???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://tede.unicentro.br:8080/jspui/handle/jspui/2287
Tipo do documento: Tese
Título: Crop simulation models combined with machine learning techniques to understand the impacts of ocean-atmosphere coupling phenomena on agriculture
Autor: Ferreira, Rodrigo 
Primeiro orientador: Kawakam, Jackson
Primeiro coorientador: Couto, Hilton Thadeu Zarate do
Resumo: The use of random forest models has several applicability, however, the use of this technique for the study of climatic phenomena, as well as the construction of predictive models, is still scarce. By combining machine learning techniques to crop simulation models, it is possible to understand and predict how the interactions between ocean-atmosphere coupling phenomena affect crops in the most different regions of the planet. In this context, the objectives of this work were to build and evaluate the performance of models based on random forests (RF) to predict the influence of different ocean-atmosphere phenomena on temperature and precipitation patterns in the subtropical climate region of Brazil, as well as use the RF approach to create hypothetical climate scenarios and simulate, through the CSM-CROPGRO-Soy model, the effects of ENSO, PDO, AMO and IOD and their interactions on soybean productivity in subtropical regions of Brazil. The results showed that the RF models were able to interpret the effects of oceanic phenomena on temperature patterns and make predictions with high accuracy and precision for the study region, however, regarding the prediction of precipitation patterns, the random forest approach was not effective. RF models were able to accurately predict the isolated and combined effects of ocean phenomena at different locations. Intense effects of ENSO on predicted soybean yields are observed, even when other phenomena are interacting. The use of RF models is a new way of approaching the complex interactions between oceanic phenomena and their impacts on temperature and precipitation patterns, which can contribute to the advancement of climate studies around the globe. The use of RF models, generating climate scenarios, combined with the CSM-CROPGRO-Soybean model is an innovative approach and allows excellent results in terms of predictive capacity to interpret the effects of ocean-atmosphere coupling phenomena on the productivity behavior of the Soy. Considerable advances in the study of the interactions of climatic phenomena and their impacts on agricultural systems can be achieved through these applications.
Abstract: A utilização de modelos florestais aleatórios tem diversas aplicabilidades, porém, o uso desta técnica para o estudo dos fenômenos climáticos, bem como a construção de modelos preditivos, ainda é escasso. Ao combinar técnicas de aprendizado de máquina a modelos de simulação de culturas, é possível entender e prever como as interações entre os fenômenos de acoplamento oceano-atmosfera afetam as culturas em as mais diferentes regiões do planeta. Neste contexto, os objetivos deste trabalho foram construir e avaliar o desempenho de modelos baseados em florestas aleatórias (RF) para prever a influência de diferentes fenômenos oceano-atmosfera nos padrões de temperatura e precipitação no região de clima subtropical do Brasil, bem como usar a abordagem RF para criar condições climáticas hipotéticas cenários e simular, através do modelo CSM-CROPGRO-Soja, os efeitos do ENSO, DOP, AMO e IOD e suas interações na produtividade da soja em regiões subtropicais do Brasil. Os resultados mostraram que os modelos de RF foram capazes de interpretar os efeitos dos fenômenos oceânicos sobre padrões de temperatura e fazer previsões com alta exatidão e precisão para a região de estudo, entretanto, em relação à previsão dos padrões de precipitação, a abordagem florestal aleatória não foi eficaz. Os modelos de RF foram capazes de prever com precisão os efeitos isolados e combinados das ondas oceânicas. fenômenos em diferentes locais. Os efeitos intensos do ENSO nos rendimentos previstos da soja são observado, mesmo quando outros fenômenos estão interagindo. O uso de modelos de RF é uma nova forma de abordando as complexas interações entre fenômenos oceânicos e seus impactos sobre padrões de temperatura e precipitação, que podem contribuir para o avanço dos estudos climáticos ao redor do globo. A utilização de modelos RF, gerando cenários climáticos, aliados ao modelo CSM CROPGRO-Soja é uma abordagem inovadora e permite excelentes resultados em termos de capacidade preditiva para interpretar os efeitos dos fenômenos de acoplamento oceano-atmosfera no comportamento da produtividade da soja. Avanços consideráveis ​​no estudo das interações do clima fenómenos e os seus impactos nos sistemas agrícolas podem ser alcançados através destas aplicações.
Palavras-chave: aprendizado de máquina
modelos de cultivo
in silico
modelagem
fenômenos oceano-atmosfera
padrões climáticos
machine learning
crop models
in silico
modeling
ocean-atmosphere phenomena
climate patterns
Área(s) do CNPq: CIENCIAS AGRARIAS::AGRONOMIA
Idioma: eng
País: Brasil
Instituição: Universidade Estadual do Centro-Oeste
Sigla da instituição: UNICENTRO
Departamento: Unicentro::Departamento de Agronomia
Programa: Programa de Pós-Graduação em Agronomia (Doutorado)
Citação: Ferreira, Rodrigo. Crop simulation models combined with machine learning techniques to understand the impacts of ocean-atmosphere coupling phenomena on agriculture. 2024. 79 f. Tese (Programa de Pós-Graduação em Agronomia - Doutorado) - Universidade Estadual do Centro-Oeste, Guarapuava.
Tipo de acesso: Acesso Aberto
URI: http://tede.unicentro.br:8080/jspui/handle/jspui/2287
Data de defesa: 2-Sep-2024
Appears in Collections:Programa de Pós-Graduação em Agronomia (Doutorado)

Files in This Item:
File Description SizeFormat 
Tese_Rodrigo Ferreira.pdfTese_Rodrigo Ferreira2,99 MBAdobe PDFDownload/Open Preview


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