Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão

Detalhes bibliográficos
Autor(a) principal: Silva, Ramon de Souza Victorino da
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRRJ
Texto Completo: https://rima.ufrrj.br/jspui/handle/20.500.14407/13268
Resumo: O objetivo geral deste projeto foi desenvolver um classificador estatístico com base em algoritmos utilizando o teorema bayesianos para predição de doses de nitrogênio aplicadas ao solo, através de imagens multiespectrais de baixo custo em pastagens de Tifton85 A partir de informações obtidas nessas imagens foram calculados os índices espectrais, os quais foram utilizados em um vetor de características para discriminar níveis de N aplicados ao solo. A pesquisa foi desenvolvida na Universidade Federal Rural do Rio de Janeiro, Departamento de Engenharia, Área de Máquinas e Energia na Agricultura. Os dados foram obtidos de um experimento instalado no campo de produção da Empresa Feno Rio Agro LTDA, parceira do projeto. As imagens foram adquiridas em 2 momentos uma após 36 dias decorrentes ao corte de uniformização da cultura utilizando um VANT (Veículo Aéreo Não Tripulado) e aos 7, 14, 21, 28, 35, 42, 56 dias utilizando uma plataforma de captação de imagens de um experimento com 6 parcelas contendo respectivamente os tratamentos (0, 50, 100, 150, 200 e 250 kg ha -¹ de N), as análises estatísticas foram realizadas no programa computacional SAS versão estudante, utilizando o procedimento PROCDISCRIM. Determinou-se funções discriminantes para cada dose de nitrogênio, utilizando-se como vetores de características os índices de vegetação (NDVI, GNIR, SAVI, GNDVI, RNIR). Essas funções discriminantes foram testadas em um classificador bayesiano, sendo que a maior acurácia de classificação foi utilizando os índices de vegetação em conjunto obtendo um coeficiente Kappa e a exatidão global de 83% e 80%, respectivamente. Os resultados indicam que imagens multiespectrais de baixo custo podem ser utilizadas para desenvolver classificadores de doses de nitrogênio aplicadas ao solo. Esses classificadores poderão ser aplicados em algoritmos computacionais em sistemas de controle de máquinas agrícolas para aplicação de fertilizantes a taxas variáveis em agricultura de precisão.
id UFRRJ-1_b80915988fd70e01b43beff6a7713a27
oai_identifier_str oai:rima.ufrrj.br:20.500.14407/13268
network_acronym_str UFRRJ-1
network_name_str Repositório Institucional da UFRRJ
repository_id_str
spelling Silva, Ramon de Souza Victorino daVarella, Carlos Alberto Alves523.171.617-60http://lattes.cnpq.br/3554979017160373Delgado, Rafael CollZonta, EveraldoPinto, Francisco de Assis de Carvalho114.718.417-82http://lattes.cnpq.br/97540923348734022023-12-22T02:45:03Z2023-12-22T02:45:03Z2016-02-18Silva, Ramon de Souza Victorino da. Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão. 2016. [51 folhas]. Dissertação( PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA E AMBIENTAL) - Universidade Federal Rural do Rio de Janeiro, [Seropédica, Rio de Janeiro] .https://rima.ufrrj.br/jspui/handle/20.500.14407/13268O objetivo geral deste projeto foi desenvolver um classificador estatístico com base em algoritmos utilizando o teorema bayesianos para predição de doses de nitrogênio aplicadas ao solo, através de imagens multiespectrais de baixo custo em pastagens de Tifton85 A partir de informações obtidas nessas imagens foram calculados os índices espectrais, os quais foram utilizados em um vetor de características para discriminar níveis de N aplicados ao solo. A pesquisa foi desenvolvida na Universidade Federal Rural do Rio de Janeiro, Departamento de Engenharia, Área de Máquinas e Energia na Agricultura. Os dados foram obtidos de um experimento instalado no campo de produção da Empresa Feno Rio Agro LTDA, parceira do projeto. As imagens foram adquiridas em 2 momentos uma após 36 dias decorrentes ao corte de uniformização da cultura utilizando um VANT (Veículo Aéreo Não Tripulado) e aos 7, 14, 21, 28, 35, 42, 56 dias utilizando uma plataforma de captação de imagens de um experimento com 6 parcelas contendo respectivamente os tratamentos (0, 50, 100, 150, 200 e 250 kg ha -¹ de N), as análises estatísticas foram realizadas no programa computacional SAS versão estudante, utilizando o procedimento PROCDISCRIM. Determinou-se funções discriminantes para cada dose de nitrogênio, utilizando-se como vetores de características os índices de vegetação (NDVI, GNIR, SAVI, GNDVI, RNIR). Essas funções discriminantes foram testadas em um classificador bayesiano, sendo que a maior acurácia de classificação foi utilizando os índices de vegetação em conjunto obtendo um coeficiente Kappa e a exatidão global de 83% e 80%, respectivamente. Os resultados indicam que imagens multiespectrais de baixo custo podem ser utilizadas para desenvolver classificadores de doses de nitrogênio aplicadas ao solo. Esses classificadores poderão ser aplicados em algoritmos computacionais em sistemas de controle de máquinas agrícolas para aplicação de fertilizantes a taxas variáveis em agricultura de precisão.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.The aim of this project was to develop a statistical classifier based on algorithms using Bayesian theorem for prediction of nitrogen applied to the soil using low cost multispectral images Tifton85 pastures From information obtained from these images the indexes were calculated spectrum, which was used in a feature vector for discriminating N levels applied to the soil. The research was developed in the Rural Federal University of Rio de Janeiro, Department of Engineering, Machinery Area and Energy in Agriculture. The data were obtained from an experiment installed in the production area of Company Feno Rio Agro LTDA, partner in the project. Images were acquired in 2 times one after 36 days due to the cutting standardization of culture using a UAV (Unmanned Aerial Vehicle) and at 7, 14, 21, 28, 35, 42, 56 days using an imaging platform an experiment with 6 portions 250m2 (10x25m) containing respectively the treatments (0, 50, 100, 150, 200 and 250 kg ha-¹ N), statistical analyzes were performed the computer program SAS version student using PROCDISCRIM procedure. It was determined discriminant functions for each dose of nitrogen, using as feature vectors vegetation indices (NDVI, GNIR, SAVI, GNDVI, RNIR). These discriminant functions were tested in a Bayesian classifier, and the highest accuracies were using vegetation indices together getting a Kappa coefficient and overall accuracy of 83% and 80%, respectively. The results indicate that low cost multispectral images can be used to develop classifiers of nitrogen applied to the soil. These binders may be applied in computational algorithms in agricultural machinery control systems for fertilizer application at variable rates in precision agriculture.application/pdfporUniversidade Federal Rural do Rio de JaneiroPrograma de Pós-Graduação em Engenharia Agrícola e AmbientalUFRRJBrasilInstituto de TecnologiaNitrogen FertilizersNitrogenPrecision FarmingMultispectral ImagesFertilizantes NitrogenadosNitrogênioagricultura de precisãoimagens multiespectraisCiências AgráriasUso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de PrecisãoLow-cost multispectral images used to sort N levels applied to the soil in Precision Agriculture.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisBAESSO, M.; PINTO, F. A. C., QUEIROZ, D. M.; VIEIRA, L.B.; Alves, E. A. Determinação do "status" nutricional de nitrogênio no feijoeiro utilizando imagens digitais coloridas. Engenharia Agrícola, 27(2), 520-528, 2007 BAUSH, W. C.; DUKE, H. R. Remote sensing of plant nitrogen status in corn. Transactions of the ASAE, v. 39, n. 5, p. 1869-1875, 1996. < http://dx.doi.org/10.13031/2013.27665 > BOTTEGA, E. L. et al. Variabilidade espacial de atributos do solo em sistema de semeadura direta com rotação de culturas no cerrado brasileiro. Ciência Agronômica, Fortaleza, v. 44, n. 1, p. 1-9, jan. 2013. CONGALTON, RUSSELL G.; MEAD, ROY A. A review of three discrete multivariate analysis techniques used in assessing the accuracy of remotely sensed data from error matrices. Geoscience and Remote Sensing, IEEE Transactions on, n. 1, p. 169-174, 1986. DURO, DENNIS C.; FRANKLIN, STEVEN E.; DUBÉ, MONIQUE G. A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural lan dscapes using SPOT-5 HRG imagery. Remote Sensing of Environment, v. 118, p. 259-272, 2012. OLIVEIRA, M. A., et al. . Análise de crescimento do capim-bermuda ‘Tifton 85’(Cynodon spp.). Rev. bras. zootec, 29(6), pag.1930-1938. 2000. FALKER, Automação agrícola. Manual do medidor eletrônico de teor clorofila. (ClorofiLOG/CFL 1030). Porto Alegre, 33p. 2008. GITELSON, A.A., Y.J. KAUFMAN, AND M.N. MERZLYAK, 1996. Use of a green channel in remote sensing of global vegetation from EOS-MODIS, Remote Sens. Environment, v.58, n3, p.289-298, 1996. < http://dx.doi.org/10.1016/S0034-4257(96)00072-7 > GOMIDE, C.A.M., GOMIDE, J.A. Morfogênese e análise decrescimento de cultivares de Panicum maximum. In:REUNIÃO ANUAL DA SOCIEDADE BRASILEIRADE ZOOTECNIA, 33, 1996, Fortaleza. Anais.Fortaleza:SBZ, 1996. p.403-405. GUIJARRO, M; RIOMOROS, I; PAJARES; G; ZITINSKI; P. Discrete wavelets transform for improving greenness image segmentation in agricultural imagens; Computers and Electronics in Agriculture, Volume 118, Pages 396-407, 2015. HUETE, A. R. A soil-adjusted vegetation index (SAVI). Remote sensing of environment, v. 25, n. 3, p. 295-309, 1988. < http://dx.doi.org/10.1016/0034-4257(88)90106-X > JUNIOR, E. B. et al. Um novo clorofilômetro para estimar os teores de clorofila em folhas do capim Tifton 85. Ciência Rural, v. 42, n. 12, p. 2241-2245, 2012. 48 JOHNSON, R. A.; WICHERN, D. W.; Applied Multivariate statistical analysis, 4. ed., Rio de Janeiro: Prentice-Hall, 816 p,1999. LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, United States, v. 33, n. 1, p. 159-174, 1997. LI, HELI et al. Variations in crop variables within wheat canopies and responses of canopy spectral characteristics and derived vegetation indices to different vertical leaf layers and spikes. Remote Sensing of Environment, v. 169, p. 358-374, 2015. MATHWORKS. Image Processing Toolbox for use with MATLAB Release 12. Image Processing Toolbox User's Guide Revised for Version 2.2.2, 511p. Massachusetts, 2000. NIJLAND, W., DE JONG, R., DE JONG, S. M., WULDER, M. A., BATER, C. W., & COOPS, N. C. (2014). Monitoring plant condition and phenology using infrared sensitive consumer grade digital cameras. Agricultural and Forest Meteorology, 184, 98-106. PREMAZZI, L.M.; MONTEIRO, F.A. Produção do capim– Tifton 85 submetido a doses e épocas de aplicação de nitrogênio após o corte. Boletim da Indústria Animal, v.59, n.1, p.1- 16, 2002. ROUSE JR, J.W. et al. Monitoring vegetation systems in the Great Plains with ERTS. NASA special publication, v. 351, p. 309, 1974. RICHARDSON, A.D., BRASWELL, B.H., HOLLINGER, D.Y., JENKINS, J.P., OLLINGER, S.V..Near-surface remote sensing of spatial and temporal variation in canopy phenology. Ecol. Appl. 19, 1417–1428. 