Orientador: Imai, Nilton Nobuhiro / Coorientador: Tommaselli, Antonio Maria Garcia / Banca: Maria de Lourdes Bueno Trindade Galo / Banca: Enner Herenio de Alcantra / Banca: Helio Ricardo Silva / Banca: Rubens Augusto Camargo Lamparelli / Resumo: 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... / Abstract: 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... / Doutor
| Identifer | oai:union.ndltd.org:UNESP/oai:www.athena.biblioteca.unesp.br:UEP01-000860739 |
| Date | January 2015 |
| Creators | Moriya, Érika Akemi Saito. |
| Contributors | Universidade Estadual Paulista "Júlio de Mesquita Filho" Faculdade de Ciências e Tecnologia. |
| Publisher | Presidente Prudente, |
| Source Sets | Universidade Estadual Paulista |
| Language | Portuguese, Portuguese, Texto em português; resumos em português e inglês |
| Detected Language | Portuguese |
| Type | text |
| Format | 147 f. : |
| Relation | Sistema requerido: Adobe Acrobat Reader |
Page generated in 0.0027 seconds