@PHDTHESIS{ 2021:1811351371,
 	title = {Sensoriamento remoto associado a técnicas de mineração de dados para estimativas de produção agrícola},
 	year = {2021},
 	url = "http://tede.unioeste.br/handle/tede/5629",
 	abstract = "O uso de técnicas de sensoriamento remoto (SR) orbital tem se mostrado uma 
 ferramenta valiosa, pois possibilita o monitoramento agrícola em escala regional, com maior 
 antecedência e precisão, além de menor custo operacional em relação às técnicas 
 tradicionais. A possibilidade de identificação e quantificação das áreas agrícolas e suas 
 produções, de forma objetiva e rápida, além da adequada regionalização da safra paranaense 
 e suas estatísticas agrícolas são aspectos relevantes no contexto agrícola brasileiro, 
 considerada a extensão territorial do país. O objetivo geral da tese foi realizar o mapeamento 
 de uso e cobertura da terra em uma bacia hidrográfica; realizar análise de agrupamento para 
 reestruturação regional e estimar a produtividade da soja no estado do Paraná. Tal objetivo 
 foi dividido em três partes, referentes aos três objetivos e seus respectivos artigos científicos. 
 O primeiro objetivo desta pesquisa foi criar uma metodologia para aplicar uma classificação 
 automática de uso e cobertura da terra, na bacia hidrográfica do rio São Francisco Verdadeiro,
 na região Oeste do Paraná, com imagens Landsat-8 na plataforma Google Earth Engine
 (Artigo 1). Essa abordagem comparou as classificações comumente realizadas com a 
 classificação por atributos estatísticos (mediana e desvio padrão). Os resultados indicaram 
 que o conjunto de dados de atributos estatísticos obteve exatidão global de 97,3% e Kappa
 de 0,9644, sendo uma forma confiável e representativa de mapeamento do uso e cobertura 
 da terra. O segundo objetivo da tese visou desenvolver uma metodologia de análise de 
 agrupamento para delimitação de regiões sob aspectos espectro-agroclimáticos, 
 considerando a contiguidade espacial das informações de áreas paranaenses de soja (Artigo 
 2). A pesquisa amparou-se no fato de que as atuais divisões territoriais apresentam diversas 
 heterogeneidades, devido, em parte, à forma de delimitação das regiões e às diferentes 
 evoluções dos municípios ao longo dos anos. Os resultados obtidos, no artigo 2, indicaram 
 eficácia do método de agrupamento hierárquico aglomerativo para a regionalização estadual 
 dos atributos estudados. Indicamos o rearranjo estadual sob o aspecto sojícola em 9 grupos, 
 pelo cenário ‘convencional’, e 17 grupos, pelo conjunto de dados ‘mapeamento sojícola’. 
 Destacamos a utilização do Geosilhouettes para entender a estrutura agrogeográfica local e 
 obter a melhor distribuição dos agrupamentos, cujos atributos e localizações geográficas são 
 vinculados. O terceiro objetivo aqui proposto foi desenvolver e avaliar a assimilação de dados
 de SR derivado de imagens de satélite no modelo de crescimento de cultura WOFOST, de 
 forma espacializada (Artigo 3). O pressuposto no estudo foi de que o SR orbital é uma 
 alternativa viável para a aplicação de modelos de produtividade, pois apresentam a 
 espacialização necessária para se ter uma informação localizada e amplamente difundida. Os 
 mapas de produtividade mostram que a produtividade da soja muda mais ao longo dos anos 
 do que espacialmente. Isso se deve, principalmente, à dependência espacial dos dados 
 agrometeorológicos, como temperaturas, precipitação e radiação solar. Também, há a 
 dependência espacial dos dados fenológicos e biofísicos, pois os agricultores seguem um 
 padrão semelhante no que se refere às datas de semeadura e colheita, em que o clima é o 
 fator determinante das atividades agrícolas. Em comparação com os rendimentos medidos 
 em campo, foi obtido um R² de 0,51, MAE de 657,25 kg ha-1 e RMSE de 762,85 kg ha-1
 . No 
 geral, o Google Earth Engine possibilitou a execução do mapeamento de forma rápida e fácil. 
 A interatividade da plataforma e o rápido processamento foram cruciais para as etapas de 
 aprendizado e aplicação. A linguagem Python foi igualmente essencial no decorrer da tese, 
 otimizando diversas tarefas e possibilitando novas abordagens. O modelo WOFOST 
 proporcionou a estimativa da produtividade a nível de pixel, em escala municipal, viabilizando 
 algumas reflexões e conhecimentos.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}