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 | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Negrisoli, Matheus Mereb | - |
Autor(es): dc.creator | Negrisoli, RaphaelMereb | - |
Autor(es): dc.creator | Silva, FlavioNunes da | - |
Autor(es): dc.creator | Lopes, Lucasda Silva | - |
Autor(es): dc.creator | Souza Junior, Franciscode Sales de | - |
Autor(es): dc.creator | Velini, Edivaldo Domingues | - |
Autor(es): dc.creator | Carbonari, Caio Antonio | - |
Autor(es): dc.creator | Rodrigues, Sergio Augusto | - |
Autor(es): dc.creator | Raetano, Carlos Gilberto | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:15:26Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:15:26Z | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-09-15 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1002/agj2.21152 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/237864 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/237864 | - |
Descrição: dc.description | The detection and monitoring of soybean rust (SBR) through remote sensing is promising because of the importance of the crop and the aspects of the disease. We evaluated the effects of different levels of SBR severity on soybean [Glycine max (L.) Merr.] leaflets reflectance aiming for the construction of a disease classification model. Leaflet reflectance was evaluated on two cultivars (susceptible and partially resistant) at four disease severity levels: healthy, low, moderate, and high. Leaflets were collected in the field and taken to the laboratory for spectral evaluation through the spectrophotometer UV 2700 coupled with Integrating Sphere Attachment ISR-603, in the range of 270-1000 nm. The feasibility of using a collection of vegetation indices (VIs) and data dimensionality reduction through multiple factor analysis (MFA) was evaluated, and a classification model was constructed. Ten algorithms were assessed based on precision, sensibility, and accuracy parameters, using 80% of the dataset as training data and 20% as testing dataset. The visible range and red edge region contributed more significantly to the disease prediction and classification model. The MFA performed satisfactorily in the dimensionality reduction and unveiled the effect of specific wavelengths on the classification of each class. Most of the VIs studied had high correlation performance across the severity classes. Classification accuracy and precision were >70% for all models. Linear support vector machine with the collection of VIs achieved the best results. This study provides a practical path for developing a detection model to be integrated into SBR management programs. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Sao Paulo State Univ, Dept Plant Protect, Sch Agr, Ave Univ, BR-3780 Botucatu, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Dep Biotechnol & Bioproc, Sch Agr, Ave Univ, BR-3780 Botucatu, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Dept Plant Protect, Sch Agr, Ave Univ, BR-3780 Botucatu, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Dep Biotechnol & Bioproc, Sch Agr, Ave Univ, BR-3780 Botucatu, SP, Brazil | - |
Descrição: dc.description | FAPESP: 2018/26486-0 | - |
Descrição: dc.description | FAPESP: 2018/24869-0 | - |
Descrição: dc.description | CNPq: 142443/2018-2 | - |
Descrição: dc.description | CAPES: 001 | - |
Formato: dc.format | 17 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Wiley-Blackwell | - |
Relação: dc.relation | Agronomy Journal | - |
???dc.source???: dc.source | Web of Science | - |
Título: dc.title | Soybean rust detection and disease severity classification by remote sensing | - |
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: