Dados do Trabalho

Título

MODELOS DE PREDIÇAO DE PRODUÇAO EM VIDEIRAS NA SERRA GAUCHA

Resumo

A expectativa de produção de uva é utilizada como critério para definir a necessidade e doses de nutrientes em videiras. Porém, normalmente a estimativa da produtividade é realizada de forma empírica. Já a estimativa da composição do mosto na maioria dos casos não é estimada, em virtude da escassez de modelos. Os modelos de predição de produção e composição do mosto podem ser propostos através do uso de técnicas de machine learning (ML). O estudo objetivou propor modelos de predição da produtividade e composição do mosto em videiras americanas (Vitis labrusca) e viníferas (Vitis vinifera), na Serra Gaúcha do Rio Grande do Sul. O banco de dados utilizado para gerar os modelos é proveniente de 106 vinhedos avaliados na safra 2021/22, nos municípios de Bento Gonçalves, Cotiporã, Veranópolis, Pinto Bandeira, Monte Belo do Sul e Farroupilha, região Sul do Brasil. As cultivares Isabel, Bordô, BRS Magna e BRS Lorena, Pinot Noir e Chardonnay foram avaliadas. Variáveis climáticas, geográficas, de fertilidade do solo, teores foliares de nutrientes e cultivares, foram utilizadas para compor os modelos de predição de produção e composição do mosto. O banco de dados foi particionado e os modelos para estimativa da produtividade e qualidade do mosto foram propostos (n = 70%). Posteriormente, os modelos foram então validados (n = 30%). O modelo de produtividade apresentou baixa acurácia na predição (R2 < 0,50). Também, foi obtido o modelo para predição dos sólidos solúveis totais (SST) (R2 = 0,53). O baixo número amostral com observações de apenas uma safra, contribuiu para a baixa precisão dos modelos de predição. Desta forma, há a necessidade de aumentar o banco de dados, incluindo múltiplas safras, a fim de tornar os modelos de predição mais robustos e precisos.

Palavras-chave

Estimativa de produtividade, vitivinicultura, machine learning

Instituição financiadora

Cooperativa Vinícola Aurora, CNPq e Fapergs