
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 | Marin, Diego Bedin | - |
| Autor(es): dc.creator | Ferraz, Gabriel Araújo e Silva | - |
| Autor(es): dc.creator | Guimarães, Paulo Henrique Sales | - |
| Autor(es): dc.creator | Schwerz, Felipe | - |
| Autor(es): dc.creator | Santana, Lucas Santos | - |
| Autor(es): dc.creator | Barbosa, Brenon Dienevam Souza | - |
| Autor(es): dc.creator | Barata, Rafael Alexandre Pena | - |
| Autor(es): dc.creator | Faria, Rafael de Oliveira | - |
| Autor(es): dc.creator | Dias, Jessica Ellen Lima | - |
| Autor(es): dc.creator | Conti, Leonardo | - |
| Autor(es): dc.creator | Rossi, Giuseppe | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:33:57Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:33:57Z | - |
| Data de envio: dc.date.issued | 2022-01-21 | - |
| Data de envio: dc.date.issued | 2022-01-21 | - |
| Data de envio: dc.date.issued | 2021-04-10 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/48975 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1163846 | - |
| Descrição: dc.description | The development of approaches to determine the spatial variability of nitrogen (N) into coffee leaves is essential to increase productivity and reduce production costs and environmental impacts associated with excessive N applications. Thus, this study aimed to assess the potential of the Random Forest (RF) machine learning method applied to vegetation indices (VI) obtained from Remotely Piloted Aircraft (RPA) images to measure the N content in coffee plants. A total of 10 VI were obtained from multispectral images by a camera attached to a rotary-wing RPA. The RGB orthomosaic was used to determine sampling points at the crop area, which were ranked by N levels in the plants as deficient, critical, or sufficient. The chemical analysis of N content in the coffee leaves, as well as the VI values in sample points, were used as input parameters for the image training and its classification by the RF. The suggested model has shown global accuracy and a kappa coefficient of up to 0.91 and 0.86, respectively. The best results were achieved using the Green Normalized Difference Vegetation (GNDVI) and Green Optimized Soil Adjusted Vegetation Index (GOSAVI). In addition, the model enabled the evaluation of the spatial distribution of N in the coffee trees, as well as quantification of N deficiency in the crop for the whole area. The GNDVI and GOSAVI allowed the verification that 22% of the entire crop area had plants with N deficiency symptoms, which would result in a reduction of 78% in the amount of N applied by the producer. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Multidisciplinary Digital Publishing Institute (MDPI) | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| ???dc.source???: dc.source | Remote Sensing | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Vegetation indices | - |
| Palavras-chave: dc.subject | Unmanned aerial vehicle | - |
| Palavras-chave: dc.subject | Nitrogen management | - |
| Palavras-chave: dc.subject | RGB camera | - |
| Título: dc.title | Remotely piloted aircraft and random forest in the evaluation of the spatial variability of foliar nitrogen in coffee crop | - |
| 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: