Rodrigues, André Miguel de Almeida MarrãoBahcevandziev, KirilFigueiredo, Pedro Tiago Relvão2024-01-102024-01-102023http://hdl.handle.net/10400.26/48805Este projeto teve como objetivo principal desenvolver um sistema de recomendação de datas de plantação de culturas hortícolas, com a intenção de auxiliar os agricultores na tomada de decisões, tendo em conta as alterações climáticas, com a finalidade de auxiliar os agricultores a tirarem mais proveito da produtividade das colheitas. Para atingir este objetivo, foram exploradas técnicas de deep learning, com destaque para o modelo Long Short Term Memory (LSTM), para prever as temperaturas e avaliá-las face aos intervalos ótimos de cada fase de crescimento para cada cultura. O sistema de previsão foi implementado numa aplicação web que fornece recomendações de datas de plantação com base na temperatura média diária. Além disso, a aplicação oferece uma visualização prática dos dados climáticos e do solo mais favoráveis para um crescimento saudável das culturas. Comparando os resultados do sistema com calendários agrícolas, observou-se que o modelo oferece uma visão mais dinâmica, adaptável e concreta. O sistema é capaz de considerar as alterações climáticos como um fator importante para a recomendação de uma data de plantação. A realização deste projeto oferece uma ferramenta robusta para agricultores otimizarem as suas práticas agrícolas.porInteligência artificialDeep learningAlterações climáticasCulturas hortícolasParâmetros climáticosIntervalos otimos de temperaturaSistemas de recomendaçõesRecomendações algorítmicasDatas de plantaçãomaster thesis203460006