Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Os melhores documentos à venda: Trabalhos de alunos formados
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
técnica abordada no processamento e interpretação de imagens vants
Tipologia: Manuais, Projetos, Pesquisas
1 / 147
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Faculdade de Ciências e Tecnologia Campus de Presidente Prudente Programa de Pós-Graduação em Ciências Cartográficas
2 Moriya, É. A. S. PPGCC- FCT/UNESP
Tese de Doutorado apresentado ao Conselho de Pós- Graduação em Ciências Cartográficas, da FCT/UNESP, sob orientação do Prof. Dr. Nilton Nobuhiro Imai e co-orientação do Prof. Dr. Antonio Maria Garcia Tommaselli.
4 Moriya, É. A. S. PPGCC- FCT/UNESP
5 Moriya, É. A. S. PPGCC- FCT/UNESP
Aos meus queridos pais Ermínia e Paulo, pela dedicação e por terem me dado todo o alicerce que necessitei durante todos esses anos. Ao meu esposo Adriano e meu filho Nicolas pelo amor, paciência, compreensão e momentos de felicidade.
7 Moriya, É. A. S. PPGCC- FCT/UNESP
Agradeço a meu esposo por todo o apoio, pelo amor, por sempre me acolher diante de todas as dificuldades enfrentadas. Muito obrigada por finalmente compreender o quanto a pesquisa científica é importante para mim, prova disto foi a ajuda com sua assessoria e conselhos nas questões agronômicas.
À meu filho por proporcionar momentos de felicidade, carinho e que apesar de ser pequeninho tem me ensinado que eu tenho muito o que aprender ainda.
À minha mãe que me deu apoio, que ajudou a cuidar do meu filho nas horas que precisei. Por sempre ter acreditado e confiado no meu potencial.
À meus orientadores, Nilton Imai e Antonio Tommaselli pelo profissionalismo, dedicação, paciência e orientação durante todos esses anos de pesquisa. Esta pesquisa só foi desenvolvida graças ao seu empenho. Sinto-me lisonjeada e grata por ter sido orientada pelos senhores. Muito obrigada professor Nilton, por sua compreensão durante a fase que passei por problemas pessoais, seus conselhos e confiança foram muito importantes.
À equipe de pesquisa, Gabriela Takahashi, George Deroco, Marcus Moraes, Adilson Berveglieri, Mariana Campos, Fernanda Torres que fizeram parte da execução desta pesquisa. Principalmente à Gabi pelas trocas de ideias, conversas construtivas, pela fundamental ajuda nos processamentos que contribuíram para a realização desta pesquisa.
Aos membros da banca de defesa da tese Maria de Lourdes Bueno Trindade Galo, Enner Herenio de Alcântara, Hélio Ricardo Silva e Rubens Augusto Camargo Lamparelli por revisarem meu trabalho e trouxeram grandes contribuições.
À professora e amiga Elizabeth Hashimoto pelo esclarecimento em questões de estatística.
À professora Maria de Lourdes ao ter sido minha primeira orientadora me ensinou a ter afeição pelo Sensoriamento Remoto e me impulsionou para que continuasse no Mestrado e chegasse no Doutorado.
À minhas amigas Fernanda Watanabe, Polyanna Bispo, Ana Lúcia Flores, Ingrid Kakihata, Patrícia Fukura, Miriam Saito, Aline Sato, Fusae Fujiwara, Taís Castro pelos anos amizade, pelo companheirismo e por proporcionarem momentos de descontração.
8 Moriya, É. A. S. PPGCC- FCT/UNESP
Aos meus queridos tios Mauro e Mituo pelas conversas e por me incentivarem a estudar.
À toda equipe do Centro de Convivência Infantil (CCI/UNESP) pelo carinho dedicado ao meu filho, por cuidarem dele durante os momentos que estava nas atividades da pós-graduação, meu agradecimento especial direciono para Rita de Cássia e a Sandra.
Aos membros da Seção Técnica de Pós-graduação, especialmente à Ivonete, Cinthia e André que sempre me atenderam com gentileza e eficiência.
À equipe da marcenaria da FCT/UNESP pela ajuda na construção do suporte de madeira utilizado no levantamento de campo.
Aos professores do PPGCC/UNESP por compartilharem o seu conhecimento e a dedicação oferecida para nós alunos, em especial aos professores Enner pelas dicas e auxílios em dúvidas e Paulo Camargo pelo auxílio no trabalho de campo.
Existe aquele ditado de que a união faz a força, e graças a união de todos os esforços esta pesquisa foi possível de ser realizada. Sou muito grata a todos pelo apoio e dedicação.
10 Moriya, É. A. S. PPGCC- FCT/UNESP
A hipótese levantada neste trabalho foi que as imagens hiperespectrais tomadas de plataformas aéreas como o veículo aéreo não-tripulado (VANT) e assinaturas espectrais medidas em campo ou laboratório podem ser utilizados em Agricultura de Precisão, especificamente na identificação de doenças na lavoura de cana-de-açúcar. Para testar esta hipótese foi delineado um objetivo principal, desenvolver uma metodologia para realizar o tratamento e análise de imagens hiperespectrais obtidas por sensor aerotransportado, de modo que os produtos auxiliem na caracterização da resposta espectral da cana-de-açúcar visando a discriminação e reconhecimento de talhões com doença na cana-de-açúcar. Portanto, neste trabalho desenvolveu-se uma metodologia que envolveu a realização de levantamentos em campo apoiados radiometricamente e a realização de análises em laboratório, para obter a curva espectral de cana-de-açúcar sadia e doentes, no intuito de identificar os comprimentos de onda mais propícios para detecção de doenças. A identificação de comprimentos de onda sensíveis a mudanças pela ação de agentes patogênicos foi importante para a elaboração de índices para detecção de duas doenças da cana-de-açúcar (estria vermelha e mosaico). Além disso, foi analisada a influência do ângulo de visada na estimativa do fator de reflectância hemisférico cônico na cana-de-açúcar, verificando o efeito da anisotropia na cana-de-açúcar. A obtenção de informação sobre o efeito da anisotropia na cana-de-açúcar foi importante para definir a estratégia de processamento das imagens hiperespectrais. As regiões com cana-de-açúcar infectadas com estria vermelha e mosaico foram discriminadas a partir de imagens hiperespectrais adquiridas por VANT, proporcionando informação para o planejamento da aplicação de defensivos agrícolas com a determinação precisa do posicionamento das regiões contaminadas e definição das estratégias de manejo da cultura agrícola visando um melhor gerenciamento da produção.
Palavras-chaves : Fitossanidade, Agricultura de Precisão, Comportamento espectral, Calibração radiométrica, Índices espectrais de detecção de doenças na cana-de-açúcar.
11 Moriya, É. A. S. PPGCC- FCT/UNESP
The hypothesis in this study was that the hyperspectral images taken from aerial platforms like unmanned aerial vehicle (UAV) and spectral signatures measured in field or lab can be use in precision agriculture, specifically in identifying diseases in sugarcane crop. To test this hypothesis has been outlined a primary objective to develop a methodology to perform processing and analyzing hyperspectral images obtained by airborne sensor, so that the products assist in characterizing the spectral response of the sugarcane aiming discrimination and recognition stands with disease in sugarcane. Therefore, this study developed a methodology that involved surveying in supported radiometrically field and the analysis in the laboratory for the spectral curve of healthy and diseased sugarcane in order to identify the most propitious wavelengths to detect diseases. The identification of wavelengths sensitive to changes by the action of pathogens was important for the development of indexes to detect two diseases of sugarcane (red stripe and mosaic). Furthermore, was analyzed the influence of the viewing angle in estimating the hemispherical conical reflectance factor in sugarcane, by checking the effect of anisotropy in sugarcane. Obtaining information on the effect of anisotropy on sugarcane was important to define the hyperspectral image processing strategy. Regions with sugarcane infected with red stripe and mosaic were discriminated from hyperspectral images acquired by UAV, providing information for planning the application of agriculture defensives with the precise determination of the positioning of the contaminated regions and defining the management strategies of the crop to provide a better production management.
Keywords : Fitossanity, Precision Agriculture, Spectral Behavior, Radiometric calibration, Sugarcane diseases detection index.
Moriya, É. A. S. PPGCC- FCT/UNESP 13
Figura 30: Bloco de imagens formando mosaico de imagens com limites das áreas de estudo: polígono vermelho (área de estudo infectada com estria vermelha), polígono amarelo (área de estudo infectada com mosaico da cana-de-açúcar). .................................................................... 99 Figura 31: Curvas espectrais de: (a) cana-de-açúcar sadia, (b) cana-de-açúcar infectada com estria vermelha, (c) cana-de-açúcar infectada com mosaico, (d) planta daninha (Panicum Maximum), e (e) solo exposto................................................................................................... 100 Figura 32: (a) Pontos de validação da área de Estudo I, (b) Pontos de validação da área de Estudo II. ................................................................................................................................... 102 Figura 33: Curvas espectrais de placas de EVA e cana-de-açúcar............................................ 104 Figura 34: Mapa de área de cana-de-açúcar infectada com estria vermelha. ............................ 108 Figura 35: Mapa de área de cana-de-açúcar infectada com mosaico. ....................................... 109 Figura 36: (a) capim colonião ( Panicum maximum ), (b) capim colchão ( Digitaria horizontalis ) ................................................................................................................................................... 113 Figura 37: (a) Área de falha na linha de plantio (solo exposto), (b) Área de falha na linha plantio não classificada. ........................................................................................................................ 113 Figura 38: Áreas de cana-de-açúcar infectadas com o vírus mosaico. ...................................... 114 Figura 39: Falha na linha de plantio resultante da infecção por mosaico na cana-de-açúcar.... 114 Figura 40: Imagem resultante do índice para detecção de estria vermelha da cana-de-açúcar. 116 Figura 41: Imagem resultante do índice para detecção de mosaico da cana-de-açúcar. ........... 116 Figura 42: (a) Mapa de estria vermelha da cana-de-açúcar do classificador SID. (b) Mapa de estria vermelha da cana-de-açúcar do classificador Isodata utilizando imagem do índice para detecção de estria vemelha. ....................................................................................................... 117 Figura 43: (a) Mapa de mosaico da cana-de-açúcar do classificador SID. (b) Mapa de mosaico da cana-de-açúcar do classificador Isodata utilizando imagem do índice para detecção de mosaico. .................................................................................................................................... 119
Moriya, É. A. S. PPGCC- FCT/UNESP 14
Tabela 1: coeficientes de correlação de Pearson dos dados espectrais da cana-de-açúcar. ......... 67 Tabela 2: Maiores e menores diferenças para cada amostra analisada. ...................................... 80 Tabela 3: Maiores e menores valores de sensibilidade relativa de FRHC. ................................. 84 Tabela 4: Teste de normalidade dos alvos. ............................................................................... 106 Tabela 5: Teste de Mann-Whitney dos alvos. ........................................................................... 107 Tabela 6: Mapeamento da área de estudo I por classe. ............................................................. 108 Tabela 7: Mapeamento da área de estudo II por classe. ............................................................ 109 Tabela 8: Matriz de confusão da área de estudo I. .................................................................... 110 Tabela 9: Matriz de confusão da área de estudo II. ................................................................... 111 Tabela 10: Matriz de confusão ente índice para detecção de estria vermelha da cana-de-açúcar e mapeamento SID para estria vermelha da cana-de-açúcar. ....................................................... 118 Tabela 11: Matriz de confusão entre índice para detecção de mosaico da cana-de-açúcar e mapeamento SID para mosaico da cana-de-açúcar. .................................................................. 120
Moriya, É. A. S. PPGCC- FCT/UNESP 16
ANAC - Agência Nacional de Aviação Civil
ANIF - Fator de Anisotropia
BRDF - Biderectional Reflectance Distribution Function (Função de Distribuição de Reflectância Bidirecional)
CASI - Compact Airbone Spectrographic Imager (Imageador espectrográfico compacto aerotransportado)
CAVE - Certificado de Autorização de Voo Experimental
CCD - Charge Coupled Device (Dispositivo de carga acoplada)
CMOS - Complementary Metal Oxide Semiconductor (Semicondutor óxido metálico complementar)
EDR - Escritório de Desenvolvimento Rural
EVA - Etileno Vinil Acetato
FOV - Field of view (Campo de visada)
FPI - Interferômetro Fabry-Pérot
FRB - Fator de Reflectância Bidirecional
FRCC - Fator de Reflectância Bicônico
FRHC - Fator de reflectância hemisférico cônico
FWHM - Full Width at Half Maximum (Largura à meia altura)
GNDVI - Green Normalized Difference Vegetation Index (Indice de diferença normalizada de vegetação verde)
GNSS - Global Navigation Satellite System (Sistema de navegação global por satélite)
GSD - Ground Sample Distance (Distância de amostragem do solo)
HD - Hard Disk (Disco rígido)
IAC - Instituto Agronômico de Campinas
IBGE -Instituto Brasileiro de Geografia e Estatística
IMU - Sistema inercial
INMET - Instituto Nacional de Meteorologia
Moriya, É. A. S. PPGCC- FCT/UNESP 17
INPE - Instituto Nacional de Pesquisas Espaciais
LAI - Leaf area index (Índice de área foliar)
LASER - Light Amplification by Stimulated Emission of Radiation (Amplificação da luz por emissão estimulada de radiação)
MAPA - Ministério da Agricultura, Pecuária e Abastecimento
NASA - National Aeronautics and Space Administration (Agência espacial americana)
ND - Número digital
NDVI - Índice de vegetação da diferença normalizada
NIR - Infravermelho próximo
PMGCA - Programa de Melhoramento Genético da Cana-de-açúcar do CCA/Ufscar
RBAC 21 - Regulamento Brasileiro da Aviação Civil nº
REM - Radiação eletromagnética
RPAS - Sistemas de Aeronaves Remotamente Pilotadas
SAM - Spectral- angle mapper (Mapeador espectro-angular)
SAVI - Soil-adjusted Vegetation Index (Índice de vegetação ajustado ao solo)
SID - Spectral Information Divergence (Divergência de informação espectral)
SIGRH - Sistema integrado de gerenciamento de recursos hídricos do Estado de São Paulo
UV - Ultravioleta
VANT - Veículo Aéreo Não Tripulado
Moriya, É. A. S. PPGCC- FCT/UNESP 19
5.1 Abordagem metodológica ................................................................................................. 71 5.2 Resultados e discussões ..................................................................................................... 76
CAPÍTULO 6 .................................................................................................................. EXPERIMENTO 3: MAPEAMENTO DE DOENÇAS NA CANA-DE-AÇÚCAR...... 6.1 Abordagem metodológica ................................................................................................. 87 6.1.1 Procedimento de campo ............................................................................................. 89 6.1.2.Processamento de imagens digitais ............................................................................ 93 6.2 Resultados e discussões ................................................................................................... 104
CAPÍTULO 7 ................................................................................................................ CONCLUSÕES E RECOMENDAÇÕES ..................................................................... REFERÊNCIAS ............................................................................................................ 126
Moriya, É. A. S. PPGCC- FCT/UNESP 20
1.1 Introdução
O avanço na tecnologia dos sensores de imageamento tem contribuído para o desenvolvimento de várias áreas do conhecimento e, dentre estas estão a Fotogrametria e o Sensoriamento Remoto. A partir desses sensores são adquiridas imagens em diferentes plataformas utilizando diferentes sistemas e princípios de aquisição (HONKAVAARA et al., 2009). O conhecimento adquirido nas últimas décadas tem demonstrado que muitas das informações necessárias para caracterizar determinado fenômeno podem ser obtidas com a aplicação de técnicas de levantamento baseadas na integração de sensores como câmaras digitais, receptores GNSS ( Global Navigation Satellite System ), espectrorradiômetros, dispositivos imageadores multiespectrais e hiperespectrais, LASER ( Light Amplification by Stimulated Emission of Radiation ), entre outros. As novas tecnologias de imageamento digital permitem gerar imagens com qualidade em suas propriedades radiométricas, imagens com resposta linear, intervalo dinâmico, resolução radiométrica ampla e baixo nível de ruído (HONKAVAARA et al., 2008). Essas características impulsionam a utilização das modernas câmaras digitais em atividades antes desenvolvidas pelas câmaras fotogramétricas analógicas, adaptadas para diversas finalidades. Exemplos do uso dessas câmaras convencionais foram destacados por Tommaselli et al. (2010), que recomenda a aplicação dessas imagens desde o monitoramento de culturas agrícolas, determinação de limites territoriais de difícil acesso, mapeamento geomorfológico, mapa de temperatura, até o mapeamento da cobertura do solo. Ainda de acordo com Tommaselli et al. (2010) com o uso das câmaras digitais não-métricas surge a necessidade do aprimoramento de modelos fotogramétricos e radiométricos. Os autores consideram a necessidade de um maior investimento em procedimentos de calibração integrada dos sistemas, que inclua simultaneamente a calibração geométrica interna da câmara, dos sensores de orientação direta da plataforma e dos parâmetros de conversão da radiação eletromagnética em números digitais para valores físicos na imagem.
