MAPEAMENTO DE NEMATOIDES NA CULTURA CAFEEIRA A PARTIR DE IMAGENS MULTIESPECTRAIS OBTIDAS POR AERONAVES REMOTAMENTE PILOTADAS

Detalhes bibliográficos
Autor(a) principal: de Abreu Júnior, Carlos Alberto Matias
Data de Publicação: 2020
Outros Autores: Vinhal, Geovane Piveta, Moura Xavier, Laura Cristina, Martins, George Deroco, Vieira, Bruno Sérgio
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