Use este identificador para citar ou linkar para este item:
https://repositorio.ifgoiano.edu.br/handle/prefix/4501
Tipo: | Dissertação |
Título: | DIAGNÓSTICO E ESTIMATIVA DE PRODUÇÃO DE FORRAGEM EM ZONAS DE MANEJO ESPECÍFICO: ESTUDO DE CASO NA ESCOLA-FAZENDA DO IF GOIANO – CAMPUS CAMPOS BELOS |
Título(s) alternativo(s): | DIAGNOSIS AND ESTIMATION OF FORAGE PRODUCTION IN SPECIFIC MANAGEMENT AREAS: CASE STUDY AT THE IF GOIANO FARM SCHOOL – CAMPOS BELOS CAMPUS |
Autor(es): | Santos Junior, Ananias Barreiros dos |
Primeiro Orientador: | Saraiva, Althieris Souza |
Primeiro Coorientador: | Silva, Tainara Tâmara Santiago |
metadata.dc.contributor.advisor-co2: | Silveira Junior, Otacílio |
Primeiro Membro da Banca: | Saraiva, Althieris Souza |
Segundo Membro da Banca: | Silveira Junior, Otacílio |
Terceiro Membro da Banca: | Rego, Pietro Lopes |
Resumo: | O Brasil é destaque na produção de bovinos e grande parte dessa produção ocorre a pasto. No entanto, enfrentamos inúmeros desafios devido à degradação das pastagens, resultante de erros comuns que tornam as áreas exploradas pouco produtivas. Para reverter essa situação, é crucial ajustar o manejo das pastagens, encontrando equilíbrio entre a fertilidade do solo, o crescimento das plantas, o consumo pelos animais e o desempenho animal. Desse modo, o diagnóstico de área desempenha papel relevante nesse processo, proporcionando aos produtores e técnicos informações confiáveis para embasar suas decisões e implementar práticas de manejo mais eficazes. Este trabalho teve por objetivo implementar uma metodologia de diagnóstico utilizando Machine Learning (aprendizado de máquinas), com a finalidade de gerar mapas de fertilidade do solo, estimativas de produção de forragem e mapas de uso e ocupação da terra no âmbito da exploração agropecuária, fornecendo subsídios para embasar a tomada de decisão. A pesquisa conduzida na Escola-Fazenda do Instituto Federal Goiano – campus Campos Belos, é um estudo de caso que emprega programas como RStudio e Quantum GIS para realizar análises geoestatísticas e de estatística clássica, além de gerar mapas de predição e mapeamento de uso e ocupação do solo. O estudo destaca a relevância de um diagnóstico preciso de área para as tomadas de decisão. Diante dos resultados, a organização passa a considerar técnicas de gestão que visam gerar economia para produtores e técnicos interessados em alternativas sustentáveis de produção e aumento de produtividade. Através do uso de informações representadas em mapas com zonas de manejo específicas e fusão de imagens, é possível identificar zonas críticas e concentrar esforços de forma eficaz e no local para resolver problemas, fortalecendo assim a bovinocultura de maneira sustentável e aumentando a produtividade das áreas de pastagens. |
Abstract: | Brazil stands out in cattle production and a large part of this production occurs on pasture. However, we face numerous challenges due to pasture degradation, resulting from common mistakes that make exploited areas unproductive. To reverse this situation, it is crucial to adjust pasture management, finding a balance between soil fertility, plant growth, animal consumption and animal performance. In this way, area diagnosis plays an important role in this process, providing producers and technicians with reliable information to support their decisions and implement more effective management practices. This work aimed to implement a diagnostic methodology using Machine Learning, with the purpose of generating soil fertility maps, forage production estimates and maps of land use and occupation within the scope of agricultural exploration, providing subsidies to support decision-making. The research conducted at the Escola-Fazenda of the Federal Institute Goiano – Campos Belos campus, is a case study that uses programs such as RStudio and Quantum GIS to perform geostatistical and classical statistics analyses, in addition to generating prediction maps and mapping of use and occupation from soil. The study highlights the relevance of an accurate area diagnosis for decision-making. Given the results, the organization starts to consider management techniques that aim to generate savings for producers and technicians interested in sustainable production alternatives and increased productivity. Through the use of information represented on maps with specific management zones and image fusion, it is possible to identify critical zones and concentrate efforts effectively and locally to solve problems, thus strengthening cattle farming in a sustainable way and increasing the productivity of areas of management pastures. |
Palavras-chave: | Zootecnia de precisão Correção de solo Pecuária 4.0 Geoestatística Produção de bovinos |
Área do CNPq: | CNPQ::CIENCIAS AGRARIAS::ZOOTECNIA |
Idioma: | por |
Pais: | Brasil |
Editor: | Instituto Federal Goiano |
Sigla da Instituição: | IF Goiano |
Campus: | Campus Rio Verde |
Programa/Curso: | Programa de Pós-Graduação em Zootecnia |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.ifgoiano.edu.br/handle/prefix/4501 |
Data do documento: | 13-Mar-2024 |
Aparece nas coleções: | Mestrado em Zootecnia |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação Ananias Barreiros dos Santos Junior.pdf | 1,98 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.