Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Diagnóstico do estado nutricional e previsão da produtividade da batateira
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/11449/254330
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Cecílio Filho, Arthur Bernardes | - |
| Autor(es): dc.contributor | Rolim, Glauco de Souza | - |
| Autor(es): dc.contributor | Soratto, Rogério Peres | - |
| Autor(es): dc.creator | Passos, Danilo dos Reis Cardoso | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:24:19Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:24:19Z | - |
| Data de envio: dc.date.issued | 2024-03-19 | - |
| Data de envio: dc.date.issued | 2024-03-19 | - |
| Data de envio: dc.date.issued | 2023-08-16 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/254330 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/254330 | - |
| Descrição: dc.description | A avaliação do estado nutricional das plantas e as mudanças nas variáveis climáticas têm um impacto significativo na cultura da batata. Com o objetivo de otimizar a produtividade da cultura, melhorar a qualidade do produto e reduzir o impacto ambiental, ferramentas tecnológicas estão cada vez mais sendo utilizadas na agricultura. Entre elas, destaca-se o método de diagnose da composição nutricional (CND), que considera as relações entre todos os nutrientes e a previsão da produtividade. Os modelos de Machine Learning, com base em dados climáticos e nutricionais, são ferramentas úteis para auxiliar os produtores a tomarem decisões durante o cultivo. Os objetivos do Capítulo 2 foram: a) obter as normas dos métodos CND-clr e CND-ilr para avaliação do estado nutricional da batateira; b) identificar as amostras equilibradas ou não-equilibradas nutricionalmente, em situações de alta e baixa produtividade pelo método CND-ilr; c) obter as faixas de teores adequados dos nutrientes para a cultura da batata com alta produtividade; d) conhecer a ordem dos nutrientes limitantes nas amostras classificadas como nutricionalmente desequilibradas e com baixa produtividade. Os objetivos do capítulo 3 foram: a) prever a produtividade da batateira; b) avaliar o desempenho de diferentes modelos de Machine Learning na previsão da produtividade da batateira no estado de São Paulo, Brasil; e c) desenvolver uma aplicativo on-line que faça a previsão da produtividade da batateira. O banco de dados foi composto por 752 amostras que relacionaram os teores foliares de nutrientes e produtividades de culturas da batata, de áreas localizadas no estado de São Paulo, Brasil. A produtividade que separou os grupos de alta e baixa produtividade foi 48.993,24 kg ha-1. Foram obtidas faixas de suficiência dos nutrientes, em geral, mais estreitas que as reportadas na literatura. A ordem de limitação dos nutrientes foi: N, B, S, Ca e Mn. Os parâmetros encontrados no CND-ilr para acurácia, sensibilidade, especificidade, NPV e PPV foram 96,9; 97,1; 93,6; 64,4 e 99,6 %, respectivamente. Para identificar as variáveis que mais impactam na produtividade da batateira, foram desenvolvidos cinco modelos de Machine Learning para análise dos dados. Foi desenvolvida uma aplicação e as opções de modelos utilizados foram: Regressão Linear Múltipla (RLM), K-nearest neighbors ou “K-vizinhos mais próximos” (KNN), Support Vector Machine (SVR), eXtreme Gradient Boosting (XGB) e Redes Neurais Artificiais (RN). Para a construção dos modelos, o banco de dados foi divido em três grupos: variáveis nutricionais, climáticas e top 10 (as principais variáveis que influenciam no modelo pelo método Randon Forest). Dentre os 15 modelos, o SVR top 10 obteve os melhores resultados de R2 ajustado (0.76) e RMSE (5646.80 kg ha-1). | - |
| Descrição: dc.description | The assessment of the nutritional status of plants and changes in climatic variables have a significant impact on potato cultivation. In order to optimize crop productivity, improve product quality and reduce environmental impact, technological tools are increasingly being used in agriculture. Among them, the CND stands out, which considers the relationships between all nutrients, and the prediction of productivity from Machine Learning models based on climatic and nutritional data are useful tools to help producers make decisions during cultivation. The objectives of chapter 2 were: a) to obtain the norms of the CND-clr and CND-ilr methods for evaluating the nutritional status of the potato plant; b) identification of nutritionally balanced or non-balanced samples, in situations of high and low productivity by the CND-ilr method; c) obtaining the ranges of adequate levels of nutrients for the potato crop with high productivity; d) knowing the order of limiting nutrients in samples classified as nutritionally unbalanced and with low productivity. The objectives of chapter 3 were: a) to predict potato productivity; b) to evaluate the performance of different Machine Learning models in predicting potato productivity in the state of São Paulo, Brazil; c) to develop an online application that forecast the productivity of agricultural crops. The database consisted of 752 samples that related leaf nutrient contents and yields of potato crops from areas located in the state of São Paulo, Brazil. The productivity that separated the high and low productivity groups was 48,993.24 kg ha-1 . Nutrient sufficiency ranges were generally narrower than those reported in the literature. The order of nutrient limitation was: N, B, S, Ca and Mn. The parameters found in the CND-ilrfor accuracy, sensitivity, specificity, NPV and PPV were 96.9; 97.1; 93.6; 64.4 and 99.6%, respectively. To identify the variables that most impact potato productivity, five Machine Learning models were developed for data analysis. An application was developed to perform calculations based on user interaction. The model options used were: Multiple Linear Regression (RLM), K-nearest neighbors or “K-nearest neighbors” (KNN), Support Vector Machine (SVR), eXtreme Gradient Boosting (XGB) and Artificial Neural Networks (RN). for the construction of the models, the database was divided into three groups: nutritional, climatic and top 10 variables (the main variables that influence the model according to the Randon Forest method). Among the 15 models, the top 10 SVR obtained the best adjusted R2 (0.76) and RMSE (5646.80 kg ha-1 ) results. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
| Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
| Palavras-chave: dc.subject | Olericultura | - |
| Palavras-chave: dc.subject | Nutrição mineral | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Machine Learning na batata | - |
| Palavras-chave: dc.subject | Inteligência artificial na batata | - |
| Título: dc.title | Diagnóstico do estado nutricional e previsão da produtividade da batateira | - |
| Título: dc.title | Diagnosis of nutritional status and prediction of potato productivity | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo