| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
26/04/2022 |
|
Data da última atualização: |
11/08/2023 |
|
Autoria: |
SPERANZA, E. A. |
|
Afiliação: |
EDUARDO ANTONIO SPERANZA, CNPTIA. |
|
Título: |
Mineração de dados espaciais aplicada no delineamento de unidades de gestão diferenciada em agricultura de precisão. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
2017. |
|
Páginas: |
340 p. |
|
Idioma: |
Português |
|
Notas: |
Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e de Tecnologia, Universidade Federal de São Carlos, São Carlos. |
|
Conteúdo: |
RESUMO. A Agricultura de Precisão (AP) é uma estratégia de cultivo agrícola que se utiliza de tecnologias e princípios para gerenciar a variabilidade espacial e temporal relacionada a todos os aspectos que envolvem uma lavoura, com o objetivo de aumentar a produtividade de maneira sustentável, possibilitando tanto a redução dos impactos ao meio ambiente quanto o aumento do retorno econômico. Um dos processos utilizados por essa estratégia para atingir esse objetivo é o delineamento da área de cultivo em parcelas menores com características similares, conhecidas como unidades de gestão diferenciada (UGDs). Para que esse processo possa ser executado com êxito, as dissimilaridades entre as UGDs devem ser corretamente identificadas a partir de dados espaciais. Desse modo, o delineamento de UGDs pode ser considerado como um processo orientado ao agrupamento de dados espaciais, no qual uma solução de agrupamento corresponde a um mapa de UGDs. As abordagens computacionais existentes na literatura para viabilizar a automatização desse processo, normalmente baseadas em algoritmos de agrupamento fuzzy, não consideram, em sua maior parte, as coordenadas geográficas que compõem as amostras coletadas durante a execução dos seus métodos, o que pode tornar os mapas de UGDs excessivamente estratificados. Assim, é possível observar a falta de uma abordagem de consenso que permita a obtenção de mapas de UGDs com variabilidade interna mínima e que, ao mesmo tempo, sejam facilmente interpretados pelos usuários especialistas. Diante do exposto, o processo para delineamento de UGDs em AP é abordado nesta tese, cujas principais contribuições são: (i) o critério de validação interna SD-Spatial, que considera questões relativas à coesão e separação de grupos tanto no espaço de atributos quanto no espaço de coordenadas; (ii) a abordagem de agrupamento espacial SWMU Clustering, que explora de maneira ponderada as dissimilaridades dos atributos convencionais e espaciais, utilizando-se de parâmetros fornecidos pelo usuário especialista sem que o determinismo das soluções seja prejudicado; e (iii) a abordagem complementar SWMU Polygon, que permite representar os mapas de UGDs em formato poligonal. Com base nos experimentos, a abordagem SWMU Clustering apresentou ganhos médios de 31,94% em medida de validação considerando tanto o espaço de atributos quanto o espaço de coordenadas, com relação a abordagens que utilizam agrupamento fuzzy; e a abordagem complementar SWMU Polygon proporcionou ganhos médios de desempenho de 61,14% na recuperação de mapas de UGDs armazenados em bancos de dados espaciais. MenosRESUMO. A Agricultura de Precisão (AP) é uma estratégia de cultivo agrícola que se utiliza de tecnologias e princípios para gerenciar a variabilidade espacial e temporal relacionada a todos os aspectos que envolvem uma lavoura, com o objetivo de aumentar a produtividade de maneira sustentável, possibilitando tanto a redução dos impactos ao meio ambiente quanto o aumento do retorno econômico. Um dos processos utilizados por essa estratégia para atingir esse objetivo é o delineamento da área de cultivo em parcelas menores com características similares, conhecidas como unidades de gestão diferenciada (UGDs). Para que esse processo possa ser executado com êxito, as dissimilaridades entre as UGDs devem ser corretamente identificadas a partir de dados espaciais. Desse modo, o delineamento de UGDs pode ser considerado como um processo orientado ao agrupamento de dados espaciais, no qual uma solução de agrupamento corresponde a um mapa de UGDs. As abordagens computacionais existentes na literatura para viabilizar a automatização desse processo, normalmente baseadas em algoritmos de agrupamento fuzzy, não consideram, em sua maior parte, as coordenadas geográficas que compõem as amostras coletadas durante a execução dos seus métodos, o que pode tornar os mapas de UGDs excessivamente estratificados. Assim, é possível observar a falta de uma abordagem de consenso que permita a obtenção de mapas de UGDs com variabilidade interna mínima e que, ao mesmo tempo, sejam facilmente interpretado... Mostrar Tudo |
|
Palavras-Chave: |
Agrupamento espacial; Dados espaciais; Differentiated Management Units; Management Zones; Mineração de dados; Spatial Clustering; Spatial Data Mining; Unidades de Gestão Diferenciada; Zonas de manejo. |
|
Thesagro: |
Agricultura de Precisão. |
|
Thesaurus Nal: |
Precision agriculture; Spatial data. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 03636nam a2200277 a 4500
001 2142387
005 2023-08-11
008 2017 bl uuuu m 00u1 u #d
100 1 $aSPERANZA, E. A.
