MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Caminhos de Geografia |
Texto Completo: | https://seer.ufu.br/index.php/caminhosdegeografia/article/view/51255 |
Resumo: | Remote sensing has been increasingly applied in precision agriculture due to its strong correlation with agricultural variables. The spectral combination of visible bands has become an alternative cameras with absence of near infrared, due to a relative correlation with the vegetation and, consequently, with the agricultural variables. In this way it is possible to identify changes present in a plantation due to pest and pathogen attack, being possible to detect the presence of nematodes in the coffee crop with this tool. In this context low-cost remotely piloted aircraft (RPAS) allow the continuous monitoring of these crops being an increasingly used alternative for the generation of pest/pathogens management maps, assisting in monitoring productivity of the plantations, minimizing losses. In this work, the classification by the maximum likelihood method was used to discriminate areas of the coffee crop infested by nematodes. For this, the classification was applied in a combination of Normalized Difference Vegetation Index and analysis of the accuracy of the mapping was validated from the Kappa index. The confounding matrix presented 20% omission error (for nematode), 28.57% commission (for exposed soil), being the highest values obtained, in addition to the Kappa index of 0.75. |
id |
UFU-16_4387a664c27ef154267586b3e6bb3b47 |
---|---|
oai_identifier_str |
oai:ojs.www.seer.ufu.br:article/51255 |
network_acronym_str |
UFU-16 |
network_name_str |
Caminhos de Geografia |
repository_id_str |
|
spelling |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADASCafeiculturaAgricultura de PrecisãoÍndices de vegetaçãoMapas de infestaçãoCoffee growingPrecision agricultureVegetation indexInfestation mapsRemote sensing has been increasingly applied in precision agriculture due to its strong correlation with agricultural variables. The spectral combination of visible bands has become an alternative cameras with absence of near infrared, due to a relative correlation with the vegetation and, consequently, with the agricultural variables. In this way it is possible to identify changes present in a plantation due to pest and pathogen attack, being possible to detect the presence of nematodes in the coffee crop with this tool. In this context low-cost remotely piloted aircraft (RPAS) allow the continuous monitoring of these crops being an increasingly used alternative for the generation of pest/pathogens management maps, assisting in monitoring productivity of the plantations, minimizing losses. In this work, the classification by the maximum likelihood method was used to discriminate areas of the coffee crop infested by nematodes. For this, the classification was applied in a combination of Normalized Difference Vegetation Index and analysis of the accuracy of the mapping was validated from the Kappa index. The confounding matrix presented 20% omission error (for nematode), 28.57% commission (for exposed soil), being the highest values obtained, in addition to the Kappa index of 0.75.O sensoriamento remoto vem sendo aplicado cada vez mais na agricultura de precisão, devido a sua forte correlação com variáveis agrícolas. A combinação espectral de bandas do visível vem se tornando uma alternativa em câmeras com ausência do infravermelho próximo, devido a uma relativa correlação com a vegetação e, consequentemente, com as variáveis agrícolas. Assim, é possível identificar alterações presentes na plantação devido ao ataque de pragas e patógenos, sendo detectável a presença de nematoides na cultura cafeeira com essa ferramenta. Nesse contexto, as Aeronaves Remotamente Pilotadas (ARPs) de baixo custo possibilitam monitoramento contínuo dessas culturas, sendo uma alternativa utilizada para a geração de mapas de manejo de pragas e patógenos, auxiliando no monitoramento da produtividade dos cultivos, minimizando perdas. Neste trabalho, foi utilizada a classificação pelo método de máxima verossimilhança para discriminação de áreas da cultura cafeeira infestada por nematoides. Para tanto, a classificação foi aplicada em combinação de bandas do visível com NDVI e a análise da acurácia do mapeamento foi validada a partir do índice Kappa. A Matriz de confusão apresentou 20% de erro de omissão (para nematoide) e 28,57% de comissão (para solo exposto), sendo estes os maiores valores obtidos, além do índice Kappa de 0,75.EDUFU - Editora da Universidade Federal de Uberlândia2020-08-03info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionAvaliado pelos paresapplication/pdfhttps://seer.ufu.br/index.php/caminhosdegeografia/article/view/5125510.14393/RCG217651255Caminhos de Geografia; Vol. 21 No. 76 (2020): Agosto; 72–84Caminhos de Geografia; Vol. 21 Núm. 76 (2020): Agosto; 72–84Caminhos de Geografia; v. 21 n. 76 (2020): Agosto; 72–841678-6343reponame:Caminhos de Geografiainstname:Universidade Federal de Uberlândia (UFU)instacron:UFUporhttps://seer.ufu.br/index.php/caminhosdegeografia/article/view/51255/29478Copyright (c) 2020 Carlos Alberto Matias de Abreu Júnior, Geovane Piveta Vinhal, Laura Cristina Moura Xavier, George Deroco Martins, Bruno Sérgio Vieirainfo:eu-repo/semantics/openAccessde Abreu Júnior, Carlos Alberto MatiasVinhal, Geovane PivetaMoura Xavier, Laura CristinaMartins, George DerocoVieira, Bruno Sérgio2020-08-03T17:03:45Zoai:ojs.www.seer.ufu.br:article/51255Revistahttps://seer.ufu.br/index.php/caminhosdegeografia/indexPUBhttp://www.seer.ufu.br/index.php/caminhosdegeografia/oaiflaviasantosgeo@gmail.com1678-63431678-6343opendoar:2020-08-03T17:03:45Caminhos de Geografia - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS |
title |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS |
spellingShingle |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS de Abreu Júnior, Carlos Alberto Matias Cafeicultura Agricultura de Precisão Índices de vegetação Mapas de infestação Coffee growing Precision agriculture Vegetation index Infestation maps |
title_short |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS |
title_full |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS |
title_fullStr |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS |
title_full_unstemmed |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS |
title_sort |
MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS |
author |
de Abreu Júnior, Carlos Alberto Matias |
author_facet |
de Abreu Júnior, Carlos Alberto Matias Vinhal, Geovane Piveta Moura Xavier, Laura Cristina Martins, George Deroco Vieira, Bruno Sérgio |
author_role |
author |
author2 |
Vinhal, Geovane Piveta Moura Xavier, Laura Cristina Martins, George Deroco Vieira, Bruno Sérgio |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
de Abreu Júnior, Carlos Alberto Matias Vinhal, Geovane Piveta Moura Xavier, Laura Cristina Martins, George Deroco Vieira, Bruno Sérgio |
dc.subject.por.fl_str_mv |
Cafeicultura Agricultura de Precisão Índices de vegetação Mapas de infestação Coffee growing Precision agriculture Vegetation index Infestation maps |
topic |
Cafeicultura Agricultura de Precisão Índices de vegetação Mapas de infestação Coffee growing Precision agriculture Vegetation index Infestation maps |
description |
Remote sensing has been increasingly applied in precision agriculture due to its strong correlation with agricultural variables. The spectral combination of visible bands has become an alternative cameras with absence of near infrared, due to a relative correlation with the vegetation and, consequently, with the agricultural variables. In this way it is possible to identify changes present in a plantation due to pest and pathogen attack, being possible to detect the presence of nematodes in the coffee crop with this tool. In this context low-cost remotely piloted aircraft (RPAS) allow the continuous monitoring of these crops being an increasingly used alternative for the generation of pest/pathogens management maps, assisting in monitoring productivity of the plantations, minimizing losses. In this work, the classification by the maximum likelihood method was used to discriminate areas of the coffee crop infested by nematodes. For this, the classification was applied in a combination of Normalized Difference Vegetation Index and analysis of the accuracy of the mapping was validated from the Kappa index. The confounding matrix presented 20% omission error (for nematode), 28.57% commission (for exposed soil), being the highest values obtained, in addition to the Kappa index of 0.75. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-08-03 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Avaliado pelos pares |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://seer.ufu.br/index.php/caminhosdegeografia/article/view/51255 10.14393/RCG217651255 |
url |
https://seer.ufu.br/index.php/caminhosdegeografia/article/view/51255 |
identifier_str_mv |
10.14393/RCG217651255 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://seer.ufu.br/index.php/caminhosdegeografia/article/view/51255/29478 |
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 |
EDUFU - Editora da Universidade Federal de Uberlândia |
publisher.none.fl_str_mv |
EDUFU - Editora da Universidade Federal de Uberlândia |
dc.source.none.fl_str_mv |
Caminhos de Geografia; Vol. 21 No. 76 (2020): Agosto; 72–84 Caminhos de Geografia; Vol. 21 Núm. 76 (2020): Agosto; 72–84 Caminhos de Geografia; v. 21 n. 76 (2020): Agosto; 72–84 1678-6343 reponame:Caminhos de Geografia instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Caminhos de Geografia |
collection |
Caminhos de Geografia |
repository.name.fl_str_mv |
Caminhos de Geografia - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
flaviasantosgeo@gmail.com |
_version_ |
1797067017538240512 |