Potencial de imagens multiespectrais sentinel 2 na detecção de nematoides na cultura cafeeira

Laura Cristina Moura Xavier, Carlos Alberto Matias De Abreu Júnior, G. D. Martins, João Vitor Meza Bravo, B. S. Vieira
{"title":"Potencial de imagens multiespectrais sentinel 2 na detecção de nematoides na cultura cafeeira","authors":"Laura Cristina Moura Xavier, Carlos Alberto Matias De Abreu Júnior, G. D. Martins, João Vitor Meza Bravo, B. S. Vieira","doi":"10.3895/RBGEO.V7N2.8701","DOIUrl":null,"url":null,"abstract":"Neste trabalho, avaliou-se o potencial do uso de imagens multiespectrais livres para identificar a infecção por nematoides em uma lavoura cafeeira. Adotou-se uma área de estudo com ocorrência infecção por nematoides (N. paranaenses) na cultura cafeeira. Em segundo lugar, analisou-se a variação da resposta espectral do café infectados e sadio, em bandas do satélite Sentinel 2. Como hipótese, esperava-se que plantas saudáveisrespondessem diferentemente das sadias. Assim, detectamos bandas cuja variação na refletância poderia auxiliar no processo de classificação de imagens. Assim, detectou-se essas variações, observando as bandas (vermelha, IVP, vermelho limítrofe 3-4). Posteriormente, fizemos a classificação da imagem (rede neural) aplicando diferentes combinações de imagens, considerando os resultados da etapa anterior, além de uma imagem representando o índice NDVI. A combinação das bandas Red, NIR e NDVI como entrada de classificação proporcionou o melhor resultado quando comparado com as outras combinações. Essa combinação permitiu detectar áreas de infecção por nematoides e realizar a classificação da imagem com 97,91% de acurácia. Portanto, obteve-se o potencial positivo do uso de imagens livres do Sentinel 2 para identificar infecções por nematoides em lavouras cafeeiras. Este é um resultado notável, uma vez que se produziu uma solução inovadora, de baixo custo e confiante.","PeriodicalId":268785,"journal":{"name":"Revista Brasileira de Geomática","volume":"3 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-10-10","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Brasileira de Geomática","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.3895/RBGEO.V7N2.8701","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Neste trabalho, avaliou-se o potencial do uso de imagens multiespectrais livres para identificar a infecção por nematoides em uma lavoura cafeeira. Adotou-se uma área de estudo com ocorrência infecção por nematoides (N. paranaenses) na cultura cafeeira. Em segundo lugar, analisou-se a variação da resposta espectral do café infectados e sadio, em bandas do satélite Sentinel 2. Como hipótese, esperava-se que plantas saudáveisrespondessem diferentemente das sadias. Assim, detectamos bandas cuja variação na refletância poderia auxiliar no processo de classificação de imagens. Assim, detectou-se essas variações, observando as bandas (vermelha, IVP, vermelho limítrofe 3-4). Posteriormente, fizemos a classificação da imagem (rede neural) aplicando diferentes combinações de imagens, considerando os resultados da etapa anterior, além de uma imagem representando o índice NDVI. A combinação das bandas Red, NIR e NDVI como entrada de classificação proporcionou o melhor resultado quando comparado com as outras combinações. Essa combinação permitiu detectar áreas de infecção por nematoides e realizar a classificação da imagem com 97,91% de acurácia. Portanto, obteve-se o potencial positivo do uso de imagens livres do Sentinel 2 para identificar infecções por nematoides em lavouras cafeeiras. Este é um resultado notável, uma vez que se produziu uma solução inovadora, de baixo custo e confiante.
哨兵2多光谱图像在咖啡作物线虫检测中的潜力
在这项工作中,我们评估了利用自由多光谱图像识别咖啡作物线虫感染的潜力。我们采用了一个在咖啡作物中发生线虫感染的研究区域。其次,在哨兵2号卫星波段分析了受感染咖啡和健康咖啡的光谱响应变化。作为一种假设,健康的植物和健康的植物的反应是不同的。因此,我们检测了反射率变化有助于图像分类过程的波段。因此,通过观察带(红色,IVP,边界红色3-4)来检测这些变化。在此基础上,考虑到前一步的结果,以及代表NDVI指数的图像,应用不同的图像组合对图像(神经网络)进行分类。红色波段、近红外波段和NDVI波段的组合作为分类输入,与其他组合相比效果最好。这种组合可以检测线虫感染区域,并进行图像分类,准确率为97.91%。因此,我们获得了使用Sentinel 2免费图像识别咖啡作物线虫感染的积极潜力。这是一个显著的结果,因为它产生了一个创新的、低成本的和可靠的解决方案。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信