A bacia hidrográfica é formada por uma região de drenagem de um rio e seus afluentes, suas características geomorfológicas influenciam no comportamento hidrológico e ambiental do local que está localizada, sendo associadas a parâmetros físicos obtidos pela caracterização morfométrica de bacias hidrográficas. A caracterização morfométrica expressa a relação solo-superfície de uma região hidrográfica, leva em consideração o relevo, rede de drenagem e processos ambientais que permitem analisar as características geomorfológicas da região. Com base no exposto o objetivo com este trabalho foi realizar a caracterização morfométrica da bacia hidrográfica do Rio dos Patos, Goiás, utilizando a base cartográfica do estado de Goiás na escala 1:250.000, sendo calculado o coeficiente de compacidade, fator de forma, densidade de drenagem, índice de circularidade, declividade média da bacia, área e perímetro de drenagem, e a ordem dos cursos d’água, utilizando o sistema de informação geográficas (SIG) como auxilio do software ArcGis. A bacia hidrográfica do Rio dos Patos possui formato alongado e não susceptível a enchentes em condições normais de precipitações.

The production of industrial tomato in Brazil has been growing in the last years and the form of harvest adopted has been mechanized. The diagnosis of tomato fruit losses is fundamental to the harvesting process. The industrial process was destroyed and the statistical process control. The experiment was carried out in a field of 45 ha in an industrial tomato crop irrigated by central pivot in the municipality of Corumbá de Goiás, GO, Brazil. A sampling grid of 60 x 60 m (120 sample points) and 100 x 50 (84 sample points), respectively, were used as georeferenced samples to quantify weight loss and poisoning. As the main losses, in the mechanized harvest, the fruit of industrial tomato do not occur with mature fruit. A N901 cultivar had a lower quality relation than a HMX7885. The mechanical tomato harvesting process is influenced by the random power medium during a larger part of the operation. However, throughout the year, the tasks are not random, they are involved with the operation and the maintenance and maintenance of the process is necessary.Diagnóstico de perdas na colheita mecanizada de duas cultivares de tomate industrial RESUMO: A produção de tomate industrial no Brasil vem crescendo nos últimos anos e a forma de colheita adotada tem sido a mecanizada. O diagnóstico das perdas de frutos de tomate industrial decorrentes do processo de colheita pode auxiliar na redução de desperdícios desta operação. O objetivo desde trabalho foi estudar as perdas de tomate industrial decorrentes do processo de colheita mecanizada utilizando a ferramenta da geoestatística e o controle estatístico de processo. O experimento foi realizado em um talhão de 45 ha em uma lavoura de tomate industrial irrigada por pivô central no município de Corumbá de Goiás, GO, Brasil. As amostras georreferenciadas para quantificar produtividade e de perdas foram coletadas utilizando uma malha amostral de 60 x 60 m (120 pontos amostrais) e 100x50 (84 pontos amostrais), respectivamente. As principais perdas, na colheita mecanizada, de frutos de tomate industrial ocorrem no solo com frutos maduros. A cultivar N901 apresentou em média uma perda de frutos menor em relação a HMX7885. O processo de colheita mecanizada de tomate industrial é influenciado por meio de causas aleatórias durante a maior parte da operação. Contudo, ao longo da colheita fatores não aleatórios podem causar falhas na operação, sendo necessário o monitoramento e ajustes constantes visando manter o processo sob controle.Palavras-chave: máquinas agrícolas; agricultura de precisão; variabilidade espacial; controle estatístico de processo Diagnosis of losses in the mechanized harvest of two cultivars of industrial tomato Rev. Bras.

Transformação dos dados por postos alinhados em experimento de avaliação da qualidade do extrato de tomate Data transformation by aligned posts in tomato extract quality assessment experiment

Resumo-Determinar a área foliar de uma planta é um trabalho que exige tempo e muito esforço para se obter dados confiáveis. Portanto se torna imprescindível o desenvolvimento de técnicas para obtenção de dados com o auxílio da tecnologia. Sendo assim a presente pesquisa teve o objetivo de desenvolver um algoritmo que por meio do processamento digital de imagens, consiga determinar a área foliar do tomate (Solanum lycopersicum). As folhas de tomate foram fotografadas, processadas pelo programa proposto, e depois comparadas as medições obtidas por meio de um medidor foliar modelo LICOR (CI-202). Quando colocado a prova o programa mostrou um índice de confiança mediano, determinado pelo índice de concordância de Willmot. Palavras-Chavealgoritmo; cálculo da área foliar; índice de concordância de Willmot; processamento digital de imagens; Solanum lycopersicum.

