Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/334364
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Metodologia para classificação da aptidão agrícola de municípios
Title Alternative: Methodology for classification of cities's agricultural suitability
Author: Lorensini, Carolina Lobello, 1991
Advisor: Oliveira, Stanley Robson de Medeiros
Abstract: Resumo: A classificação da aptidão agrícola das terras relaciona o recurso solo e o nível tecnológico com a produtividade, apoiando a gestão territorial no agronegócio, buscando a conservação e a sustentabilidade agroambiental. Essa metodologia enquadra-se na modalidade de classificações técnicas ou interpretativas, nas quais as terras são agrupadas de acordo com suas potencialidades, relacionadas com o tipo de utilização que se quer dar. Mapas de aptidão agrícola fornecem informações objetivas que podem ser aplicadas no planejamento agrícola e na avaliação do uso das terras, permitindo apontar áreas com uso adequado, sobreutilizadas ou que suportariam a intensificação do uso. Em particular, a região denominada MATOPIBA (Maranhão, Tocantins, Piauí e Bahia), ganhou importância no setor agropecuário brasileiro, apresenta forte crescimento desde os anos 2000 e atualmente é considerada como fronteira em expansão e intensificação do Brasil. Neste contexto, o objetivo deste trabalho foi desenvolver uma metodologia baseada em técnicas de mineração de dados para classificar municípios com aptidão agrícola, na região do MATOPIBA. Para isto, foram utilizados dados sociais (IDHM, taxa de analfabetismo com 25 anos ou mais, renda per capita e a porcentagem da população que trabalham no setor agropecuário com 18 anos ou mais, PIB e fluxo migratório), econômicos (área plantada, quantidade produzida e rendimento médio) e físicos (precipitação, temperatura, umidade relativa, declividade, relevo e tipo de solo) dos municípios, no período de 17 anos, entre os anos de 2000 a 2016. A interação recursos naturais e sociedade é importante para a preservação do meio ambiente e constitui-se em um desafio não considerado em metodologias anteriores. Para selecionar os atributos mais relevantes do conjunto de dados foram utilizados os seguintes métodos de seleção de atributos: Qui-Quadrado, CFS (Correlation Feature Selection), Ganho de Informação e Wrapper. Foram gerados modelos preditivos por meio de indução de árvores de decisão (J48), Random Forest e SVM (Support Vector Machine) juntamente com métodos de seleção de atributos. Os resultados encontrados revelaram o potencial das técnicas de mineração de dados para a classificação de áreas com aptidão agrícola, resultando em uma metodologia simplificada, através de ferramentas de Sistemas de Informações Geográficas (SIGs) e dados obtidos pelo IBGE, com isso, não há necessidade de trabalho de campo e uma equipe grande reduzindo custo, tempo e esforço em projetos de gestão territorial

Abstract: The classification of agricultural land suitability is based on technological level, which supports agribusiness territorial management. It also relates natural resource with productivity, pursuing conservation and agri-environmental sustainability. This methodology fits in the modality of technical or interpretative classifications, where lands are not only grouped according to their potential, but also related to the type of land used that needs to be given. Agricultural suitability maps provide objective information that can be applied in agricultural planning and land use assessment, enabling areas to be properly used, over-utilized or that would support intensification of usage. The region called MATOPIBA (Maranhão, Tocantins, Piauí and Bahia), in particular, gained importance in the Brazilian agricultural sector. The region has experienced strong growth since the 2000s and its frontier is currently considered on expansion and intensification. In this context, the goal of this research is to develop a methodology based on data mining techniques to classify cities with agricultural suitability in the region of MATOPIBA. In order to develop such a methodology, it has been taken in consideration the following data: social (IDHM, illiteracy rate with 25 years or more, per capita income, the percentage of the population working in the agricultural sector within 18 years or more, GDP and Migratory Flow), economy (planted area, quantity produced and average yield) and physical (rainfall, temperature, relative humidity, slope, relief and soil type) of each city in the period of 17 years, from 2000 until 2016. The interaction between natural resources and society is important for the preservation of the environment and constitutes a challenge not considered in previous methodologies. With the purpose of selecting the most relevant attributes of the dataset, attribute selection techniques such as Chi-Square, CFS, Information Gain and Wrapper were applied. Additionally, the predictive models were generated through the induction of decision trees (J48), Random Forest and Support Vector Machines (SVM) along with attribute selection methods. The results showed the potential of data mining techniques for the classification of areas with agricultural suitability and a simplified methodology was elaborated by using tools of a Geographic Information System (GIS) and data obtained by IBGE. In doing so, there is no need of field work nor a large team, resulting in cost, time and effort reduction in territorial management projects
Subject: Mineração de Dados
Solos - Aptidão agrícola
Análise de algoritmos
Sistemas de informação geográfica
Aprendizado de máquina
Language: Português
Editor: [s.n.]
Citation: LORENSINI, Carolina Lobello. Metodologia para classificação da aptidão agrícola de municípios. 2019. 1 recurso online (71 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola, Campinas, SP.
Date Issue: 2019
Appears in Collections:FEAGRI - Tese e Dissertação

Files in This Item:
File SizeFormat 
Lorensini_CarolinaLobello_M.pdf2.61 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.