Bacharelado em Agronomia (UAST)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/2927
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
Item Determinação do teor de nitrogênio em folhas de manga (Mangifera indica l.) utilizando sensor multiespectral acoplado a VANT(2026-07-16) Silva, Josefa Edinete de Sousa; Alba, Elisiane; http://lattes.cnpq.br/1465154212352591; http://lattes.cnpq.br/6345085217000649O estudo teve como objetivo determinar o teor de nitrogênio (N) foliar em mangueiras cultivadas na região do Submédio São Francisco Pernambucano, utilizando imagens multiespectrais de alta resolução obtidas por VANTs. Foram avaliadas três áreas de cultivo, localizadas nos municípios de Cabrobó, Petrolina e Petrolândia, com diferentes variedades de manga. No total, foram coletadas 190 amostras foliares, submetidas ao método Kjeldahl para digestão e determinação do N total. Paralelamente, foram realizados voos com VANT DJI Matrice 350 RTK equipado com sensor multiespectral Altum-PT, capaz de adquirir imagens nas bandas azul, verde, vermelho, red edge e infravermelho próximo. A partir das imagens obtidas, foram calculados 46 índices espectrais, além da extração dos valores de reflectância das bandas espectrais, correlacionados com os teores de N foliar. As análises estatísticas incluíram correlação de Pearson e modelagem preditiva com diferentes algoritmos de aprendizado de máquina, incluindo RF, SVM, XGBoost, GBM, Cubist e PLSR. A capacidade preditiva foi avaliada por meio da divisão dos dados em conjunto de treinamento e validação, utilizando múltiplas sementes aleatórias para aumentar a robustez das estimativas. Os resultados mostraram que apenas o pomar localizado em Petrolândia exibiu valores médios de N foliar dentro da faixa de suficiência recomendada (12–14 g kg⁻¹), enquanto os pomares de Petrolina e Cabrobó registraram valores inferiores, indicando deficiência de N. Entre os índices espectrais avaliados, o NDRE apresentou a associação mais consistente com os teores de N foliar, evidenciando o potencial do sensoriamento remoto para o monitoramento do estado nutricional da cultura. O RF apresentou melhor desempenho preditivo, com menor erro médio (RMSE = 1,4868 g kg⁻¹) e estimativas mais próximas dos valores observados. Os modelos XGBoost, GBM e Cubist tiveram desempenho intermediário, enquanto o PLSR, apesar de maior R², registrou erros de predição mais elevados. O SVM obteve o menor desempenho entre os algoritmos avaliados. Conclui-se que a integração entre análises foliares, índices espectrais e algoritmos de aprendizado de máquina, especialmente o RF, constitui uma estratégia promissora para estimar o teor de N foliar em mangueiras, fornecendo suporte ao manejo nutricional de precisão e contribuindo para sistemas de produção mais eficientes na fruticultura no semiárido brasileiro.Item Estimativa da Evapotranspiração Real e Produtividade Primária Bruta na Caatinga com o uso de dados PlanetScope(2025-08-08) Oliveira, Ana Lyvia Ferreira De Paula; Alba, Elisiane; http://lattes.cnpq.br/1465154212352591; http://lattes.cnpq.br/5060175428469818A evapotranspiração real e a produtividade primária bruta são variáveis ecológicas essenciais para entender o funcionamento dos ecossistemas terrestres, principalmente em regiões semiáridas como a Caatinga. A obtenção contínua de dados de evapotranspiração real e produtividade primária bruta em larga escala pode ser viabilizada por técnicas de sensoriamento remoto, sendo essas informações essenciais para o monitoramento ecológico de ecossistemas semiáridos. Este trabalho teve como objetivo estimar a evapotranspiração real e a produtividade primária bruta da vegetação em área de Caatinga, utilizando técnicas de sensoriamento remoto e algoritmo de aprendizado de máquina. Os dados de evapotranspiração real e produtividade primária bruta foram coletados mensalmente no período de 2021 a 2023 pelo sistema Eddy Covariance acoplado em torre micrometeorológica, localizada na cidade de Serra Talhada-PE. Os dados espectrais corresponderam a 43 cenas do mesmo período, obtidas pela plataforma PlanetScope com resolução espacial de 3 metros captadas pelo sensor SuperDove. Foi realizado um buffer de 100 m a partir da torre onde foram extraídos valores médios de refletância das bandas do azul, verde, vermelho e infravermelho próximo, a partir das quais foram elaborados 22 índices espectrais. Para modelar e prever as variáveis ecológicas, aplicou-se o algoritmo de aprendizado de máquina Random Forest, com avaliação baseada no coeficiente de determinação, erro quadrático médio e erro absoluto médio. Os índices RGR e NDRGRI foram as variáveis espectrais que apresentaram melhor correlação com a evapotranspiração, com coeficientes de 0,52 e 0,43, respectivamente, enquanto os índices GOSAVI e GSAVI, apresentaram r= 0,37 ao avaliar a respostas para a produtividade primaria bruta. A modelagem da evapotranspiração apresentou melhor desempenho (R² = 0,62; RMSE = 0,9830; MAE = 0,7654) comparado à da produtividade primária bruta (R² = 0,57; RMSE = 4,1786), indicando maior precisão na estimativa da evapotranspiração. O algoritmo Random Forest, onde demonstrou boa capacidade preditiva, especialmente na predição da evapotranspiração.