|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
30/09/2019 |
|
Data da última atualização: |
07/01/2020 |
|
Tipo da produção científica: |
Orientação de Tese de Pós-Graduação |
|
Autoria: |
LORENSINI, C. L. |
|
Afiliação: |
CAROLINA LOBELLO LORENSINI, Feagri/Unicamp. |
|
Título: |
Metodologia para classificação da aptidão agrícola de municípios. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
2019. |
|
Páginas: |
71 p. |
|
Idioma: |
Português |
|
Notas: |
Dissertação (Mestrado em Engenharia Agrícola) - Faculdade de Engenharia Agrícola, Universidade Estadual de Campinas, Campinas. Orientador: Stanley Robson de Medeiros Oliveira, Coorientador: Daniel de Castro Victoria. |
|
Conteúdo: |
RESUMO. A classificação da aptidão agrícola das terras relaciona o recurso solo e o nível tecnológico com a produtividade, apoiando a gestão territorial no agronegócio, buscando a conservação e a sustentabilidade agroambiental. Essa metodologia enquadra-se na modalidade de classificações técnicas ou interpretativas, nas quais as terras são agrupadas de acordo com suas potencialidades, relacionadas com o tipo de utilização que se quer dar. Mapas de aptidão agrícola fornecem informações objetivas que podem ser aplicadas no planejamento agrícola e na avaliação do uso das terras, permitindo apontar áreas com uso adequado, sobreutilizadas ou que suportariam a intensificação do uso. Em particular, a região denominada MATOPIBA (Maranhão, Tocantins, Piauí e Bahia), ganhou importância no setor agropecuário brasileiro, apresenta forte crescimento desde os anos 2000 e atualmente é considerada como fronteira em expansão e intensificação do Brasil. Neste contexto, o objetivo deste trabalho foi desenvolver uma metodologia baseada em técnicas de mineração de dados para classificar municípios com aptidão agrícola, na região do MATOPIBA. Para isto, foram utilizados dados sociais (IDHM, taxa de analfabetismo com 25 anos ou mais, renda per capita e a porcentagem da população que trabalham no setor agropecuário com 18 anos ou mais, PIB e fluxo migratório), econômicos (área plantada, quantidade produzida e rendimento médio) e físicos (precipitação, temperatura, umidade relativa, declividade, relevo e tipo de solo) dos municípios, no período de 17 anos, entre os anos de 2000 a 2016. A interação recursos naturais e sociedade é importante para a preservação do meio ambiente e constitui-se em um desafio não considerado em metodologias anteriores. Para selecionar os atributos mais relevantes do conjunto de dados foram utilizados os seguintes métodos de seleção de atributos: Qui-Quadrado, CFS (Correlation Feature Selection), Ganho de Informação e Wrapper. Foram gerados modelos preditivos por meio de indução de árvores de decisão (J48), Random Forest e SVM (Support Vector Machine) juntamente com métodos de seleção de atributos. Os resultados encontrados revelaram o potencial das técnicas de mineração de dados para a classificação de áreas com aptidão agrícola, resultando em uma metodologia simplificada, através de ferramentas de Sistemas de Informações Geográficas (SIGs) e dados obtidos pelo IBGE, com isso, não há necessidade de trabalho de campo e uma equipe grande reduzindo custo, tempo e esforço em projetos de gestão territorial. MenosRESUMO. A classificação da aptidão agrícola das terras relaciona o recurso solo e o nível tecnológico com a produtividade, apoiando a gestão territorial no agronegócio, buscando a conservação e a sustentabilidade agroambiental. Essa metodologia enquadra-se na modalidade de classificações técnicas ou interpretativas, nas quais as terras são agrupadas de acordo com suas potencialidades, relacionadas com o tipo de utilização que se quer dar. Mapas de aptidão agrícola fornecem informações objetivas que podem ser aplicadas no planejamento agrícola e na avaliação do uso das terras, permitindo apontar áreas com uso adequado, sobreutilizadas ou que suportariam a intensificação do uso. Em particular, a região denominada MATOPIBA (Maranhão, Tocantins, Piauí e Bahia), ganhou importância no setor agropecuário brasileiro, apresenta forte crescimento desde os anos 2000 e atualmente é considerada como fronteira em expansão e intensificação do Brasil. Neste contexto, o objetivo deste trabalho foi desenvolver uma metodologia baseada em técnicas de mineração de dados para classificar municípios com aptidão agrícola, na região do MATOPIBA. Para isto, foram utilizados dados sociais (IDHM, taxa de analfabetismo com 25 anos ou mais, renda per capita e a porcentagem da população que trabalham no setor agropecuário com 18 anos ou mais, PIB e fluxo migratório), econômicos (área plantada, quantidade produzida e rendimento médio) e físicos (precipitação, temperatura, umidade relativa, declividade, rel... Mostrar Tudo |
|
Palavras-Chave: |
Análise de algoritmos; Aprendizado de máquina; Attribute selection; Data mining; Machine learning; Matopiba; Mineração de dados; Seleção de atributos; Sistemas de Informação Geográfica; Solos; Sustainability; Sustentabilidade. |
|
Thesagro: |
Aptidão Agrícola; Sensoriamento Remoto. |
|
Thesaurus Nal: |
Geographic information systems; Remote sensing. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 03773nam a2200325 a 4500
001 2112583
005 2020-01-07
008 2019 bl uuuu m 00u1 u #d
100 1 $aLORENSINI, C. L.
