Aplicações da tecnologia de big data na agricultura: uma revisão sistemática da literatura

Autores

DOI:

https://doi.org/10.5585/exactaep.2021.17765

Palavras-chave:

Big Data, Agricultura, Indústria 4.0.

Resumo

A indústria 4.0 é uma terminologia muito utilizada nos dias atuais. Dentre as tecnologias que compõem esta nova tendência, tem-se o Big Data, que é um amplo conjunto de dados com um grande número de variáveis, num alto volume e em alta velocidade. O objetivo deste artigo foi realizar uma revisão sistemática da literatura referente aos assuntos atuais que abordam a utilização de Big Data no contexto da Agricultura. A revisão sistemática da literatura teve por finalidade verificar como este setor analisa e processa o grande volume de dados gerados. Desta forma, houve uma busca por artigos publicados na base Web of Science e Scopus nos períodos entre 2016 a 2019 que continham as palavras Big Data e agricultura. O material encontrado foi analisado, compilado e apresentado em forma de quadro com um pequeno resumo sobre o que abordam os artigos. Como resultado, observou que grande parte dos estudos referem à utilização de técnicas de análise e aprendizado de máquina dos conjuntos de dados provenientes do Big Data, em que propõem soluções aos problemas decorrentes da agricultura. Além disso, este estudo serve como um referencial sobre as técnicas de Big Data mais utilizadas na Agricultura visando o aumento da produtividade e melhores tomadas de decisão.

Downloads

Não há dados estatísticos.

Biografia do Autor

Thiago Shoji Obi Tamachiro, Universidade Federal do Paraná – UFPR

Mestrando em Engenharia de Produção, linha de pesquisa: inovação em projetos, produtos e processos, pela Universidade Federal do Paraná. Especializando em Gestão de Operações - Six Sigma Black Belt pela FAE Business School. Graduação em Engenharia de Produção pela FAE Centro Universitário (2018).

Fernanda Robes de Oliveira, Universidade Federal do Paraná – UFPR

Possui graduação em Estatística pela Universidade Federal do Paraná (2010). Pós graduação em Marketing pela FAE (2015). Gestora da atividade de pesquisa no SEBRAE/PR, atua como consultora no desenvolvimento de estudos e pesquisas para instituição com interação com as áreas de pesquisa de outros SEBRAE/UFs, além de parceiros como FIEP e Fecomércio. Desenvolvimento de metodologias de coleta de indicadores de resultado. Monitoramento dos indicadores institucionais de Imagem, Satisfação e NPS. Conhecimento de ferramentas de BI QlikView (Desenvolvimento e análise) e Modelagem de Processos (Bizagi).

Jéssika Alvares Coppi Arruda Gayer, Universidade Federal do Paraná – UFPR

Mestranda em Engenharia de Produção pela Universidade Federal do Paraná - UFPR (2019). Professora orientadora dos TCCs (artigo) da Pós-Graduação em Engenharia de Produção - UNINTER (2018 - 2019). Membro do Grupo de Pesquisa de Gestão em Inovação e Sustentabilidade da UNINTER (2017). Tutora/Professora do Curso Bacharel em Engenharia de Produção EaD e Presencial - Uninter (2015). Pós-Graduanda em Formação de Docentes para EAD pela UNINTER (2019). Especialista em Formação de Tutores na Modalidade de Educação a Distância pela Faculdade Bagozzi (2017). Graduada em Engenharia de Produção pela Universidade Positivo (2015). Possui formação no Curso Superior Sequencial em Química Ambiental Aplicada à Indústria pela Pontifícia Universidade Católica do Paraná (2009).

Mariana Kleina, Universidade Federal do Paraná – UFPR

Professora Adjunta do Departamento de Engenharia de Produção da Universidade Federal do Paraná desde 2016. Possui graduação em Matemática Industrial (2009), mestrado (2012) e doutorado (2015) em Métodos Numéricos em Engenharia pela Universidade Federal do Paraná. Tem interesse nas áreas de Pesquisa Operacional e Inteligência Artificial.

Marcos Augusto Mendes Marques, Universidade Federal do Paraná – UFPR

Possui graduação em Engenharia Elétrica pela Universidade Federal do Paraná (2003) e doutorado em Métodos Numéricos em Engenharia pela Universidade Federal do Paraná (2015). Atualmente é professor adjunto do Departamento de Engenharia de Produção da Universidade Federal do Paraná. Tem experiência na área de Matemática e Estatística, com ênfase em Análise Numérica e Simulação, atuando principalmente nos seguintes temas: otimização, métodos estatísticos, regressão linear múltipla, descarte de variáveis, simulação, engenharia da qualidade e energia elétrica. Atualmente leciona as disciplinas de Engenharia da Qualidade, Manutenção e Confiabilidade, Sistemas de Medição e Metrologia, para o Departamento de Engenharia de Produção do Setor de Tecnologia da Universidade Federal do Paraná.

Referências

Bhogirredy, S. et al. (2016). Dealing with Big Data in agriculture through management information system: A case of coordinated rice research. International Journal of Agricultural and Statistical Science. v. 12, p. 537 - 545.

Cameron, M.; Viviers, W.; Steenkamp, E. (2017). Breaking the ‘Big Data’ barrier when selecting agricultural export markets: an innovative approach. Agrekon. v. 56, p. 139 - 157, 2017.

Carbonell, I. (2016). The ethics of Big Data in big agriculture. Internet Policy Review, v. 5, n. 1.

Carolan, M. (2017). Publicising food: Big Data, precision agriculture, and co‐experimental techniques of addition. Sociologia Ruralis, v. 57, n. 2, p. 135-154, 2017.

Chen, X. & Cheng, C. M. (2018). Research on agricultural information science and technology innovation based on Big Data. Journal of advanced oxidation technologies, v. 21, n. 2.

Coble, K. H. et al. (2018). Big Data in Agriculture: A Challenge for the Future. Applied Economic Perspectives and Policy. v. 40, p. 79–96.

Franco, M. C. & Domenech, M. B. (2014). Agro Big Data: el próximo desafío. Agrobarrow 55.

Giagnocavo, C. et al. (2017). Agricultural cooperatives and the role of organisational models in new intelligent traceability systems and Big Data analysis. International Journal of Agricultural and Biological Engineering, v. 10, n. 5, p. 115-125.

Gill, S. S.; Chana, I.; Buyya, R. (2017). IoT based agriculture as a cloud and Big Data service: the beginning of digital India. Journal of Organizational and End User Computing (JOEUC), v. 29, n. 4, p. 1-23.

Gumma, M. K. et al. (2019). Agricultural cropland extent and areas of South Asia derived using Landsat satellite 30-m time-series big-data using random forest machine learning algorithms on the Google Earth Engine cloud. Giscience & Remote Sensing, v. 57, n. 3, p. 302-322.

Guo, T. B. & Wang, Y. F. (2019). Big Data Application Issues in the Agricultural Modernization of China. Ekologi, v. 28, n. 107, p. 3677-3688.

Instituto Brasileiro de Geografia e Estatística (2019). Censo Agropecuário 2017: Resultados definitivos. Rio de Janeiro.

Jayashankar, P. et al. (2019) Co-creation of value-in-use through big data technology- a B2B agricultural perspective. Journal of business & industrial marketing, v. 35, n. 3, p. 508-523.

Jia, J. D.; Kang, B. H.; Zhang, L. (2017). Discussion on Big Data statistical analytics application in agriculture. International Agricultural Engineering Journal, v. 26, p. 246-256.

Jiang, Y. M. et al. (2019). Big data analysis applied in agricultural planting layout optimization. Applied engineering in agriculture, v. 35, n. 2, p. 147-162.

Jones, S. K.; et al. (2017). Big Data and multiple methods for mapping small reservoirs: comparing accuracies for applications in agricultural landscapes. Remote Sensing, v. 9, n. 12, p. 1307.

Khan, A. & Turowski, K. (2016) A Perspective on Industry 4.0: From Challenges to Opportunities in Production Systems. Proceedings of the International Conference on Internet of Things and Big Data (IoTBD), p. 441–448.

Klauser, F. (2018). Surveillance Farm: Towards a Research Agenda on Big Data Agriculture. Surveillance & Society, v. 16, n. 3, p. 370-378.

