UMA METODOLOGIA PARA PREDIÇÃO DE PRODUTIVIDADE DA CANA-DE AÇÚCAR NO ESTADO DE SÃO PAULO
Documento
Informações da Tese
Título
UMA METODOLOGIA PARA PREDIÇÃO DE PRODUTIVIDADE DA CANA-DE AÇÚCAR NO ESTADO DE SÃO PAULO
Autor
Jeferson Lobato Fernandes
Resumo
O atual sistema de previsão de safras para a cultura da cana-de-açúcar utilizado no Brasil depende, em boa parte, de informações subjetivas, baseadas no conhecimento de técnicos do setor e informações da cadeia produtiva. O objetivo deste estudo é avaliar o uso de dados espectrais do sensor MODerate-resolution Imaging Spectroradiometer (MODIS) e dados meteorológicos provenientes do modelo do European Center for Medium-Range Weather Forecast (ECMWF) aplicados a um comitê de redes neurais para predizer a produtividade da cana-de-açúcar em escala municipal e estadual no estado de São Paulo, Brasil. Foram selecionados 60 municípios e nove safras entre os anos de 2003 e 2012. Foi feita a seleção de variáveis usando um wrapper com rede neural Multi-Layer Perceptron (MLP) e, a partir do banco de dados selecionado, foi feita a predição da produtividade usando os métodos Bagging e Stacking de criação de comitês. Foi estimada também a produtividade para todo o Estado baseado na média aritmética dos resultados obtidos com o Stacking para os 60 municípios, comparando estes resultados com as estimativas feitas pela Companhia Nacional de Abastecimento – Conab. Foi possível predizer a produtividade da cana-de-açúcar para o estado de São Paulo com menor RMSE (1,4 t ha-1) que as estimativas da Conab (cerca de 4 t ha-1), com três meses de antecipação ao final da safra. O método objetivo e de baixo custo proposto neste estudo pode contribuir para a melhoria do atual método oficial de estimativa da safra de cana-de-açúcar realizado pela Conab.
Abstract
The current crop yield forecasting system for sugarcane used in Brazil is dependent on subjective information which are based on personal knowledge of technicians and information from the industry. The objective of this study is to evaluate the use of spectral data of MODerate-resolution Imaging Spectroradiometer (MODIS) sensor and meteorological data provided by the European Center for Medium-Range Weather Forecast (ECMWF) model in an ensemble of Artificial Neural Network (ANN) to predict sugarcane yield at municipal and State level in the State of São Paulo, Brazil. Sixty municipalities and nine crop seasons between 2003 and 2012 were selected in the State of São Paulo. An ANN wrapper with sequential backward selection was applied in order to eliminate irrelevant and/or redundant features from the initial data set. Sugarcane yield was predicted using Bagging and Stacking ensemble methods. Finally, it was estimated the yield for the State based on the average of the 60 municipalities, which were then compared to surveys of the Companhia Nacional de Abastecimento - Conab. Stacking was capable of estimating sugarcane yield for the São Paulo State with smaller RMSE (1.4 t ha-1) than Conab surveys (about 4 t ha-1), with anticipation of three months before the end of the crop season. The low cost and objective method proposed in this study can contribute to improve the current official method of estimating sugarcane production provided by Conab.
Ano
2015
Orientadores
Nelson Francisco Favilla Ebecken