ESTIMATIVA DA CLOROFILA DO CAFEEIRO UTILIZANDO DADOS RADIOMÉTRICOS E APRENDIZADO DE MÁQUINA

Conhecer o teor total de clorofila é de suma importância dada a sua essencialidade às plantas, tornando necessário um método não destrutivo e rápido para estimar tal parâmetro. O objetivo deste trabalho foi analisar o potencial de dados
radiométricos na estimativa do teor de clorofila total de cafeeiro por meio de algoritmos baseados em aprendizado de máquina. Foram feitas leituras do teor de clorofila, por planta, com o clorofilômetro. Em paralelo, foi realizado um
aerolevantamento com duas câmeras multiespectrais. Por meio dos valores médios de cada planta, foram calculados índices de vegetação. Os resultados mostraram que a câmera Mapir Survey 3W obteve o melhor resultado quando utilizado
o algoritmo Random Forest. Já com o sensor visível convencional, o menor RMSE foi obtido com o algoritmo Linear Regression. O algoritmo Random Tree foi o menos
indicado para predição de clorofila. Estes resultados apontam que o teor de clorofila total das plantas de café pode ser estimado por dados radiométricos.