245 $aMineração de dados espaciais aplicada no delineamento de unidades de gestão diferenciada em agricultura de precisão.
260 $a2017.$c2017
300 $a340 p.
500 $aTese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e de Tecnologia, Universidade Federal de São Carlos, São Carlos.
520 $aRESUMO. A Agricultura de Precisão (AP) é uma estratégia de cultivo agrícola que se utiliza de tecnologias e princípios para gerenciar a variabilidade espacial e temporal relacionada a todos os aspectos que envolvem uma lavoura, com o objetivo de aumentar a produtividade de maneira sustentável, possibilitando tanto a redução dos impactos ao meio ambiente quanto o aumento do retorno econômico. Um dos processos utilizados por essa estratégia para atingir esse objetivo é o delineamento da área de cultivo em parcelas menores com características similares, conhecidas como unidades de gestão diferenciada (UGDs). Para que esse processo possa ser executado com êxito, as dissimilaridades entre as UGDs devem ser corretamente identificadas a partir de dados espaciais. Desse modo, o delineamento de UGDs pode ser considerado como um processo orientado ao agrupamento de dados espaciais, no qual uma solução de agrupamento corresponde a um mapa de UGDs. As abordagens computacionais existentes na literatura para viabilizar a automatização desse processo, normalmente baseadas em algoritmos de agrupamento fuzzy, não consideram, em sua maior parte, as coordenadas geográficas que compõem as amostras coletadas durante a execução dos seus métodos, o que pode tornar os mapas de UGDs excessivamente estratificados. Assim, é possível observar a falta de uma abordagem de consenso que permita a obtenção de mapas de UGDs com variabilidade interna mínima e que, ao mesmo tempo, sejam facilmente interpretados pelos usuários especialistas. Diante do exposto, o processo para delineamento de UGDs em AP é abordado nesta tese, cujas principais contribuições são: (i) o critério de validação interna SD-Spatial, que considera questões relativas à coesão e separação de grupos tanto no espaço de atributos quanto no espaço de coordenadas; (ii) a abordagem de agrupamento espacial SWMU Clustering, que explora de maneira ponderada as dissimilaridades dos atributos convencionais e espaciais, utilizando-se de parâmetros fornecidos pelo usuário especialista sem que o determinismo das soluções seja prejudicado; e (iii) a abordagem complementar SWMU Polygon, que permite representar os mapas de UGDs em formato poligonal. Com base nos experimentos, a abordagem SWMU Clustering apresentou ganhos médios de 31,94% em medida de validação considerando tanto o espaço de atributos quanto o espaço de coordenadas, com relação a abordagens que utilizam agrupamento fuzzy; e a abordagem complementar SWMU Polygon proporcionou ganhos médios de desempenho de 61,14% na recuperação de mapas de UGDs armazenados em bancos de dados espaciais.
650 $aPrecision agriculture
650 $aSpatial data
650 $aAgricultura de Precisão
653 $aAgrupamento espacial
653 $aDados espaciais
653 $aDifferentiated Management Units
653 $aManagement Zones
653 $aMineração de dados
653 $aSpatial Clustering
653 $aSpatial Data Mining
653 $aUnidades de Gestão Diferenciada
653 $aZonas de manejo
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 3 | |
| Registros recuperados : 3 | |
|
| Expressão de busca inválida. Verifique!!! |
|
|
