Transferência Profunda de Aprendizagem para Previsão de Rendimento de Culturas com Dados de Sensoriamento Remoto

A previsão precisa de rendimentos de culturas em países em desenvolvimento antes do período de colheita é central para prevenir a fome, melhorar a segurança alimentar e o desenvolvimento sustentável da agricultura. As técnicas existentes são caras e difíceis de escalar, pois requerem dados de pesquisa coletados localmente. Abordagens que utilizam dados de sensoriamento remoto, como imagens de satélite, potencialmente oferecem uma alternativa barata e igualmente eficaz. Nosso trabalho mostra resultados promissores na previsão de rendimentos de soja na Argentina usando técnicas de aprendizado profundo. Também alcançamos resultados satisfatórios com uma abordagem de transferência de aprendizado para prever as colheitas de soja no Brasil com uma quantidade menor de dados. A motivação para a transferência de aprendizado é que o sucesso dos modelos de aprendizado profundo depende, em grande parte, de dados de treinamento de verdade de solo em abundância. A previsão bem-sucedida do rendimento de culturas com aprendizado profundo em regiões com poucos dados de treinamento depende da capacidade de ajustar modelos pré-treinados.