Thesis (Ph. D.)--University of Washington, 2002. / Vita. Includes bibliographical references (p. 149-154).

Thesis (Ph. D.)--University of Alabama at Birmingham, 2007. / Title from first page of PDF file (viewed Oct. 13, 2008). Includes bibliographical references.

No description available.

Made available in DSpace on 2016-06-02T19:06:02Z (GMT). No. of bitstreams: 1 4859.pdf: 3995047 bytes, checksum: d6fe8fefac57632109ba02702cb2a16a (MD5) Previous issue date: 2012-06-11 / Financiadora de Estudos e Projetos / The digital image processing has been used to solve a significant number of problems in the agricultural sector, especially with the evolution of remote sensing systems. This work presents a computational model based on digital image processing and remote sensing to infer about the risk in the agricultural environment. To validate the method, a experimental study was conducted about the risk of fungal disease in banana plantations. Temporal series of meteorological and monitoring data of the disease, organized in classes for the definition of probability distribution models, based on polynomial functions were used to validate results as well as satellite images integrated by fusion techniques, geometric corrections and re-sampling with interpolators based on kriging techniques. Fusion methods by IHS (Intensity, Hue, and Saturation) and PCA (Principal Component Analysis) and the Gaussian models, exponential and cylindrical for the ordinary kriging were tested. The IHS fusion technique demonstrated to be more interesting in relation the PCA technique, with correlation coefficients between bands 2, 3 and 4 originals and hybrids, of 0.2318, 0.0304 and 0.1800, respectively. The method of ordinary kriging for re-sampling of the images showed better results when adjusted by the Gaussian model. The proposed method is feasible to the development of risk maps of disease occurrence, since confer spatial and temporal variability in relation to the model existing on the literature for the region. / O processamento de imagens digitais tem auxiliado na solução de um expressivo número de problemas do setor agrícola, sobretudo com a evolução dos sistemas de sensoriamento remoto. Este trabalho tem por objetivo apresentar um modelo computacional baseado em processamento digital de imagens e sensoriamento remoto para inferência de risco em ambiente agrícola. Para validação do método, foi realizado estudo experimental sobre o risco de ocorrência da doença fúngica em bananais. Foram utilizadas séries temporais de dados meteorológicos e de monitoramento da doença, organizados em classes para a definição de modelos de distribuição de probabilidades, baseados em funções polinomiais, bem como imagens de satélites, organizadas com técnicas de fusão, correções geométricas e re-amostragem, com interpoladores baseados em técnicas de krigagem. Foram testados os métodos de fusão por IHS (Intensity, Hue, Saturation) e PCA (Principal Component Analysis), bem como os modelos gaussiano, exponencial e cilíndrico para a krigagem ordinária. A técnica de fusão por IHS demonstrou-se mais interessante em relação à técnica por PCA, apresentando coeficientes de correlação entre as bandas 2, 3 e 4 originais e híbridas, de 0,2318, 0,0304 e 0,1800, respectivamente. O método de krigagem ordinária para reamostragem das imagens apresentou melhores resultados quando ajustado pelo modelo gaussiano. A metodologia proposta se apresentou viável e adequada para a elaboração de mapas de risco de ocorrência da doença, uma vez que conferece variabilidade espacial e temporal ao modelo já existente na literatura para aquela região.