No description available.

Sensors based on LiDAR (Light Detection and Ranging) technology have the potential to provide accurate 3D models of the trees retrieving information such as canopy volume and height. This information can be used for diagnostics and prescriptions of fertilizers and plant protection products on a site-specific basis. This research aimed to investigate the use of LiDAR sensors in orange crops. Orange is one of the most important tree crop in Brazil. So far, research have developed and tested LiDAR based systems for several tree crops. However, usually individual trees or small field plots have been used. Therefore, several aspects related to data acquisition and processing must still be developed for large-scale application. The first study reported in this document (Chapter 3) aimed to develop and test a mobile terrestrial laser scanner (MTLS) and new data processing methods in order to obtain 3D models of large commercial orange groves and spatial information about canopy geometry. A 2D laser sensor and a RTK-GNSS receiver (Real Time Kinematics - Global Navigation Satellite System) were mounted on a vehicle. The data processing was based on generating a georeferenced point cloud, followed by the filtering, classification and surface reconstruction steps. A 25 ha commercial orange grove was used for field validation. The developed data acquisition and processing system was able to produce a reliable point cloud of the grove, providing high resolution canopy volume and height information. The choice of the type of point cloud classification (by individual trees or by transversal sections of the row) and the surface reconstruction algorithm is discussed in this study. The second study (Chapter 4) aimed to characterize the spatial variability of canopy geometry in commercial orange groves. Understanding such variability allows sensor-based variable rate application of inputs (i.e, applying proportional rates of inputs based on the variability of canopy size) to be considered as a suitable strategy to optimize the use of fertilizers and plant protection products. Five commercial orange groves were scanned with the developed MTLS system. According to the variability of canopy volume found in those groves, the input savings as a result of implementing sensor-based variable rate technologies were estimated in about 40%. The second goal of this study was to understand the relationship between canopy geometry and several other relevant attributes of the groves. The canopy volume and height maps of three groves were analyzed against historical yield maps, elevation, soil electrical conductivity, organic matter and clay content maps. The correlations found between canopy geometry and yield or soil maps varied from poor to strong correlations, depending on the grove. When classifying the groves into three classes according to canopy size, the yield performance and soil features inside each class was found to be significantly different, indicating that canopy geometry is a suitable variable to guide management zones delineation in one grove. Overall results from this research show the potential of MTLS systems and subsequent data analysis in orange crops indicating how canopy geometry information can be used in site-specific management practices. / Sensores baseados em tecnologia LiDAR (Light Detection and Ranging) têm o potencial de fornecer modelos tridimensionais de árvores, provendo informações como o volume e altura de copa. Essas informações podem ser utilizadas em diagnósticos e recomendações localizadas de fertilizantes e defensivos agrícolas. Este estudo teve como objetivo investigar o uso de sensores LiDAR na cultura da laranja, uma das principais culturas de porte arbóreo no Brasil. Diversas pesquisas têm desenvolvido sistemas LiDAR para culturas arbóreas. Porém, normalmente tais sistemas são empregados em plantas individuais ou em pequenas áreas. Dessa forma, diversos aspectos da aquisição e processamento de dados ainda devem ser desenvolvidos para viabilizar a aplicação em larga escala. O primeiro estudo deste documento (Capítulo 3) focou no desenvolvimento de um sistema LiDAR (Mobile Terrestrial Laser Scanner - MTLS) e nova metodologia de processamento de dados para obtenção de informações acerca da geometria das copas em pomares comerciais de laranja. Um sensor a laser e um receptor