
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 | Nunes, Pedro Henrique | - |
| Autor(es): dc.creator | Pierangeli, Eduardo Vilela | - |
| Autor(es): dc.creator | Santos, Meline Oliveira | - |
| Autor(es): dc.creator | Silveira, Helbert Rezende Oliveira | - |
| Autor(es): dc.creator | Matos, Christiano Sousa Machado de | - |
| Autor(es): dc.creator | Pereira, Alessandro Botelho | - |
| Autor(es): dc.creator | Alves, Helena Maria Ramos | - |
| Autor(es): dc.creator | Volpato, Margarete Marin Lordelo | - |
| Autor(es): dc.creator | Silva, Vânia Aparecida | - |
| Autor(es): dc.creator | Ferreira, Danton Diego | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:55:54Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:55:54Z | - |
| Data de envio: dc.date.issued | 2023-05-16 | - |
| Data de envio: dc.date.issued | 2023-05-16 | - |
| Data de envio: dc.date.issued | 2023-08 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/56804 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S2772375523000436 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1150622 | - |
| Descrição: dc.description | Leaf water potential is one of the main parameters used to assess water relations in plants by revealing levels of tissue hydration. It is commonly measured with the Scholander pressure chamber; which demands hard work and a time-consuming process. On the other hand, there is a diversified literature demonstrating the assessments of several plant variables via indices of leaf reflectance, that also present direct and indirect relationships with water potential. The aim of this work is to exploit spectral variables to estimate the water potential of coffee plants by using computational intelligence approaches. Data was collected in the cities of Santo Antônio do Amparo and Diamantina, Brazil, from 2014 to 2018. Two neural networks (Multi-Layer Perceptron) were designed to estimate and classify leaf water potential based on spectral variables. Moreover, a classifier and an estimator based on decision tree were also developed. The results showed that the artificial neural network model was superior as an estimator when compared with the decision tree model, with an average confidence index of 0.8550. On the other hand, decision trees showed a slightly higher performance as a classifier, with an overall accuracy of 88.8% and a Kappa index of 70.07%. We concluded that the leaf reflectance indices may be properly used to build accurate models for estimating coffee water potential. The indices PRI, NDVI, CRI1 and SIPI were the most relevant ones for estimating and classifying the coffee water potential. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Smart Agricultural Technology | - |
| Palavras-chave: dc.subject | Artificial intelligence | - |
| Palavras-chave: dc.subject | Artificial neural networks | - |
| Palavras-chave: dc.subject | Coffee trees | - |
| Palavras-chave: dc.subject | Decision trees | - |
| Palavras-chave: dc.subject | Water potential | - |
| Título: dc.title | Predicting coffee water potential from spectral reflectance indices with neural networks | - |
| 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: