Pipeline Geoestatístico Automatizado para Mapeamento de Produtividade de Soja

Citação: RIGO JUNIOR, C. A.; ROSSO, D. L.; AMARAL, L. P. Fluxo Geoestatístico Automatizado para Mapeamento de Produtividade de Soja: Validação K-Fold e Análise de Sensibilidade de Modelos Variográficos. In: Congresso Sul Americano de Agricultura de Precisão e Máquinas Precisas (APSul AMERICA), 2025.

Sobre o Projeto

Este repositório contém o código-fonte completo utilizado no artigo apresentado no APSul AMERICA 2025. O trabalho implementa um pipeline geoestatístico automatizado para análise de produtividade de soja, incluindo pré-processamento, krigagem ordinária e validação k-fold.

Principais Características

• Pré-processamento automatizado de dados de monitor de colheita
• Ajuste e comparação de modelos variográficos (esférico, exponencial, gaussiano)
• Krigagem ordinária com validação cruzada k-fold (k=5)
• Geração automática de mapas, relatórios e documentação
• Pipeline reprodutível e parametrizável

Estrutura do Projeto

├── 1_dados/               # Dados brutos e processados
├── 2_scripts/             # Scripts principais
├── 3_resultados/         # Saídas do processamento
├── 4_relatorios/         # Relatórios técnicos
└── 4_sensibilidade/      # Análise comparativa de modelos

Scripts Principais

inspetor_final.py

Script de inspeção inicial dos dados brutos do monitor de colheita.

• Função: Gera uma ficha técnica detalhada em PDF com estatísticas descritivas
• Parâmetros principais:
  • LIMITE_PRODUTIVIDADE_ALERTA: 15.0 ton/ha
  • LIMITE_FALTANTES_ALERTA_PCT: 5.0%
• Uso: Executar primeiro para avaliar a qualidade dos dados brutos
• Saída: Ficha técnica em 4_relatorios/[talhao]_[ano]/ficha_tecnica_FINAL_[talhao]_[ano].pdf

processador_2025.py

Script de pré-processamento e filtragem dos dados.

• Função: Limpa e padroniza os dados do monitor de colheita
• Parâmetros principais:
  • UMIDADE_PADRAO: 14.0%
  • VELOCIDADE_MIN: 3.0 km/h
  • VELOCIDADE_MAX: 6.0 km/h
  • FATOR_IQR: 1.5 (para remoção de outliers)
• Uso: Executar após a inspeção inicial
• Saída: Dados filtrados em CSV em 2_dados_processados/[talhao]_[ano]/

pipeline_geoestatistico_2025.py

Pipeline principal de análise geoestatística.

• Função: Realiza a análise variográfica e krigagem
• Principais etapas:
  1. Ajuste de semivariogramas
  2. Validação cruzada k-fold
  3. Interpolação por krigagem
  4. Geração de mapas e relatórios
• Uso: Executar após o pré-processamento
• Saída: Mapas, relatórios e dados intermediários em 3_resultados/[talhao]_[ano]/

analise_sensibilidade_geoestatistica.py

Script de comparação e validação de modelos.

• Função: Compara diferentes modelos variográficos
• Análises realizadas:
  • Comparação de RMSE e R²
  • Gráficos comparativos
  • Radar de desempenho
  • Relatórios detalhados
• Uso: Executar após o pipeline principal
• Parâmetros: Use --comparativo-only para pular o pipeline ou --check para diagnóstico
• Saída: Resultados comparativos em 4_sensibilidade/resultados/

Requisitos

• Python 3.13.5
• Dependências principais:
  • NumPy ≥ 1.26
  • Pandas ≥ 2.2
  • GeoPandas ≥ 0.14
  • Matplotlib ≥ 3.8
  • scikit-gstat ≥ 0.6.9
  • PyKrige ≥ 1.7
  • Rasterio ≥ 1.3
  • Shapely ≥ 2.0
  • scikit-learn ≥ 1.4

Para instalar todas as dependências:

pip install -r requirements.txt

Resultados Principais

O modelo variográfico exponencial apresentou o melhor desempenho preditivo:

• RMSE: 0,6 t ha⁻¹
• R²: 0,241
• Parâmetros: pepita = 0,028 t² ha⁻², patamar = 0,565 t² ha⁻², alcance = 868,7 m

Reprodutibilidade

Ordem de Execução dos Scripts

1. Execute inspetor_final.py primeiro para gerar a ficha técnica e avaliar a qualidade dos dados brutos
2. Execute processador_2025.py para realizar o pré-processamento e filtragem dos dados
3. Execute pipeline_geoestatistico_2025.py para realizar a análise geoestatística principal
4. Execute analise_sensibilidade_geoestatistica.py para comparar os modelos e validar os resultados

Exemplo de Execução

No Windows, execute os scripts na seguinte ordem:

# 1. Inspeção inicial
py 2_scripts/inspetor_final.py

# 2. Pré-processamento
py 2_scripts/processador_2025.py

# 3. Pipeline geoestatístico
py 2_scripts/pipeline_geoestatistico_2025.py

# 4. Análise de sensibilidade
py 2_scripts/analise_sensibilidade_geoestatistica.py

Nota: Os comandos acima usam py que é o launcher do Python no Windows. Em sistemas Linux/Mac, use python no lugar de py.

O fluxo completo pode ser reproduzido a partir dos arquivos brutos do monitor de colheita e do polígono do talhão. Todos os parâmetros e configurações estão documentados em:

• Arquivos JSON de execução
• Logs detalhados
• Relatórios técnicos em PDF

Local de Estudo

• Fazenda Irmãos Rigo, talhão Silo
• André da Rocha, Rio Grande do Sul, Brasil
• Área: 56,18 ha
• Coordenadas (EPSG:4326): [-51,51, −28,54] a [-51,50, −28,53]
• Altitude média: ~800 m
• Solo: Latossolo Vermelho
• Clima: Cfb (Köppen)

Autores

• Carlos Alberto Rigo Junior - Colégio Politécnico da UFSM
• Daiane Luisa Rosso - Colégio Politécnico da UFSM
• Lúcio de Paula Amaral - Colégio Politécnico da UFSM

Licença

Este projeto é disponibilizado sob um modelo de Dupla Licença:

1. Uso Acadêmico e de Código Aberto (GPLv3)

Para fins de pesquisa, estudo, e para uso em outros projetos de código aberto, este projeto está licenciado sob a GPLv3. Isso significa que você pode usá-lo e modificá-lo livremente, desde que qualquer trabalho derivado também seja distribuído sob a mesma licença. Veja o arquivo LICENSE para o texto completo.

2. Uso Comercial

Para a utilização deste código em software proprietário, aplicações comerciais, ou qualquer cenário onde as restrições da GPLv3 não são desejáveis, é necessária uma licença comercial.

Para adquirir uma licença comercial ou discutir parcerias, por favor, entre em contato:

• Carlos Alberto Rigo Junior
• E-mail: carlos.rigo@acad.ufsm.br

Agradecimentos

Agradecemos ao Programa de Pós-Graduação em Agricultura de Precisão do Colégio Politécnico da UFSM pelo suporte institucional.