Fotogrametria de alta resolução e aprendizado de máquina para estimativa não destrutiva de propriedades biofísicas de culturas agrícolas

Descrição

A agricultura de precisão tem se consolidado como estratégia essencial para aumentar a produtividade e a sustentabilidade agrícola, baseada em tecnologias de monitoramento não destrutivo. A fotogrametria e o sensoriamento remoto, em especial com uso de VANTs (Veículos Aéreos Não Tripulados), oferecem novas oportunidades para avaliar propriedades biofísicas das plantas de forma rápida e econômica. Esta proposta integra dados espectrais e fotogramétricos obtidos por VANTs e métodos de aprendizado de máquina, com o objetivo de estimar variáveis relacionadas ao estado fisiológico e produtivo das culturas. O projeto articula conhecimentos das Geociências e das Ciências Agrárias, contribuindo para o desenvolvimento de modelos preditivos aplicáveis em condições reais de campo. O desafio central é transformar grandes volumes de dados espectrais em informações agronomicamente úteis, o que limita sua adoção em escala operacional. Assim, busca-se avaliar o impacto de diferentes estratégias de pré-processamento no desempenho dos modelos de previsão de parâmetros biofísicos. A hipótese é que a combinação dessas técnicas com algoritmos de aprendizado de máquina permitirá identificar regiões espectrais sensíveis e gerar modelos robustos para estimar propriedades qualitativas e quantitativas de interesse agrícola. Estudos prévios do proponente e de colaboradores demonstram que os dados espectrais podem discriminar diferenças fisiológicas em culturas agrícolas, reforçando a plausibilidade da abordagem. O projeto será conduzido em três etapas: processamento e organização dos dados, desenvolvimento e validação de modelos de aprendizado de máquina e disponibilização aberta dos resultados. Essa estratégia assegura tanto a produção de conhecimento científico quanto a criação de ferramentas reprodutíveis em apoio à agricultura de precisão.