Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/34752
ORCID:  http://orcid.org/0000-0001-9944-1161
Document type: Dissertação
Access type: Acesso Aberto
Embargo Date: 2022-03-25
Title: Imagens multiespectrais para discriminar fontes de adubo no cafeeiro
Alternate title (s): Multispectral images to discriminate sources of fertilizer in coffee trees
Author: Rezende, Camila Isabel Pereira
First Advisor: Assis, Gleice Aparecida de
First coorientator: Martins, George Deroco
First member of the Committee: Gallis, Rodrigo Bezerra de Araujo
Second member of the Committee: Carvalho, Fabio Janoni
Summary: A adubação do cafeeiro é um ponto fundamental para todo o desenvolvimento da planta e deve ser manejada em função do estádio fenológico da cultura. A fonte e a dose de fertilizante a ser utilizada é uma escolha importante, afetando não apenas a produtividade, mas também as propriedades químicas e biológicas do solo. O monitoramento remoto do manejo das lavouras cafeeiras faz-se necessário a uma demanda cada vez mais crescente nas tomadas de decisão, onde o intuito é promover o aumento da produção com base no manejo sustentável. Neste trabalho avaliou-se o potencial de imagens obtidas por sensores de baixo custo na discriminação de fontes de adubo mineral e organomineral em cafeeiro. O delineamento experimental utilizado foi em blocos casualizados, com cinco blocos e seis tratamentos, sendo: (TI) 100% do tratamento com organomineral, (T2) 70% do tratamento com organomineral, (T3) 50% do tratamento com organomineral, (T4) 100% da adubação mineral, (T5) 70% da adubação mineral e (T6) tratamento padrão da propriedade. Após o manejo utilizamos a câmera Mapir 3 Survey3W acoplada a uma ARP drone – Phantom4 para tomar imagens do experimento ao longo de período vegetativo de 12 meses. Concomitante a tomada de imagens coletamos parâmetros agronômicos de crescimento do cafeeiro e produtividade por duas safras e concluímos que diferentes doses de adubação não afetaram significativamente as características analisadas. A partir da classificação supervisionada de imagens multiespectrais foi possível discriminar tratamentos com maior grau de acurácia (86,66% de acerto) do que quando analisados parâmetros de crescimento do cafeeiro.
Abstract: Coffee fertilization is key for the entire plant development and must be managed according to the phenological stage of the crop. The source and dose of the fertilizer to be used is an important choice, as it affects not only productivity but also the chemical and biological properties of the soil. Remote monitoring of the management of coffee crops is necessary as the demand in decision-making, where the aim is to rise production based on sustainable management is in a constant growth. In this work, we evaluated the potential of images obtained by low-cost sensors in the discrimination of sources of mineral and organomineral fertilizers in coffee. The experimental design was in randomized blocks, with five blocks and six treatments, as follows: (TI) - 100% of the organomineral treatment; (T2) - 70% of the organomineral treatment; (T3) - 50% of the organomineral treatment; (T4) - 100% of mineral fertilization; (T5) - 70% of mineral fertilization (T6) - standard treatment of the farm. After management, we used the Mapir 3 Survey3W camera coupled to an ARP drone – Phantom4 to take images of the experiment over a 12-month vegetative period. Combined with image taking, we collected agronomic parameters of coffee growth and productivity for two crops and concluded that different fertilization doses did not significantly affect the analyzed characteristics. Based on the supervised classification of multispectral images, it was possible to discriminate treatments with a higher degree of accuracy (86.66% accuracy) than when analyzing coffee growth parameters.
Keywords: Coffea arabica L.
manejo de adubação
monitoramento remoto de baixo custo
discriminação de tratamentos
Coffea arabica L.
fertilization management
low-cost remote monitoring
treatment discrimination
Area (s) of CNPq: CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::FERTILIDADE DO SOLO E ADUBACAO
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::MANEJO E TRATOS CULTURAIS
CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEODESIA::FOTOGRAMETRIA
Subject: Agronomia
Café - Adubos e fertilizantes
Fitotecnia
Imagens multiespectrais
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Agricultura e Informações Geoespaciais
Quote: REZENDE, Camila Isabel Pereira. Imagens multiespectrais para discriminar fontes de adubo no cafeeiro. 2022. 32 f. Dissertação (Mestrado em Agricultura e Informações Geoespaciais) - Universidade Federal de Uberlândia, Monte Carmelo, 2022. DOI http://doi.org/10.14393/ufu.di.2022.140.
Document identifier: http://doi.org/10.14393/ufu.di.2022.140
URI: https://repositorio.ufu.br/handle/123456789/34752
Date of defense: 25-Mar-2022
Appears in Collections:DISSERTAÇÃO - Agricultura e Informações Geoespaciais (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
ImagensMultiespectraisPara.pdf1.39 MBAdobe PDFThumbnail
View/Open


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