Imagens hiperespectrais no monitoramento da nutrição em citros

Carregando...
Imagem de Miniatura

Data

2014-06-02

Orientador

Zimback, Célia Regina Lopes
Bôas, Roberto Lyra Vilas

Coorientador

Pós-graduação

Agronomia (Energia na Agricultura) - FCA

Curso de graduação

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Tipo

Tese de doutorado

Direito de acesso

Acesso abertoAcesso Aberto

Resumo

Resumo (inglês)

Many studies in remote sensing aim to identify varietal differences, predict yield, identify crop nutrition deficiencies, crop area estimates, and other spectral information of crops. Airborne hyperspectral imagery is a potential tool to monitor the nutrient status of citrus trees, since this sensing technology has been shown to efficiently detect nitrogen deficiency in other crops. Therefore, it contributes to save cost, time and labor when used over large areas. The objective of this study was: (i) to determine the spectral behavior of a citrus orchard in high resolution hyperspectral imagery collected with aircraft; (ii) to analyze the correlation between plant parameters and radiometric parameters, especially of the nitrogen nutritional status of citrus orchards. The experiment was conducted in orchards located near Lake Alfred and Auburndale, Polk County, Florida, USA. The variety studied is Valencia (Citrus sinensis). Hyperspectral images consist of 128 visible and near-infrared wavelengths (457.2 – 921.7 nm). Detailed ground truth data were collected at the same time as the imagery for assessing foliar nutrition of citrus groves. The spectral features of the individual trees were identified using pixel-based average spectral reflectance values at several wavelengths from the image. Hyperspectral images and ground truth data were assessed with statistical, GIS and modeling tools, i.e. Vegetation Index (Normalized Difference Vegetation Index, Red Edge Normalized Difference Vegetation Index, Modified Red Edge Simple Ratio, Vogelmann Red Edge Index 1, and others.). The methods Backward Multiple Linear Regression and Principal Component Analysis (PCA) were used to develop prediction models for leaf nitrogen. These results will contribute to the development of rapid detection techniques of nutritional status in citrus groves, in order to reduce the sampling procedures for foliar analysis, which ...

Resumo (português)

Muitos estudos em sensoriamento remoto tem por objetivo identificar as diferenças varietais, predizer o rendimento, identificar deficiências nutricionais das culturas, estimativas de área de culturas e outras informações espectrais. O imageamento hiperespectral sub-orbital é uma ferramenta potencial para monitorar o estado nutricional das plantas cítricas, uma vez que esta tecnologia tem mostrado eficientemente a deficiência de nitrogênio em outras culturas. Portanto, isso contribui para reduzir custos, tempo e trabalho quando usado em grandes áreas. Os principais objetivos deste estudo foram: (i) determinar o comportamento espectral em pomares de citros em imagens hiperespectrais de alta resolução coletados com aeronaves; (ii) analisar a correlação entre características da planta e parâmetros radiométricos, especialmente do estado nutricional de nitrogênio de pomares de citros. O experimento foi conduzido em pomares localizados em Lake Alfred e Auburndale, Polk County, Flórida, EUA. A variedade estudada foi a Valência (Citrus sinensis). As imagens hiperespectrais consistem de 128 comprimentos de onda do visível e do infravermelho próximo (457,2 - 921,7 nm). Dados detalhados de verdade terrestre foram coletados no mesmo período em que as imagens, para avaliar a nutrição foliar de pomares de citros. As características espectrais das árvores individuais foram identificadas utilizando valores de reflectância espectral média com base em pixel, em vários comprimentos de onda da imagem. As imagens hiperespectrais e a verdade de campo foram avaliadas com estatística, SIG e ferramentas de modelagem, como os índices de vegetação (NDVI, NDVI705, RVI, VOG1, entre outros). Os métodos Regressão Linear Múltipla Backward e Análise de Componentes Principais (PCA) foram utilizados para desenvolver modelos de predição para nitrogênio nas folhas. A combinação dos métodos ...

Descrição

Idioma

Português

Como citar

BARBOSA, Ana Paula. Imagens hiperespectrais no monitoramento da nutrição em citros. 2014. xii, 81 f. Tese (doutorado) - Universidade Estadual Paulista, Faculdade de Ciências Agronômicas de Botucatu, 2014.

Itens relacionados

Financiadores