Use este identificador para citar ou linkar para este item: https://repositorio.ufms.br/handle/123456789/4334
Tipo: Dissertação
Título: Classificação de genótipos de soja quanto ao desempenho fisiológico utilizando variáveis espectrais
Autor(es): REGIMAR GARCIA DOS SANTOS
Primeiro orientador: Larissa Pereira Ribeiro Teodoro
Resumo: Os caracteres fisiológicos da cultura da soja estão correlacionados com a sua produtividade, o que foi comprovado através de estudos de progresso genético. A mensuração desses caracteres demanda equipamentos complexos e mão de obra especializada, além de ser oneroso e demorado. Problemas que podem ser resolvidos utilizando bandas espectrais e índices de vegetação associados ao sensoriamento remoto. O objetivo deste trabalho foi identificar a melhor técnica de aprendizagem de máquina para a classificação dos clusters de populações F2 de soja com base em suas características fisiológicas utilizando bandas espectrais e índices de vegetação como variáveis de entrada. O experimento foi realizado no ano agrícola de 2019/2020, no município de Chapadão do Sul, MS. Utilizando um drone foram coletados os valores das bandas espectrais (SB) e índices de vegetação (IV) de 194 populações de soja em F2. As características fisiológicas avaliadas foram: fotossíntese líquida (A), condutância estomática (gs), concentração interna de CO2 (Ci), transpiração (E) e eficiência no uso da água (EUA). Utilizando a técnica de k-means as amostras foram divididas em dois clusters, e utilizando Componetes Principais (PCA), as amostras foram particionadas em dois grupos com base em seu desempenho fisiológico. Foram avaliadas como variáveis de entrada as SB+IV, apenas SB e apenas IV. Utilizando SB+IV a técnica com melhor capacidade de classificação foi a de redes neurais artificiais (ANN) com 66,34% de classificações corretas (CC), o algoritmo J48 apresentou o melhor resultado utilizando apenas SB (69,87% CC) e Regressão Logística (RL) obteve melhor resposta quando utilizando apenas IV’s como variável de entrada (68,95% CC). Os resultados obtidos demonstram que a melhor forma de se fazer a classificação é utilizando apenas as SB como variáveis de entrada no algoritmo J48, diminuindo o tempo e as chances de erro durante a etapa de cálculo dos IV’s.
Abstract: The physiological characters of the soybean crop are correlated with its productivity, which has been proven through studies of genetic progress. The measurement of these characters requires complex equipment, specialized labor, in addition to being costly and time consuming. Problems that can be solved using spectral bands and vegetation indices associated with remote sensing. The objective of this work was to identify the best machine learning technique for classifying F2 soybean population clusters based on their physiological characteristics using spectral bands and vegetation indices as input variables. The experiment was carried out in the 2019/2020 agricultural year, in the municipality of Chapadão do Sul, MS. Using a drone, the values of spectral bands (SB) and vegetation indices (IV) were collected from 194 soybean populations in F2. The physiological characteristics evaluated were: net photosynthesis(A),stomatal conductance (gs), internal concentration of CO2 (Ci), transpiration (E) and water use efficiency (USA). Using the k-means technique the samples were divided into two clusters, using Principal Components (PCA), the samples were partitioned into two groups based on their physiological behavior. SB+IV, SB only and IV only were evaluated as input variables. Using SB+IV, the technique with the highest classification capacity was the artificial neural networks (ANN) with 66.34% of correct classifications (CC), the J48 algorithm presented the best result using only SB (69.87% CC) and Logistic Regression (RL) obtained better response when using only IV's as input variable (68.95% CC). The results obtained demonstrate that the best way to make the classification is using only the SB as input variables in the J48 algorithm, reducing the time required and the chances of error during the step of calculating the vegetation indices.
Palavras-chave: Predição, Caracteres fisiológicos, Agronômicos, Soja, Índices de vegetação.
País: Brasil
Editor: Fundação Universidade Federal de Mato Grosso do Sul
Sigla da Instituição: UFMS
Tipo de acesso: Acesso Aberto
URI: https://repositorio.ufms.br/handle/123456789/4334
Data do documento: 2022
Aparece nas coleções:Programa de Pós-graduação em Agronomia (Campus de Chapadão do Sul)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação__Mestrado_Regimar_Garcia_dos_Santos.pdf1,58 MBAdobe PDFThumbnail
Visualizar/Abrir


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