245 $aMetodologia para classificação da aptidão agrícola de municípios.$h[electronic resource]
260 $a2019.$c2019
300 $a71 p.
500 $aDissertação (Mestrado em Engenharia Agrícola) - Faculdade de Engenharia Agrícola, Universidade Estadual de Campinas, Campinas. Orientador: Stanley Robson de Medeiros Oliveira, Coorientador: Daniel de Castro Victoria.
520 $aRESUMO. A classificação da aptidão agrícola das terras relaciona o recurso solo e o nível tecnológico com a produtividade, apoiando a gestão territorial no agronegócio, buscando a conservação e a sustentabilidade agroambiental. Essa metodologia enquadra-se na modalidade de classificações técnicas ou interpretativas, nas quais as terras são agrupadas de acordo com suas potencialidades, relacionadas com o tipo de utilização que se quer dar. Mapas de aptidão agrícola fornecem informações objetivas que podem ser aplicadas no planejamento agrícola e na avaliação do uso das terras, permitindo apontar áreas com uso adequado, sobreutilizadas ou que suportariam a intensificação do uso. Em particular, a região denominada MATOPIBA (Maranhão, Tocantins, Piauí e Bahia), ganhou importância no setor agropecuário brasileiro, apresenta forte crescimento desde os anos 2000 e atualmente é considerada como fronteira em expansão e intensificação do Brasil. Neste contexto, o objetivo deste trabalho foi desenvolver uma metodologia baseada em técnicas de mineração de dados para classificar municípios com aptidão agrícola, na região do MATOPIBA. Para isto, foram utilizados dados sociais (IDHM, taxa de analfabetismo com 25 anos ou mais, renda per capita e a porcentagem da população que trabalham no setor agropecuário com 18 anos ou mais, PIB e fluxo migratório), econômicos (área plantada, quantidade produzida e rendimento médio) e físicos (precipitação, temperatura, umidade relativa, declividade, relevo e tipo de solo) dos municípios, no período de 17 anos, entre os anos de 2000 a 2016. A interação recursos naturais e sociedade é importante para a preservação do meio ambiente e constitui-se em um desafio não considerado em metodologias anteriores. Para selecionar os atributos mais relevantes do conjunto de dados foram utilizados os seguintes métodos de seleção de atributos: Qui-Quadrado, CFS (Correlation Feature Selection), Ganho de Informação e Wrapper. Foram gerados modelos preditivos por meio de indução de árvores de decisão (J48), Random Forest e SVM (Support Vector Machine) juntamente com métodos de seleção de atributos. Os resultados encontrados revelaram o potencial das técnicas de mineração de dados para a classificação de áreas com aptidão agrícola, resultando em uma metodologia simplificada, através de ferramentas de Sistemas de Informações Geográficas (SIGs) e dados obtidos pelo IBGE, com isso, não há necessidade de trabalho de campo e uma equipe grande reduzindo custo, tempo e esforço em projetos de gestão territorial.
650 $aGeographic information systems
650 $aRemote sensing
650 $aAptidão Agrícola
650 $aSensoriamento Remoto
653 $aAnálise de algoritmos
653 $aAprendizado de máquina
653 $aAttribute selection
653 $aData mining
653 $aMachine learning
653 $aMatopiba
653 $aMineração de dados
653 $aSeleção de atributos
653 $aSistemas de Informação Geográfica
653 $aSolos
653 $aSustainability
653 $aSustentabilidade
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
