Técnicas de mineração de dados aplicadas a análise e previsão da produtividade da cana-de-açúcar

Resumo

No planejamento agrícola da safra de cana-de-açúcar, é necessário conhecer e entender a produtividade da cultura em função do ambiente de produção, manejo, clima, variedade e idade de corte. Atualmente, as estimativas de produtividade mais empregadas na usinas são subjetivas, onde especialistas, através de experiência e avaliações de campo, realizam este trabalho. Dentre modelos de previsão da produtividade, existem os ecofisiológicos, baseados no equacionamento de processos fisiológicos, e os empírico-estatísticos, que analisam de séries históricas climáticas, variáveis consagradas e produtividade, com uso de métodos estatísticos clássicos. Os modelos ecofisiológicos são pouco empregados em nível de usina, devido à grande complexidade de dados necessários e falta de conhecimentos específicos de fisiologia, enquanto os empírico-estatísticos, não tem se mostrado a melhor ferramenta de previsão para lidar com dados tão complexos. Dentre estes modelos, não existe consenso ou justificativa sobre as variáveis utilizadas, nem o grau de detalhe necessário para obter um melhor desempenho. Outra dificuldade do setor é compreender a magnitude da influência das interações dos fatores de produção na produtividade. Este conhecimento pode estar implícito nas extensas bases de dados das usinas, cabendo o emprego de ferramentas adequadas para sua extração. Técnicas de mineração de dados (MD) se popularizam pela capacidade de encontrar conhecimento inteligível em bases de dados e pelo potencial de previsão, inclusive com aplicações na agricultura. Nesse trabalho, é proposto o uso da MD na analise da variabilidade e na busca de modelos para previsão da produtividade de cana-de-açúcar. (AU)