RTK-GNSS (Real Time Kinematics - Global Navigation Satellite System) foram instalados em um veículo para leituras em campo. O processamento de dados foi baseado na geração de uma nuvem de pontos, seguida dos passos de filtragem, classificação e reconstrução da superfície das copas. Um pomar comercial de laranja de 25 ha foi utilizado para a validação. O sistema de aquisição e processamento de dados foi capaz de produzir uma nuvem de pontos representativa do pomar, fornecendo informação sobre geometria das plantas em alta resolução. A escolha sobre o tipo de classificação da nuvem de pontos (em plantas individuais ou em seções transversais das fileiras) e sobre o algoritmo de reconstrução de superfície, foi discutida nesse estudo. O segundo estudo (Capítulo 4) buscou caracterizar a variabilidade espacial da geometria de copa em pomares comerciais. Entender tal variabilidade permite avaliar se a aplicação em taxas variáveis de insumos baseada em sensores LiDAR (aplicar quantias de insumos proporcionais ao tamanho das copas) é uma estratégia adequada para otimizar o uso de insumos. Cinco pomares comerciais foram avaliados com o sistema MTLS. De acordo com a variabilidade encontrada, a economia de insumos pelo uso da taxa variável foi estimada em aproximadamente 40%. O segundo objetivo desse estudo foi avaliar a relação entre a geometria de copa e diversos outros parâmetros dos pomares. Os mapas de volume e altura de copa foram comparados aos mapas de produtividade, elevação, condutividade elétrica do solo, matéria orgânica e textura do solo. As correlações entre geometria de copa e produtividade ou fatores de solo variaram de fraca até forte, dependendo do pomar. Quando os pomares foram divididos entre três classes com diferentes tamanhos de copas, o desempenho em produtividade e as características do solo foram distintas entre as três zonas, indicando que parâmetros de geometria de copa são variáveis úteis para a delimitação de unidades de gestão diferenciada em um pomar. Os resultados gerais desta pesquisa mostraram o potencial de sistemas MTLS para pomares de laranja, indicando como a geometria de copa pode ser utilizada na gestão localizada de pomares de laranja.

Sensors based on LiDAR (Light Detection and Ranging) technology have the potential to provide accurate 3D models of the trees retrieving information such as canopy volume and height. This information can be used for diagnostics and prescriptions of fertilizers and plant protection products on a site-specific basis. This research aimed to investigate the use of LiDAR sensors in orange crops. Orange is one of the most important tree crop in Brazil. So far, research have developed and tested LiDAR based systems for several tree crops. However, usually individual trees or small field plots have been used. Therefore, several aspects related to data acquisition and processing must still be developed for large-scale application. The first study reported in this document (Chapter 3) aimed to develop and test a mobile terrestrial laser scanner (MTLS) and new data processing methods in order to obtain 3D models of large commercial orange groves and spatial information about canopy geometry. A 2D laser sensor and a RTK-GNSS receiver (Real Time Kinematics - Global Navigation Satellite System) were mounted on a vehicle. The data processing was based on generating a georeferenced point cloud, followed by the filtering, classification and surface reconstruction steps. A 25 ha commercial orange grove was used for field validation. The developed data acquisition and processing system was able to produce a reliable point cloud of the grove, providing high resolution canopy volume and height information. The choice of the type of point cloud classification (by individual trees or by transversal sections of the row) and the surface reconstruction algorithm is discussed in this study. The second study (Chapter 4) aimed to characterize the spatial variability of canopy geometry in commercial orange groves. Understanding such variability allows sensor-based variable rate application of inputs (i.e, applying proportional rates of inputs based on the variability of canopy size) to be considered as a suitable strategy to optimize the use of fertilizers and plant protection products. Five commercial orange groves were scanned with the developed MTLS system. According to the variability of canopy volume found in those groves, the input savings as a result of implementing sensor-based variable rate technologies were estimated in about 40%. The second goal of this study was to understand the relationship between canopy geometry and several other relevant attributes of the groves. The canopy volume and height maps of three groves were analyzed against historical yield maps, elevation, soil electrical conductivity, organic matter and clay content maps. The correlations found between canopy geometry and yield or soil maps varied from poor to strong correlations, depending on the grove. When classifying the groves into three classes according to canopy size, the yield performance and soil features inside each class was found to be significantly different, indicating that canopy geometry is a suitable variable to guide management zones delineation in one grove. Overall results from this research show the potential of MTLS systems and subsequent data analysis in orange crops indicating how canopy geometry information can be used in site-specific management practices. / Sensores baseados em tecnologia LiDAR (Light Detection and Ranging) têm o potencial de fornecer modelos tridimensionais de árvores, provendo informações como o volume e altura de copa. Essas informações podem ser utilizadas em diagnósticos e recomendações localizadas de fertilizantes e defensivos agrícolas. Este estudo teve como objetivo investigar o uso de sensores LiDAR na cultura da laranja, uma das principais culturas de porte arbóreo no Brasil. Diversas pesquisas têm desenvolvido sistemas LiDAR para culturas arbóreas. Porém, normalmente tais sistemas são empregados em plantas individuais ou em pequenas áreas. Dessa forma, diversos aspectos da aquisição e processamento de dados ainda devem ser desenvolvidos para viabilizar a aplicação em larga escala. O primeiro estudo deste documento (Capítulo 3) focou no desenvolvimento de um sistema LiDAR (Mobile Terrestrial Laser Scanner - MTLS) e nova metodologia de processamento de dados para obtenção de informações acerca da geometria das copas em pomares comerciais de laranja. Um sensor a laser e um receptor RTK-GNSS (Real Time Kinematics - Global Navigation Satellite System) foram instalados em um veículo para leituras em campo. O processamento de dados foi baseado na geração de uma nuvem de pontos, seguida dos passos de filtragem, classificação e reconstrução da superfície das copas. Um pomar comercial de laranja de 25 ha foi utilizado para a validação. O sistema de aquisição e processamento de dados foi capaz de produzir uma nuvem de pontos representativa do pomar, fornecendo informação sobre geometria das plantas em alta resolução. A escolha sobre o tipo de classificação da nuvem de pontos (em plantas individuais ou em seções transversais das fileiras) e sobre o algoritmo de reconstrução de superfície, foi discutida nesse estudo. O segundo estudo (Capítulo 4) buscou caracterizar a variabilidade espacial da geometria de copa em pomares comerciais. Entender tal variabilidade permite avaliar se a aplicação em taxas variáveis de insumos baseada em sensores LiDAR (aplicar quantias de insumos proporcionais ao tamanho das copas) é uma estratégia adequada para otimizar o uso de insumos. Cinco pomares comerciais foram avaliados com o sistema MTLS. De acordo com a variabilidade encontrada, a economia de insumos pelo uso da taxa variável foi estimada em aproximadamente 40%. O segundo objetivo desse estudo foi avaliar a relação entre a geometria de copa e diversos outros parâmetros dos pomares. Os mapas de volume e altura de copa foram comparados aos mapas de produtividade, elevação, condutividade elétrica do solo, matéria orgânica e textura do solo. As correlações entre geometria de copa e produtividade ou fatores de solo variaram de fraca até forte, dependendo do pomar. Quando os pomares foram divididos entre três classes com diferentes tamanhos de copas, o desempenho em produtividade e as características do solo foram distintas entre as três zonas, indicando que parâmetros de geometria de copa são variáveis úteis para a delimitação de unidades de gestão diferenciada em um pomar. Os resultados gerais desta pesquisa mostraram o potencial de sistemas MTLS para pomares de laranja, indicando como a geometria de copa pode ser utilizada na gestão localizada de pomares de laranja.