O emprego de novas tecnologias tem sido de grande importância nas investigações agronômicas, como a Inteligência Artificial (IA), o que pode representar uma estratégia eficiente para simulação e otimização de processos importantes na agricultura. O estudo tem como objetivo reduzir a quantidade de amostras necessárias para um possível mapeamento da necessidade de calagem do solo. A coleta dos dados foi obtida a partir de um esquema de grade amostral de 60x60 m. Os dados da coleta foram utilizados para treinamento da ANN, empregando o software Octave. Foi realizada uma adaptação da técnica de vizinhança para possibilitar a redução da quantidade de amostras. O desempenho nas fases de validação externa, calibração e treinamento foram utilizados como critério para definir a melhor ANN, no qual a ANN1 com exceção do teste e validação externa que se obteve desempenho muito bom, apresentou desempenho ótimo nas demais fases de calibração, tendo 6 neurônios na camada oculta e apresentando uma correlação acima de 89%.  Por meio do Teste-t, foi mensurado que não houve diferença significativa das estimativas de necessidade de calagem usando ANN e o cálculo pelo método tradicional de necessidade de calagem. A técnica vizinhança adaptada para inserção de dados na ANN possibilitou diminuir em 30% o número de amostras a serem coletadas para um possível mapeamento da necessidade de calagem a taxa variada.

No abstract

Objetivou-se com esse estudo, obter o Índice de Área Foliar (IAF) por meio de Redes Neurais Artificiais (RNAs) tendo como dados de entrada o Índice de Vegetação por Diferença Normalizada (NDVI) obtido por meio de imagens de sensoriamento remoto. O estudo foi realizado em área comercial de 35 ha de tomate industrial, irrigado por pivô central, no município de Vila Propício, Goiás. Os dados utilizados para o treinamento da RNA foram obtidos in loco e por sensoriamento remoto utilizando imagens dos sensores OLI/Landsat 8 e MSI/Sentinel-2 (A e B). Para universalizar a utilização da RNA escolhida, as coordenadas utilizadas no treinamento ou na entrada da rede foram obtidas pela diferença das coordenadas X e Y, e altitude de cada ponto em relação ao centro do pivô, respectivamente. Após o treinamento, foi feita a validação externa das RNAs, metodologia na qual se apresenta dados novos para a rede. A melhor RNA treinada teve o coeficiente de determinação (R2) geral de 0,74 e o EQM geral menor que 4%. Com base no R2 obtido entre o IAF estimado e o aferido, o emprego de sistemas computacionais inteligentes na estimava do IAF é viável.

Objetivo: Objetivou-se desenvolver uma Rede Neural Artificial (RNA) para estimar as necessidades de fósforo (P) e potássio (K) em áreas de pivô central cultivadas com tomate industrial. Métodos: Os dados foram coletados utilizando uma grade amostral de 60x60m, totalizando 120 pontos amostrais, em que foram utilizados para o treinamento da RNA. Para preparação e treinamento das redes foi utilizado o algoritmo de retropropagação de erros. Resultados: 20.000 RNAs foram treinadas, em que nas fases de treinamento 14.000 redes apresentaram ótimo desempenho para as estimativas da necessidade de P, enquanto na fase de validação externa o número de redes com ótimo desempenho foi de 8.000, já em relação a necessidade K foram observadas 12.000 redes com ótimo desempenho nas fases de treinamento e na validação externa aproximadamente 1.400. Conclusão: A rede neural artificial com topologia do tipo Perceptron de Múltiplas Camadas (MLP) possibilitou obter estimativas da necessidade de fósforo e da necessidade de potássio com um ótimo desempenho, coeficientes de determinação superiores a 0,90, indicando bons ajustes, e coeficientes de correlação acima de 91%.