Previsão de séries temporais de evapotranspiração de referência e desenvolvimento de estação meteorológica.

Abstract

A competição crescente por áreas agrícolas e recursos hídricos tem desencadeado estresse hídrico em diversas regiões, exigindo soluções sustentáveis para aumentar a produtividade. Neste contexto, a Agricultura 4.0 destaca-se por suas inovações tecnológicas, como Big Data, Internet das Coisas (IoT), Inteligência Artificial e Robótica, visando otimizar o fornecimento de recursos necessários às plantas e animais, ao mesmo tempo que reduz os impactos ambientais negativos. O presente trabalho explora a aplicação do aprendizado de máquina para prever e estimar a evapotranspiração de referência, levando em consideração variáveis exógenas. Além disso, foi desenvolvida uma estação meteorológica para coleta e envio dos dados, os quais serviram de base para o cálculo de Eto. Como resultado, observou-se que modelos mais simples, como RandomForest, Árvore e Xgboost, ao incorporarem outras variáveis além da Eto durante a previsão, alcançaram resultados de RMSE comparáveis aos encontrados na literatura. Ademais, constatou-se que os métodos Embedded apresentaram resultados ligeiramente superiores aos métodos de Filter. Quanto à montagem da estação, todas as etapas foram concluídas com êxito, incluindo a obtenção de dados via LoRa e o armazenamento tanto local quanto em um banco de dados.