Search

Neste estudo objetivou-se identificar comprimentos de onda e faixas espectrais provenientes de reflectâncias hiper e multiespectrais utilizando regressão PLS e promover avaliação comparativa desses métodos e de dez índices de vegetação, para determinar aqueles que melhor estimam níveis de severidade de mofo-branco em feijão. Foram implantados experimentos nos municípios de Viçosa e de Oratórios, estado de Minas Gerais. Reflectâncias hiperespectrais foram obtidas com espectroradiômetro cuja faixa útil de leitura adotada foi entre 440 e 900 nm. Reflectâncias multiespectrais foram obtidas de imagens de câmara constituídas de cinco bandas (vermelho, verde, azul, Red-edge e infravermelho). Os índices de severidade da doença foram baixos; em Viçosa a média foi de 5,8% e em Oratórios, 7,4%. Modelos matemáticos utilizando reflectâncias hiperespectrais tiveram melhor desempenho para estimar mofo-branco; a banda do red-edge apresentou os comprimentos de onda que melhor estimam a severidade do mofo-branco. Índices de vegetação resistentes a efeitos da reflectância de solo estimaram melhor o mofo-branco do que os demais índices. This study aimed to identify wavelengths and spectral ranges from hyper and multispectral reflectance using PLS regression; and to promote comparative evaluation of these methods and ten vegetation indices to determine those that best estimate levels of white mold severity in common beans. Experiments were implemented in the municipalities of Viçosa and Oratorios, Minas Gerais state. Hyperspectral reflectance measurements were acquired with the spectroradiometer, whose useful reading range was between 440 and 900 nm. Multispectral reflectance measurements were obtained from camera images comprising five bands (red, green, blue, red-edge and infrared). The indexes of disease severity were low. In Viçosa the average was 5.8% and in Oratorios, 7.4%. Mathematical models using hyperspectral reflectance performed better for estimating white mold. The red-edge band presented the wavelengths that best estimate the severity of white mold. Vegetation index resistant to the soil reflectance effects was better to estimate white mold than the other indices.

Com o objetivo de comparar dois classificadores de imagens para a estimativa da cobertura vegetal do solo, foram avaliadas as coberturas proporcionadas pela semeadura de leguminosas e de gramíneas, sob diferentes espaçamentos, preparo do solo e condições de céu com e sem nuvens. O experimento foi conduzido em quatro parcelas experimentais de perda de solo, com 22 m x 3,5 m, instaladas em um Argissolo Vermelho-Amarelo. Os tratamentos consistiram: a) mucuna-cinza (Mucuna pruriens) em nível; b) crotalária (Crotalaria juncea) em sulcos dispostos em nível; c) milho (Zea mays L.) em sulcos dispostos em nível, e d) milho semeado no sentido do declive. Foram tomadas fotografias das parcelas dos 15 aos 85 dias após a semeadura para posterior análise, utilizando o Sistema Integrado para Análise de Raízes e Cobertura do Solo (SIARCS) e um algoritmo baseado na emissividade das bandas do verde e do vermelho (SEROBIN). A maior cobertura do solo foi obtida na parcela cultivada com crotálaria (85,8%), a qual também foi alcançada em menor tempo (56 dias após semeadura). Por outro lado, as menores coberturas foram proporcionadas pelos tratamentos milho em nível e milho morro abaixo (38,6 e 35,2%, respectivamente). As exatidões globais foram de 0,96 e 0,92, para as classificações realizadas com os programas SIARCS e SEROBIN, respectivamente, não havendo, no entanto, diferença estatística entre os dois classificadores utilizados, de acordo com o teste Z aplicado, a 5% de probabilidade. In order to compare two image classifiers for soil cover estimation under both clear sky conditions and sky with clouds, it was evaluated the soil cover by grass and bean crops cultivated in different densities and tillage systems. The experiment was conducted in four soil loss experimental plots of 22.0 m by 3.5 m, in a Red-yellow argil soil. The four treatments consisted of sowing the velvet bean (Mucuna pruriens), sun hemp (Crotalaria juncea) and corn (Zea mays L.), all three following the contour lines, and corn following the slope line. The plot images were acquired from 15 to 85 days after sowing. The soil cover was estimated by off-shelf software (SIARCS) and a proposed algorithm based on green and red bad reflectance (SEROBIN). The highest soil cover was obtained in the sun hemp plot (85.8%), which was also obtained sooner (56 days after sowing). On the other hand, the lowest soil covers were obtained in both corn plots, following the contour lines and the slope line (38.6 and 35.2%, respectively). The overall classification accuracies were 0.96 for SIARCS and 0.92 for SEROBIN. There was no statistical difference between the classifiers using the Z test at the 5% significance level.