|
|
| Acesso ao texto completo restrito à biblioteca da Embrapa Solos. Para informações adicionais entre em contato com cnps.biblioteca@embrapa.br. |
Registro Completo |
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
26/10/2021 |
Data da última atualização: |
04/12/2023 |
Tipo da produção científica: |
Orientação de Tese de Pós-Graduação |
Autoria: |
KUCHLER, P. C. |
Afiliação: |
PATRICK CALVANO KUCHLER, UERJ. |
Título: |
Utilização do sensoriamento remoto para o mapeamento dos sistemas integrados de produção agrícola: contribuição ao monitoramento da agricultura de baixa emissão de carbono no estado do Mato Grosso, Brasil. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
2021. |
Páginas: |
204 f. |
Idioma: |
Português |
Notas: |
Tese (Doutorado em Meio Ambiente) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro. Orientadoras: Margareth Simões, CNPS; Agnès Bégué, CIRAD. Convênio realizado em cotutela entre a Universidade do Estado do Rio de Janeiro e a Universidade de Montpellier AgroParisTech. |
Conteúdo: |
Para cumprir seus compromissos internacionais de redução das emissões de gases de efeito estufa, o Brasil criou o plano ABC (Agricultura de Baixo Carbono). A implementação de sistemas integrados de produção está entre as principais estratégias do referido plano. Mais de dez anos se passaram do lançamento do plano e ainda não há mecanismos para monitorar a adoção dessas práticas. O objetivo geral da tese é desenvolver uma metodologia de mapeamento anual em escala regional dos sistemas integrados de produção lavoura-pecuária (iLP), a partir de séries temporais de imagens do satélite MODIS, a fim de contribuir com o estabelecimento de um protocolo de monitoramento da agricultura de baixa emissão de carbono. O trabalho é dividido em três etapas: desenvolvimento da estratégia de classificação dos sistemas iLP; aplicação à escala regional e a análise temática dos mapas resultantes. A área de estudo é o estado de Mato Grosso, maior produtor nacional de soja, com uma grande variedade de ambientes possibilitando avaliar a robustez da metodologia. A etapa-1 foi desenvolvida em uma área no norte do estado. Os resultados mostram que o pré-processamento, como a suavização da série-temporal e o cálculo de indicadores fenométricos, deterioram a acurácia, e que a utilização de Índices de Vegetação 'originais' fornecem bons resultados (Acurácia Global AG=0,96). Constatou-se que o algoritmo Random Forest tem um desempenho ligeiramente melhor que o SVM (Support Vector Machine). A estratégia foi, em seguida aplicada a todo Mato Grosso, sete anos de campanha agrícola (2012-2019), 6 regiões climáticas, em 4 níveis hierárquicos (Nível 1 - Soja, advinda do Mapbiomas). Os resultados mostram que o uso de uma base de aprendizagem única (vários anos/regiões) para classificar cada região e ano individualmente proporciona acurácia semelhante ao uso de bases particularizadas para cada ano/região. O grande número de amostras de uma base integrada, compensa em grande parte a variabilidade espaço-temporal das classes. O mapa dos sistemas de cultivo Nível-2 (monoculturas SC e culturas sequenciais DC) tem uma AG média de 0,89 no período estudado e boa estabilidade interanual. No Nível-3 a AG = 0,84 e os DCs são divididos em 3 classes (soja-algodão, soja-cereal e o iLP soja-brachiaria). No Nível 4 tem AG= 0,77, a classe iLP é separada em iLP1 (sojabrachiaria) e iLP2 (soja-brachiaria consorciado com milho). Os valores f-score do sistema de cultura DC, iLP e iLP1 são próximos (0,89, 0,85 e 0,84) e a classe iLP2 (0,63). A análise dos mapas anuais dos sistemas de cultivo (2012-13 à 2018-19) mostra um aumento de 66% na área de cultivo sequencial, incluindo iLP, e uma redução de 19% na monocultura. Esses resultados refletem uma intensificação agrícola em curso no estado. A intensificação sustentável baseada em sistemas integrados mais que dobrou no mesmo período, de 18,6% (1,1Mha) para 28,9% (2,6Mha) das áreas cultivadas. Concluindo, o método desenvolvido permitiu-nos enfrentar quatro grandes desafios: mapear sistemas complexos (evoluir de cobertura para o uso da terra); em escala regional (diversidade de condições intranuais); de forma retrospectiva e processar um grande volume de dados através de ferramentas do Big Data. Planeja-se testar essa abordagem em todo o corredor da soja, a fim de se operacionalizar o monitoramento territorial e análise da adoção de práticas de intensificação sustentável MenosPara cumprir seus compromissos internacionais de redução das emissões de gases de efeito estufa, o Brasil criou o plano ABC (Agricultura de Baixo Carbono). A implementação de sistemas integrados de produção está entre as principais estratégias do referido plano. Mais de dez anos se passaram do lançamento do plano e ainda não há mecanismos para monitorar a adoção dessas práticas. O objetivo geral da tese é desenvolver uma metodologia de mapeamento anual em escala regional dos sistemas integrados de produção lavoura-pecuária (iLP), a partir de séries temporais de imagens do satélite MODIS, a fim de contribuir com o estabelecimento de um protocolo de monitoramento da agricultura de baixa emissão de carbono. O trabalho é dividido em três etapas: desenvolvimento da estratégia de classificação dos sistemas iLP; aplicação à escala regional e a análise temática dos mapas resultantes. A área de estudo é o estado de Mato Grosso, maior produtor nacional de soja, com uma grande variedade de ambientes possibilitando avaliar a robustez da metodologia. A etapa-1 foi desenvolvida em uma área no norte do estado. Os resultados mostram que o pré-processamento, como a suavização da série-temporal e o cálculo de indicadores fenométricos, deterioram a acurácia, e que a utilização de Índices de Vegetação 'originais' fornecem bons resultados (Acurácia Global AG=0,96). Constatou-se que o algoritmo Random Forest tem um desempenho ligeiramente melhor que o SVM (Support Vector Machine). A estratégia fo... Mostrar Tudo |
Palavras-Chave: |
Aprendizado de Máquina; Big data; Integração Lavoura-Pecuária; MODIS; Séries Temporais. |
Thesagro: |
Agricultura; Carbono; Desenvolvimento Sustentável; Sensoriamento Remoto. |
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
Marc: |
LEADER 04591nam a2200241 a 4500 001 2135585 005 2023-12-04 008 2021 bl uuuu m 00u1 u #d 100 1 $aKUCHLER, P. C. 245 $aUtilização do sensoriamento remoto para o mapeamento dos sistemas integrados de produção agrícola$bcontribuição ao monitoramento da agricultura de baixa emissão de carbono no estado do Mato Grosso, Brasil.$h[electronic resource] 260 $a2021.$c2021 300 $a204 f. 500 $aTese (Doutorado em Meio Ambiente) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro. Orientadoras: Margareth Simões, CNPS; Agnès Bégué, CIRAD. Convênio realizado em cotutela entre a Universidade do Estado do Rio de Janeiro e a Universidade de Montpellier AgroParisTech. 520 $aPara cumprir seus compromissos internacionais de redução das emissões de gases de efeito estufa, o Brasil criou o plano ABC (Agricultura de Baixo Carbono). A implementação de sistemas integrados de produção está entre as principais estratégias do referido plano. Mais de dez anos se passaram do lançamento do plano e ainda não há mecanismos para monitorar a adoção dessas práticas. O objetivo geral da tese é desenvolver uma metodologia de mapeamento anual em escala regional dos sistemas integrados de produção lavoura-pecuária (iLP), a partir de séries temporais de imagens do satélite MODIS, a fim de contribuir com o estabelecimento de um protocolo de monitoramento da agricultura de baixa emissão de carbono. O trabalho é dividido em três etapas: desenvolvimento da estratégia de classificação dos sistemas iLP; aplicação à escala regional e a análise temática dos mapas resultantes. A área de estudo é o estado de Mato Grosso, maior produtor nacional de soja, com uma grande variedade de ambientes possibilitando avaliar a robustez da metodologia. A etapa-1 foi desenvolvida em uma área no norte do estado. Os resultados mostram que o pré-processamento, como a suavização da série-temporal e o cálculo de indicadores fenométricos, deterioram a acurácia, e que a utilização de Índices de Vegetação 'originais' fornecem bons resultados (Acurácia Global AG=0,96). Constatou-se que o algoritmo Random Forest tem um desempenho ligeiramente melhor que o SVM (Support Vector Machine). A estratégia foi, em seguida aplicada a todo Mato Grosso, sete anos de campanha agrícola (2012-2019), 6 regiões climáticas, em 4 níveis hierárquicos (Nível 1 - Soja, advinda do Mapbiomas). Os resultados mostram que o uso de uma base de aprendizagem única (vários anos/regiões) para classificar cada região e ano individualmente proporciona acurácia semelhante ao uso de bases particularizadas para cada ano/região. O grande número de amostras de uma base integrada, compensa em grande parte a variabilidade espaço-temporal das classes. O mapa dos sistemas de cultivo Nível-2 (monoculturas SC e culturas sequenciais DC) tem uma AG média de 0,89 no período estudado e boa estabilidade interanual. No Nível-3 a AG = 0,84 e os DCs são divididos em 3 classes (soja-algodão, soja-cereal e o iLP soja-brachiaria). No Nível 4 tem AG= 0,77, a classe iLP é separada em iLP1 (sojabrachiaria) e iLP2 (soja-brachiaria consorciado com milho). Os valores f-score do sistema de cultura DC, iLP e iLP1 são próximos (0,89, 0,85 e 0,84) e a classe iLP2 (0,63). A análise dos mapas anuais dos sistemas de cultivo (2012-13 à 2018-19) mostra um aumento de 66% na área de cultivo sequencial, incluindo iLP, e uma redução de 19% na monocultura. Esses resultados refletem uma intensificação agrícola em curso no estado. A intensificação sustentável baseada em sistemas integrados mais que dobrou no mesmo período, de 18,6% (1,1Mha) para 28,9% (2,6Mha) das áreas cultivadas. Concluindo, o método desenvolvido permitiu-nos enfrentar quatro grandes desafios: mapear sistemas complexos (evoluir de cobertura para o uso da terra); em escala regional (diversidade de condições intranuais); de forma retrospectiva e processar um grande volume de dados através de ferramentas do Big Data. Planeja-se testar essa abordagem em todo o corredor da soja, a fim de se operacionalizar o monitoramento territorial e análise da adoção de práticas de intensificação sustentável 650 $aAgricultura 650 $aCarbono 650 $aDesenvolvimento Sustentável 650 $aSensoriamento Remoto 653 $aAprendizado de Máquina 653 $aBig data 653 $aIntegração Lavoura-Pecuária 653 $aMODIS 653 $aSéries Temporais
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Solos (CNPS) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Suínos e Aves. |
Data corrente: |
24/04/2015 |
Data da última atualização: |
25/01/2021 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
KLEIN, C. S.; REBELATTO, R.; MORES, M. A. Z.; KICH, J. D.; MORES, N. |
Afiliação: |
CATIA SILENE KLEIN, CNPSA; RAQUEL REBELATTO, CNPSA; MARCOS ANTONIO ZANELLA MORES, CNPSA; JALUSA DEON KICH, CNPSA; NELSON MORES, CNPSA. |
Título: |
Caracterização fenotípica de isolados de Pasteurella multocida A provenientes de lesões pneumônicas em suínos. |
Ano de publicação: |
2014 |
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE RECURSOS GENÉTICOS, 3., 2014, Santos. Anais... Brasília, DF: Sociedade Brasileira de Recursos Genéticos, 2014. 1 CD-ROM. |
Idioma: |
Português |
Thesagro: |
Pneumonia; Suíno. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/122753/1/final7631.pdf
|
Marc: |
LEADER 00646nam a2200169 a 4500 001 2014156 005 2021-01-25 008 2014 bl uuuu u00u1 u #d 100 1 $aKLEIN, C. S. 245 $aCaracterização fenotípica de isolados de Pasteurella multocida A provenientes de lesões pneumônicas em suínos.$h[electronic resource] 260 $aIn: CONGRESSO BRASILEIRO DE RECURSOS GENÉTICOS, 3., 2014, Santos. Anais... Brasília, DF: Sociedade Brasileira de Recursos Genéticos, 2014. 1 CD-ROM.$c2014 650 $aPneumonia 650 $aSuíno 700 1 $aREBELATTO, R. 700 1 $aMORES, M. A. Z. 700 1 $aKICH, J. D. 700 1 $aMORES, N.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Suínos e Aves (CNPSA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|