Lee, J. W. et al. (2019). The relationship among meteorological, agricultural, and in situ news-generated big data on droughts. Natural Hazards, v. 98, n. 2, p. 765-781.

Leone, L. (2017). Addressing Big Data in EU and US agriculture: a legal focus. European Food and Feed Law Review, v. 12, n. 6, p. 507-518.

Li, D.; Zheng, Y.; Zhao, W. (2019a). Fault Analysis System for Agricultural Machinery Based on Big Data. IEEE Access, v. 7, p. 99136-99151.

Li, J. B.; Li, X. H.; Peng, Y. B. (2019b). Application of Big Data in Agricultural Internet of Things. Revista de la facultad de agronomia de la universidad del zulia, v. 36, n. 5, p. 1521-1529.

Liu, B.; et al. (2019). A spark-based parallel fuzzy $ c $-Means segmentation algorithm for agricultural image Big Data. IEEE Access, v. 7, p. 42169–42180.

Liu, Y. (2017). Innovation of marketing pattern of fresh agricultural products based on internet plus and Big Data platform. Agro food industry hi-tech, v. 28, n. 3, p. 1739-1743.

Ludena, R. D. A. & Ahrary, A. (2016). Big Data approach in an ICT agriculture application. In: New Approaches in Intelligent Control. Intelligent Systems Reference Library, v. 107, p. 109-134.

Luo, J. & Liu, D. (2017). Fresh agricultural products e-business chain logistics and risk control based on Big Data platform. Boletin Tecnico/Technical Bulletin, v.55, n.6, p. 200-208.

Majumdar, J.; Naraseeyappa, S.; Ankalaki, S. (2017). Analysis of agriculture data using data mining techniques: application of Big Data. Journal of Bid Data, v. 4, n. 1.

Manyika, J. et al. (2013). Disruptive technologies: advances that will transform life, business, and the global economy. San Francisco, CA: McKinsey Global Institute.

Mark, T. B. et al. (2016). The role of wireless broadband connectivity on ‘Big Data’ and the agricultural industry in the United States and Australia. International Food and Agribusiness Management Review, v. 19, n. 1030-2016-83150, p. 43-56.

Matsumoto, Y. et al. (2019). Modeling and simulation of agriculture production system considering seasonal variable information using big data analysis. Journal of advanced mechanical design systems and manufacturing, v. 13, n. 5.

Morota, G. et al. (2018). Big Data analytics and precision animal agriculture symposium: Machine learning and data mining advance predictive Big Data analysis in precision animal agriculture. Journal of Animal Science, v. 96, n. 4, p. 1540–1550.

Morais, I. S.; et al. (2018). Introdução a Big Data e Internet das Coisas (IoT). Porto Alegre: SAGAH.

Priya, N.; Geetha, G. (2017). Dynamic Programming Based Resource Optimization in Agricultural Big Data for Crop Yield Maximization. Journal of Computational and Theoretical Nanoscience, v. 14, p. 4464-4470.

R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.

Ravichandran, S. & Kareemulla, K. (2018). Agricultural data analytics – Small to Big Data. International Journal of Agricultural and Statistical Sciences, v. 14, n. 1, p. 211-214.

Resnik, T. et al. (2017). Disaster Risk Reduction in Agriculture through Geospatial (Big) Data Processing. International Journal of Geo-Information, v.6, n. 8, p. 238.

Ribeiro, J. G.; Marinho, D. Y.; EspinosA, J. W. M. (2018). Agricultura 4.0: desafios à produção de alimentos e inovações tecnológicas. In: SIENPRO, 2018, Catalão - GO. II SIENPRO.

Ruan, J. H. et al. (2019) A Granular GA-SVM Predictor for Big Data in Agricultural Cyber-Physical Systems. IEEE transactions on industrial informatics, v. 15, n. 12, p. 6510-6521.

Ryan, M. (2019). Agricultural Big Data Analytics and the Ethics of Power. Journal of agricultural & environmental ethics, v. 33, n. 1, p. 49-69.

Shen, N. (2019). Customer Knowledge Sharing Incentive Mechanism in Agricultural Products Supply Chain in Big Data Context. Revista de la Facultad de Agronomía. v. 36, p. 243 – 251.