2009. SANTOS, M.E.R.; FONSECA, D.M.; BALBINO, E.M. et al. Capim-braquiária diferido e adubado com nitrogênio: produção e características da forragem. Rev. Bras. Zootec., v.38, p.650-656, 2009 SILVA JUNIOR, Mário C. da et al . Using an aerial system of remote sensing to detect different nutritional status in Brachiaria decumbens. Eng. Agríc. Jaboticabal , v. 33, n. 5, p. 1049-1062,2013.< http://dx.doi.org/10.1590/S0100-69162013000500016.> SILVA, R.; VALÉRIA M. M. et al. Uso de clorofilometro na avaliação da adubação nitrogenada e potássica no capim Tifton 85. Revista Brasileira de Saúde e Produção Animal, v. 12, n. 3, 2011. TEDESCO, J.M., GIANELLO, C., BISSANI, C.A., BOHNEN, H., VOLKWEISS, S.J.Análise de Solo, Plantas e outros materiais. . UFRGS, Porto Alegre, Brazil. 1995 VARELLA, C. A. A.; PINTO, F. A. C.; QUEIROZ., D. M. ; SENA J., DARLY G. de. Determinação da cobertura do solo por análise de imagens e redes neurais. Rev. Bras. Eng. Agríc. Ambient, vol.6, n.2, pp. 225-229, 2002 ISSN 1807-1929. http://dx.doi.org/10.1590/S1415-43662002000200007. WIEGAND, C. L. et al. Vegetation indices in crop assessments. Remote Sensing of Environment, v. 35, n. 2, p. 105-119, 1991. < http://dx.doi.org/10.1016/0034-4257(91)90004P > ZHANG, Y.; SLAUGHTER, D. C. Hyperspectral species mapping for automatic weed control in tomato under thermal environmental stress.Computers and electronics in agriculture, v. 77, n. 1, p. 95-104, 2011.https://tede.ufrrj.br/retrieve/6041/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/retrieve/20824/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/retrieve/27185/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/retrieve/33570/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/retrieve/40008/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/retrieve/46404/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/retrieve/52760/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/retrieve/59234/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpghttps://tede.ufrrj.br/jspui/handle/jspui/2198Submitted by Sandra Pereira (srpereira@ufrrj.br) on 2018-02-09T11:41:07Z No. of bitstreams: 1 2016 - Ramon de Souza Victorino da Silva.pdf: 1815548 bytes, checksum: d38cb3bc107f782e4c75f4e66118d838 (MD5)Made available in DSpace on 2018-02-09T11:41:07Z (GMT). No. of bitstreams: 1 2016 - Ramon de Souza Victorino da Silva.pdf: 1815548 bytes, checksum: d38cb3bc107f782e4c75f4e66118d838 (MD5) Previous issue date: 2016-02-18info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRRJinstname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)instacron:UFRRJTHUMBNAIL2016 - Ramon de Souza Victorino da Silva.pdf.jpgGenerated Thumbnailimage/jpeg1943https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/1/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpgcc73c4c239a4c332d642ba1e7c7a9fb2MD51TEXT2016 - Ramon de Souza Victorino da Silva.pdf.txtExtracted Texttext/plain114028https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/2/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.txt0dcc7d1a1d5eb89c8c3cb51e1f2770d8MD52ORIGINAL2016 - Ramon de Souza Victorino da Silva.pdfRamon de Souza Victorino da Silvaapplication/pdf1815548https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/3/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdfd38cb3bc107f782e4c75f4e66118d838MD53LICENSElicense.txttext/plain2089https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/4/license.txt7b5ba3d2445355f386edab96125d42b7MD5420.500.14407/132682023-12-21 23:45:03.177oai:rima.ufrrj.br:20.500.14407/13268Tk9UQTogQ09MT1FVRSBBUVVJIEEgU1VBIFBSP1BSSUEgTElDRU4/QQpFc3RhIGxpY2VuP2EgZGUgZXhlbXBsbyA/IGZvcm5lY2lkYSBhcGVuYXMgcGFyYSBmaW5zIGluZm9ybWF0aXZvcy4KCkxJQ0VOP0EgREUgRElTVFJJQlVJPz9PIE4/Ty1FWENMVVNJVkEKCkNvbSBhIGFwcmVzZW50YT8/byBkZXN0YSBsaWNlbj9hLCB2b2M/IChvIGF1dG9yIChlcykgb3UgbyB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvcikgY29uY2VkZSA/IFVuaXZlcnNpZGFkZSAKWFhYIChTaWdsYSBkYSBVbml2ZXJzaWRhZGUpIG8gZGlyZWl0byBuP28tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsICB0cmFkdXppciAoY29uZm9ybWUgZGVmaW5pZG8gYWJhaXhvKSwgZS9vdSAKZGlzdHJpYnVpciBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhPz9vIChpbmNsdWluZG8gbyByZXN1bW8pIHBvciB0b2RvIG8gbXVuZG8gbm8gZm9ybWF0byBpbXByZXNzbyBlIGVsZXRyP25pY28gZSAKZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zID91ZGlvIG91IHY/ZGVvLgoKVm9jPyBjb25jb3JkYSBxdWUgYSBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgcG9kZSwgc2VtIGFsdGVyYXIgbyBjb250ZT9kbywgdHJhbnNwb3IgYSBzdWEgdGVzZSBvdSBkaXNzZXJ0YT8/byAKcGFyYSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gcGFyYSBmaW5zIGRlIHByZXNlcnZhPz9vLgoKVm9jPyB0YW1iP20gY29uY29yZGEgcXVlIGEgU2lnbGEgZGUgVW5pdmVyc2lkYWRlIHBvZGUgbWFudGVyIG1haXMgZGUgdW1hIGM/cGlhIGEgc3VhIHRlc2Ugb3UgCmRpc3NlcnRhPz9vIHBhcmEgZmlucyBkZSBzZWd1cmFuP2EsIGJhY2stdXAgZSBwcmVzZXJ2YT8/by4KClZvYz8gZGVjbGFyYSBxdWUgYSBzdWEgdGVzZSBvdSBkaXNzZXJ0YT8/byA/IG9yaWdpbmFsIGUgcXVlIHZvYz8gdGVtIG8gcG9kZXIgZGUgY29uY2VkZXIgb3MgZGlyZWl0b3MgY29udGlkb3MgCm5lc3RhIGxpY2VuP2EuIFZvYz8gdGFtYj9tIGRlY2xhcmEgcXVlIG8gZGVwP3NpdG8gZGEgc3VhIHRlc2Ugb3UgZGlzc2VydGE/P28gbj9vLCBxdWUgc2VqYSBkZSBzZXUgCmNvbmhlY2ltZW50bywgaW5mcmluZ2UgZGlyZWl0b3MgYXV0b3JhaXMgZGUgbmluZ3U/bS4KCkNhc28gYSBzdWEgdGVzZSBvdSBkaXNzZXJ0YT8/byBjb250ZW5oYSBtYXRlcmlhbCBxdWUgdm9jPyBuP28gcG9zc3VpIGEgdGl0dWxhcmlkYWRlIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgdm9jPyAKZGVjbGFyYSBxdWUgb2J0ZXZlIGEgcGVybWlzcz9vIGlycmVzdHJpdGEgZG8gZGV0ZW50b3IgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIHBhcmEgY29uY2VkZXIgPyBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgCm9zIGRpcmVpdG9zIGFwcmVzZW50YWRvcyBuZXN0YSBsaWNlbj9hLCBlIHF1ZSBlc3NlIG1hdGVyaWFsIGRlIHByb3ByaWVkYWRlIGRlIHRlcmNlaXJvcyBlc3Q/IGNsYXJhbWVudGUgCmlkZW50aWZpY2FkbyBlIHJlY29uaGVjaWRvIG5vIHRleHRvIG91IG5vIGNvbnRlP2RvIGRhIHRlc2Ugb3UgZGlzc2VydGE/P28gb3JhIGRlcG9zaXRhZGEuCgpDQVNPIEEgVEVTRSBPVSBESVNTRVJUQT8/TyBPUkEgREVQT1NJVEFEQSBURU5IQSBTSURPIFJFU1VMVEFETyBERSBVTSBQQVRST0M/TklPIE9VIApBUE9JTyBERSBVTUEgQUc/TkNJQSBERSBGT01FTlRPIE9VIE9VVFJPIE9SR0FOSVNNTyBRVUUgTj9PIFNFSkEgQSBTSUdMQSBERSAKVU5JVkVSU0lEQURFLCBWT0M/IERFQ0xBUkEgUVVFIFJFU1BFSVRPVSBUT0RPUyBFIFFVQUlTUVVFUiBESVJFSVRPUyBERSBSRVZJUz9PIENPTU8gClRBTUI/TSBBUyBERU1BSVMgT0JSSUdBPz9FUyBFWElHSURBUyBQT1IgQ09OVFJBVE8gT1UgQUNPUkRPLgoKQSBTaWdsYSBkZSBVbml2ZXJzaWRhZGUgc2UgY29tcHJvbWV0ZSBhIGlkZW50aWZpY2FyIGNsYXJhbWVudGUgbyBzZXUgbm9tZSAocykgb3UgbyhzKSBub21lKHMpIGRvKHMpIApkZXRlbnRvcihlcykgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRhIHRlc2Ugb3UgZGlzc2VydGE/P28sIGUgbj9vIGZhcj8gcXVhbHF1ZXIgYWx0ZXJhPz9vLCBhbD9tIGRhcXVlbGFzIApjb25jZWRpZGFzIHBvciBlc3RhIGxpY2VuP2EuCg==Biblioteca Digital de Teses e Dissertaçõeshttps://tede.ufrrj.br/PUBhttps://tede.ufrrj.br/oai/requestbibliot@ufrrj.br||bibliot@ufrrj.bropendoar:2023-12-22T02:45:03Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)false
dc.title.por.fl_str_mv Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
dc.title.alternative.eng.fl_str_mv Low-cost multispectral images used to sort N levels applied to the soil in Precision Agriculture.
title Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
spellingShingle Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
Silva, Ramon de Souza Victorino da
Nitrogen Fertilizers
Nitrogen
Precision Farming
Multispectral Images
Fertilizantes Nitrogenados
Nitrogênio
agricultura de precisão
imagens multiespectrais
Ciências Agrárias
title_short Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
title_full Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
title_fullStr Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
title_full_unstemmed Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
title_sort Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão
author Silva, Ramon de Souza Victorino da
author_facet Silva, Ramon de Souza Victorino da
author_role author
dc.contributor.author.fl_str_mv Silva, Ramon de Souza Victorino da
dc.contributor.advisor1.fl_str_mv Varella, Carlos Alberto Alves
dc.contributor.advisor1ID.fl_str_mv 523.171.617-60
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/3554979017160373
dc.contributor.advisor-co1.fl_str_mv Delgado, Rafael Coll
dc.contributor.referee1.fl_str_mv Zonta, Everaldo
dc.contributor.referee2.fl_str_mv Pinto, Francisco de Assis de Carvalho
dc.contributor.authorID.fl_str_mv 114.718.417-82
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/9754092334873402
contributor_str_mv Varella, Carlos Alberto Alves
Delgado, Rafael Coll
Zonta, Everaldo
Pinto, Francisco de Assis de Carvalho
dc.subject.eng.fl_str_mv Nitrogen Fertilizers
Nitrogen
Precision Farming
Multispectral Images
topic Nitrogen Fertilizers
Nitrogen
Precision Farming
Multispectral Images
Fertilizantes Nitrogenados
Nitrogênio
agricultura de precisão
imagens multiespectrais
Ciências Agrárias
dc.subject.por.fl_str_mv Fertilizantes Nitrogenados
Nitrogênio
agricultura de precisão
imagens multiespectrais
dc.subject.cnpq.fl_str_mv Ciências Agrárias
description O objetivo geral deste projeto foi desenvolver um classificador estatístico com base em algoritmos utilizando o teorema bayesianos para predição de doses de nitrogênio aplicadas ao solo, através de imagens multiespectrais de baixo custo em pastagens de Tifton85 A partir de informações obtidas nessas imagens foram calculados os índices espectrais, os quais foram utilizados em um vetor de características para discriminar níveis de N aplicados ao solo. A pesquisa foi desenvolvida na Universidade Federal Rural do Rio de Janeiro, Departamento de Engenharia, Área de Máquinas e Energia na Agricultura. Os dados foram obtidos de um experimento instalado no campo de produção da Empresa Feno Rio Agro LTDA, parceira do projeto. As imagens foram adquiridas em 2 momentos uma após 36 dias decorrentes ao corte de uniformização da cultura utilizando um VANT (Veículo Aéreo Não Tripulado) e aos 7, 14, 21, 28, 35, 42, 56 dias utilizando uma plataforma de captação de imagens de um experimento com 6 parcelas contendo respectivamente os tratamentos (0, 50, 100, 150, 200 e 250 kg ha -¹ de N), as análises estatísticas foram realizadas no programa computacional SAS versão estudante, utilizando o procedimento PROCDISCRIM. Determinou-se funções discriminantes para cada dose de nitrogênio, utilizando-se como vetores de características os índices de vegetação (NDVI, GNIR, SAVI, GNDVI, RNIR). Essas funções discriminantes foram testadas em um classificador bayesiano, sendo que a maior acurácia de classificação foi utilizando os índices de vegetação em conjunto obtendo um coeficiente Kappa e a exatidão global de 83% e 80%, respectivamente. Os resultados indicam que imagens multiespectrais de baixo custo podem ser utilizadas para desenvolver classificadores de doses de nitrogênio aplicadas ao solo. Esses classificadores poderão ser aplicados em algoritmos computacionais em sistemas de controle de máquinas agrícolas para aplicação de fertilizantes a taxas variáveis em agricultura de precisão.
publishDate 2016
dc.date.issued.fl_str_mv 2016-02-18
dc.date.accessioned.fl_str_mv 2023-12-22T02:45:03Z
dc.date.available.fl_str_mv 2023-12-22T02:45:03Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv Silva, Ramon de Souza Victorino da. Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão. 2016. [51 folhas]. Dissertação( PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA E AMBIENTAL) - Universidade Federal Rural do Rio de Janeiro, [Seropédica, Rio de Janeiro] .
dc.identifier.uri.fl_str_mv https://rima.ufrrj.br/jspui/handle/20.500.14407/13268
identifier_str_mv Silva, Ramon de Souza Victorino da. Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em Agricultura de Precisão. 2016. [51 folhas]. Dissertação( PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA E AMBIENTAL) - Universidade Federal Rural do Rio de Janeiro, [Seropédica, Rio de Janeiro] .
url https://rima.ufrrj.br/jspui/handle/20.500.14407/13268
dc.language.iso.fl_str_mv por
language por
dc.relation.references.por.fl_str_mv BAESSO, M.; PINTO, F. A. C., QUEIROZ, D. M.; VIEIRA, L.B.; Alves, E. A. Determinação do "status" nutricional de nitrogênio no feijoeiro utilizando imagens digitais coloridas. Engenharia Agrícola, 27(2), 520-528, 2007 BAUSH, W. C.; DUKE, H. R. Remote sensing of plant nitrogen status in corn. Transactions of the ASAE, v. 39, n. 5, p. 1869-1875, 1996. < http://dx.doi.org/10.13031/2013.27665 > BOTTEGA, E. L. et al. Variabilidade espacial de atributos do solo em sistema de semeadura direta com rotação de culturas no cerrado brasileiro. Ciência Agronômica, Fortaleza, v. 44, n. 1, p. 1-9, jan. 2013. CONGALTON, RUSSELL G.; MEAD, ROY A. A review of three discrete multivariate analysis techniques used in assessing the accuracy of remotely sensed data from error matrices. Geoscience and Remote Sensing, IEEE Transactions on, n. 1, p. 169-174, 1986. DURO, DENNIS C.; FRANKLIN, STEVEN E.; DUBÉ, MONIQUE G. A comparison of pixel-based and object-based image analysis with selected machine learning algorithms for the classification of agricultural lan dscapes using SPOT-5 HRG imagery. Remote Sensing of Environment, v. 118, p. 259-272, 2012. OLIVEIRA, M. A., et al. . Análise de crescimento do capim-bermuda ‘Tifton 85’(Cynodon spp.). Rev. bras. zootec, 29(6), pag.1930-1938. 2000. FALKER, Automação agrícola. Manual do medidor eletrônico de teor clorofila. (ClorofiLOG/CFL 1030). Porto Alegre, 33p. 2008. GITELSON, A.A., Y.J. KAUFMAN, AND M.N. MERZLYAK, 1996. Use of a green channel in remote sensing of global vegetation from EOS-MODIS, Remote Sens. Environment, v.58, n3, p.289-298, 1996. < http://dx.doi.org/10.1016/S0034-4257(96)00072-7 > GOMIDE, C.A.M., GOMIDE, J.A. Morfogênese e análise decrescimento de cultivares de Panicum maximum. In:REUNIÃO ANUAL DA SOCIEDADE BRASILEIRADE ZOOTECNIA, 33, 1996, Fortaleza. Anais.Fortaleza:SBZ, 1996. p.403-405. GUIJARRO, M; RIOMOROS, I; PAJARES; G; ZITINSKI; P. Discrete wavelets transform for improving greenness image segmentation in agricultural imagens; Computers and Electronics in Agriculture, Volume 118, Pages 396-407, 2015. HUETE, A. R. A soil-adjusted vegetation index (SAVI). Remote sensing of environment, v. 25, n. 3, p. 295-309, 1988. < http://dx.doi.org/10.1016/0034-4257(88)90106-X > JUNIOR, E. B. et al. Um novo clorofilômetro para estimar os teores de clorofila em folhas do capim Tifton 85. Ciência Rural, v. 42, n. 12, p. 2241-2245, 2012. 48 JOHNSON, R. A.; WICHERN, D. W.; Applied Multivariate statistical analysis, 4. ed., Rio de Janeiro: Prentice-Hall, 816 p,1999. LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, United States, v. 33, n. 1, p. 159-174, 1997. LI, HELI et al. Variations in crop variables within wheat canopies and responses of canopy spectral characteristics and derived vegetation indices to different vertical leaf layers and spikes. Remote Sensing of Environment, v. 169, p. 358-374, 2015. MATHWORKS. Image Processing Toolbox for use with MATLAB Release 12. Image Processing Toolbox User's Guide Revised for Version 2.2.2, 511p. Massachusetts, 2000. NIJLAND, W., DE JONG, R., DE JONG, S. M., WULDER, M. A., BATER, C. W., & COOPS, N. C. (2014). Monitoring plant condition and phenology using infrared sensitive consumer grade digital cameras. Agricultural and Forest Meteorology, 184, 98-106. PREMAZZI, L.M.; MONTEIRO, F.A. Produção do capim– Tifton 85 submetido a doses e épocas de aplicação de nitrogênio após o corte. Boletim da Indústria Animal, v.59, n.1, p.1- 16, 2002. ROUSE JR, J.W. et al. Monitoring vegetation systems in the Great Plains with ERTS. NASA special publication, v. 351, p. 309, 1974. RICHARDSON, A.D., BRASWELL, B.H., HOLLINGER, D.Y., JENKINS, J.P., OLLINGER, S.V..Near-surface remote sensing of spatial and temporal variation in canopy phenology. Ecol. Appl. 19, 1417–1428. 2009. SANTOS, M.E.R.; FONSECA, D.M.; BALBINO, E.M. et al. Capim-braquiária diferido e adubado com nitrogênio: produção e características da forragem. Rev. Bras. Zootec., v.38, p.650-656, 2009 SILVA JUNIOR, Mário C. da et al . Using an aerial system of remote sensing to detect different nutritional status in Brachiaria decumbens. Eng. Agríc. Jaboticabal , v. 33, n. 5, p. 1049-1062,2013.< http://dx.doi.org/10.1590/S0100-69162013000500016.> SILVA, R.; VALÉRIA M. M. et al. Uso de clorofilometro na avaliação da adubação nitrogenada e potássica no capim Tifton 85. Revista Brasileira de Saúde e Produção Animal, v. 12, n. 3, 2011. TEDESCO, J.M., GIANELLO, C., BISSANI, C.A., BOHNEN, H., VOLKWEISS, S.J.Análise de Solo, Plantas e outros materiais. . UFRGS, Porto Alegre, Brazil. 1995 VARELLA, C. A. A.; PINTO, F. A. C.; QUEIROZ., D. M. ; SENA J., DARLY G. de. Determinação da cobertura do solo por análise de imagens e redes neurais. Rev. Bras. Eng. Agríc. Ambient, vol.6, n.2, pp. 225-229, 2002 ISSN 1807-1929. http://dx.doi.org/10.1590/S1415-43662002000200007. WIEGAND, C. L. et al. Vegetation indices in crop assessments. Remote Sensing of Environment, v. 35, n. 2, p. 105-119, 1991. < http://dx.doi.org/10.1016/0034-4257(91)90004P > ZHANG, Y.; SLAUGHTER, D. C. Hyperspectral species mapping for automatic weed control in tomato under thermal environmental stress.Computers and electronics in agriculture, v. 77, n. 1, p. 95-104, 2011.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal Rural do Rio de Janeiro
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Agrícola e Ambiental
dc.publisher.initials.fl_str_mv UFRRJ
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Tecnologia
publisher.none.fl_str_mv Universidade Federal Rural do Rio de Janeiro
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRRJ
instname:Universidade Federal Rural do Rio de Janeiro (UFRRJ)
instacron:UFRRJ
instname_str Universidade Federal Rural do Rio de Janeiro (UFRRJ)
instacron_str UFRRJ
institution UFRRJ
reponame_str Biblioteca Digital de Teses e Dissertações da UFRRJ
collection Biblioteca Digital de Teses e Dissertações da UFRRJ
bitstream.url.fl_str_mv https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/1/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.jpg
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/2/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf.txt
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/3/2016%20-%20Ramon%20de%20Souza%20Victorino%20da%20Silva.pdf
https://rima.ufrrj.br/jspui/bitstream/20.500.14407/13268/4/license.txt
bitstream.checksum.fl_str_mv cc73c4c239a4c332d642ba1e7c7a9fb2
0dcc7d1a1d5eb89c8c3cb51e1f2770d8
d38cb3bc107f782e4c75f4e66118d838
7b5ba3d2445355f386edab96125d42b7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRRJ - Universidade Federal Rural do Rio de Janeiro (UFRRJ)
repository.mail.fl_str_mv bibliot@ufrrj.br||bibliot@ufrrj.br
_version_ 1810108220228763648

Registros relacionados