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.contributor | Universidade Federal de Uberlândia (UFU) | - |
Autor(es): dc.creator | Orlando, Vinicius Silva Werneck | - |
Autor(es): dc.creator | Martins, George Deroco | - |
Autor(es): dc.creator | Fraga, Eusimio Felisbino | - |
Autor(es): dc.creator | Marra, Aline Barrocá | - |
Autor(es): dc.creator | Pereira, Fernando Vasconcelos | - |
Autor(es): dc.creator | de Lourdes Bueno Trindade Galo, Maria | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:34:45Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:34:45Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-12 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5194/isprs-annals-X-1-W1-2023-91-2023 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307748 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307748 | - |
Descrição: dc.description | Leaf Water Potential (LWP) is an indicator widely used to understand water relations in a coffee tree. Monitoring water potential is a challenge for remote sensing using low-cost multispectral cameras, with images taken by remotely piloted aircraft. The objective of this work was to evaluate the potential of a low-cost camera to discriminate different water treatments in the coffee tree. In addition, the accuracy of models to estimate LWP in the coffee crop was evaluated. The results showed that the NDVI (Normalized Difference Vegetation Index) vegetation index was able to discriminate 61.6 % more plots in a drought regime than the Near-InfraRed (NIR) band in the rainfall regime. For LWP, the architecture that presented the best performance in the detection of water stress was for the first flight (SMOreg algorithm using as predictor variables all bands, Red, Green, and NIR, and the NDVI vegetation index) with RMSE value of 0.1880 and RMSE% of 34.18. For the second flight (Random Tree algorithm, using as predictor variables all bands and NDVI) with RMSE (0.0520) and RMSE% (32.00) values. | - |
Descrição: dc.description | Universidade Federal de Uberlândia | - |
Descrição: dc.description | São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Federal University of Uberlândia (UFU), Minas Gerais | - |
Descrição: dc.description | São Paulo State University (UNESP), São Paulo | - |
Formato: dc.format | 91-96 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Agriculture | - |
Palavras-chave: dc.subject | Coffee Crop | - |
Palavras-chave: dc.subject | Irrigation | - |
Palavras-chave: dc.subject | Leaf Water Potential | - |
Palavras-chave: dc.subject | Low-Cost Images | - |
Palavras-chave: dc.subject | Machine Learning | - |
Título: dc.title | POTENTIAL OF MULTISPECTRAL IMAGES TAKEN BY SENSORS EMBEDDED IN UAVS FOR MONITORING THE COFFEE CROP IRRIGATION | - |
Tipo de arquivo: dc.type | aula 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: