UFV - Teses
URI permanente para esta coleção${dspace.url}/handle/123456789/4
Navegar
3 resultados
Resultados da Pesquisa
Item Terroir de café em lavouras no município de Araponga - MG(Universidade Federal de Viçosa, 2012-06-05) Silva, Samuel de Assis; Queiroz, Daniel Marçal de; Pinto, Francisco de Assis de Carvalho; Santos, Nerilson TerraO café é um produto que tem seu valor estipulado em função da sua qualidade e esta é dependente das características do local onde esse é produzido. A diferenciação dos cafés através da noção de terroir permite determinar áreas potenciais para a produção de cafés especiais e caracterizar o tipo de café característico dessas áreas, explorando suas potencialidades. O estudo dos terroirs está relacionado à compreensão de um território comumente pequeno, em que diferentes fatores locais conferem qualidades distintas aos produtos. O objetivo desse trabalho foi caracterizar e delimitar terroirs de produção de café de lavouras no município de Araponga MG, definir a influência de variáveis climáticas, de solo e da topografia sobre os terroirs e a qualidade, e utilizar um sistema de visão artificial para estimar a qualidade da bebida. Os dados foram coletados em quatro lavouras do município de Araponga MG, as quais foram escolhidas considerando as diferenças significativas entre si, principalmente no que diz respeito a altitude das mesmas. Foram coletadas amostras de frutos cereja em cada um dos talhões de cada lavoura, as quais foram utilizadas para determinar a qualidade global do café e suas características sensoriais peculiares. Desses frutos mediram-se o teor de sólidos solúveis (º Brix) com auxílio de um refratômetro portátil, o comportamento espectral utilizando um espectroradiômetro com iluminação artificial e as características colorimétricas através de imagens digitais obtidas com câmeras fotográficas. A influência do clima sobre os terroirs e sobre a qualidade do café foi avaliada em função da umidade relativa do ar, temperatura, radiação solar e número médio de horas de luz. O solo dos terroirs foi caracterizado com base em seus atributos físicos texturais e quanto à sua formação e material de origem. A qualidade do café foi avaliada por meio da análise de suas características físicas e pela análise sensorial, segundo as regras de competições nacionais e internacionais da Associação Americana de Cafés Especiais (SCAA). A definição dos terroirs de produção de café foi feita à partir das notas globais dos cafés das fazendas e também de suas características peculiares. A fazenda do Boné se destacou em relação às demais com base na qualidade global média e também nos valores médios de doçura e sabor dos cafés. O município de Araponga MG possui mais de um terroir de produção de café caracterizado por dois distintos extratos de altitude e que exercem influencia singular sobre a qualidade dos cafés colhidos, tornando-os diferenciáveis. A qualidade do café é dependente do terroir, e este, por sua vez, da altitude, da posição da lavoura e das características microclimáticas. A qualidade global do café apresenta correlação significativa com os valores de Banda R e reflectância dos frutos. Os valores de º Brix não apresentaram correlação significativa com a qualidade do café. É possível utilizar os valores de Banda R e de reflectância na banda do vermelho dos frutos cereja para a estimativa dos valores de qualidade global do café, sendo viável a adoção de um sistema simplificado para aquisição das imagens.Item Estimativa de produtividade de café por meio de métodos de machine learning(Universidade Federal de Viçosa, 2019-07-31) Nascimento, Amélia Laisy do; Queiroz, Daniel Marçal de; Valente, Domingos Sárvio MagalhãesA produtividade agrícola representa o resultado de ações tomadas antes da colheita e indica se as práticas agrícolas adotadas causaram aumento ou redução no rendimento e podem ajudar na tomada de decisões futuras. Dessa maneira, a previsão de produtividade é uma ferramenta útil para os agricultores. Existem modelos que estimam a produtividade, porém, a quantidade de variáveis necessárias e a dificuldade em mensurá-las são um problema. Vários pesquisadores têm usado imagens orbitais para realizar estimativas de biomassa e produtividade de culturas. Além disso, alguns pesquisadores vêm combinando métodos de aprendizado de máquina (machine learning), mineração de dados (data mining) ou inteligência artificial (artificial intelligence) na tentativa de prever a produtividade de culturas agrícolas. Para estimar a produtividade agrícola, é interessante que o banco de dados possua imagens de todo o ciclo produtivo da cultura. Porém, o período de revisita dos satélites e a presença de nuvens sobre a área de estudo podem tornar o banco de dados incompleto. Uma possibilidade é adquirir imagens capturadas por sensores a bordo de distintos satélites. No entanto, cada sensor captura faixas de comprimento de onda diferentes e alguns sensores não capturam todos os comprimentos de onda necessários aos estudos. Uma forma de resolver esse problema é realizar uma predição das imagens faltantes de um satélite utilizando como base imagens oriundas de outro satélite. Dessa forma, consegue-se preencher lacunas na série de dados e garantir um banco de dados com uma série temporal mais representativa. Por fim, é possível utilizar a série temporal de informações derivadas das imagens orbitais para estimar a produtividade de culturas agrícolas. Portanto, o objetivo desta tese foi estimar a produtividade do café por meio de informações espectrais e machine learning. Para isso, o banco de dados foi composto por imagens Sentinel-2 originais, além de imagens Sentinel-2 preditas com base em imagens oriundas do Cbers-4, Landsat-8 e Resourcesat-2. A predição de imagens Sentinel-2 ocorreu por meio de sete métodos de machine learning. Os dados foram separados em conjunto de treinamento, teste e avaliação dos modelos. O desempenho dos modelos foi mensurado pela raiz do erro quadrático médio (rootIV mean square error - RMSE) entre o valor real e o valor predito pelo modelo para o conjunto que ficou de fora do treinamento. O teste t a 5% de significância foi usado para verificar a existência de igualdade ou diferença estatística entre os erros apresentados pelos modelos de predição da reflectância. Os métodos de machine learning mostraram-se eficazes para estimar os valores de reflectância de imagens Sentinel-2 com base em imagens oriundas do Cbers-4, do Landsat-8 e do Resourcesat-2. Os modelos que apresentaram menores RMSE’s na predição da reflectância de imagens orbitais de uma data distinta a data cujos dados foram usados para treinar os modelos foram usados para estimar as imagens Sentinel-2 ausentes do banco de dados usado para estimar a produtividade do café. A partir das imagens orbitais, seis índices de vegetação e reflectância em seis bandas espectrais foram obtidos. A estimativa da produtividade ocorreu por meio de seis métodos de machine learning. Os modelos de estimativa foram implantados em linguagem R no programa computacional R Versão 3.5.1 (R Team, 2018). A raiz do erro quadrático médio (root mean square error - RMSE) e o erro médio absoluto (mean absolute error - MAE) foram usados para avaliar a acurácia dos modelos de estimativa da produtividade. O RMSE e o MAE serviram de entrada para o teste de Scott-Knott que agrupou os modelos semelhantes. Os métodos de machine learning apresentaram erros RMSE e MAE da estimativa da produtividade semelhantes uns aos outros pelo teste de Scott-Knott, com exceção da regressão linear utilizando 14 variáveis preditoras. Foi possível estimar a produtividade por meio de cinco variáveis com erros semelhantes aos erros apresentados pelos modelos com 10 e com 14 variáveis referentes a informações espectrais, topográficas e agronômicas. O erro RMSE mínimo apresentado pelos modelos correspondeu a uma diferença de 11% entre o valor estimado e o valor real da produtividade do café do talhão Pasto Novo 1 no ano de 2017. O erro MAE mínimo correspondeu a uma diferença de 1,7% entre o valor estimado e o valor observado da produtividade do talhão Açude 3 no ano de 2018. A estimativa da produtividade pode ser realizada com até três meses de antecedência.Item Terroir de café em lavouras no município de Araponga - MG(Universidade Federal de Viçosa, 2012-06-05) Silva, Samuel de Assis; Queiroz, Daniel Marçal deO café é um produto que tem seu valor estipulado em função da sua qualidade e esta é dependente das características do local onde esse é produzido. A diferenciação dos cafés através da noção de terroir permite determinar áreas potenciais para a produção de cafés especiais e caracterizar o tipo de café característico dessas áreas, explorando suas potencialidades. O estudo dos terroirs está relacionado à compreensão de um território comumente pequeno, em que diferentes fatores locais conferem qualidades distintas aos produtos. O objetivo desse trabalho foi caracterizar e delimitar terroirs de produção de café de lavouras no município de Araponga – MG, definir a influência de variáveis climáticas, de solo e da topografia sobre os terroirs e a qualidade, e utilizar um sistema de visão artificial para estimar a qualidade da bebida. Os dados foram coletados em quatro lavouras do município de Araponga – MG, as quais foram escolhidas considerando as diferenças significativas entre si, principalmente no que diz respeito a altitude das mesmas. Foram coletadas amostras de frutos cereja em cada um dos talhões de cada lavoura, as quais foram utilizadas para determinar a qualidade global do café e suas características sensoriais peculiares. Desses frutos mediram-se o teor de sólidos solúveis (o Brix) com auxílio de um refratômetro portátil, o comportamento espectral utilizando um espectroradiômetro com iluminação artificial e as características colorimétricas através de imagens digitais obtidas com câmeras fotográficas. A influência do clima sobre os terroirs e sobre a qualidade do café foi avaliada em função da umidade relativa do ar, temperatura, radiação solar e número médio de horas de luz. O solo dos terroirs foi caracterizado com base em seus atributos físicos texturais e quanto à sua formação e material de origem. A qualidade do café foi avaliada por meio da análise de suas características físicas e pela análise sensorial, segundo as regras de competições nacionais e internacionais da Associação Americana de Cafés Especiais (SCAA). A definição dos terroirs de produção de café foi feita à partir das notas globais dos cafés das fazendas e também de suas características peculiares. A fazenda do Boné se destacou em relação às demais com base na qualidade global média e também nos valores médios de doçura e sabor dos cafés. O município de Araponga – MG possui mais de um terroir de produção de café caracterizado por dois distintos extratos de altitude e que exercem influencia singular sobre a qualidade dos cafés colhidos, tornando-os diferenciáveis. A qualidade do café é dependente do terroir, e este, por sua vez, da altitude, da posição da lavoura e das características microclimáticas. A qualidade global do café apresenta correlação significativa com os valores de Banda R e reflectância dos frutos. Os valores de o Brix não apresentaram correlação significativa com a qualidade do café. É possível utilizar os valores de Banda R e de reflectância na banda do vermelho dos frutos cereja para a estimativa dos valores de qualidade global do café, sendo viável a adoção de um sistema simplificado para aquisição das imagens.