Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/31129
ORCID:  http://orcid.org/0000-0003-0847-9864
Document type: Dissertação
Access type: Acesso Aberto
Title: Imagens multiespectrais orbitais: ferramenta para discriminar manejos de fitonematoides do cafeeiro
Alternate title (s): Orbital multispectral imaging: a tool for discriminating management strategies for nematodes in coffee
Author: Orlando, Vinicius Silva Werneck
First Advisor: Vieira, Bruno Sérgio
First coorientator: Martins, George Deroco
First member of the Committee: Lopes, Everaldo Antônio
Summary: O sensoriamento remoto baseado em imagens multiespectrais pode ser uma ferramenta útil para detectar respostas de estresse na vegetação. Neste estudo foi avaliado o potencial da imagem orbital multiespectral em discriminar as estratégias mais eficazes na redução das populações de fitonematoides e no aumento da produtividade do cafeeiro. As plantas foram tratadas com sete isolados de Bacillus separadamente (B. subtilis isolados B18, B202 e B33; B. thuringiensis isolado B22; B. safensis isolado B53; B. amyloliquefaciens isolado B266; B. methylotrophicus isolado B05); produto biológico comercial baseado em B. subtilis + B. licheniformis (BC); aplicação combinada de abamectina + CB (QBC); nematicida químico comercial fluensulfone (QC); e água foi aplicada como controle negativo. Avaliou-se a população inicial e final de fitonematoides no solo, a produtividade do cafeeiro e outras características agronômicas. Os dados radiométricos foram obtidos do sensor multiespectral orbital Planet. Os dados foram classificados usando o algoritmo de árvores aleatórias. A população de fitonematoides foi reduzida em 50,45% e 65,12% após a aplicação dos isolados B33 e B266. As plantas tratadas com QBC tiveram o maior rendimento em produtividade. A imagem multiespectral foi mais precisa em discriminar a maioria dos tratamentos nematicidas do que os parâmetros agronômicos com exatidão global (EG) de 80% versus 75,75%, respectivamente. Os parâmetros agronômicos foram os estimadores mais confiáveis para a produtividade do cafeeiro (EG = 100%) em comparação com a imagem multiespectral que apresentou EG máximo de 83,63%. Assim, a imagem orbital multiespectral pode discriminar os tratamentos mais eficazes usados para o manejo de fitonematoides no cafeeiro.
Abstract: Remote sensing based on multispectral imaging may be a useful tool to detect vegetation stress responses. In this study, we assessed the potential of orbital multispectral imaging in discriminating the most effective strategies in reducing plant-parasitic nematode populations and in increasing the yield of coffee. The plants were treated with seven Bacillus isolates separately (B. subtilis isolates B18, B202 and B33; B. thuringiensis isolate B22; B. safensis isolate B53; B. amyloliquefaciens isolate B266; B. methylotrophicus isolate B05); commercial biological product based on B. subtilis + B. licheniformis (BC); combined application of abamectin + CB (QBC); commercial chemical nematicide based on fluensulfone (QC); Water was applied as a negative control. The initial and final nematode population in the soil, coffee yield, and other agronomical traits were assessed. Radiometric data were obtained from the Planet orbital multispectral sensor. The data were classified using the random tree algorithm. The population of plant-parasitic nematodes was reduced by 50.45% and 65.12% after the application of the isolates B33 and B266. Plants treated with QBC had the highest yield. Multispectral imaging was more accurate in discriminating the most nematicidal treatments than the agronomical parameters, with global accuracy (GA) of 80% versus 75.75%, respectively. The agronomic parameters were the most reliable estimators for coffee yield (GA = 100%) in comparison to multispectral imaging, which had a maximum GA of 83.63%. Thus, orbital multispectral imaging can discriminate the most effective treatments used for nematode management in coffee.
Keywords: Sensoriamento Remoto
Remote Sensing
Controle Biológico
Biological Control
Bacillus spp.
Bacillus spp.
Aprendizado de máquina
Machine learning
Árvores aleatórias
Random trees
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::SENSORIAMENTO REMOTO
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIA
Subject: Cafeeiro
Imagens multiespectrais
Sensoriamento remoto
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Agricultura e Informações Geoespaciais
Quote: ORLANDO, Vinicius Silva Werneck. Imagens multiespectrais orbitais: ferramenta para discriminar manejos de fitonematoides do cafeeiro. 2020. 39 p. Dissertação (Mestrado em Agricultura e Informações Geoespaciais) - Universidade Federal de Uberlândia, Monte Carmelo, 2020. DOI http://doi.org/10.14393/ufu.di.2020.845
Document identifier: http://doi.org/10.14393/ufu.di.2020.845
URI: https://repositorio.ufu.br/handle/123456789/31129
Date of defense: 17-Dec-2020
Appears in Collections:DISSERTAÇÃO - Agricultura e Informações Geoespaciais (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
ImagensMultiespectraisOrbitais.pdfDissertação2.35 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.