Lógica Fuzzy na Previsão da Produtividade de Grãos de Aveia pelo Nitrogênio e Condições Meteorológicas
DOI:
https://doi.org/10.5540/03.2022.009.01.0270Keywords:
Avena sativa L., modelagem matemática, simulação, nitrogênioAbstract
A modelagem matemática via lógica fuzzy tem permitido simular sistemas complexos de comportamentos lineares e não lineares e auxiliar na busca de soluções nas mais diversas áreas da ciência, com na agricultura. O emprego de lógica fuzzy pode permitir simulações e proposições mais precisas da produtividade dos grãos de espécies, em função de variáveis controladas e não controladas. A aveia branca é um cereal com destaque de seus derivados na alimentação humana e sua produtividade está associada com a adubação através do nitrogênio e as condições meteorológicas. O objetivo deste trabalho é empregar a lógica fuzzy para simular a produtividade de grãos de aveia aliado aos processos envolvendo variáveis meteorológicas não controláveis e considerando o uso do nitrogênio. O delineamento experimental foi de blocos casualizados com 4 repetições, seguindo um esquema fatorial 4 x 2, com quatro doses de nitrogênio (0 kg ha−1 , 30 kg ha−1 , 60 kg ha−1 e 120 kg ha−1 ) e duas cultivares (Barbarasul e Brisasul), no sistema de cultivo soja/aveia nos anos agrícolas de 2011 a 2016. No desenvolvimento da lógica fuzzy foi considerada a função de pertinência triangular e o método de inferência Mamdani. A lógica fuzzy mostra-se eficaz na simulação da produtividade de grãos de aveia em função das variáveis não controladas aliadas a doses de nitrogênio e se ajusta aos processos de biossistemas, representando inovação com potencialidade de uso na perspectiva de simulação, essencialmente em situações onde é necessário lidar com a incerteza e subjetividade, comuns na agricultura.
Downloads
References
G. Bannerjee et al. “Artificial intelligence in agriculture: A literature survey”. Em: International Journal of Scientific Research in Computer Science Applications and Management Studies 3 (2018), pp. 1–6.
L. C. Barros e R. C. Bassanezi. Tópicos de Lógica Fuzzy e Biomatemática. 2a. ed. São Paulo: IMECC Textos didáticos, 2010.
J. S. P. Costa et al. “Single and split nitrogen dose in wheat yield indicators”. Em: Revista Brasileira de Engenharia Agrícola e Ambiental 22 (2018), pp. 16–21. doi: https : //doi.org/10.1590/1807-1929/agriambi.v22n1p16-21.
A. T. W. De Mamann et al. “Diffuse system simulating wheat productivity by nitrogen and temperature in the use of biopolymers”. Em: Revista Brasileira de Engenharia Agrícola e Ambiental 24 (2020), pp. 289–297. doi: https://doi.org/10.1590/1807- 1929/agriambi.v24n5p289-297.
F. O. Godoy et al. “Utilização da lógica fuzzy aplicada à energia solar”. Em: Cadernos de Ciência & Tecnologia 2 (2020), p. 26663.
R. M. Jafelice, L. C. de Barros e R. C. Bassanezi. “Teoria dos Conjuntos Fuzzy com aplicações”. Em: Notas em Matemática Aplicada 17 (2012), p. 119.
R. D. Mantai et al. “Contribution of nitrogen on industrial quality of oat grain components and the dynamics of relations with yield”. Em: Australian Journal of Crop Science 15 (2021). doi: 10.21475/ajcs.21.15.03.p2592.
A. Marolli et al. “A simulação da biomassa de aveia por elementos climáticos, nitrogênio e regulador de crescimento”. Em: Arquivo Brasileiro de Medicina Veterinária e Zootecnia 70 (2018), pp. 535–544. doi: https://doi.org/10.1590/1678-4162-9504.
A. A. Marro et al. “Lógica fuzzy: conceitos e aplicações”. Em: Natal: Universidade Federal do Rio Grande do Norte (UFRN) (2010), p. 2.
O. B. Scremin et al. “Nitrogen and hydrogel combination in oat grains productivity”. Em: International Journal of Development Research 7.7 (2017), pp. 13896–13903.
T. Semeraro et al. “Modelling fuzzy combination of remote sensing vegetation index for durum wheat crop analysis”. Em: Computers and Electronics in Agriculture 156 (2019), pp. 684–692. doi: https://doi.org/10.1016/j.compag.2018.12.027.
J. A. G. da Silva et al. “Nitrogen efficiency in oats on grain yield with stability”. Em: Revista Brasileira de Engenharia Agrícola e Ambiental 20 (2016), pp. 1095–1100. doi: https: //doi.org/10.1590/1807-1929/agriambi.v20n12p1095-1100.
F. Soltani et al. “Mathematical characterization of growth of a local landrace of sorghum from Saudi Arabia”. Em: International Journal Pure Applied Bioscience 1 (2018), pp. 52–55. doi: http://dx.doi.org/10.18782/2320-7051.6075.
L. A. Zadeh. “Fuzzy sets”. Em: Information and Control 3 (1965), pp. 338–353. doi: https://doi.org/10.1016/S0019-9958(65)90241-X