Il controllo in agricoltura delle malattie causate da patogeni fungini può essere effettuato attraverso l’uso di modelli di previsione che si basano comunemente sul monitoraggio in tempo reale di una serie di variabili di input. Queste informazioni generalmente combinano dati metereologici locali con modelli matematici costruiti allo scopo di predire il rischio di malattie. Il processo decisionale si attiva quando un avvertimento sul potenziale rischio viene riconosciuto da parte dei modelli. Diversi modelli epidemiologici sono stati sviluppati e validati nel mondo. Negli Stati Uniti d’America, ad esempio, l’università della California ha sviluppato un supporto decisionale on-line per gestire la coltura secondo i principi della lotta integrata (Integrated Pest Management - IPM). Ciascun agricoltore può consultare il proprio database informativo e prendere decisioni sui trattamenti da effettuare basandosi su dati sito-specifici. Le difficoltà sorgono quando non sono disponibili dati meteorologici da stazioni poste nelle vicinanze del sito in studio o per le zone montane caratterizzate da una forte variabilità altimetrica. Inoltre i dati meteorologici disponibili possono presentarsi in formato non adeguato rispetto alle esigenze del modello previsionale. Con l’intento di avere una visione regionale e una maggiore accuratezza nella gestione del controllo delle malattie, l’obiettivo della tesi è stato l’utilizzo contemporaneo di modelli epidemiologici (Lobesia botrana e Erysiphe necator, agente causale dell’oidio della vite) con modelli fenologici (cultivar di vite Chardonnay) utilizzando parametri meteorologici come la temperatura per creare mappe a livello regionale, a frequenza giornaliera e con una risoluzione spaziale di 200 metri. L’utilizzo contemporaneo di entrambi i modelli aiuta ad essere più precisi nel consigliare interventi colturali nel periodo di sensibilità dell’ospite nei confronti del patogeno o della malattia in modo da poterne stimare il reale rischio di diffusione o insorgenza. Dopo aver calibrato e validato i modelli in Trentino-Alto Adige (Nord Italia) con dati metereologici locali, basandoci sul modello del cambiamento climatico HadAM3 dell’Hadley Centre (Pope et al., 2000),l’andamento climatico previsto è stato proiettato e statisticamente portato. in scala, utilizzando lo scenario A2 e B2. L’algoritmo statistico utilizzato per ridurre la scala giornaliera di risoluzione è chiamato “transfer function” (Eccel et al., 2009). Per completare l’analisi, è stato inoltre utilizzato lo scenario ridimensionato di ENSEMBLES attraverso l’uso di set di dati provenienti da 49 stazioni meteorologiche della FEM e dal pacchetto “RMAWGEN” (Cordano et al., 2012) creato con il software statistico R. (Gentleman et al., 1997). Per mappare i modelli è stata sviluppata una semplice piattaforma modulare WEB-GIS chiamata ENVIRO. I moduli sono “Open Source” e seguono gli standard internazionali dell’“Open Geospatial Consortium” (OGC) e sono stati implementati come segue: i) enviDB è il database per i dati spazio-temporali, ii) enviGRID permette agli utenti di navigare attraverso i dati e i modelli nello spazio e nel tempo, iii) enviMapper è l’interfaccia web per prendere le decisioni, consiste in uno stato dell’arte per mappare la vulnerabilità del cambiamento climatico a diverse scale di aggregazione nello spazio e nel tempo, iv) enviModel è l’interfaccia web per i ricercatori a cui viene fornita una piattaforma per processare e condividere modelli di rischio ambientali utilizzando il “web processing Technologies” (WPS) seguendo gli standard OGC. Con l’obiettivo di diventare ancora più accurati nelle previsioni dei volumi per i trattamenti contro insetti e malattie, in accordo con la direttiva 2009/128/EC, il seguente lavoro dimostra che il sensore LIDAR può essere utilizzato per caratterizzare la geometria della pianta della vite e stimare l’area fogliare (LAI) ad ogni stadio di crescita. Inoltre permette di calcolare il volume da applicare (Tree Row Volume -TRV) visualizzato nelle mappe 3D in GRASS. (Neteler et al., 2008, Neteler et al., 2012). / Control of agricultural pests and diseases is often based on forecasting models commonly based on real time monitoring of inputs variables. This information generally combines meteorological local databases and mathematical models designed to forecast pest and disease risk. The decision process starts when an alert or a potential risk event from the outputs of the models is issued. Epidemiological models based on local datasets have been created and validated worldwide, for example in USA, the University of California developed the online Integrated Pest