| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Recursos Genéticos e Biotecnologia. Para informações adicionais entre em contato com cenargen.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Instrumentação; Embrapa Recursos Genéticos e Biotecnologia. |
|
Data corrente: |
10/09/2021 |
|
Data da última atualização: |
03/10/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
RAMOS, A. P. M.; GOMES, F. D. G.; PINHEIRO, M. M. F.; FURUYA, D. E. G.; GONÇALVEZ, W. N.; MARCATO JUNIOR, J.; MICHEREFF, M. F. F.; MORAES, M. C. B.; BORGES, M.; LAUMANN, R. A.; LIESENBERG, V.; JORGE, L. A. de C.; OSCO, L. P. |
|
Afiliação: |
ANA PAULA MARQUES RAMOS, UNOESTE; FELIPE DAVID GEORGES GOMES, UNOESTE; MAYARA MAEZANO FAITA PINHEIRO, UNOESTE; DANIELLE ELIS GARCIA FURUYA, UNOESTE; WESLEY NUNES GONÇALVEZ, UFMS; JOSÉ MARCATO JUNIOR, UFMS; MIRIAN FERNANDES FURTADO MICHEREFF; MARIA CAROLINA BLASSIOLI MORAES, Cenargen; MIGUEL BORGES, Cenargen; RAUL ALBERTO LAUMANN, Cenargen; VERALDO LIESENBERG, Udesc; LUCIO ANDRE DE CASTRO JORGE, CNPDIA; LUCAS PRADO OSCO, UNOESTE. |
|
Título: |
Detecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Precision Agriculture, 2021. |
|
DOI: |
https://doi.org/10.1007/s11119-021-09845-4 |
|
Idioma: |
Inglês |
|
Notas: |
Na publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann. |
|
Conteúdo: |
ABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales. MenosABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measu... Mostrar Tudo |
|
Palavras-Chave: |
Insect damage; Machine learning; Spectral data; Theoretical model. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02768naa a2200337 a 4500
001 2138144
005 2023-10-03
008 2021 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s11119-021-09845-4$2DOI
100 1 $aRAMOS, A. P. M.
245 $aDetecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements.$h[electronic resource]
260 $c2021
500 $aNa publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann.
520 $aABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales.
653 $aInsect damage
653 $aMachine learning
653 $aSpectral data
653 $aTheoretical model
700 1 $aGOMES, F. D. G.
700 1 $aPINHEIRO, M. M. F.
700 1 $aFURUYA, D. E. G.
700 1 $aGONÇALVEZ, W. N.
700 1 $aMARCATO JUNIOR, J.
700 1 $aMICHEREFF, M. F. F.
700 1 $aMORAES, M. C. B.
700 1 $aBORGES, M.
700 1 $aLAUMANN, R. A.
700 1 $aLIESENBERG, V.
700 1 $aJORGE, L. A. de C.
700 1 $aOSCO, L. P.
773 $tPrecision Agriculture, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
15/06/2011 |
|
Data da última atualização: |
03/11/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
B - 4 |
|
Autoria: |
LIMA, J. A. de S.; VILLELA, D. M.; CALDERANO FILHO, B.; PEREZ, D. V. |
|
Afiliação: |
JORGE ARAUJO DE SOUSA LIMA, CNPS; DORA MARIA VILLELA, UENF; BRAZ CALDERANO FILHO, CNPS; DANIEL VIDAL PEREZ, CNPS. |
|
Título: |
Biomassa radicular fina em fragmentos da Mata Atlântica fluminense. |
|
Ano de publicação: |
2011 |
|
Fonte/Imprenta: |
Floresta, Curitiba, v. 41, n. 1, p. 27-38, jan./mar. 2011. |
|
DOI: |
http://dx.doi.org/10.5380/rf.v41i1.21177 |
|
Idioma: |
Português |
|
Conteúdo: |
A escassez de estudos empíricos dos sistemas radiculares limita a precisão das predições relativas à economia de carbono, pois eles representam até 55% da biomassa florestal. Somente as raízes finas (diâmetro <2 mm) respondem por cerca de um terço da produção primária líquida dos ecossistemas terrestres. A hipótese de que a maior disponibilidade de água e nutrientes no solo reduz a alocação de biomassa nas raízes tem sido contestada na literatura científica tanto em relação às raízes finas (BRF) como a toda biomassa radicular. Avaliou-se aqui a correlação (Pearson) entre BRF e variáveis edáficas até 10 cm de profundidade em seis fragmentos florestais (48 amostras.fragmento.estação-1) na Baixada Litorânea Fluminense, nas estações de seca e de chuvas. Os solos apresentaram diferentes níveis de fertilidade. A BRF média geral foi de 641 g.m-2 (florestas similares = 140-1040 g.m-2). As médias de BRF obtidas no período chuvoso ou na várzea foram significativamente mais elevadas. Foram detectadas correlações positivas e significativas de BRF com Ca + Mg, K, P e N. Os resultados não respaldam a hipótese de redução da BRF em resposta ao aumento de água e nutrientes do solo. |
|
Palavras-Chave: |
Biomassa radicular; Florestas tropicais; Fragmentação florestal; Solos florestais; Trópico úmido. |
|
Categoria do assunto: |
--
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/148150/1/21177-76037-1-PB.pdf
|
|
Marc: |
LEADER 01919naa a2200229 a 4500
001 1918294
005 2021-11-03
008 2011 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.5380/rf.v41i1.21177$2DOI
100 1 $aLIMA, J. A. de S.
245 $aBiomassa radicular fina em fragmentos da Mata Atlântica fluminense.
260 $c2011
520 $aA escassez de estudos empíricos dos sistemas radiculares limita a precisão das predições relativas à economia de carbono, pois eles representam até 55% da biomassa florestal. Somente as raízes finas (diâmetro <2 mm) respondem por cerca de um terço da produção primária líquida dos ecossistemas terrestres. A hipótese de que a maior disponibilidade de água e nutrientes no solo reduz a alocação de biomassa nas raízes tem sido contestada na literatura científica tanto em relação às raízes finas (BRF) como a toda biomassa radicular. Avaliou-se aqui a correlação (Pearson) entre BRF e variáveis edáficas até 10 cm de profundidade em seis fragmentos florestais (48 amostras.fragmento.estação-1) na Baixada Litorânea Fluminense, nas estações de seca e de chuvas. Os solos apresentaram diferentes níveis de fertilidade. A BRF média geral foi de 641 g.m-2 (florestas similares = 140-1040 g.m-2). As médias de BRF obtidas no período chuvoso ou na várzea foram significativamente mais elevadas. Foram detectadas correlações positivas e significativas de BRF com Ca + Mg, K, P e N. Os resultados não respaldam a hipótese de redução da BRF em resposta ao aumento de água e nutrientes do solo.
653 $aBiomassa radicular
653 $aFlorestas tropicais
653 $aFragmentação florestal
653 $aSolos florestais
653 $aTrópico úmido
700 1 $aVILLELA, D. M.
700 1 $aCALDERANO FILHO, B.
700 1 $aPEREZ, D. V.
773 $tFloresta, Curitiba$gv. 41, n. 1, p. 27-38, jan./mar. 2011.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
