???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://bdtd.unoeste.br:8080/jspui/handle/jspui/1286
Tipo do documento: Tese
Título: Inferência do teor de nitrogênio foliar em laranjeira-valência com imagens multiespectrais de alta resolução espacial
Título(s) alternativo(s): Inference of leaf nitrogen content in orange trees with high spatial resolution multispectral images
Autor: Osco, Lucas Prado 
Primeiro orientador: Creste, José Eduardo
Primeiro membro da banca: Santos, Carlos Henrique dos
Segundo membro da banca: Watanabe, Fernanda Sayuri Yoshino
Terceiro membro da banca: Mendes, Tatiana Sussel Gonçalves
Quarto membro da banca: Takata, William Hiroshi Suekane
Resumo: O nitrogênio possui papel fundamental na atividade fotossintética das plantas, e a sua análise é essencial para o manejo de culturas agrícolas. Uma maneira de se obter informações rápidas e menos dispendiosas do nutriente é por meio do processamento de imagens multiespectrais. As aplicações com imagens adquiridas por sensores a bordo de Aeronaves Remotamente Pilotadas (ARP) aumentaram na Agricultura de Precisão. Todavia, em citrus, em específico laranjeiras, pouco se conhece sobre o potencial das imagens multiespectrais adquiridas com ARPs na inferência do teor de nitrogênio foliar. Diante desse contexto, o objetivo desta pesquisa foi avaliar o potencial de imagens multiespectrais de alta resolução espacial para inferir o teor de nitrogênio foliar em laranjeiras-valência. Como método, aplicamos duas abordagens para inferir o teor de nitrogênio foliar: (1) classificação de imagens e; (2) índices espectrais. Para isso, conduzimos um experimento em um pomar de laranjeiras-valência (porta-enxerto Citrumelo Swingle) e coletamos folhas de diferentes talhões da plantação. Realizamos um voo com uma ARP eBee SenseFly, equipado com a câmera Parrot Sequoia, que registra bandas nas faixas do verde, vermelho, borda-do-vermelho e do infravermelho-próximo, com Ground Sample Distance (GSD) de 12 cm. Na primeira abordagem determinamos que o algoritmo de classificação Spectral Angle Mapper (SAM) possui o melhor desempenho ao classificar o nitrogênio foliar, com acurácia global de 85,7% e coeficiente kappa de 0,75. Na segunda abordagem determinamos que o índice espectral Chlorophyll Vegetation Index (CVI) é a alternativa de melhor acurácia (R² de 0,81 e Raiz do Erro Quadrático Médio - REQM) de 0,942 g.kg-1) entre os índices testados para inferir o teor de nitrogênio foliar em laranjeiras-valência. Concluímos que é possível estabelecer relações precisas entre o teor de nitrogênio foliar quantificado em laboratório e a resposta espectral da planta registrada na imagem. Assim, imagens multiespectrais de alta resolução espacial são eficientes para discriminar os teores de nitrogênio foliar em laranjeiras-valência. A abordagem investigada mostrou resultados superiores aos métodos previamente avaliados na literatura.
Abstract: Nitrogen plays a fundamental role in the photosynthetic activity of plants, and its analysis is essential for the management of agricultural crops. One way of obtaining fast and inexpensive information on this nutrient is through multispectral image processing. Applications with images acquired by sensors on board of Remotely Pilot Aircrafts (RPA) have increased in Precision Agriculture. However, in citrus plants, in specific orange trees, little is known about the potential of multispectral images acquired with ARPs in the inference of leaf nitrogen content. Considering this context, the objective of this research was to evaluate the potential of multispectral images with high spatial resolution to infer the leaf nitrogen content in valencia-orange. As a method, we apply two approaches to infer the content of leaf nitrogen: (1) classification of images and; (2) spectral indices. In order to do this, we conducted an experiment in a valencia-orange orchard (Citrumelo Swingle rootstock) and collected leaves from different fields of the plantation. We conducted a flight with an eBee SenseFly ARP, equipped with the Parrot Sequoia camera, which records bands in the green, red, red-edge and near-infrared regions with a Ground Sample Distance (GSD) of 12 cm. In the first approach, we determined that the Spectral Angle Mappe (SAM) (r) classification algorithm had the best performance when classifying leaf nitrogen, with an overall accuracy of 85.7% and a kappa coefficient of 0.75. In the second approach, we determined that the spectral index Chlorophyll Vegetation Index (CVI) is the most accurate alternative (R² of 0.81 and Root Mean-Squared Error - RMSE) of 0.942 g.kg-1) among the indices tested to infer the leaf nitrogen content in valencia-orange. We conclude that it is possible to establish precise relationships between the foliar nitrogen content measured in the laboratory with the spectral response of the plant recorded in the image. Thus, multispectral images of high spatial resolution are efficient to discriminate levels of leaf nitrogen in valencia-orange. The approach investigated showed superior results in methods previously evaluated in literature.
Palavras-chave: Aeronaves Remotamente Pilotadas; Agricultura de Precisão; Classificação de Imagens; Índices Espectrais de Vegetação.
Remotely Piloted Aircraft; Precision Agriculture; Image Classification; Vegetation Spectral Indices.
Área(s) do CNPq: CIENCIAS AGRARIAS::AGRONOMIA
Idioma: por
País: Brasil
Instituição: Universidade do Oeste Paulista
Sigla da instituição: UNOESTE
Departamento: Doutorado em Agronomia
Programa: Doutorado em Agronomia
Citação: Osco, Lucas Prado. Inferência do teor de nitrogênio foliar em laranjeira-valência com imagens multiespectrais de alta resolução espacial. 2019. 107f. Tese (Doutorado em Agronomia) - Universidade do Oeste Paulista, Presidente Prudente, 2019.
Tipo de acesso: Acesso Aberto
URI: http://bdtd.unoeste.br:8080/jspui/handle/jspui/1286
Data de defesa: 11-Apr-2019
Appears in Collections:Doutorado em Agronomia

Files in This Item:
File Description SizeFormat 
Lucas Prado Osco.pdfLucas Prado Osco11,12 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.