
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 | Alves, Marcelo de Carvalho | - |
| Autor(es): dc.creator | Pozza, Edson Ampélio | - |
| Autor(es): dc.creator | Sanches, Luciana | - |
| Autor(es): dc.creator | Belan, Leonidas Leoni | - |
| Autor(es): dc.creator | Freitas, Marcelo Loran de Oliveira | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:54:10Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:54:10Z | - |
| Data de envio: dc.date.issued | 2022-05-10 | - |
| Data de envio: dc.date.issued | 2022-05-10 | - |
| Data de envio: dc.date.issued | 2021-10 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/49908 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1007/s40858-021-00474-w | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1149977 | - |
| Descrição: dc.description | Pseudomonas syringae pv. garcae, the causal agent of coffee disease bacterial blight, causes losses in nurseries and coffee fields. In this work, the objective was to evaluate integrated bacterial blight management in a coffee (Coffea arabica L.) field based on disease spatial pattern and ecological variables. The coffee field was composed by 85 georeferenced sample points, containing 5 plants representing a georeferenced point, being the spatial support of the experiment. Disease intensity classes were predicted in the field by machine learning algorithms fitted to big data on surface reflectance and spectral indices derived from digital image processing of Landsat-8 OLI/TIRS, as well as morphometric and hydrological attributes determined by geocomputation algorithms. Geostatistical modeling was used to characterize the spatial pattern and map the disease to gain epidemiological knowledge and precisely manage bacterial blight. Random forest algorithm enabled to detect the importance of relief morphometry associated with bacterial blight spatial progress in the coffee field, mainly according to the altitude and flow line curvature of the terrain. Probabilistic information on disease spatial pattern, modeled considering external trend effects of the topography variation, can be useful information for disease spatial prediction and integrated management based on georeferenced disease sampling. Multiple environmental variables may be carefully considered to evaluate mechanisms of interactions of bacterial blight with coffee plants and the physical environment. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer Nature | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Tropical Plant Pathology | - |
| Palavras-chave: dc.subject | Pseudomonas syringae pv. garcae | - |
| Palavras-chave: dc.subject | Epidemiology | - |
| Palavras-chave: dc.subject | Big data | - |
| Palavras-chave: dc.subject | Geostatistics | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Geocomputation | - |
| Palavras-chave: dc.subject | Mancha aureolada do cafeeiro | - |
| Palavras-chave: dc.subject | Epidemiologia | - |
| Palavras-chave: dc.subject | Geoestatística | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Geocomputação | - |
| Título: dc.title | Insights for improving bacterial blight management in coffee field using spatial big data and machine learning | - |
| 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: