Show simple item record

dc.contributor.advisorGalo, Maria de Lourdes Bueno Trindade [UNESP]
dc.contributor.advisorVieira, Bruno Sérgio [UNESP]
dc.contributor.authorMartins, George Deroco [UNESP]
dc.date.accessioned2017-02-13T18:01:23Z
dc.date.available2017-02-13T18:01:23Z
dc.date.issued2016-12-19
dc.identifier.urihttp://hdl.handle.net/11449/148760
dc.description.abstractOs nematoides são importantes fitoparasitas que se constituem em um problema sério para o cultivo do café no Brasil. Como a ocorrência de nematoides no sistema radicular do cafeeiro causa desequilíbrios nutricionais na planta que provocam variações na resposta espectral da folha e define uma configuração espacial característica às áreas infectadas, o objetivo desta pesquisa avaliar o potencial de dados de sensoriamento remoto adquiridos em multiescala para discriminar e mapear o café sadio, em estágio inicial de infecção e severamente infectado. A pesquisa foi desenvolvida em três áreas experimentais, localizadas no sul do estado de Minas Gerais, nas quais foi certificada a ocorrência de nematoides e realizadas medições de variáveis biofísicas e dados hiperespectrais na folha e sobre o dossel da planta. Os dados hiperespectrais também foram utilizados em simulação de bandas dos sensores do RapidEye e OLI/Landsat 8 para identificar as faixas espectrais mais sensíveis para a discriminação de patógenos em plantas de café. Nenhum dos parâmetros biofísicos avaliados discriminou eficientemente as folhas de plantas sadias e infectadas, mas a simulação de bandas indicou que os intervalos espectrais do vermelho, vermelho limítrofe e infravermelho próximos do RapidEye foram complementares para a discriminação de plantas de café sadio e dos dois níveis de infecção. Essas bandas, mais uma imagem NDVI, foram utilizadas na classificação das áreas infectadas por nematoides, a qual definiu a distribuição espacial de café sadio e dos dois níveis de infecção, com uma acurácia global de 78% e coeficiente kappa de 0,71. A classificação não supervisionada da imagem multiespectral OLI/Landsat 8 também definiu as três condições, porém com baixa confiabilidade (coeficiente kappa igual a 0,41). Por outro lado, uma inferência espacial quantitativa da concentração de nematoides/cm³ no solo, a partir de um modelo empírico baseado na imagem RapidEye, apresentou um erro consideravelmente alto (21,89%).pt
dc.description.abstractNematodes are important phytoparasites that constitute a serious issue for coffee cultivation in Brazil. Because root infection by nematodes induces spectral variation in leaves and defines a unique spatial configuration in the cultivation field, the aim of this study is to evaluate the potential of remote sensing data acquired in multiscale to discriminate and map healthy, early infected and severely infected coffee plants. This study was carried out in three experimental areas, located in the in southern Minas Gerais State, in which the occurrence of nematodes was certified and biophysical and hyperspectral measurements of the leaves and on the canopy were made. Hyperspectral data were also used to simulate the bands of the RapidEye and OLI/Landsat 8 sensors to identify the most sensitive spectral ranges for pathogen discrimination in coffee plants. None of the biophysical parameters efficiently discriminated the leaves of healthy and infected plants, but the band simulations indicated that red, red edge and near infrared spectral ranges were complementary to the discrimination of healthy coffee plants and the two levels of infection. These bands, plus an (NDVI) image, were used for a multispectral classification of healthy and nematode-infected areas. The multispectral classification defined the spatial distribution of healthy, early infected and two levels of infection, with an overall accuracy of 78% and kappa coefficient of 0.71. The unsupervised classification of the multispectral image OLI/Landsat 8 also defined the three conditions, but with low reliability (kappa coefficient equal to 0.41). In contrast, a quantitative spatial inference of the soil nematode concentration/cm³, from an empirical model based on the RapidEye image, presented a considerably high error (21.89%).en
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (UNESP)
dc.subjectCultura cafeeirapt
dc.subjectNematoidespt
dc.subjectDados hiperespectrais e multiespectraispt
dc.subjectDetecção de doençaspt
dc.subjectMapeamentopt
dc.subjectAgricultura de precisãopt
dc.subjectCoffee cultureen
dc.subjectNematodesen
dc.subjectHyperspectral and multispectral dataen
dc.subjectDisease detectionen
dc.subjectMappingen
dc.subjectPrecision agricultureen
dc.titleInferência dos níveis de infecção por Nematoides na cultura cafeeira a partir de dados de sensoriamento remoto adquiridos em multiescalapt
dc.title.alternativeInference of Nematoid infection levels in coffee culture from remote sensing data acquired in multiscaleen
dc.typeTese de doutorado
dc.contributor.institutionUniversidade Estadual Paulista (UNESP)
dc.rights.accessRightsAcesso aberto
unesp.graduateProgramCiências Cartográficas - FCT
unesp.knowledgeAreaAquisição, Análise e Representação de Informações Espaciais
unesp.researchAreaComputação de Imagens
unesp.campusUniversidade Estadual Paulista (UNESP), Faculdade de Ciências e Tecnologia, Presidente Prudentept
unesp.embargoOnline
dc.identifier.aleph000880075
dc.identifier.capes33004129043P0
dc.identifier.lattes1647318644299561
unesp.author.lattes1647318644299561
Localize o texto completo

Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record