Descrição
O perfil sensorial da bebida do café resulta da interação entre o material genético, os atributos do ambiente em que está inserido, o manejo e as práticas pós-colheita. O desdobramento dessa interação complexa tem sido explorado por meio de técnicas de aprendizado de máquina e sistemas de informações geográficas. Assim, o presente trabalho tem como objetivo extrair dados ambientais de propriedades participantes de concurso de qualidade de cafés, capitaneado pela Emater, para o estado de Minas Gerais e estratificar os pedoambientes de acordo com as notas sensoriais mais frequentes. Assim, utilizou-se 400 amostras com resultados de nota sensorial produzidos em diferentes regiões de Minas Gerais, selecionando-se aquelas cuja frequência fosse superior a 1, todas devidamente georreferenciadas. A partir desses pontos, foram extraídos em sistema de informações geográficas dados digitais, gratuitamente disponíveis ou pós-processados de clima (classificação climática de Köppen), relevo (altitude e declividade), solos (classes e grau de intemperismo), pós-colheita (tipo de secagem) e cultivares. Os dados numéricos foram categorizados conforme a literatura. Com os dados discretizados, aplicou-se o algoritmo de aprendizado de máquina Apriori que gera regras de associação do tipo ‘Se-então’. Nessa estrutura, o antecedente (se) corresponde as variáveis preditoras ambientais, de secagem e cultivar, enquanto o consequente (então) representa as notas sensoriais. Para a validação dos dados, utilizou-se o grau de confiança, considerando que valores mais próximos de 100% indicam melhor desempenho. Os resultados mostraram que, em clima Aw, com altitude entre 800–1000 m, declividade ondulada, Latossolo Vermelho distrófico e secagem natural, a probabilidade de ocorrência da nota sensorial licorosa foi de 75%. Já em clima Aw, em altitudes de 1000–1200 m, em áreas de Neossolo Litólico distrófico e com secagem natural, a probabilidade de ocorrência da nota de rapadura foi de 67%. O uso da técnica de associação permitiu identificar padrões entre pedoambiente e perfil sensorial do café em escala regional, possibilitando a rastreabilidade de bebidas de qualidade em Minas Gerais.
Palavras-chave: pedologia aplicada, cafeicultura, aprendizado de máquinas, sistema de informações geográficas.
Agradecimentos: Os autores agradecem a CNPq, Emater e a Fapesp no projeto #2021/06968-3
| Selecione a modalidade do seu trabalho | Resumo Simples |
|---|
