INTELIGÊNCIA ARTIFICIAL NA MODELAGEM E VALIDAÇÃO DE SISTEMAS AGRÍCOLAS

Bruno Marcos Nunes Cosmo; Emanuel Borges de Souza

Todos os Trabalhos

Trabalho

Título do Trabalho

INTELIGÊNCIA ARTIFICIAL NA MODELAGEM E VALIDAÇÃO DE SISTEMAS AGRÍCOLAS

Autores

Bruno Marcos Nunes Cosmo
Emanuel Borges de Souza

Modalidade

Resumo

Área temática

Meio Ambiente, Sustentabilidade e Desenvolvimento

Data de Publicação

25/06/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/congresso-internacional-de-ciencias-cic/1556226-inteligencia-artificial-na-modelagem-e-validacao-de-sistemas-agricolas

ISBN

978-65-272-2513-3

Palavras-Chave

Estatística, modelagem agrícola, sistemas produtivos.

Resumo

Introdução: O crescimento na complexidade dos sistemas agrícolas em função da variabilidade edafoclimática e do aumento da necessidade de eficiência produtiva, vem impulsionando o uso de ferramentas avançadas de modelagem. A modelagem pauta-se na coleta de dados para geração de modelos, que poderão ser empregados na simulação e predição de cenários, auxiliando na tomada de decisão. Assim, a inteligência artificial (IA) pode ser empregada como ferramenta capaz de processar grandes volumes de dados, identificando padrões, permitindo a geração de modelos realistas e precisos no meio agrícola. Objetivo: Analisar a aplicação da inteligência artificial na modelagem e validação de sistemas agrícolas, destacando seus impactos na precisão, confiabilidade e eficiência dos modelos. Métodos: Realizou-se uma revisão bibliográfica de abordagem qualitativa, utilizando materiais obtidos em bases de dados digitais. As fontes de informação foram compostas por artigos científicos, livros e trabalhos técnico-científicos, publicados nos últimos 10 anos. Os estudos passaram por triagem e foram selecionados conforme a relevância, resultando em 8 materiais. Resultados: A modelagem tradicional pauta-se na coleta de grandes volumes de dados, sendo estes tratados e utilizados na confecção de modelos, esses modelos passam por etapas de calibração e validação, buscando confirmar a proximidade dos valores simulados com a realidade, avaliando a eficiência do modelo. A aplicação da IA na modelagem possibilita grandes avanços na representação de processos complexos, envolvendo o crescimento de culturas, dinâmica do solo e da água e a resposta aos fatores bióticos e abióticos. Ferramentas envolvendo algoritmos de aprendizado de máquina, como redes neurais, árvores de decisão e métodos de ensemble, possibilitam a construção de modelos preditivos com alta capacidade de generalização, mesmo em sistemas com alta variabilidade. No processo de validação, a IA contribui para a avaliação do desempenho dos modelos, acelerando e simplificando o processo de comparação entre dados observados e simulados. As métricas tradicionais para validação de modelos vêm da estatística clássica, incluindo parâmetros como coeficiente de correlação (r), coeficiente de determinação (R²), índice de concordância (d), índice de confiança (c) e erro médio absoluto (EMA). O uso de IA no processo de validação permite utilizar estas mesmas métricas e ainda realizar validação cruzada (cross-validation), elevando a robustez do modelo e expondo falhas, consequentemente, isso reduz o risco de sobreajustes (overfitting). A integração da IA com dados provenientes de sensores remotos, estações meteorológicas e sistemas de Internet das Coisas (IoT) amplia a capacidade de modelagem em tempo real, proporcionando atualização contínua dos modelos e maior acurácia nas previsões. Contudo, muitos desafios para a plena implantação e funcionamento de modelos baseados em IA ainda existem, visto a necessidade de treinamento da IA utilizando grandes volumes de dados, a confiabilidade dos dados de treinamento e calibração e geração de interpretações coerentes. Conclusão: A inteligência artificial representa uma ferramenta estratégica na modelagem e validação de sistemas agrícolas, gerando maior precisão e confiabilidade às estimativas. A integração desta tecnologia com sistemas digitais amplia o potencial de aplicação, contribuindo para o desenvolvimento de sistemas mais eficientes.

Título do Evento: Congresso Internacional de Ciências (CIC) – 2026
Título dos Anais do Evento: Congresso Internacional de Ciências (CIC)
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

COSMO, Bruno Marcos Nunes; SOUZA, Emanuel Borges de. INTELIGÊNCIA ARTIFICIAL NA MODELAGEM E VALIDAÇÃO DE SISTEMAS AGRÍCOLAS.. In: Congresso Internacional de Ciências (CIC). Anais...Itaperuna(RJ) Afya Itaperuna - RJ, 2026. Disponível em: https//www.even3.com.br/anais/congresso-internacional-de-ciencias-cic/1556226-INTELIGENCIA-ARTIFICIAL-NA-MODELAGEM-E-VALIDACAO-DE-SISTEMAS-AGRICOLAS. Acesso em: 26/06/2026