“Machine Learning”, imagens orbitais e mapas de produtividade

O uso de imagens orbitais para investigação e/ou acompanhamento da variabilidade de culturas agrícolas juntamente com a aplicação de técnicas de aprendizado de máquina, do inglês “Machine Learning”, está sendo amplamente utilizado tanto pela comunidade científica quanto empresarial. A maioria do uso dessa imagens está relacionada diretamente com a aplicação de Índices de Vegetação, como por exemplo, índice de vegetação da diferença normalizada, do inglês “Normalized Difference Vegetation Index” (NDVI), na qual é utilizado para relacionar com estádios fenológicos, indício de doença e até produtividade. Entretanto, sabendo que os índices de vegetação são resultado da combinação das bandas espectrais, devemos também explorar o potencial do uso deste tipo de dado para tentar relacionar com variáveis de interesse como os de produtividade.

Dessa maneira, foi conduzido um trabalho buscando desenvolver um método para gerar mapas de produtividade para a cultura da cenoura a partir da aplicação uma técnica de “Machine Learning” (Árvores aleátorias, do inglês “Random Forest”) em um conjunto de dados composto por dados espectrais obtidos de imagens orbitais e dados pontuais de produtividade de cenoura.

O trabalho demonstra a importância da aplicação de uma técnica de “Machine Learning” aplicada em dados espectrais para estimar a produtividade na cultura da cenoura, ressaltando a continua necessidade da busca pelo conhecimento teórico e prático oriundo de diversas áreas da ciência em prol do avanço científico. Os resultados do trabalho não visam enfatizar que o uso de bandas espectrais é melhor ou pior que o uso de indíces de vegetação para estimar a produtividade, ele demonstra a capacidade do uso deste tipo de dado para tal função. O artigo “Carrot Yield Mapping: A Precision Agriculture Approach Based on Machine Learning” foi resultado dos esforços de Marcelo Chan Fu Wei, Leonardo Felipe Maldaner, Pedro Medeiros Netto Ottoni e José Paulo Molin. O trabalho foi publicado na revista “Artificial Intelligence” em 23 de maio de 2020. Para maiores informações acesse: https://www.mdpi.com/2673-2688/1/2/15