Shivappa, S.; et al. (2018). Digital revolution and Big Data: a new revolution in agriculture. CAB Reviews: Perspectives in Agriculture, Veterinary Science, Nutrition and Natural Resources, v. 13.

Shuo, Q. (2017). Construction of the industry chain of ecological agriculture combined with Big Data. Agro Food Industry Hi Tech. v. 28.

Sykuta, M. E. (2016). Big Data in Agriculture: Property Rights, Privacy and Competition in Ag Data Services. International Food and Agribusiness Management Review, v. 19.

Tantalaki, N.; Souravlas, S.; Roumeliotis, M. (2019). Data-Driven Decision Making in Precision Agriculture: The Rise of Big Data in Agricultural Systems. Journal of agricultural & food information, v. 20, n. 4, p. 344-380.

Tao, Q. et al. (2018). Big Data driven agricultural products supply chain management: a trustworthy scheduling optimization approach. IEEE Access, v. 6, p. 49990-50002.

Tranfield, D.; Denyer, D.; Smart, P. (2003). Towards a methodology for developing evidence‐informed management knowledge by means of systematic review. British journal of Management, v. 14, n. 3, p. 207-222.

Tseng, F. H.; Cho, H. H.; Wu, H. T. (2019). Applying Big Data for Intelligent Agriculture-Based Crop Selection Analysis. IEEE Access, v. 7, p. 116965-116974.

Weersink, A. et al. (2018). Opportunities and challenges for Big Data in agricultural and environmental analysis. Annual Review of Resource Economics, v. 10, p. 19-37.

Weigel, R.; Koellner, T.; Poppenborg, P.; Bogner, C. (2018). Crop diversity and stability of revenue on farms in Central Europe: An analysis of Big Data from a comprehensive agricultural census in Bavaria. PLoS ONE.

White, B. J.; Amrine, D. E.; Larson, R. L. (2018). Big Data analytics and precision animal agriculture symposium: Data to decisions. American Society of Animal Science, v. 96, n. 4, p. 1531-1539.

Woodard, J. (2016). Big Data and Ag-Analytics An open source, open data platform for agricultural & environmental finance, insurance, and risk. Agricultural finance review, v. 76, n. 1, p. 15–26.

Young, L. J.; et al. (2018). Exploring a Big Data approach to building a list frame for urban agriculture: a pilot study in the city of Baltimore. Journal of Official Statistics, v. 34, n. 2, p. 323-340.

Yu, L. M.; et al. (2017). Construction and thoughts regarding national agricultural Big Data infrastructure. International Agricultural Engineering Journal, v. 26, p. 341-348.

Zhang, C. L.& Lui, Z. F. (2019). Application of big data technology in agricultural Internet of Things. International journal of distributed sensor networks, v. 15, n. 10.

Zilberman, D. (2019). Agricultural economics as a poster child of applied economics: Big Data & big issues. American Journal of Agricultural Economics, v. 101, n. 2, p. 353–364.

Downloads

Publicado

04.04.2022

Como Citar

Tamachiro, T. S. O., Oliveira, F. R. de, Gayer, J. A. C. A., Kleina, M., & Marques, M. A. M. (2022). Aplicações da tecnologia de big data na agricultura: uma revisão sistemática da literatura. Exacta, 20(2), 388–402. https://doi.org/10.5585/exactaep.2021.17765

Edição

v. 20 n. 2 (2022): (abr./jun.)

Seção

Artigos

Licença

Copyright (c) 2021 Exacta

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Autores que tiverem artigos aceitos para publicação na Revista Exacta concordam com os seguintes termos:

  • A Cessão dos Direitos Autorais da publicação do artigo à Revista Exacta;
  • Os autores que tiverem seus trabalhos aceitos e publicados na Revista Exacta estão sujeitos a Política de Direitos Autorais CC BY NC SA https://creativecommons.org/licenses/by-nc-sa/4.0/;
  • A publicação do artigo pela Revista Exacta, em caráter de exclusividade e em meio eletrônico;
  • A indexação do artigo em bases de dados nacionais e internacionais, diretórios, bibliotecas digitais e bases bibliométricas em que a Revista estiver e vir a estar indexada.