Estimativa da produção de pastagem cultivada utilizando índices de vegetação e variáveis de texturas a partir de imagens de drone
Autor(a) principal: | |
---|---|
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 |