PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/9620
Registro completo de metadados
Campo DCValorIdioma
dc.creatorFerreira Filho, Diony Tarsopt_BR
dc.date.accessioned2025-12-09T13:18:01Z-
dc.date.available2025-12-09T13:18:01Z-
dc.date.issued2025-12-01-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/9620-
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectCana-de-açúcarpt_BR
dc.subjectSensoriamento remoto-
dc.subjectMachine learning-
dc.subjectProdutividade-
dc.titleModelagem da produtividade da cana-de-açúcar com Machine learning para predição de produçãopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Vinhal, Gustavo Siqueirapt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5227400971565575pt_BR
dc.contributor.referee1Amaral, Nilson Cardosopt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6824122529171550pt_BR
dc.contributor.referee2Lima, Carlos Alexandre Ferreira dept_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3590597856271283pt_BR
dc.description.resumoEste Trabalho de Conclusão de Curso tem como objetivo desenvolver e avaliar um pipeline computacional para estimar a produtividade da cana-de-açúcar por meio da integração entre dados públicos de sensoriamento remoto, variáveis meteorológicas e técnicas de aprendizado de máquina. A motivação surge da necessidade de métodos acessíveis, robustos e independentes de bases privadas, que permitam realizar estimativas confiáveis mesmo diante da indisponibilidade de dados experimentais específicos. No presente estudo, informações derivadas de índices espectrais, como o NDVI obtido a partir do Sentinel-2, são combinadas com séries históricas de clima provenientes de bases como ERA5 e CHIRPS. Modelos de aprendizado de máquina são utilizados para construir predições de produtividade com base nessas variáveis. Embora o simulador biofísico APSIM-Sugar não seja executado integralmente por limitações de acesso aos dados originais da área experimental, sua estrutura conceitual fundamenta a seleção das variáveis e a interpretação agronômica do comportamento da cultura. Os resultados obtidos demonstram que o algoritmo implementado é capaz de operar de forma consistente, confirmando a viabilidade da utilização de dados públicos para estudos preliminares de previsão de produtividade da cana-de-açúcar.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.degree.graduationCiências da Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Ciência da Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
DionyFilho.pdf1,71 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador