Rodrigues, Gonçalo Pereira Fernandes CaleiaNúncio, Maria da Assunção Oliveira Tropa de BarahonaRibeiro, Isabel Brutt Pacheco Vicente2025-04-032025-04-032024-12-30Núncio, M.A.O.T.B. Análise crítica ao protocolo de acompanhamento do ciclo fenológico da oliveira para previsão da produtividade. Lisboa: ISA, 2024, 85 p. Dissertação de Mestradohttp://hdl.handle.net/10400.5/99993Mestrado em Engenharia Agronómica / Instituto Superior de Agronomia, Universidade de LisboaO protocolo apresentado foi desenvolvido pelo departamento de I+D da Nutrifarms, com o objetivo de aprofundar o conhecimento acerca do ciclo da oliveira e criar um modelo preditivo de produtividade. O objetivo é ampliar a compreensão do ciclo fenológico e estimar a produção à data de colheita, através da criação de um modelo preditivo, com base em dados recolhidos por meio de contagens de gomos, inflorescências e frutos, realizadas em 3 momentos fenológicos. Este relatório centra-se na análise crítica da viabilidade do protocolo para a criação de um modelo preditivo, com a apresentação de propostas de melhoria, já que o protocolo original parece não permitir a criação de um modelo sólido que cumpra o seu objetivo final, devido às lacunas e incoerências. O protocolo prometia avaliar o potencial produtivo em três momentos do ciclo, utilizando quatro métodos diferentes, permitindo assim identificar o melhor momento para validar as estimativas de produtividade e criar um modelo matemático de previsão de produção. As recolhas de dados foram efetuadas durante o estágio, entre 27 de fevereiro e 20 de outubro de 2023, nas herdades da Nutrifarms, localizadas nos distritos de Beja e Portalegre, em Portugal. Após a execução do protocolo original, foi possível identificar lacunas que o tornam complexo e incoerente. São sugeridas melhorias para o protocolo inicial, já que, apesar de não ser válido na sua forma original para aferir a produtividade, pode ser melhorado. Entre as principais lacunas, destacam-se a dimensão da amostra, ambiguidade no momento de contagem, ausência de critérios para seleção de parcelas, erros de observação e outros obstáculos à construção de um modelo preditivo. Constatou-se ainda a falta de histórico e incoerência na recolha de dados, além da escassez de bibliografia que suporte o protocolo. Assim, conclui-se que é essencial inovar, propondo a introdução de sistemas baseados em algoritmos de inteligência artificial e câmaras que permitam a contabilização e processamento dos dados.The protocol presented was developed by Nutrifarms' R&D department with the aim of deepening our knowledge of the olive tree cycle and creating a predictive yield model. The aim is to broaden understanding of the phenological cycle and estimate production at harvest time by creating a predictive model based on data collected by counting buds, inflorescences and fruit at three phenological moments. This report focuses on critically analysing the feasibility of the protocol for creating a predictive model, with proposals for improvement, since the original protocol does not seem to allow for the creation of a solid model that fulfils its final objective, due to its gaps and inconsistencies. The protocol promised to assess production potential at three points in the cycle, using four different methods, thus enabling the best time to validate productivity estimates to be identified and a mathematical production forecasting model to be created. The data was collected during the internship, between 27 February and 20 October 2023, on Nutrifarms' farms, located in the districts of Beja and Portalegre in Portugal. After carrying out the original protocol, it was possible to identify gaps that make it complex and incoherent. Improvements to the initial protocol are suggested, as although it is not valid in its original form for measuring productivity, it can be improved. The main shortcomings include the size of the sample, ambiguity when counting, lack of criteria for selecting plots, observation errors and other obstacles to building a predictive model. There was also a lack of history and inconsistency in data collection, as well as a shortage of bibliography to support the protocol. The conclusion is that it is essential to innovate by proposing the introduction of systems based on artificial intelligence algorithms and cameras that allow data to be recorded and processed.porolival em sebeestados fenológicosmodelo preditivoprevisão de produtividadehedgerow olive grovesphenological stagespredictive modelyield predictionmaster thesis203924428