Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: AMANDA FERREIRA DA SILVA
DATA: 28/05/2026
HORA: 09:00
LOCAL: Bom Jesus - PI - UFPI - Auditório do PPGCA - meet.google.com/mzd-fkth-ycg
TÍTULO: Expressão gênica de clones de Coffea canephora L. utilizando espectrorradiometria e machine learning
PALAVRAS-CHAVES: Reflectância foliar. Amazônia. Algoritmos preditivos. Radiometria de campo.
PÁGINAS: 21
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
RESUMO:

A espectrorradiometria aplicada a vegetação é uma técnica consolidada do sensoriamento remoto que utiliza a radiação eletromagnética para mensurar o comportamento fotobiológico das plantas. A utilização dessa técnica em estudos de melhoramento vegetal permite selecionar plantas com maior potencial de adaptabilidade em diferentes regiões, como a do café Robusta Amazônico que vem crescendo na região Amazônica. Com isso o objetivo desse trabalho foi caracterizar as assinaturas espectrais de quatro clones de Coffea canephora L. (R-88, R-08, R-25 e R-22), afim de verificar qual clone possui características favoráveis ao cultivo no estado do Mato Grosso. As coletas forma realizadas no município de Alta Floresta – MT, com o espectrorradiômetro Ocean optics STS-VIS que possui faixa espectral de 350 – 820 nm. Na análise estatística foram feitas teste de Tukey a 5% e análise de componentes principais para comparar e agrupar as médias das bandas e a média da diferença da inflexão das bandas. Para a análise de Machine Learning foi feito o teste de Scott-Knott a 5% para agrupar as médias das bandas e da diferença de inflexão para posteriormente aplicar os testes de acurácia: classificação correta (CC), F-meansure e índice Kappa. Foram usados os algoritmos: DT, J48, RF, ANN, LR e SVM, com inputs RID, ALL e SB. Os resultados mostram que as médias das bandas e da altura de inflexão das bandas classificaram distintamente os clones pela reflectância e absorbância em pontos distintos, em que a cultivar R-88 apresentou maiores médias de reflectância nas bandas B11, B12, B21 e B23 caracterizadas pela presença de organelas e proteínas fotossintetizantes, assim como a RID que tiveram maiores alturas em: A4, A5, A8 e A9. Para as análises de Machine Learning o algoritmo SVM apresentou melhor desempenho em todos os testes, alcançando acurácia superior a 65% para a CC, 0,65 para F-meansure e 0,58 para o índice Kappa. O input ALL obteve melhores resultados em todos os testes seguido do SB. Os resultados mostraram que a utilização de sensores hiperespetrais são ferramentas precisas para a caracterização espectral de clones de café Robusta Amazônico, sendo os clones R-88 e R-08 plantas com boa adaptabilidade na faixa Amazônica do Mato Grosso, alta taxa fotossintetizantes, caracterizando-as como plantas com bom desenvolvimento vegetativo e consequentemente com alta produção.

MEMBROS DA BANCA:
Presidente - 2100352 - CACIO LUIZ BOECHAT
Externo à Instituição - 024.***.***-32 - CARLOS ANTONIO DA SILVA JUNIOR - UNEMAT
Externo à Instituição - 054.***.***-48 - KAIQUE MESQUITA CARDOSO - IFNMG
Externo à Instituição - 051.***.***-93 - MENDELSON GUERREIRO DE LIMA - UNEMAT
Externo à Instituição - 038.***.***-10 - PAULO EDUARDO TEODORO - UFMS
Externo à Instituição - 293.***.***-60 - TATIANA REIS DOS SANTOS BASTOS - UESB

Cadastrada em: 08/05/2026