Please use this identifier to cite or link to this item:
https://ri.ufs.br/jspui/handle/riufs/22201| Document Type: | Monografia |
| Title: | Processamento e limpeza de dados de produtividade agrícola : aplicação de um script em Python |
| Authors: | Silva, Raphael Prazeres da |
| Issue Date: | 6-May-2025 |
| Advisor: | Vale, Weligton Gonzaga do |
| Resumo : | Desenvolveu-se um script em Python para processar e limpar dados de produtividade agrícola de colhedoras em uma fazenda localizada em Brasnorte (MT), visando melhorar a confiabilidade em Agricultura de Precisão. O código, utilizando a biblioteca Pandas, aplicou três etapas: 1) filtragem por estado operacional (apenas registros "Efetivo"); 2) remoção de outliers (valores dobro da média) e 3) ajuste iterativo das médias por equipamento. Os dados tratados foram interpolados no QGIS utilizando o método IDW. Os resultados mostraram que 58,8% dos dados brutos foram descartados no Talhão 1 e 66,9% no Talhão 2, principalmente devido a falhas ou sensores zerados. As médias de produtividade aumentaram de 2,67 t/ha para 3,67 t/ha (Talhão 1) e 2,52 t/ha para 3,82 t/ha (Talhão 2), com a eliminação de valores extremos. Os mapas gerados revelaram áreas críticas nas bordas e regiões com falhas. Conclui-se que a ferramenta é eficaz na automação da limpeza dos dados de produtividade, no entanto estudos futuros devem considerar a inclusão de validação cruzada para reforçar a confiabilidade dos resultados. |
| Abstract: | A script written in Python was developed to process and clean agricultural yield data from grain harvesters on a farm located in Brasnorte (MT), aiming to improve data reliability in Precision Agriculture. The code, using the Pandas library, followed three main steps: (1) filtering by machine operation status (retaining only “Effective” records), (2) removal of outliers (values twice the average), and (3) iterative adjustment of machine-specific yield values to match the field average. The cleaned data were interpolated in QGIS using the IDW method. The results showed that 58.8% of the raw data were discarded in Field 1 and 66.9% in Field 2, mainly due to failures or zeroed sensors. Yield averages increased from 2.67 t/ha to 3.67 t/ha (Field 1) and from 2.52 t/ha to 3.82 t/ha (Field 2), with the elimination of extreme values. The generated maps highlighted critical zones near field edges and data gaps. The results suggest that the tool efficiently automates data cleaning, though future studies should consider including cross-validation to reinforce the reliability of the results. |
| Keywords: | Engenharia agrícola Ensino superior (UFS) Agricultura de precisão Análise de dados Mapa de produtividade Python Interpolação espacial Produtividade agrícola Precision agriculture Data analysis Yield map |
| Subject CNPQ: | CIENCIAS AGRARIAS::ENGENHARIA AGRICOLA |
| Language: | por |
| Institution: | Universidade Federal de Sergipe (UFS) |
| Department: | DEAGRI - Departamento de Engenharia Agrícola – São Cristóvão –Presencial |
| Citation: | Silva, Raphael Prazeres da. Processamento e limpeza de dados de produtividade agrícola : aplicação de um script em Python. São Cristóvão, 2025. Monografia (graduação em Engenharia Agrícola) – Departamento de Engenharia Agrícola, Centro de Ciências Agrárias Aplicadas, Universidade Federal de Sergipe, São Cristóvão, SE, 2025 |
| URI: | https://ri.ufs.br/jspui/handle/riufs/22201 |
| Appears in Collections: | Engenharia Agrícola |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Raphael_Prazeres_Silva.pdf | 9,89 MB | Adobe PDF |  View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.