Use este identificador para citar ou linkar para este item: https://repositorio.uema.br/jspui/handle/123456789/6526
Título: Avaliação agronômica de recomendações de inteligências artificiais para o manejo da compactação em solos agrícolas
Título(s) alternativo(s): Agronomic evaluation of artificial intelligence recommendations for compaction management in agricultural soils
Autor(es): Rabelo, João Victor de Souza
Orientador: Fernandes, Francisco Ronaldo Belém
Membro da Banca: Cândido, Clebson Santos
Membro da Banca: Menezes, Ronaldo Haroldo N. de
Data do documento: 2026
Editor: Universidade Estadual do Maranhão
Resumo: A compactação do solo representa um dos principais entraves à produtividade agrícola no Brasil, especialmente em regiões de agricultura intensiva como o estado do Maranhão. Causada pelo uso de maquinário pesado e pelo manejo inadequado do solo, essa degradação física compromete atributos como densidade do solo, porosidade total, capacidade de infiltração de água e resistência à penetração (RP, expressa em MPa), além de afetar o transporte de nutrientes e a atividade biológica do perfil. Paralelamente, o avanço das tecnologias de inteligência artificial (IA) baseadas em arquitetura Transformer, especialmente os modelos de linguagem de grande escala como ChatGPT (OpenAI), Gemini (Google DeepMind) e Claude (Anthropic), tem possibilitado o desenvolvimento de ferramentas com potencial de apoio à tomada de decisão agronômica. Diante desse contexto, o presente trabalho teve como objetivo avaliar o desempenho de três inteligências artificiais no diagnóstico e na recomendação de manejo de solos compactados em condições edafoclimáticas do Maranhão. Foram elaborados cinco cenários simulados baseados em situações reais descritas na literatura, sendo quatro com solos apresentando diferentes graus de compactação e um cenário controle sem problemas físicos evidentes. Um prompt padronizado e único, estruturado em quatro eixos temáticos — diagnóstico físico da compactação, ações imediatas, manejo de médio prazo e cuidados operacionais — foi submetido simultaneamente e de forma idêntica às três IAs, em sessões independentes sem histórico prévio, no mesmo dia, sem refinamento iterativo. As respostas geradas foram analisadas com base em critérios previamente definidos, permitindo discutir a coerência técnica, a aplicabilidade prática, a profundidade das recomendações e as limitações de cada modelo. Dessa forma, o estudo busca contribuir para a reflexão sobre o uso responsável dessas tecnologias como ferramentas de apoio à consultoria agronômica e à extensão rural no manejo conservacionista de solos
Resumo: Soil compaction represents one of the main constraints to agricultural productivity in Brazil, particularly in regions of intensive agriculture such as the state of Maranhão. Caused by the use of heavy machinery and inadequate soil management practices, this physical degradation affects key soil attributes, including bulk density, total porosity, water infiltration capacity, penetration resistance (PR, expressed in MPa), nutrient transport, and biological activity within the soil profile. At the same time, advances in artificial intelligence (AI) technologies based on Transformer architecture, especially large language models such as ChatGPT (OpenAI), Gemini (Google DeepMind), and Claude (Anthropic), have enabled the development of tools with potential to support agronomic decision-making. In this context, this study aimed to evaluate the performance of three artificial intelligence systems in diagnosing and recommending management practices for compacted soils under the edaphoclimatic conditions of Maranhão. Five simulated scenarios were developed based on real situations reported in the literature, including four scenarios involving soils with different degrees of compaction and one control scenario without evident physical limitations. A single standardized prompt, structured around four thematic axes — physical diagnosis of compaction, immediate actions, medium-term management, and operational precautions — was submitted simultaneously and identically to the three AI systems, in independent sessions with no previous history, on the same day, and without iterative refinement. The generated responses were analyzed according to predefined criteria, allowing discussion of the technical coherence, practical applicability, depth of recommendations, and limitations of each model. Thus, this study seeks to contribute to the debate on the responsible use of these technologies as support tools for agronomic consulting and rural extension in conservation-oriented soil management
Palavras-chave: Compactação do solo
Inteligência artificial
Manejo do solo
Recomendação técnica
Aparece nas coleções:Curso de Bacharelado em Agronomia - CCA UEMA - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC - JOÃO VICTOR DE SOUZA RABELO - ENG. AGRONOMICA - CCA UEMA - 2026.pdfPDF A2.59 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.