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%).
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/148760 |
Date | 19 December 2016 |
Creators | Martins, George Deroco [UNESP] |
Contributors | Universidade Estadual Paulista (UNESP), Galo, Maria de Lourdes Bueno Trindade [UNESP], Vieira, Bruno Sérgio [UNESP] |
Publisher | Universidade Estadual Paulista (UNESP) |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Source | reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0029 seconds