Convolutional neural network and remote sensing applied to sugarcane biomass prediction

Abstract

A indústria de cana-de-açúcar no Brasil está investindo em pesquisas para desen volver novas tecnologias para melhorar o manejo e a sustentabilidade da cultura, tentando simultaneamente reduzir custos de produção e aumentar sua rentabilidade. Este trabalho tem como objetivo avaliar a capacidade do modelo de prever a biomassa média do campo, bem como avaliar a variabilidade espacial da biomassa dentro do campo, acoplando estimativas de biomassa de imagens de satélite (Sentinel 2) com técnicas de aprendizado de máquina, especificamente usando Redes Neurais Convolucionais. O modelo foi avaliado em ambos os objetivos, experiências no campo como um todo e no nível do campo. Os resultados mostraram que o modelo previu a biomassa média do campo com um erro percentual absoluto médio (MAPE) de 3,95%, erro médio (AE) de 0,30 toneladas/ha, erro quadrático médio (RMSE) de 3,48 toneladas/ha e erro absoluto médio (MAE) de 3,07 toneladas/ha. No entanto, ele performou com uma baixa capacidade de previsão de mapa de biomassa com base na sua distribuição normal gaussiana e no seu gráfico de dispersão. O bom desempenho do erro dos mapas em comparação com os mapas de referência são indicadores de que estudos futuros podem aumentar a capacidade do modelo de prever mapas de biomassa.