Eu sou Elias Mendes Costa, nascido em São Francisco, Minas Gerais, em 2 de novembro de 1989. Completei meu ensino fundamental em 2004, na Escola Estadual Sebastiana Pereira da Silva, localizada no Povoado Santana de Minas (Jiboia), São Francisco - MG, onde minha jornada educacional começou ainda no maternal. Em 2007, finalizei o ensino médio no Colégio Prisma, em Montes Claros, MG. Segui minha trajetória acadêmica ingressando, em 2008, no curso de Engenharia Agronômica na Universidade Federal Rural do Rio de Janeiro (UFRRJ), concluindo-o em 2013. Durante a graduação, participei de programas de Iniciação Científica (PROIC e AGRISUS) e exerci a função de monitor da disciplina de Física do Solo.
Prossegui meus estudos na UFRRJ, iniciando o mestrado no Programa de Pós-graduação em Agronomia - Ciência do Solo (PPGA-CS) em março de 2013, concluindo-o em fevereiro de 2015. Em 2016, ingressei no Curso de Especialização em Estatística Aplicada (latu sensu) na mesma instituição, finalizando-o em novembro de 2017. No mês seguinte, comecei o doutorado no PPGA-CS, concluído em fevereiro de 2019. Durante o doutorado, realizei um estágio no exterior, o Doutorado Sanduíche, de maio de 2017 a abril de 2018, no The James Hutton Institute, em Aberdeen, Escócia.
Entre abril de 2019 e junho de 2022, trabalhei como pesquisador de pós-doutorado em um projeto em parceria com a Petrobras, desenvolvendo pesquisas em mapeamento digital de solos nas áreas de produção de petróleo e gás na Amazônia e na Bahia. De maio de 2022 a novembro de 2023, atuei como analista de pesquisa e desenvolvimento na equipe de solos e fitotecnia do Instituto Goiano de Agricultura (IGA), onde desenvolvi pesquisas e tecnologias voltadas para as culturas de soja, milho, algodão e sorgo. De dezembro de 2023 a março de 2024, fui Pesquisador de Pós-Doutorado no Instituto Federal Goiano, no Polo de Inovação EMBRAPII, focando em pesquisa em agricultura digital e novas tecnologias.
Atualmente, ocupo a posição de Professor Adjunto no Instituto Federal do Tocantins - Campus Pedro Afonso, onde continuo a contribuir para o avanço da pesquisa e educação na área de agronomia.
Download do meu currículo.
Doutorado em Agronomia Ciência do Solo, 2012
Universidade Federal Rural do Rio de Janeiro
Especialização em Estatística Aplicada, 2017
Universidade Federal Rural do Rio de Janeiro
Mestrado em Agronomia Ciência do Solo, 2015
Universidade Federal Rural do Rio de Janeiro
Bacharelado em Agronomia, 2013
Universidade Federal Rural do Rio de Janeiro
70%
80%
10%
90%
20%
80%
O projeto “Machine learning e Drones no controle de mariposas em grandes culturas” representa uma colaboração inovadora entre o laboratório de Agricultura Preditiva (Sapfly) e diversos parceiros agrícolas para a implementação de uma abordagem tecnológica avançada no controle de mariposas em grandes culturas. Utilizando drones e técnicas de machine learning, o projeto visa otimizar a aplicação de chamarizes e inseticidas, reduzindo os danos causados por pragas em culturas significativas como soja e milho safrinha.
Principais atribuições:
O IGA tem como missão realizar pesquisas agrícolas com qualidade e credibilidade, segundo a demanda dos produtores e parceiros, validando e transferindo tecnologias para fortalecer a agricultura de forma sustentável no Estado de Goiás e no Brasil.
Principais atribuições:
O projeto é uma parceria entre UFRRJ e Petrobras para mapeamento de tipos e atributos do solo bem como avaliação da aptidão das terras nos campos de exploração da Petrobras na Bahia.
Principais atribuições:
Desenvolvimento de projeto de pesquisa intitulado: “Caracterização de solos e avaliação da vulnerabilidade de ambientes no Parque Nacional de Itatiaia”. O projeto tem como objetivo a aplicação das modernas técnicas de mapeamento digital de solo para predição de atributos e tipos de solo, bem como a avaliação da vulnerabilidade ambiental usando uma abordagem participativa no Paque Nacional de Itatiaia.
Principais atribuições:
Desenvolvimento de projeto de pesquisa intitulado: “Mapeamento Digital de Solos por Regressão Logística Múltipla em Ambiente de Mar de Morros, Pinheiral-RJ”, que teve por objetivo avaliar a eficiência do algoritmo de classificação “Regressão Logística” em predizer tipos de solos em uma área geomorfologicamente complexa.
Principais atribuições:
The PPA demonstrates relevance in the teaching-learning process of soil mapping. Combination of data-driven and expert knowledge methods are advised for future courses. Soil mapping using new tools involves multidisciplinary knowledge. This course can serve as a guide to meet the needs of PronaSolos
DSM tools are useful for soil sampling and mapping in areas with limited access. Non-linear models are more effective to map soil properties than linear models. GAM_scorpan model can improve soil properties predictions. GAM smooth functions can successfully map soil properties in 3-D. The high functionality of 2-D and 3-D maps benefits decision-makers.
The objective of this work was to use information on soils, land use/cover, climate, relief and parent material to create a BBN for analysing environmental vulnerability.
The results of this modelling exercise can be further used for environmental models, such as vulnerability risk assessment.
The study was developed by Elias Mendes Costa, Alessandro Samuel-Rosa, and Lúcia Helena Cunha dos Anjos as part of the Master Thesis of Elias Mendes Costa presented before the Post-Graduate Course in Agronomy-Soil Science of the Federal Rural University of Rio de Janeiro on 26 February 2015.
The study was developed by Elias Mendes Costa, Wagner de Souza Tassinari, Helena Saraiva Koenow Pinheiro, Sidinei Julio Beutler and Lúcia Helena Cunha dos Anjos as part of the Master Thesis of Elias Mendes Costa presented before the technical course in statistics at Federal Rural University of Rio de Janeiro on July 2017.