Management (IPM) program where each farmer can consult with his own database and make the pest management decision based on site-specific conditions. Difficulties arise when no data from a close weather station are available, in mountain areas where weather conditions highly depend on the altimetry, or if data are not in a standard format to feed the model. In a view of having a regional vision and an increased accuracy in the pest control management, the goal of this thesis was to run contemporaneously epidemiological (the pest Lobesia botrana and the pathogen causing Powdery mildew Erysiphe necator) and phenological models (grapevine cv. chardonnay) using environmental variables as temperature and to create maps at regional level, with 200 meters of resolution and daily scale or frequency. Running both models together helps to be more precise in the sensibility period of the host versus the pest or the disease and to understand the real final risk. After calibrating and validating the models in the Trentino-Alto Adige Region (Italy) with local weather data, the forecasted climate was projected and statistically downscaled, based on the output of the Hadley Centre climate model - HadAM3 (Pope et al., 2000) under scenarios A2 and B2. The statistical downscaling algorithm was “transfer function method” (Eccel et al., 2009) at daily resolution. In order to complete the analysis, the downscaled scenario from ENSEMBLES was also used with the datasets of 49 weather stations from FEM and the “RMAWGEN” packages (Cordano et al., 2012) created for this project in R statistical open source software (Gentleman et al., 1997). In order to map the models, a friendly modular WEB-GIS platform called ENVIRO was developed. Modules are Open Source, follow international Open Geospatial Consortium (OGC) standards and were implemented as follows: i) enviDB is the database for spatial temporal data, ii) enviGRID allows users to navigate through data and model in space and time, iii) enviMapper is the web interface for decision makers, a state of the art client to map vulnerability to climate change at different aggregation scales in time and space; finally, iv) enviModel is the web interface for researchers that provides a platform to process and share environmental risk models using web geo-processing technologies (WPS) following OGC standards. With the aim of being even more accurate in pests and diseases spraying volumes and according with the Directive 2009/128/EC, the current work shows that the LIDAR sensor can be used to characterize the geometry of the grapevine and the Leaf Area Index (LAI) at each growth stage and calculate the Tree Row Volume (TRV) visualized in 3D maps in GRASS (Neteler et al., 2008, Neteler et al., 2012).

Time of Flight (ToF) technology describes products or systems which measure distance by calculating the distance emitted light travels before bouncing off its surroundings and ending back up at the system. Since the early 2000s, many advancements in the area of ToF systems have been made leading to much use for the ToF variant LiDAR. Alternative technologies are on the rise, one of which is 3D ToF depth sensors. This report explores ToF depth sensor technology within the setting of belt conveyor system (BCS)applications. More specifically, methods for area, volumetric, and velocity approximation are explored and a comparison is also made against LiDAR. The aim of the report is split. One part aims to compare the accuracy of a ToF depth sensor to a 2D LiDAR scanner. The second one is to propose algorithms that, using only a ToF depth sensor, calculate the volume of material transported by a BCS and approximate the velocity at which said material is traveling. Methods for testing include strictly experimental setups in a controlled environment where both technologies were used to collect data on selected scenes. Results indicate that ToF depth sensors can achieve accuracy equivalent to LiDAR sensors. ToF depth sensors can resolve the volume of objects with relatively good results and algorithms that are not computationally complex. By implementing a proposed algorithm, the velocity of material traveling on a BCS was able to be approximated with up to 99% accuracy. However, effects of common sources of error are present in the result and hence have to be considered moving forward. Therefore, this report also highlights future improvements to establish a more robust methodology and reduce errors. The results can be used to improve current BCS, such as increased range of functionality, reduced costs, and raised quality control while also aiding in the enabling of Industry 4.0 implementation.