Projeto de dissertação de mestrado que explora o uso de um modelo híbrido (LSTM + XGBoost) para prever a produtividade da soja (sc/ha) em municípios do estado do Paraná, utilizando dados climáticos, de produção e de sensoriamento remoto (NDVI).
Este trabalho investiga a viabilidade de prever a produtividade da soja em nível municipal com base em dados públicos. A hipótese central é que a combinação de uma Rede Neural Recorrente (LSTM) para interpretar a dinâmica temporal dos dados climáticos com um modelo de Gradient Boosting (XGBoost) para integrar características estáticas e agronômicas pode gerar previsões robustas.
Fontes de Dados:
- Produtividade: Sistema IBGE de Recuperação Automática (SIDRA).
- Clima: Dados diários de estações meteorológicas governamentais (provavelmente SIMEPAR/TECPAR).
- NDVI: Imagens de satélite (fonte específica não documentada).
Modelo: Híbrido LSTM-XGBoost.
O projeto foi organizado em um pipeline de scripts sequenciais para garantir a clareza e reprodutibilidade do processo.
.
├── 📄 config.py # Arquivo central de configuração
├── 📄 01_prepare_ndvi.py # Limpa e filtra dados de NDVI
├── 📄 02_prepare_yield.py # Calcula a produtividade (alvo)
├── 📄 03_prepare_climate.py # Filtra dados climáticos para a safra
├── 📄 04_create_master_datasets.py # Unifica os dados em datasets mestre
├── 📄 05_feature_engineering.py # Cria todos os atributos agronômicos
├── 📄 06_train_and_evaluate.py # Treina e avalia os modelos
├── 📄 07_generate_report.py # Gera o relatório de metodologia
├── 📄 08_plot_correlation_matrix.py # Gera a matriz de correlação
├── 📄 requirements.txt # Lista de dependências do Python
├── 📁 data/ # Contém os dados brutos e processados
└── 📁 results/ # Contém os outputs (gráficos, relatórios)
Siga os passos abaixo para configurar o ambiente e executar o pipeline completo.
-
Clone o repositório:
git clone https://github.com/danielcasanova12/AgroPreditor.git cd AgroPreditor -
Crie um ambiente virtual (recomendado):
python -m venv venv source venv/bin/activate # No Windows: venv\Scripts\activate
-
Instale as dependências: O arquivo
requirements.txtcontém todas as bibliotecas necessárias.pip install -r requirements.txt
Os scripts devem ser executados na ordem numérica para garantir que os dados sejam processados corretamente.
python 01_prepare_ndvi.py
python 02_prepare_yield.py
python 03_prepare_climate.py
python 04_create_master_datasets.py
python 05_feature_engineering.py
python 06_train_and_evaluate.py
python 07_generate_report.py
python 08_plot_correlation_matrix.pyAo final, os resultados, o relatório e os gráficos estarão na pasta results/.
A execução do pipeline com o modelo híbrido na safra de teste ('23/24') produziu os seguintes resultados:
| Granularidade | R² (Coef. de Determinação) | RMSE (sacas/ha) |
|---|---|---|
| Mensal | 0.8132 | 7655.61 |
| Anual | 0.6585 | 9122.39 |
| Diário | 0.6641 | 9325.73 |
O modelo com dados mensais apresentou o melhor desempenho. A matriz de correlação abaixo explora a relação entre as principais variáveis neste dataset.
Uma descrição detalhada de toda a metodologia, incluindo as fontes de dados, o pré-processamento, a engenharia de atributos e a arquitetura do modelo, está disponível no arquivo: results/metodologia_e_discussao.txt
- Validação Robusta: Implementar uma Validação Cruzada Deixando Um Ano de Fora (Leave-One-Year-Out CV) para obter uma métrica de performance mais estável.
- Features Fenológicas: Alinhar a agregação de features com os estádios fenológicos da soja (Vn, Rn) em vez de janelas de calendário fixas.
- Dados de Solo: Enriquecer o modelo com dados quantitativos do solo (ex: % de argila, pH).
- Análise SHAP: Aprofundar a análise de interpretabilidade do modelo final para validar as hipóteses agronômicas.