Sistema de suporte à decisão para pecuária de precisão: predição de massa de forragem e atributos nutricionais usando algoritmos de aprendizagem de máquina

Resumo

A pressão sobre o sistema agropecuário tem aumentado com o contínuo crescimento da população humana. Além disso, novas perspectivas em tecnologia e agricultura de precisão impulsionaram o uso intenso de dados para aumentar a produtividade agrícola e, ao mesmo tempo, minimizar o impacto ambiental. Pastagens são globalmente importantes por sua extensão, seu papel na regulação do carbono global e por serem a principal e mais barata fonte de alimentação para bovinos. Portanto, seu monitoramento regular é fundamental para garantir o manejo eficiente das pastagens e a sustentabilidade dos sistemas de produção baseados em pastagens. Técnicas baseadas em sensoriamento remoto têm sido amplamente utilizadas para monitorar grandes áreas e capturar a variabilidade espacial de pastagens, no entanto, a maioria dos modelos foram baseados em regressões lineares, que eram específicas do local e não tinham a capacidade de absorver os padrões não lineares e complexos dos dados, que podem ser melhorados por algoritmos baseados em aprendizado de máquina. Assim, o primeiro objetivo deste projeto é avaliar e desenvolver modelos para estimativa de biomassa, proteína bruta e fibra de pastagens utilizando refletância espectral de satélite ou índices de vegetação, baseados em algoritmos de aprendizado de máquina. Para este estudo, um banco de dados de forragens tropicais e temperadas será utilizado. Outra questão importante depende da avaliação precisa do gasto de energia (ou produção de calor) de animais alimentados com forragem que é um componente principal para estimar a energia que é efetivamente direcionada para a produção, por exemplo, produção de leite ou ganho de peso. Assim, o segundo objetivo deste projeto é avaliar e estimar a dinâmica do gasto energético e da emissão de metano de animais alimentados com gramíneas utilizando modelos mecanísticos e algoritmos de aprendizado de máquina. Esperamos que este trabalho desenvolva uma tecnologia confiável e de ponta para auxiliar os produtores na tomada de decisões sobre o manejo de pastagens. (AU)