Publicação: Uso de imagens aéreas na detecção de plantas daninhas em cana-de-açúcar
Carregando...
Arquivos
Data
Orientador
Gener Tadeu Perreira
Coorientador
Pós-graduação
Agronomia (Ciência do Solo) - FCAV 33004102071P2
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O controle das plantas daninhas é essencial para a obtenção de altas produtividades das culturas. Dessa forma, a utilização de técnicas que possibilitem o conhecimento de forma rápida e precisa dos locais de infestações se torna uma estratégia essencial para minimizar a nocividade às plantas cultivadas, além de promover redução no custo de manejo e diminuição dos impactos ambientais. O objetivo do presente trabalho foi determinar áreas de infestações de plantas daninhas em cultivos de cana-de-açúcar, utilizando imagens RGB (Red, Green, Blue) aliado as técnicas geoestatísticas. O estudo foi realizado em quatro talhões (61,11 ha), por interpretação visual na imagem e por vetorização das áreas infestadas no programa AutoCad. Realizou a classificação da diversidade das infestações, sobre polígono de 10 m2, para análise espacial de cada planta daninha utilizou-se o mapeamento por meio da geoestatística com a linguagem de programação R. As imagens RGB foram obtidas a partir do sensor (S.O.D.A.) a bordo de uma aeronave remotamente pilotada (ARP) e processada no programa Pix4D para geração dos ortomosaicos. O levantamento de imagens RGB por ARP possibilitou o mapeamento probabilístico das infestações das plantas daninhas, viabilizando a realização do controle localizado. A técnica geoestatística da krigagem indicadora (KI) foi usada para a geração destes mapas probabilísticos da infestação de ervas daninhas. Com isso, foi possível determinar que 7,19 ha das áreas apresentaram altas probabilidades de infestação de ervas daninhas, o que corresponde a aproximadamente 12% do total das áreas avaliadas. A utilização de sensor RGB aliado as técnicas de geoestatística possibilitou o mapeamento das infestações e um expressivo decréscimo das áreas para o controle de plantas daninhas.
Resumo (inglês)
- Weed control is essential for obtaining high crop yields. Therefore, the use of techniques that enable quick and accurate knowledge of infestation sites becomes an essential strategy to minimize harm to cultivated plants, in addition to promoting a reduction in management costs and reducing environmental impacts. The objective of the present work was to determine areas of weed infestation in sugarcane crops, using RGB (Red, Green, Blue) images combined with geostatistical techniques. The study was carried out in four plots (61.11 ha), by visual interpretation of the image and by vectorization of the infested areas in the AutoCad program. The diversity of infestations was classified, over a 10 m2 polygon, for spatial analysis of each weed plant, mapping was used through geostatistics with the R programming language. The RGB images were obtained from the sensor (S.O.D.A.) a on board a remotely piloted aircraft (ARP) and processed in the Pix4D program to generate orthomosaics. The survey of RGB images by ARP enabled the probabilistic mapping of weed infestations, making it possible to carry out localized control. The geostatistical technique of indicator kriging (KI) was used to generate these probabilistic maps of weed infestation. With this, it was possible to determine that 7.19 ha of the areas presented a high probability of weed infestation, which corresponds to approximately 12% of the total areas evaluated. The use of an RGB sensor combined with geostatistics techniques made it possible to map infestations and a significant decrease in areas for weed control.
Descrição
Palavras-chave
Geoestatística, Sensores, Cana-de-açúcar
Idioma
Português
Como citar
SOUZA, D. W. B. - Uso de imagens aéreas na detecção de plantas daninhas em cana-de-açúcar - 2024, 50f - Dissertação (Mestrado em Agronomia) - Universidade Estadual Paulista, Jaboticabal, 2024.
