Key points are not available for this paper at this time.
A pesquisa explora o aprimoramento da resiliência na agricultura de uvas no distrito de Sangli por meio do aprendizado de máquina para previsão de rendimento das culturas, enfatizando fatores de saúde do solo. Integra dados históricos, focando em nutrientes do solo, umidade e composição, para analisar seu impacto na produtividade das uvas. Os insights do estudo oferecem potencial para o aprendizado de máquina otimizar estratégias de cultivo de uvas, crucial em uma região onde a agricultura de uvas é significativa. Uma perspectiva histórica mostra a evolução dos rendimentos das uvas influenciados pelo clima, qualidade do solo, tecnologia e manejo de doenças entre 1980 e 2020. A evolução sugere um crescimento constante, provavelmente devido aos avanços agrícolas e práticas melhoradas. O artigo discute a ampla utilidade da análise preditiva em vários setores e suas aplicações específicas na agricultura, particularmente em previsão de rendimento de culturas e projeção de preços, auxiliando os agricultores na tomada de decisões e no timing de mercado. A metodologia da pesquisa propõe um motor de estratégia usando algoritmos de aprendizado de máquina para prever os rendimentos das culturas de uvas, integrando dados meteorológicos, de solo e de rendimento, visando decisões de cultivo personalizadas. Em última análise, o estudo enfatiza o potencial transformador do aprendizado de máquina na otimização das práticas agrícolas, aumentando a produtividade e fortalecendo a resiliência da agricultura de uvas em Sangli. A aplicação dessas descobertas traz promessas para um cultivo de uvas sustentável e eficiente, contribuindo para os avanços agrícolas e crescimento econômico na região.
Patil et al. (qua,) estudaram essa questão.