Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Univ Western Sao Paulo | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | Program Nat Resources & Environm Technol | - |
Autor(es): dc.creator | Oscoa, Lucas Prado | - |
Autor(es): dc.creator | Marques Ramos, Ana Paula | - |
Autor(es): dc.creator | Saito Moriya, Erika Akemi [UNESP] | - |
Autor(es): dc.creator | Souza, Mauricio de | - |
Autor(es): dc.creator | Marcato Junior, Jose | - |
Autor(es): dc.creator | Matsubara, Edson Takashi | - |
Autor(es): dc.creator | Imai, Nilton Nobuhiro [UNESP] | - |
Autor(es): dc.creator | Creste, Jose Eduardo | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:08:45Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:08:45Z | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2019-10-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.jag.2019.101907 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/196196 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/196196 | - |
Descrição: dc.description | Nitrogen is one of the main required nutrients for the production of citrus plants. Farmers have used the chemical analysis of leaf tissue to determine the amount of nitrogen needed in a crop. However, its possible to directly classify the leaf nitrogen content (LNC) using remote sensing data. But, the accuracy of this methodology is yet low and is unknown how to enhance it. We propose a new approach to estimate the LNC in Valencia orange trees applying spectral analysis algorithms in multispectral images of high spatial resolution. Here we show an accuracy upper than 87% in determining the LNC in Valencia orange tree. Previous research, that also used multispectral images of high spatial resolution, obtained an accuracy lower than 65%. A total of 320 spectral measurements were obtained with a field spectroradiometer and the multispectral images were acquired with a Parrot Sequoia camera mounted in an Unmanned Aerial Vehicle (UAV). We calculated the mean values of 10 spectral measurements and created 32 spectral signatures with different nitrogen content. Each spectral signature was assigned for three LNC classes; low ( <= 27 g.kg(-1)), medium ( > 27 and <= 29 g.kg(-1)) and high ( > 29 g.kg(-1)). A band simulation was performed to Parrot Sequoia images for each spectral signature. We adopted 7 spectral analysis algorithms to determine the LNC: Constrained Energy Minimization; Linear Spectral Unmixing; Mixture Tuned Matched Filtering; Minimum Distance; Orthogonal Subspace Projection; Spectral Angle Mapper (SAM) and; Spectral Information Divergence. All these algorithms were trained using the simulated spectral signatures as input data. We used the 32 spectral signatures as training data and approximately 30,000 pixels as testing data, corresponding to the identified nitrogen content in orange-trees. The performance of the algorithms was evaluated with a confusion matrix and Receiver Operating Characteristic curves. The SAM algorithm presented the highest accuracy (overall of 87.6% with a kappa coefficient of 0.75) to determine LNC in orange trees. The proposed methodology may reduce the number of leaf tissue analysis and also optimize the monitoring process of orange orchards. | - |
Descrição: dc.description | Univ Western Sao Paulo, Program Agron, BR-19067175 Presidente Prudente, SP, Brazil | - |
Descrição: dc.description | Univ Western Sao Paulo, Program Environm & Reg Dev, BR-19067175 Presidente Prudente, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Program Cartog Sci, BR-19060900 Presidente Prudente, SP, Brazil | - |
Descrição: dc.description | Univ Fed Mato Grosso do Sul, Program Nat Resources & Environm Technol, BR-79070900 Campo Grande, MG, Brazil | - |
Descrição: dc.description | Program Nat Resources & Environm Technol, BR-79070900 Campo Grande, MG, Brazil | - |
Descrição: dc.description | Univ Fed Mato Grosso do Sul, Program Comp Sci, BR-79070900 Campo Grande, MG, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Program Cartog Sci, BR-19060900 Presidente Prudente, SP, Brazil | - |
Formato: dc.format | 12 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Elsevier B.V. | - |
Relação: dc.relation | International Journal Of Applied Earth Observation And Geoinformation | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Spectral band simulation | - |
Palavras-chave: dc.subject | Multispectral images | - |
Palavras-chave: dc.subject | Precision agriculture | - |
Palavras-chave: dc.subject | Plant nutrition | - |
Título: dc.title | Improvement of leaf nitrogen content inference in Valencia-orange trees applying spectral analysis algorithms in UAV mounted-sensor images | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: