Submitted by GEORGE DEROCO MARTINS null (deroco87@hotmail.com) on 2017-02-08T14:17:06Z No. of bitstreams: 1 martins_gd_dr_prud.pdf: 4750620 bytes, checksum: 2b77564f0f8c206ce23e6d7ca4bac5d6 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-02-13T18:01:23Z (GMT) No. of bitstreams: 1 martins_gd_dr_prud.pdf: 4750620 bytes, checksum: 2b77564f0f8c206ce23e6d7ca4bac5d6 (MD5) / Made available in DSpace on 2017-02-13T18:01:23Z (GMT). No. of bitstreams: 1 martins_gd_dr_prud.pdf: 4750620 bytes, checksum: 2b77564f0f8c206ce23e6d7ca4bac5d6 (MD5) Previous issue date: 2016-12-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Os 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%). / Nematodes 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%).

Submitted by ÉRIKA AKEMI SAITO MORIYA null (eakemisaito@gmail.com) on 2016-02-01T22:32:38Z No. of bitstreams: 1 tese_erikamoriya_01022016.pdf: 3211942 bytes, checksum: 65312c57be7482f001060a746a9d581f (MD5) / Approved for entry into archive by Sandra Manzano de Almeida (smanzano@marilia.unesp.br) on 2016-02-02T12:45:37Z (GMT) No. of bitstreams: 1 moriya_eas_dr_prud.pdf: 3211942 bytes, checksum: 65312c57be7482f001060a746a9d581f (MD5) / Made available in DSpace on 2016-02-02T12:45:37Z (GMT). No. of bitstreams: 1 moriya_eas_dr_prud.pdf: 3211942 bytes, checksum: 65312c57be7482f001060a746a9d581f (MD5) Previous issue date: 2015-12-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A hipótese levantada neste trabalho foi que as imagens hiperespectrais tomadas de plataformas aéreas como o veículo aéreo não-tripulado (VANT) e assinaturas espectrais medidas em campo ou laboratório podem ser utilizados em Agricultura de Precisão, especificamente na identificação de doenças na lavoura de cana-de-açúcar. Para testar esta hipótese foi delineado um objetivo principal, desenvolver uma metodologia para realizar o tratamento e análise de imagens hiperespectrais obtidas por sensor aerotransportado, de modo que os produtos auxiliem na caracterização da resposta espectral da cana-de-açúcar visando a discriminação e reconhecimento de talhões com doença na cana-de-açúcar. Portanto, neste trabalho desenvolveu-se uma metodologia que envolveu a realização de levantamentos em campo apoiados radiometricamente e a realização de análises em laboratório, para obter a curva espectral de cana-de-açúcar sadia e doentes, no intuito de identificar os comprimentos de onda mais propícios para detecção de doenças. A identificação de comprimentos de onda sensíveis a mudanças pela ação de agentes patogênicos foi importante para a elaboração de índices para detecção de duas doenças da cana-de-açúcar (estria vermelha e mosaico). Além disso, foi analisada a influência do ângulo de visada na estimativa do fator de reflectância hemisférico cônico na cana-de-açúcar, verificando o efeito da anisotropia na cana-de-açúcar. A obtenção de informação sobre o efeito da anisotropia na cana-de-açúcar foi importante para definir a estratégia de processamento das imagens hiperespectrais. As regiões com cana-de-açúcar infectadas com estria vermelha e mosaico foram discriminadas a partir de imagens hiperespectrais adquiridas por VANT, proporcionando informação para o planejamento da aplicação de defensivos agrícolas com a determinação precisa do posicionamento das regiões contaminadas e definição das estratégias de manejo da cultura agrícola visando um melhor gerenciamento da produção. / The hypothesis in this study was that the hyperspectral images taken from aerial platforms like unmanned aerial vehicle (UAV) and spectral signatures measured in field or lab can be use in precision agriculture, specifically in identifying diseases in sugarcane crop. To test this hypothesis has been outlined a primary objective to develop a methodology to perform processing and analyzing hyperspectral images obtained by airborne sensor, so that the products assist in characterizing the spectral response of the sugarcane aiming discrimination and recognition stands with disease in sugarcane. Therefore, this study developed a methodology that involved surveying in supported radiometrically field and the analysis in the laboratory for the spectral curve of healthy and diseased sugarcane in order to identify the most propitious wavelengths to detect diseases. The identification of wavelengths sensitive to changes by the action of pathogens was important for the development of indexes to detect two diseases of sugarcane (red stripe and mosaic). Furthermore, was analyzed the influence of the viewing angle in estimating the hemispherical conical reflectance factor in sugarcane, by checking the effect of anisotropy in sugarcane. Obtaining information on the effect of anisotropy on sugarcane was important to define the hyperspectral image processing strategy. Regions with sugarcane infected with red stripe and mosaic were discriminated from hyperspectral images acquired by UAV, providing information for planning the application of agriculture defensives with the precise determination of the positioning of the contaminated regions and defining the management strategies of the crop to provide a better production management.