Publicação

Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo

Detalhes bibliográficos
Resumo:	O trigo é uma das principais culturas alimentares do mundo, e um dos 3 cereais mais cultivados juntamente com o milho e o arroz, ocupando 17% da terra cultivável do mundo. Para responder aos desafios das alterações climáticas, do aumento da população e da procura alimentar, é mais imperativo do que nunca uma estimativa atempada, precisa e fiável do rendimento das culturas para a gestão das culturas, a avaliação da segurança alimentar, o comércio alimentar e a elaboração de políticas. Historicamente a cultura do trigo em Portugal é realizada sobretudo na região do Alentejo. Durante vários séculos, a atividade agrícola com base na produção de cereais, com particular destaque para o trigo, foi e continua a ser uma das principais culturas do Alentejo, em especial no Baixo Alentejo. Esta dissertação de mestrado tem como objetivo avaliar um modelo preditivo para a produtividade do trigo (Kg/ha) na NUTS-II do Alentejo combinando informação estatística oficial, variáveis climáticas e índice de vegetação (NDVI) derivado de dados orbitais (EO) armazenados na cloud Google Earth Engine (GEE), em ambiente R, utilizando como base estatística de suporte algoritmos de Machine Learning (ML), como Random Forest (RF) e Support Vector Machines (SVM). O modelo será implementado em duas fases. Numa primeira fase serão avaliadas apenas as variáveis climáticas e numa segunda fase serão avaliadas as variáveis climáticas e o índice de vegetação, com o objetivo de avaliar o aumento da capacidade preditiva do modelo combinando estes dois tipos de dados. As variáveis climáticas utilizadas como variáveis explicativas do modelo preditivo foram a precipitação em setembro, a precipitação em dezembro, a temperatura média de dezembro, a temperatura média de março, a humidade relativa em março e a existência de precipitação em maio. As variáveis preditivas com origem nos dados EO são o valor de NDVI (Normalized Difference Vegetation Index) no mês de março e o valor de NDVI em junho para áreas cultivadas com trigo. Os resultados mostram que, quer o modelo de apenas variáveis climáticas, quer o modelo combinado de variáveis climáticas e NDVI, poderiam capturar as variações de produtividade de trigo no Alentejo. O modelo de apenas variáveis climáticas obteve um R2 que varia entre 0,76 (SVM) e 0,78 (RF) e RMS que varia entre 162,93 Kg/ha (RF) e 221,13 Kg/ha (SVM). O modelo combinando as duas fontes de dados (climática e NDVI) melhorou a capacidade preditiva em todas as medidas, obteve um R2 entre 0,81 (RF) e 0,84 (SVM) com RMS entre 144,4 e 148,41 Kg/ha para RF e SVM respetivamente.
Autores principais:	Caldeira, Francisco Manuel Vicente
Assunto:	Produtividade Trigo Machine learning Estatísticas agrícolas Alentejo
Ano:	2022
País:	Portugal
Tipo de documento:	dissertação de mestrado
Tipo de acesso:	acesso aberto
Instituição associada:	Universidade de Lisboa
Idioma:	português
Origem:	Repositório da Universidade de Lisboa

Descrição
Resumo:	O trigo é uma das principais culturas alimentares do mundo, e um dos 3 cereais mais cultivados juntamente com o milho e o arroz, ocupando 17% da terra cultivável do mundo. Para responder aos desafios das alterações climáticas, do aumento da população e da procura alimentar, é mais imperativo do que nunca uma estimativa atempada, precisa e fiável do rendimento das culturas para a gestão das culturas, a avaliação da segurança alimentar, o comércio alimentar e a elaboração de políticas. Historicamente a cultura do trigo em Portugal é realizada sobretudo na região do Alentejo. Durante vários séculos, a atividade agrícola com base na produção de cereais, com particular destaque para o trigo, foi e continua a ser uma das principais culturas do Alentejo, em especial no Baixo Alentejo. Esta dissertação de mestrado tem como objetivo avaliar um modelo preditivo para a produtividade do trigo (Kg/ha) na NUTS-II do Alentejo combinando informação estatística oficial, variáveis climáticas e índice de vegetação (NDVI) derivado de dados orbitais (EO) armazenados na cloud Google Earth Engine (GEE), em ambiente R, utilizando como base estatística de suporte algoritmos de Machine Learning (ML), como Random Forest (RF) e Support Vector Machines (SVM). O modelo será implementado em duas fases. Numa primeira fase serão avaliadas apenas as variáveis climáticas e numa segunda fase serão avaliadas as variáveis climáticas e o índice de vegetação, com o objetivo de avaliar o aumento da capacidade preditiva do modelo combinando estes dois tipos de dados. As variáveis climáticas utilizadas como variáveis explicativas do modelo preditivo foram a precipitação em setembro, a precipitação em dezembro, a temperatura média de dezembro, a temperatura média de março, a humidade relativa em março e a existência de precipitação em maio. As variáveis preditivas com origem nos dados EO são o valor de NDVI (Normalized Difference Vegetation Index) no mês de março e o valor de NDVI em junho para áreas cultivadas com trigo. Os resultados mostram que, quer o modelo de apenas variáveis climáticas, quer o modelo combinado de variáveis climáticas e NDVI, poderiam capturar as variações de produtividade de trigo no Alentejo. O modelo de apenas variáveis climáticas obteve um R2 que varia entre 0,76 (SVM) e 0,78 (RF) e RMS que varia entre 162,93 Kg/ha (RF) e 221,13 Kg/ha (SVM). O modelo combinando as duas fontes de dados (climática e NDVI) melhorou a capacidade preditiva em todas as medidas, obteve um R2 entre 0,81 (RF) e 0,84 (SVM) com RMS entre 144,4 e 148,41 Kg/ha para RF e SVM respetivamente.