Comparação de algoritmos de clustering hierárquico em dados reais: um estudo de caso na agricultura

Resumo

Um dos custos relacionados à atividade agrícola provém da aplicação de defensivos ou adubos na
área de plantação. Usualmente a aplicação desses compostos é realizada em toda a área cultivada gerando
gastos desnecessários. Com intuito de minimizar esses gastos, técnicas de agricultura de precisão são utilizadas para identificar as subáreas da lavoura nas quais se faz necessária a aplicação desses compostos. Neste trabalho apresentamos um estudo de caso considerando informações físico-químicas do solo e aspectos de coloração das folhas de soja para a análise exploratória desses dados por meio de aprendizado
de máquina não-supervisionado. O objetivo é comparar diferentes algoritmos de agrupamento hierárquico para identificar os métodos mais adequados para esse domínio de aplicação e futuramente encontrar evidências para facilitar a identificação automática das necessidades específicas de cada subárea da lavoura. A partir dos resultados obtidos observa-se a presença de alguns padrões nos dados, os quais serão explorados e explicados em trabalhos futuros.