1. Início
  2. Faculdade de Ciências e Tecnologia
  3. Tecnologias de Sistemas Alimentares e Recursos Naturais
  4. Tecnologia de Processamento de Dados Aplicada à Agricultura de Precisão

Tecnologia de Processamento de Dados Aplicada à Agricultura de Precisão

Objetivos

No final desta unidade curricular o estudante terá adquirido conhecimentos, aptidões e competências que lhe permitam:

- Compreender a leitura de um relatório técnico onde exista informação apresentada e/ou trabalhada por análise e modelação estatística;

- Ser capaz de sintetizar informação, qualitativa e quantitativa, de tabelas de dados, nomeadamente facilitando a interpretação e a retirada de conclusões;

- Entender a relação bi- ou multivariada de uma tabela de dados, analisar redundâncias e lacunas de informação;

- Distinguir várias sub-populações de uma amostra, e utilizer ferramentas adequadas para a geração de sub-conjuntos de dados;

- Gerar imagens de valores estimados de uma propriedade amostrada pontualmente numa area de estudo.

- Saber aplicar ferramentas de análise de dados na plataforma R, nomeadamente importar dados e extraír relatórios.

Caracterização geral

Código

12217

Créditos

3.0

Professor responsável

José António de Almeida, Sofia Verónica Trindade Barbosa

Horas

Semanais - 3

Totais - 42

Idioma de ensino

Português

Pré-requisitos

Nenhuns em especial.

Bibliografia

Lawal, Bayo (2014) Applied Statistical Methods in Agriculture, Health and Life Sciences, Springer.

Reis, Elizabeth (1997) Estatistica multivariada aplicada, Editora Sílabo.

Isaaks, E. H. & R. Mohan Srivastava (1989) An Introduction to Applied Geostatistics, Oxford University Press, New York, 561 p.

Rodriguez J. (1999) Ecología, Edições Pirámide. Caers, J (2011) Modeling Uncertainty in the Earth Sciences, Wiley-Blackwell.

Haining R. (2003) Spatial Data Analysis: Theory and Practice. Cambrige University Press.

Método de ensino

Sessões teóricas e práticas de 1 e 2 horas cada: i) aulas teóricas com powerpoint ii) aulas práticas em computador.  As aulas práticas são baseadas na resolução de problemas, tendo como ponto de partida conjuntos de dados realistas que reproduzam algumas das situações que os futuros profissionais irão trabalhar.

Método de avaliação

A avaliação é de preferência do tipo contínuo, mas, alternativamente, pode ser feita pelo exame clássico. O modelo de avaliação contínuo é consituido por dois testes escritos para os algoritmos e métodos (que representam 25% + 25% da nota final) e um relatório feito por grupos de dois alunos com a resolução dos problemas práticos resolvidos nas aulas práticas (50% restantes). Alternativamente, e apenas para a componente teórica, os alunos podem optar pelo exame final, onde também podem fazer melhoria da nota dos testes. A frequência é obtida por assistência a 2/3 das aulas práticas.

Conteúdo

Revisões de estatística e probabilidades. Recolha de informação, escala, resolução espacial. Visualização de dados. Variáveis categóricas e contínuas. Estatísticas univariadas e bivariadas. Posição central, dispersão, assimetria e kurtose. Frequências. Correlação e similitude. Probabilidade. Incerteza. Variáveis aleatórias. Leis de distribuição de probabilidades. Lei Binomial e de Poisson. Lei Normal. Testes de hipóteses. Simulação de Monte Carlo. Regressão. Modelos lineares generalizados. Abordagem espacio-temporal. Curvas de tendência. Análise multivariada. Análise em componentes principais. Classificação ascendente hierárquica e classificação não hierárquica (K-means). Análise de variância (ANOVA). Geoestatística. Análise espacial. Covariância espacial e variograma. Estimação por krigagem. Validação. Visualização em SIG. Aplicações com os softwares R (análise de dados), SGEMS (geoestatística) e ARCGIS (visualização imagens estimadas e dados de partida).Introdução ao ambiente R.