
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 | Ferraz, Gabriel Araújo e Silva | - |
| Autor(es): dc.contributor | Santana, Lucas Santos | - |
| Autor(es): dc.contributor | Oliveira, Mirian de Lourdes | - |
| Autor(es): dc.creator | Abreu, Amara Lana Valim de | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:39:53Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:39:53Z | - |
| Data de envio: dc.date.issued | 2025-08-25 | - |
| Data de envio: dc.date.issued | 2025-05-12 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/60227 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1144695 | - |
| Descrição: dc.description | Arquivo retido, a pedido da autora, até junho de 2026. | - |
| Descrição: dc.description | Precision Agriculture (PA) is based on data collection and analysis to understand spatial variability within the workforce, allowing agricultural production to optimize the use of inputs such as fertilizers, pesticides and water. Through technologies such as sensors, GNSS, remotely piloted aircraft (RPAs) and management software, PA assists in controlled interventions, increasing production efficiency, reducing costs and minimizing environmental impacts. This study aims to evaluate the potential of a LiDAR sensor embedded in an RPA to map damage to coffee plants after incidents. To this end, the experiment was conducted in Santo Antonio do Amparo, in 3 coffee activities, with planting ages of 3, 4 and 10 years. Coffee crops were affected in different years by the Pacific (2019 and 2021) and the experiment to obtain the information was completed in May 2023. After obtaining the data on the plant population (plant height and canopy diameter), analyses were performed with tools using multivariate hierarchical clustering statistics to classify the coffee plants into 2 groups, according to the incidence of incidence, being: 1 plants with the highest incidence and 2 with the lowest incidence. In order to compare the means of the variables between groups 1 and 2, an analysis of variance was performed. Two new classifications were also proposed for groups 1 and 2, based on the analysis of non-hierarchical k-means clustering. For this, the variables of height and canopy diameter were used in one grouping, and in another, the variables of height, canopy diameter and altimetry were considered, for the 3 areas under study. Thus, the present study made it possible to develop and test a methodology for mapping occurrence zones through groupings based on data obtained by LiDAR, analyzing whether the groups affected after the occurrence of occurrences found differences in the variations demonstrated in plant height, canopy diameter, plant volume and IAF, thus obtaining impressive results in the study. | - |
| Descrição: dc.description | Fundação Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | EMBRAPA Café – Consórcio Pesquisa | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | A Agricultura de Precisão (AP) baseia-se na coleta e análise de dados para compreender a variabilidade espacial dentro da lavoura, permitindo ao produtor agrícola otimizar o uso de insumos como fertilizantes, defensivos e água. Por meio de tecnologias como sensores, GNSS, aeronaves remotamente pilotadas (RPAs) e softwares de gestão, a AP auxilia nas intervenções necessárias, aumentando a eficiência produtiva, reduzindo custos e minimizando impactos ambientais. O presente estudo procura avaliar o potencial de um sensor LiDAR embarcado em uma RPA, para mapear danos em cafeeiros após ocorrência de geada. Para tal, o experimento foi conduzido em Santo Antonio do Amparo, em 3 lavouras cafeeiras, com idades de 3, 4 e 10 anos de plantio. As lavouras cafeeiras foram afetadas em anos distintos pela geada (2019 e 2021) e o experimento para obtenção das informações foi conduzido em maio de 2023. Após a obtenção dos dados da população de plantas (altura da planta e diâmetro da copa), foram realizadas análises utilizando ferramentas estatísticas multivariadas de agrupamento não hierárquico para classificação dos cafeeiros em 2 grupos, de acordo com a incidência de geada, sendo eles:1plantas com maior incidência de geada e 2 menor incidência de geada. Com o intuito de comparar as médias das variáveis entre os grupos 1 e 2, realizou-se a análise de variância. Foram propostas também duas novas classificações para os grupos 1 e 2, baseadas na análise de agrupamentos não hierárquica k-means. Para tal, foram utilizadas em um agrupamento as variáveis altura e diâmetro de copa, e em outro, as variáveis consideradas foram altura, diâmetro de copa e altimetria, para as 3 áreas em estudo. Assim, o presente estudo possibilitou desenvolver e testar uma metodologia de mapeamento de zonas de ocorrência de geadas por meio de agrupamentos baseadas em dados obtidos por LiDAR, analisar se os grupos afetados após a ocorrência de geada apresentaram diferenças das variáveis analisadas altura de planta, diâmetro de copa, volume de planta e IAF , assim obteve se resultados satisfatórios no estudo. | - |
| Descrição: dc.description | Tecnológico | - |
| Descrição: dc.description | Meio ambiente | - |
| Descrição: dc.description | Tecnologia e produção | - |
| Descrição: dc.description | ODS 2: Fome zero e agricultura sustentável | - |
| Descrição: dc.description | ODS 12: Consumo e produção responsáveis | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Agrícola | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Engenharia Agrícola | - |
| Publicador: dc.publisher | Escola de Engenharia (EENG) | - |
| Direitos: dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
| Palavras-chave: dc.subject | Cafeicultura | - |
| Palavras-chave: dc.subject | Agricultura de precisão | - |
| Palavras-chave: dc.subject | Sensoriamento remoto | - |
| Palavras-chave: dc.subject | Geada | - |
| Palavras-chave: dc.subject | Veículos aéreos não tripulados | - |
| Palavras-chave: dc.subject | Coffee growing | - |
| Palavras-chave: dc.subject | Precision agriculture | - |
| Palavras-chave: dc.subject | Remote sensing | - |
| Palavras-chave: dc.subject | Frost | - |
| Palavras-chave: dc.subject | Unmanned aerial vehicles (UAVs) | - |
| Palavras-chave: dc.subject | Ciências Agrárias | - |
| Título: dc.title | Uso de sensores LiDAR em RPA no monitoramento de cafeeiros atingidos por geada | - |
| Título: dc.title | Use of LiDAR sensors in RPA for monitoring coffee trees affected by frost | - |
| Tipo de arquivo: dc.type | dissertação | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: