
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.creator | Santos, Alexandre dos | - |
| Autor(es): dc.creator | Santos, Isabel Carolina de Lima | - |
| Autor(es): dc.creator | Costa, Jeffersoney Garcia | - |
| Autor(es): dc.creator | Oumar, Zakariyyaa | - |
| Autor(es): dc.creator | Bueno, Mariane Camargo | - |
| Autor(es): dc.creator | Mota Filho, Tarcísio Marcos Macedo | - |
| Autor(es): dc.creator | Zanetti, Ronald | - |
| Autor(es): dc.creator | Zanuncio, José Cola | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:43:23Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:43:23Z | - |
| Data de envio: dc.date.issued | 2022-10-31 | - |
| Data de envio: dc.date.issued | 2022-10-31 | - |
| Data de envio: dc.date.issued | 2021 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/55388 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1007/s11119-022-09919-x | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1146024 | - |
| Descrição: dc.description | Defoliation by leaf-cutting ants alters the physiological processes of plants, and this defoliation can be inferred from satellite imagery used to identify plant injuries. The aim of this study was to evaluate the spectral pattern of defoliation by leaf-cutting ants in eucalyptus plants on a pixel level using unsupervised machine learning techniques applied to remote sensing by satellites. The study was carried out in a eucalyptus plantation in the municipality of Telêmaco Borba, Paraná state, Brazil. The nests of leaf-cutting ants were located and georeferenced. Multispectral images were obtained from the Sentinel-2 (S-2) and planet scope (PS) satellites. The response variables were the RGB-NIR bands and four vegetation indices (VIs). The data obtained from these bands and vegetation indices was separated in an unsupervised method by the k-medoids clustering algorithm and input into a Random Forest (RF) model. The significance of the models was tested with permutational multivariate analysis of variance (PERMANOVA). The k-medoids algorithm classified the spectral response of the RGB-NIR and VIs bands into two main factors of variation in the tree canopy. The models selected were 1200 trees and 6 variables for the S2 satellite (accuracy = 97.74 ± 0.040%) and 900 trees and 5 variables for the PS (accuracy = 97.42 ± 0.026%). The unsupervised machine learning technique, applied to remote sensing, was effective to map defoliation caused by leaf-cutting ants, and this approach can be used in precision agriculture for pest management purposes. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Precision Agriculture | - |
| Palavras-chave: dc.subject | Forest entomology | - |
| Palavras-chave: dc.subject | Forest protection | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Leaf-cutting ants | - |
| Palavras-chave: dc.subject | Remote sensing | - |
| Palavras-chave: dc.subject | Pest management | - |
| Palavras-chave: dc.subject | Entomologia florestal | - |
| Palavras-chave: dc.subject | Proteção florestal | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Formigas cortadeiras | - |
| Palavras-chave: dc.subject | Sensoriamento remoto | - |
| Palavras-chave: dc.subject | Manejo de pragas | - |
| Título: dc.title | Canopy defoliation by leaf-cutting ants in eucalyptus plantations inferred by unsupervised machine learning applied to remote sensing | - |
| Tipo de arquivo: dc.type | Artigo | - |
| 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: