Please use this identifier to cite or link to this item: http://tede2.uepg.br/jspui/handle/prefix/3276
metadata.dc.type: Dissertação
Title: Predição de produtividade de trigo por meio de dados espectrais e altura estimada da planta obtidos por meio de aeronave remotamente pilotada
metadata.dc.creator: Prestes, Christopher Djonny Pereira
metadata.dc.contributor.advisor1: Caires, Eduardo Fávero
metadata.dc.contributor.advisor-co1: Guimarães, Alaine Margarete
metadata.dc.contributor.referee1: Campos Junior, Arion de
metadata.dc.contributor.referee2: Haliski, Adriano
metadata.dc.description.resumo: O acompanhamento da cultura de trigo no campo, desde sua semeadura até a colheita, é indispensável para o controle de eventuais problemas que podem ocorrer durante seu desenvolvimento. A predição de produtividade de trigo é uma forma de fornecer ao produtor informações sobre o quanto será o rendimento da sua lavoura, ajudando a identificar possíveis problemas antecipadamente. A altura da planta também pode ser um importante indicador de rendimento, uma vez que pode estar relacionada ao desempenho da cultura. A extração dessas informações em campo pode ser inviável quando realizada manualmente e o uso de tecnologias que implementam os conceitos de Sensoriamento Remoto (SR), como as aeronaves remotamente pilotadas (RPA), pode ser uma alternativa para suprir essa necessidade. Considerando o recente surgimento de RPA em aplicações agrícolas e o limitado número de trabalhos envolvendo a estimativa de altura das plantas por meio de modelos digitais, essa pesquisa teve o objetivo de obter um modelo numérico para a predição de produtividade de trigo baseado em valores digitais de bandas espectrais e valores estimados de alturas de plantas extraídos de imagens de RPA. As áreas experimentais desse estudo estão localizadas no município de Ponta Grossa – PR, e foram semeadas com trigo nos anos de 2018 e 2019. Os voos sobre as áreas em 2018 foram realizados por uma RPA modelo eBee, utilizando as câmeras RGB e NIR em diferentes resoluções. O voo sobre a área em 2019 foi realizado por uma RPA modelo Phantom utilizando uma câmera RGB com resolução de 5cm/px. As imagens obtidas foram processadas no software Pix4D, que faz uso de algoritmos baseados em Structure from Motion (SfM) e permite a criação dos modelos digitais de superfície (DSM) e elevação (DEM). A partir do cálculo da diferença entre esses modelos foi possível estimar a altura dos objetos acima do solo. Também foram realizadas medidas manuais de altura das plantas e de produtividade de grãos no campo a fim de validar os modelos. Para a criação dos modelos de predição foram selecionados três algoritmos de Mineração de Dados (MD) a serem utilizados em testes preliminares. O SMOReg, um algoritmo baseado em Máquina de vetores de suporte (SVM) para aplicações que envolvem regressão, apresentou os melhores resultados e foi selecionado para dar prosseguimento aos testes. Os resultados obtidos demonstraram que a altura da planta pode contribuir consideravelmente para o desempenho dos modelos de predição de produtividade de trigo. Os resultados envolvendo a estimativa de altura das plantas indicaram que a câmera NIR se apresentou como a opção mais precisa para esse objetivo, obtendo um erro médio de estimativa consideravelmente menor do que o da câmera RGB. Os testes utilizando a combinação dos dados digitais da câmera RGB e a altura estimada das plantas pelos modelos alcançaram índices de correlação (r) de até 0,97. Portanto, foi possível obter um modelo de predição que apresentou alta correlação com a produtividade de grãos de trigo, utilizando apenas dados de SR.
Abstract: The field monitoring of wheat crop, from sowing to harvest, is essential to control any problems that may occur during crop development. The wheat yield prediction is a way to provide the farmers information about how the crop will perform, helping to identify possible problems in advance. The plant height can also be an important indicator of yield, since it can be related to the crop performance. The extraction of this information in the field can be impracticable when performed manually and the use of technologies that implement the Remote Sensing (SR) concepts, such as remotely piloted aircraft (RPA), can be an alternative to supply this need. Considering the recent appearance of RPA in agricultural applications and the limited number of studies involving plant height estimation using digital models, this study aimed to obtain a numerical model for the wheat yield prediction based on digital values of spectral bands and estimated plant height values extracted from RPA images. The experimental areas of this study were located in Ponta Grossa, Parana State, Brazil, and were sown with wheat in 2018 and 2019. The flights over the areas in 2018 were carried out by an RPA model eBee, using RGB and NIR cameras in different resolutions. The flight over the area in 2019 was carried out by an RPA model Phantom using an RGB camera with 5 cm/px resolution. The images obtained were processed in the Pix4D software, which uses algorithms based on Structure from Motion (SfM) and allows the creation of digital surface (DSM) and elevation (DEM) models. From the calculation of the difference between these models it was possible to estimate the height of the objects above the ground. Manual measurements of plant height and grain yield in the field were also performed in order to validate the models. To create the prediction models, three Data Mining (MD) algorithms were selected for use in preliminary tests. SMOReg, an algorithm based on Support vector machine (SVM) for applications involving regression, presented the best results and was selected to continue the tests. The results based on the plant height estimation indicated that the NIR camera proved to be more accurate for this purpose, obtaining a considerably lower average error of estimate compared to that of the RGB camera. Tests performed with the combination of digital RGB data and plant height estimated by the models reached a correlation index (r) of up to 0.97. Therefore, a prediction model that showed a high correlation with wheat grain yield was obtained in our study, using only SR data.
Keywords: Triticum aestivum L.
predição de rendimento de grãos
sensoriamento remoto
bandas espectrais
modelos digitais de superfície e elevação
mineração de dados
Triticum aestivum L.
grain yield prediction
remote sensing
spectral bands
digital surface and elevation models
data mining
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Estadual de Ponta Grossa
metadata.dc.publisher.initials: UEPG
metadata.dc.publisher.department: Departamento de Informática
metadata.dc.publisher.program: Programa de Pós Graduação Computação Aplicada
Citation: PRESTES, Christopher Djonny Pereira. Predição de produtividade de trigo por meio de dados espectrais e altura estimada da planta obtidos por meio de aeronave remotamente pilotada. 2020. Dissertação (Mestrado em Computação Aplicada) - Universidade Estadual de Ponta Grossa, Ponta Grossa, 2020.
metadata.dc.rights: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
metadata.dc.rights.uri: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI: http://tede2.uepg.br/jspui/handle/prefix/3276
Issue Date: 14-Aug-2020
Appears in Collections:Programa de Pós Graduação Computação Aplicada

Files in This Item:
File Description SizeFormat 
Christopher Djonny Pereira Prestes.pdf2.5 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons