Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone

Detalhes bibliográficos
Autor(a) principal: Freitas, Rodrigo Greggio de, 1974-
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1640942
Resumo: Orientadores: Lucas Rios do Amaral, Gleyce Kelly Dantas Araújo Figueiredo
id UNICAMP-30_4a73c05aa59e66601681bed7c7135a74
oai_identifier_str oai::1162051
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de droneCultivated pasture production estimates using vegetation indices and textural features from UAV imageryBiomassaAgricultura de precisãoAprendizado de máquinaGeoprocessamentoAeronave não tripuladaAgricultura - Sensoriamento remotoImagens de sensoriamento remotoBiomassPrecision agricultureGeoprocessingUnmanned aerial vehicle - UAVAgriculture - Remote sensingRemote sensing imagesOrientadores: Lucas Rios do Amaral, Gleyce Kelly Dantas Araújo FigueiredoDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia AgrícolaResumo: A pecuária moderna representada por sistemas como o de integração lavoura pecuária (iLP) tem como objetivo a intensificação do uso da terra, com emprego de tecnologia compatível para o uso eficiente e racional dos recursos. A gestão eficiente da pastagem visa evitar sua degradação e ao mesmo tempo obter maior capacidade de suporte de animais, sendo que para tal, mensurar a capacidade de suporte das pastagens é fator de grande importância. Estimativas de biomassa são usualmente realizadas por técnicas manuais muito custosas em tempo e mão de obra. Uma alternativa favorável é a aquisição de imagens de sensoriamento remoto que mais recentemente passou a ser realizado também por drones. As modelagens frequentemente testadas para estimativa de biomassa são empíricas, ou seja, específicas para as condições em que foram realizadas. Outros cenários e condições de pastagens, como o sistema iLP, ainda carecem de maior conhecimento para estimativas confiáveis por sensoriamento remoto. Desta forma, o objetivo desta pesquisa foi testar modelos para estimar a produção de biomassa de pastagem cultivada em sistema iLP, utilizando diferentes dados espectrais coletados por drone. Três campanhas de coleta de dados foram realizadas, ao longo de cinco meses, para verificar a variabilidade espaço-temporal da pastagem em uma área de 200 há em uma propriedade particular que explora o sistema iLP na cidade de Caiuá, estado de São Paulo, Brasil. Modelos com diferentes conjuntos de variáveis compostos pela refletância das bandas, índices de vegetação e texturas baseadas em matrizes de co-ocorrência foram testados com o algoritmo Random Forest. Os métodos de seleção de atributos RReliefF, Correlação e Correlation Feature Selection (CFS) foram avaliados para otimização dos modelos testados. O melhor modelo para estimativa de biomassa alcançou um R2 = 0,63 combinando cinco variáveis originadas de bandas, índices e texturas. A banda NIR e os índices de vegetação com maior conteúdo de dados espectrais, além das texturas que abordam padrões interiores e de diferenciação de borda, foram relevantes para o resultado de estimativa de biomassa. Os resultados alcançados reforçam o potencial de uso de drones para estimar biomassa, já que são condizentes com o resultado obtido com métodos manuais, mas de rendimento operacional mais eficiente.Abstract: Modern livestock production, represented by integrated Crop-Livestock systems (iCL), targets land-use intensification by applying appropriate technology to make resource usage more efficient and rational. Efficient pasture management aims to prevent degradation and to increase the number of animals supported, and thus measurement of the pasture capacity has great importance. Usually, the estimates use manual techniques, which are time and labor intensive, but a favourable alternative is the use of remote sensing, which can be carried out by UAVs. Therefore, models for biomass estimation usually rely on empirical tests that are specific for the investigated conditions. New sceneries and pasture conditions, such iCL, still require further experimentation to produce reliable estimates. In this sense, this research aimed to estimate the pasture production under the iCL system using spectral data collected by UAV. We carried out three field campaigns over five months to represent spatial-seasonal data from a 200-ha area of a commercial farm that explores the iCL system in the Caiuá municipality, São Paulo State, Brazil. Several sets of variables composed of reflectance of original bands, vegetation indices, and grey level co-occurrence matrix texture were tested to predict biomass using the Random Forest algorithm. Variable selection methods were tested to improve prediction performance. The best biomass prediction (R2 = 0.63) was reached by a model that combined five variables composed of an original band, vegetation indices, and textures. The NIR band and vegetation indices comprising more spectral data together with textures representing inner patterns and borders, were relevant. The results achieved by UAV monitoring are equivalent to the traditional methods of pasture estimation, which indicates the potential of UAV to estimate pasture biomass in a more efficient.MestradoMáquinas AgrícolasMestre em Engenharia AgrícolaCAPES88882.434666/2019-01FAPESP2017/50205-9[s.n.]Amaral, Lucas Rios do, 1985-Figueiredo, Gleyce Kelly Dantas Araújo, 1984-Reis, Aliny Aparecida dosBarbedo, Jayme Garcia ArnalUniversidade Estadual de Campinas. Faculdade de Engenharia AgrícolaPrograma de Pós-Graduação em Engenharia AgrícolaUNIVERSIDADE ESTADUAL DE CAMPINASFreitas, Rodrigo Greggio de, 1974-20212021-02-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online ( 58 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1640942FREITAS, Rodrigo Greggio de. Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone. 2021. 1 recurso online ( 58 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640942. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1162051Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2021-03-30T09:02:08Zoai::1162051Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2021-03-30T09:02:08Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
Cultivated pasture production estimates using vegetation indices and textural features from UAV imagery
title Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
spellingShingle Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
Freitas, Rodrigo Greggio de, 1974-
Biomassa
Agricultura de precisão
Aprendizado de máquina
Geoprocessamento
Aeronave não tripulada
Agricultura - Sensoriamento remoto
Imagens de sensoriamento remoto
Biomass
Precision agriculture
Geoprocessing
Unmanned aerial vehicle - UAV
Agriculture - Remote sensing
Remote sensing images
title_short Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
title_full Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
title_fullStr Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
title_full_unstemmed Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
title_sort Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
author Freitas, Rodrigo Greggio de, 1974-
author_facet Freitas, Rodrigo Greggio de, 1974-
author_role author
dc.contributor.none.fl_str_mv Amaral, Lucas Rios do, 1985-
Figueiredo, Gleyce Kelly Dantas Araújo, 1984-
Reis, Aliny Aparecida dos
Barbedo, Jayme Garcia Arnal
Universidade Estadual de Campinas. Faculdade de Engenharia Agrícola
Programa de Pós-Graduação em Engenharia Agrícola
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Freitas, Rodrigo Greggio de, 1974-
dc.subject.por.fl_str_mv Biomassa
Agricultura de precisão
Aprendizado de máquina
Geoprocessamento
Aeronave não tripulada
Agricultura - Sensoriamento remoto
Imagens de sensoriamento remoto
Biomass
Precision agriculture
Geoprocessing
Unmanned aerial vehicle - UAV
Agriculture - Remote sensing
Remote sensing images
topic Biomassa
Agricultura de precisão
Aprendizado de máquina
Geoprocessamento
Aeronave não tripulada
Agricultura - Sensoriamento remoto
Imagens de sensoriamento remoto
Biomass
Precision agriculture
Geoprocessing
Unmanned aerial vehicle - UAV
Agriculture - Remote sensing
Remote sensing images
description Orientadores: Lucas Rios do Amaral, Gleyce Kelly Dantas Araújo Figueiredo
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-02-01T00:00:00Z
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.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1640942
FREITAS, Rodrigo Greggio de. Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone. 2021. 1 recurso online ( 58 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640942. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1640942
identifier_str_mv FREITAS, Rodrigo Greggio de. Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone. 2021. 1 recurso online ( 58 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1640942. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1162051
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online ( 58 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138559824756736

Registros relacionados