilação teve melhor desempenho quando houve necessidade de adequar as estimativas a perturbações no crescimento, 4. uma vez que o desempenho dos filtros leve a melhores estimativas da produtividade, não são requeridas observações contínuas. Embora, de modo geral, não tenha sido possível obter desempenhos superiores aos do modelo calibrado, este potencial existe, uma vez que melhores modelos de observações e melhores observações estejam disponíveis (AU)

• Processo FAPESP: 18/12050-6 - Assimilação de dados para integração entre dados obtidos por redes de sensores sem fio e modelo dinâmico de crescimento vegetal
• Beneficiário: Monique Pires Gravina de Oliveira
• Modalidade de apoio: Bolsas no Brasil - Doutorado