Currículo

Agricultura Digital AgDig

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

Conhecimentos: Princípios da agricultura digital incluindo as várias fases do processo de tomada de decisão (recolha de dados, análise, prescrição e atuação); A importância central do conhecimento agronómico; A integração hardware- software; Tecnologias disponíveis e emergentes. Aptidões: Otimização de processos na exploração agrícola através de metodologias de precisão nomeadamente na rega, na fertilização e na proteção das culturas; O uso de dados de deteção remota e proximal em sistemas de informação geográfica; Desenho e implementação de sistemas de suporte à decisão, tendo em conta a componente económica e a sustentabilidade. Competências: Pensamento crítico e resolução de problemas; Proposta de soluções baseadas em dados; Promoção do empreendedorismo.

Programa

1 Introdução à agricultura digital (conceito; perspetiva historical e evolução; a importância da digitalização; princípios) 2 Principais tecnologias de base (GNSS e SIG, deteção remota e proximal, monitorização da produtividade, VRT, IOT, ECa, Modelação digital do terreno, geoestatística) 3 Processo de tomada de decisão (recolha de dados, análise, prescrição e atuação) 4. Aplicações: instalação das culturas; na rega, fertilização, e proteção das culturas; outras operações culturais 5. Mecanização de precisão e robótica 6 Modelação e inteligência artificial 7 Casos-de-estudo e boas práticas (culturas anuais e culturas permanentes; zootecnia de precisão) 8 Visitas de estudo (e.g. empresas agrícolas, prestadores de serviços, instituições relevantes), workshops práticos e aulas por especialistas convidados (academia e empresas) 9 Projeto Aulas práticas: Manipulação de dados espaciais agrícolas em SIG; Elaboração de uma carta de índices de vegetação; Filtragem e elaboração de uma carta de produtividade, Operação e levantamento de dados com recurso a robôs terrestres e aéreos; Amostragem inteligente de parcelas; Instalação de sensores; Levantamento e processamento de dados de ECa; Modelação digital do terreno; Cartas de prescrição e operação de máquinas VRT; Modelação de dados e IA; Condução assistida e automática de máquinas e tratores.

Método de Avaliação

NF = 0.5 * NE + 0.2 * NR + 0.3 * NP NE – Exame final em época de exames (nota mínima 9,5 val em 20l) NR – Nota média de 3 de relatórios (VE, WS, AC, AA - análise de artigos, etc.) NP – Nota de projeto apresentado oralmente no final do semestre

Carga Horária

Bibliografia

Principal

• The Precision Farming Guide for Agriculturists. Estados Unidos: Deere & Company.: Ess, D., Deere, J., Morgan, M. 2003
• Precision Agriculture for Grain Production Systems. Austrália: CSIRO PUBLISHING.: Whelan, B., Taylor, J. 2013
• Handbook of Precision Agriculture: Principles and Applications. Estados Unidos: CRC Press: Srinivasan, A. 2006
• Precision Agriculture: Technology and Economic Perspectives. Alemanha: Springer International Publishing.: Pedersen, S.M. e Lind, K.M 2017
• Sensing, Data, Managing, and Control Technologies for Agricultural Systems.Springer Nature Switzerland AG, Cham: Ma, S., Lin, T., Mao, E., Song, M., Ting, K.-C. (eds.) 2022
• Agricultural Internet of Things: Technologies and Applications. Springer Nature Switzerland AG, Cham: He, Y., Nie, P., Zhang, Q, Liu, F. (eds.) 2021

Secundária

Disciplinas de Execução

2025/2026 - 1º semestre

2026/2027 - 1º semestre

2024/2025 - 1º semestre