Publicação
Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo
| 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 |
| _version_ | 1866809839331573760 |
|---|---|
| author | Caldeira, Francisco Manuel Vicente |
| author_facet | Caldeira, Francisco Manuel Vicente |
| author_role | author |
| contributor_name_str_mv | Monteiro, António Rocha, Jorge Repositório Científico de Acesso Aberto da ULisboa |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Caldeira, Francisco Manuel Vicente\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Monteiro, António Rocha, Jorge Repositório Científico de Acesso Aberto da ULisboa |
| datacite.creators.creator.creatorName.fl_str_mv | Caldeira, Francisco Manuel Vicente |
| datacite.date.Accepted.fl_str_mv | 2022-05-06T00:00:00Z |
| datacite.date.available.fl_str_mv | 2022-05-17T09:59:12Z |
| datacite.date.embargoed.fl_str_mv | 2022-05-17T09:59:12Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | Produtividade Trigo Machine learning Estatísticas agrícolas Alentejo |
| datacite.titles.title.fl_str_mv | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| dc.contributor.none.fl_str_mv | Monteiro, António Rocha, Jorge Repositório Científico de Acesso Aberto da ULisboa |
| dc.creator.none.fl_str_mv | Caldeira, Francisco Manuel Vicente |
| dc.date.Accepted.fl_str_mv | 2022-05-06T00:00:00Z |
| dc.date.available.fl_str_mv | 2022-05-17T09:59:12Z |
| dc.date.embargoed.fl_str_mv | 2022-05-17T09:59:12Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10451/53016 |
| dc.language.none.fl_str_mv | por |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.subject.none.fl_str_mv | Produtividade Trigo Machine learning Estatísticas agrícolas Alentejo |
| dc.title.fl_str_mv | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | 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. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://repositorio.ulisboa.pt/bitstreams/171503db-450a-4777-9aa0-45f7fee71c42/download |
| id | ul_ba944b9bbb11e7b0b266beefb2ef8f2a |
| identifier.url.fl_str_mv | http://hdl.handle.net/10451/53016 |
| instacron_str | ul |
| institution | Universidade de Lisboa |
| instname_str | Universidade de Lisboa |
| language | por |
| network_acronym_str | ul |
| network_name_str | Repositório da Universidade de Lisboa |
| oai_identifier_str | oai:repositorio.ulisboa.pt:10451/53016 |
| organization_str_mv | urn:organizationAcronym:ul |
| person_str_mv | Caldeira, Francisco Manuel Vicente |
| publishDate | 2022 |
| reponame_str | Repositório da Universidade de Lisboa |
| repository_id_str | urn:repositoryAcronym:ul |
| service_str_mv | urn:repositoryAcronym:ul |
| spelling | porpt_PTO 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.application/pdfpt_PTModelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do AlentejoCaldeira, Francisco Manuel VicenteMonteiro, AntónioRocha, JorgeHostingInstitutionOrganizationalRepositório Científico de Acesso Aberto da ULisboae-mailmailto:repositorio@reitoria.ulisboa.ptrepositorio@reitoria.ulisboa.ptURNurn:tid:2030106202022-05-17T09:59:12Z2022-05-062022-05-06T00:00:00ZHandlehttp://hdl.handle.net/10451/53016http://purl.org/coar/access_right/c_abf2open accessProdutividadeTrigoMachine learningEstatísticas agrícolasAlentejo15598814 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesishttp://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://repositorio.ulisboa.pt/bitstreams/171503db-450a-4777-9aa0-45f7fee71c42/download |
| spellingShingle | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo Caldeira, Francisco Manuel Vicente Produtividade Trigo Machine learning Estatísticas agrícolas Alentejo |
| status | SINGLETON |
| subject.fl_str_mv | Produtividade Trigo Machine learning Estatísticas agrícolas Alentejo |
| title | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| title_full | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| title_fullStr | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| title_full_unstemmed | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| title_short | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| title_sort | Modelação da produtividade de trigo combinando dados climáticos e de observação da terra: o caso de estudo do Alentejo |
| topic | Produtividade Trigo Machine learning Estatísticas agrícolas Alentejo |
| topic_facet | Produtividade Trigo Machine learning Estatísticas agrícolas Alentejo |
| url | http://hdl.handle.net/10451/53016 |
| visible | 1 |