Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | Univ Western Sao Paulo | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Univ Waterloo | - |
Autor(es): dc.contributor | Univ Estado Santa Catarina | - |
Autor(es): dc.creator | Osco, Lucas Prado | - |
Autor(es): dc.creator | Marques Ramos, Ana Paula | - |
Autor(es): dc.creator | Saito Moriya, Erika Akemi [UNESP] | - |
Autor(es): dc.creator | Bavaresco, Lorrayne Guimaraes | - |
Autor(es): dc.creator | Lima, Bruna Coelho de | - |
Autor(es): dc.creator | Estrabis, Nayara | - |
Autor(es): dc.creator | Pereira, Danilo Roberto | - |
Autor(es): dc.creator | Creste, Jose Eduardo | - |
Autor(es): dc.creator | Marcato Junior, Jose | - |
Autor(es): dc.creator | Goncalves, Wesley Nunes | - |
Autor(es): dc.creator | Imai, Nilton Nobuhiro [UNESP] | - |
Autor(es): dc.creator | Li, Jonathan | - |
Autor(es): dc.creator | Liesenberg, Veraldo | - |
Autor(es): dc.creator | Araujo, Fabio Fernando de | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:09:38Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:09:38Z | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2019-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/rs11232797 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/196509 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/196509 | - |
Descrição: dc.description | Modeling the hyperspectral response of vegetables is important for estimating water stress through a noninvasive approach. This article evaluates the hyperspectral response of water-stress induced lettuce (Lactuca sativa L.) using artificial neural networks (ANN). We evenly split 36 lettuce pots into three groups: control, stress, and bacteria. Hyperspectral response was measured four times, during 14 days of stress induction, with an ASD Fieldspec HandHeld spectroradiometer (325-1075 nm). Both reflectance and absorbance measurements were calculated. Different biophysical parameters were also evaluated. The performance of the ANN approach was compared against other machine learning algorithms. Our results show that the ANN approach could separate the water-stressed lettuce from the non-stressed group with up to 80% accuracy at the beginning of the experiment. Additionally, this accuracy improved at the end of the experiment, reaching an accuracy of up to 93%. Absorbance data offered better accuracy than reflectance data to model it. This study demonstrated that it is possible to detect early stages of water stress in lettuce plants with high accuracy based on an ANN approach applied to hyperspectral data. The methodology has the potential to be applied to other species and cultivars in agricultural fields. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | FAPESC | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Univ Fed Mato Grosso do Sul, Fac Engn Architecture & Urbanism & Geog, Av Costa & Silva, BR-79070900 Campo Grande, MS, Brazil | - |
Descrição: dc.description | Univ Western Sao Paulo, Environm & Reg Dev, R Jose Bongiovani 700, BR-19050920 Presidente Prudente, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Dept Cartog Sci, BR-19060900 Presidente Prudente, Brazil | - |
Descrição: dc.description | Univ Western Sao Paulo, Agron Dev, R Jose Bongiovani 700, BR-19050920 Presidente Prudente, Brazil | - |
Descrição: dc.description | Univ Waterloo, Dept Geog & Environm Management, Waterloo, ON N2L 3G1, Canada | - |
Descrição: dc.description | Univ Waterloo, Dept Syst Design Engn, Waterloo, ON N2L 3G1, Canada | - |
Descrição: dc.description | Univ Estado Santa Catarina, Forest Engn Dept, BR-88040900 Florianopolis, SC, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Dept Cartog Sci, BR-19060900 Presidente Prudente, Brazil | - |
Descrição: dc.description | CAPES: p: 88881.311850/2018-01 | - |
Descrição: dc.description | FAPESP: p: 2013/20328-0 | - |
Descrição: dc.description | FAPESC: 2017TR1762 | - |
Descrição: dc.description | CNPq: 313887/2018-7 | - |
Formato: dc.format | 15 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Mdpi | - |
Relação: dc.relation | Remote Sensing | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | spectroscopy | - |
Palavras-chave: dc.subject | artificial intelligence | - |
Palavras-chave: dc.subject | proximal sensing data | - |
Palavras-chave: dc.subject | precision agriculture | - |
Título: dc.title | Modeling Hyperspectral Response of Water-Stress Induced Lettuce Plants Using Artificial Neural Networks | - |
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: