Biblioteca do Café
URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/1
Navegar
35 resultados
Resultados da Pesquisa
Item Estimativa da produtividade de cafeeiros irrigados pelo método Zona Agroecológica Espectral(Revista Engenharia na Agricultura, 2017-03-31) Almeida, Thomé Simpliciano; Sediyama, Gilberto Chohaku; Alencar, Leônidas Pena deA posição de destaque do café na economia brasileira torna importante a realização de pesquisas científicas que contribuam para o monitoramento da cultura e estimativa da produtividade, fornecendo subsídios para políticas de planejamento e comercialização agrícola. Neste sentido, o presente trabalho teve como objetivo realizar a estimativa da produtividade de uma fazenda cafeeira na região Noroeste do Estado de Minas Gerais a partir de modelagem agrometeorológica e dados espectrais do sensor MODIS. O modelo utilizado tem como base a penalização da produtividade potencial da cultura em função do déficit hídrico (ET/ETc) e da produtividade do ano anterior (Yaa/Yp), ajustados por diferentes coeficientes de sensibilidade da cultura (ky), em diferentes estádios fenológicos. Com a parametrização do modelo, obteve-se um valor de r2 variando entre 0,79 a 0,95, e um índice de concordância “d” de Willmott de 0,93 a 0,95, entre a produtividade real e a estimada. Os resultados satisfatórios comprovaram o potencial da aplicação do modelo agrometeorológico-espectral para obtenção da estimativa da produtividade a nível de fazendas.Item Mapeamento automatizado de áreas de café em Minas Gerais(Embrapa Café, 2021-09) Alves, Helena Maria Ramos; Volpato, Margarete Marin Lordelo; Campos, Beatriz Fonseca DominikItem Remotely piloted aircraft and computer vision applied to coffee growing management(Universidade Federal de Lavras, 2022-11-25) Santana, Lucas Santos; Ferraz, Gabriel Araújo e SilvaDigital and precision agriculture technologies used in coffee farming have gained space and have become necessary in many coffee production stages. Among the emerging technologies, the Remotely Piloted Aircraft (RPA) can be highlighted because their products can be used as data providers for machine learning techniques and automated monitoring forms. This study aimed to apply cartographic and photogrammetric products from RPAs submitted to machine learning techniques and image analysis in digital and precision coffee farming. Three types of research were built: Application of RPA cartographic products for the coffee plant implantation project; Identification and counting of plants in PRA images and Investigations of plants development in renewal areas. (I)The first study evaluated different flight mission composition efficiency and point cloud levels for Digital Terrain Models generation applied in coffee plantations. Flights performed at 120 m Above Ground Land (AGL) and 80 × 80% overlap showed higher assertiveness and efficiency. The 90 m AGL flight showed great terrain detail, causing significant surface differences concerning the topography obtained by Global Navigation Satellite System (GNSS) receivers. Slope ranges up to 20% are considered reliable for precision coffee growing projects. Changes in flight settings and image processing are satisfactory for precision coffee projects. Image overlap reduction significantly lowed the processing time without influencing Digital Terrain Model DTM's quality. (II) The second research aimed to develop an algorithm for automatic counting coffee plants and define the plant's best age to carry the monitoring using RPA images. Plants with four months of development showed 86.5% count assertiveness. The best results were observed in plantations with six months of development, presenting an average of 96.8% of assertiveness in automatically counting plants. This analysis enables an algorithm development for automated counting of coffee plants through RGB images obtained by remotely piloted aircraft and machine learning applications. (III) The objective of the third research was to monitor the coffee plants' development planted on ash from crop residues through vegetative indices in RPA images, analysis of chemical elements presents in the ash and soil analysis. Preliminary results indicate the high presence of aluminum and potassium in the ash, causing significant differences in coffee development beginning. In addition, variations were observed in vegetative indices values in regions with ash presence, highlighting the NGI and NNIRI indices. The research developed by this paper provides essential information for digital agriculture technologies advancement in coffee growing.Item Estimativa de produtividade de café por meio de métodos de machine learning(Universidade Federal de Viçosa, 2019-07-31) Nascimento, Amélia Laisy do; Queiroz, Daniel Marçal de; Valente, Domingos Sárvio MagalhãesA produtividade agrícola representa o resultado de ações tomadas antes da colheita e indica se as práticas agrícolas adotadas causaram aumento ou redução no rendimento e podem ajudar na tomada de decisões futuras. Dessa maneira, a previsão de produtividade é uma ferramenta útil para os agricultores. Existem modelos que estimam a produtividade, porém, a quantidade de variáveis necessárias e a dificuldade em mensurá-las são um problema. Vários pesquisadores têm usado imagens orbitais para realizar estimativas de biomassa e produtividade de culturas. Além disso, alguns pesquisadores vêm combinando métodos de aprendizado de máquina (machine learning), mineração de dados (data mining) ou inteligência artificial (artificial intelligence) na tentativa de prever a produtividade de culturas agrícolas. Para estimar a produtividade agrícola, é interessante que o banco de dados possua imagens de todo o ciclo produtivo da cultura. Porém, o período de revisita dos satélites e a presença de nuvens sobre a área de estudo podem tornar o banco de dados incompleto. Uma possibilidade é adquirir imagens capturadas por sensores a bordo de distintos satélites. No entanto, cada sensor captura faixas de comprimento de onda diferentes e alguns sensores não capturam todos os comprimentos de onda necessários aos estudos. Uma forma de resolver esse problema é realizar uma predição das imagens faltantes de um satélite utilizando como base imagens oriundas de outro satélite. Dessa forma, consegue-se preencher lacunas na série de dados e garantir um banco de dados com uma série temporal mais representativa. Por fim, é possível utilizar a série temporal de informações derivadas das imagens orbitais para estimar a produtividade de culturas agrícolas. Portanto, o objetivo desta tese foi estimar a produtividade do café por meio de informações espectrais e machine learning. Para isso, o banco de dados foi composto por imagens Sentinel-2 originais, além de imagens Sentinel-2 preditas com base em imagens oriundas do Cbers-4, Landsat-8 e Resourcesat-2. A predição de imagens Sentinel-2 ocorreu por meio de sete métodos de machine learning. Os dados foram separados em conjunto de treinamento, teste e avaliação dos modelos. O desempenho dos modelos foi mensurado pela raiz do erro quadrático médio (rootIV mean square error - RMSE) entre o valor real e o valor predito pelo modelo para o conjunto que ficou de fora do treinamento. O teste t a 5% de significância foi usado para verificar a existência de igualdade ou diferença estatística entre os erros apresentados pelos modelos de predição da reflectância. Os métodos de machine learning mostraram-se eficazes para estimar os valores de reflectância de imagens Sentinel-2 com base em imagens oriundas do Cbers-4, do Landsat-8 e do Resourcesat-2. Os modelos que apresentaram menores RMSE’s na predição da reflectância de imagens orbitais de uma data distinta a data cujos dados foram usados para treinar os modelos foram usados para estimar as imagens Sentinel-2 ausentes do banco de dados usado para estimar a produtividade do café. A partir das imagens orbitais, seis índices de vegetação e reflectância em seis bandas espectrais foram obtidos. A estimativa da produtividade ocorreu por meio de seis métodos de machine learning. Os modelos de estimativa foram implantados em linguagem R no programa computacional R Versão 3.5.1 (R Team, 2018). A raiz do erro quadrático médio (root mean square error - RMSE) e o erro médio absoluto (mean absolute error - MAE) foram usados para avaliar a acurácia dos modelos de estimativa da produtividade. O RMSE e o MAE serviram de entrada para o teste de Scott-Knott que agrupou os modelos semelhantes. Os métodos de machine learning apresentaram erros RMSE e MAE da estimativa da produtividade semelhantes uns aos outros pelo teste de Scott-Knott, com exceção da regressão linear utilizando 14 variáveis preditoras. Foi possível estimar a produtividade por meio de cinco variáveis com erros semelhantes aos erros apresentados pelos modelos com 10 e com 14 variáveis referentes a informações espectrais, topográficas e agronômicas. O erro RMSE mínimo apresentado pelos modelos correspondeu a uma diferença de 11% entre o valor estimado e o valor real da produtividade do café do talhão Pasto Novo 1 no ano de 2017. O erro MAE mínimo correspondeu a uma diferença de 1,7% entre o valor estimado e o valor observado da produtividade do talhão Açude 3 no ano de 2018. A estimativa da produtividade pode ser realizada com até três meses de antecedência.Item Monitoramento da maturação do café usando imagens aéreas multiespectrais(Universidade Federal de Viçosa, 2020-02-10) Rosas, Jorge Tadeu Fim; Pinto, Francisco de Assis de Carvalho; Villar, Flora Maria de Melo; Queiroz, Daniel Marçal deA preocupação dos produtores de café na atualidade não se limita apenas a produtividade das lavouras, pois fatores que visam agregar valor ao produto final também estão sendo levados em consideração dentro do sistema de produção da cultura. O café é um dos poucos produtos agrícolas que tem seu valor acrescido significativamente com a melhoria da qualidade dos frutos. Dentre os diversos fatores que afetam a qualidade do café o estágio de maturação dos frutos tem sido o mais importante, dessa forma, a colheita dos frutos completamente maduros é essencial para se obter cafés com qualidade superior. Por tanto, em sistemas em que se visa a produção de cafés especiais, monitorar a maturação dos frutos de café nas plantas se torna indispensável. Atualmente, metodologias para o monitoramento da maturação dos frutos de café no campo ainda são escassas. O monitoramento da maturação é feito de forma destrutiva com colheitas de algumas plantas no talhão, que, muitas vezes não é representativo. Uma alternativa seria o uso de sensores remotos a bordo de aeronaves remotamente pilotadas (ARPs). As ARPs têm ganhado destaque nos últimos anos, pois, permitem a aquisição de imagens com elevada resolução espacial e resolução temporal ajustável as necessidades do usuário. No entanto, para a aquisição de informações espectrais confiáveis, questões como a calibração radiométrica das imagens devem ser tratadas com muita atenção. O método de calibração mais usado para imagens obtidas por ARPs é o método da linha empírica, este método usa alvos de reflectância conhecidas para ajustar modelos de calibração e assim transformar o número digital da imagem em reflectância. Contudo, um dos empasses para este método é o elevado custo dos alvos de reflectância comerciais. Neste caso, a alternativa seria a construção de alvos a partir de materiais alternativos. Dessa forma, esse trabalho teve como objetivos: (1) avaliar o uso de materiais de baixo custo e de fácil acesso para calibração de imagens multiespectrais obtidas por sensores acoplados a ARPs visando monitorar pequenas lavouras de café na região da Zona da Mata Mineira; (2) avaliar o potencial de um sensor multiespectral de baixo custo, montado em uma ARP, para monitorar o processo de maturação dos frutos de cafeeiro, em lavouras cultivadas na região montanhosa da Zona da Mata Mineira. Para atender o primeiro objetivo foram testados quatro diferentes materiais alternativos para a confecção dos alvos: madeira compensada pintados com tinta fosca; napa sintética cujo material base de construção é Polyvinyl chloride (PVC); Ethylene Vinyl Acetate (EVA) e painéis de lona de PVC. Foi determinada a vida útil de cada um dos materiais, assim como, o erro associado à calibração radiométrica. Em seguida, mapas de índices de vegetação de um talhão cultivado com café foram gerados com a finalidade de avaliar a diferença gerada pelo uso dos quatro materiais na confecção dos painéis de calibração. Os painéis feitos de madeira pintados com tinta fosca e os de madeira revestidos com napa, foram os que apresentaram menores erros no processo de calibração radiométrica, já os painéis de madeira revestido com lona de PVC foram os que resultaram em erros mais elevados de calibração. Os painéis construídos com EVA apresentaram baixa resistência ao uso, visto que sua vida útil foi inferior aos demais, já a madeira pintada foi o material mais resistente sendo assim o mais indicado para uso na calibração radiométrica de imagens multiespectrais. Já para atender o segundo objetivo, um experimento foi montado e cinco talhões distintos cultivados em café arábica foram avaliados. Durante o período de maturação do café quatro voos foram realizados para adquirir informações espectrais do dossel da cultura. Neste trabalho a câmera multiespectral Mapir Survey3W foi usada para adquirir imagens multiespectrais. Após a aquisição das imagens oito índices de vegetação foram calculados. A análise de componentes principais foi utilizada para inferir sobre a importância dos índices para monitorar a maturação do café. As imagens multiespectrais obtidas pelo sensor de baixo custo foram capazes de registrar as mudanças espectrais ocorridas nas plantas de café com o avanço da maturação na maioria dos talhões estudados, no entanto, observou-se que a produtividade e o volume de copa das plantas de café influenciaram no monitoramento da maturação do café. Palavras-chave: Sensoriamento remoto. Câmeras fotográficas. Cafeicultores.Item Multitemporal variables for the mapping of coffee cultivation areas(Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2019) Souza, Carolina Gusmão; Arantes, Tássia Borges; Carvalho, Luis Marcelo Tavares de; Aguiar, PolyanneThe objective of this work was to propose a new methodology for mapping coffee cropping areas that includes multitemporal data as input parameters in the classification process, by using the Landsat TM NDVI time series, together with an object-oriented classification approach. The algorithm BFAST was used to analyze coffee, pasture, and native vegetation temporal profiles, allied to a geographic object-based image analysis (GEOBIA) for mapping. The following multitemporal variables derived from the R package greenbrown were used for classification: mean, trend, and seasonality. The results showed that coffee, pasture, and native vegetation have different temporal behaviors, which corroborates the use of these data as input variables for mapping. The classifications using temporal variables, associated with spectral data, achieved high-global accuracy rates with 93% hit. When using Only temporal data, ratings also showed a hit percentage above 80% accuracy. Data derived from Landsat TM time series are efficient for mapping coffee cropping areas, reducing confusion between targets and making the classification process more accurate, contributing to a correct characterization and mapping of objects derived from a RapidEye image, with a high spatial solution.Item Caracterização das áreas cafeeiras da região do Campo das Vertentes(Embrapa Café, 2019-10) Alves, Helena Maria Ramos; Inácio, Franklin Daniel; Volpato, Margarete Marin Lordelo; Vieira, Tatiana Grossi Chquiloff; Matsumoto, Lysandra; Pimentel, Thaís Velloso Cougo; Vale, Glaucya Jerusa SoutoNeste trabalho, buscou-se fundamentar a seleção e a demarcação dos municípios que constituem a região do Campo das Vertentes de Minas Gerais para o produto café e caracterizar os ambientes cafeeiros desta região que encontra-se, no presente momento, no processo de solicitar um Indicação Geográfica na modalidade de Indicação de Procedência. A região demarcada compreende 17 municípios. As áreas ocupadas pela cafeicultura da região foi mapeada e quantificada. A distribuição do café em relação ao relevo e à altitude também foi mapeada. Estes mapeamentos constituem parte da caracterização dos ambientes cafeeiros da região e fornecem subsídio para o estudo que visa a obtenção de uma IG para a região. Espera-se que a obtenção desta IG contribua para a proteção e valorização desta histórica e importante região de produção de café do estado de Minas Gerais e desencadeie processos para o desenvolvimento regional sustentável de sua cafeicultura.Item Sensor ativo como ferramenta de estimativa de nitrogênio e clorofila em variedades de café(Embrapa Café, 2019-10) Ladeia, Crislaine Alves; Santos, José Renato Emiliano dos; Sousa, Diogo Santos; Freire, Daniel Santos; Castro, Ingrid Thalia Prado de; Ferreira, Gabriel Fernandes Pinto; Castro, Ingrid Thalia Prado de; Ferreira, Gabriel Fernandes Pinto; Neves, Maíra do Carmo; Scipioni, Carmela Amália; Lemos, Odair LacerdaO objetivo do trabalho foi verificar a relação entre os valores de NDVI obtidos por meio sensor ativo GreenSeeker®,Trimble, USA e valores de clorofila e nitrogênio foliar em duas variedades de café. O experimento foi conduzido no município de Encruzilhada, pertencente à região produtora de café denominada Planalto da Conquista, sudoeste da Bahia, em uma área de 5 ha de café da cultivar Catuaí 62 com 6 anos de idade, e uma outra área adjacente de 5 ha de café da cultivar Acauã com 11 anos de idade. Foram medidos valores do Índice de Clorofila Falker (ICF) em 5 pares de folhas em ramos produtivos (terceiro ou quarto par de folhas, a partir do ápice do ramo) no terço médio da planta, totalizando 20 folhas por ponto. Valores de NDVI foram obtidos com o auxílio de um sensor óptico ativo manual terrestre (GreenSeeker®,Trimble, USA), com a medição feita a 0,50 metros da cultura no terço médio da planta, nas mesmas plantas que foram realizada a leitura do teor de clorofila. O teor de N nas folhas para cada ponto amostral foi determinado usando-se uma amostra de 20 folhas, sendo coletadas sempre as folhas nas quais foram feitos as leituras do ICF. Foram imediatamente acondicionadas em sacos de papel e secas em estufa de circulação forçada a 65-70 °C, por 72 horas, moídas e submetidas à digestão sulfúrica. Os resultados indicam uma possibilidade da utilização do sensor GreenSeeker como ferramenta para a estimativa de teores de nitrogênio foliar, portanto sua utilização de forma precisa ainda de estudos mais aprofundados visando uma calibração entre cultivares e provavelmente entre estágios fenológicos. Tais estudos poderão trazer aos produtores grande otimização para as operações de campo na cultura do café.Item Distribuição do NDVI e exposição de vertentes em áreas cafeeiras em Santo antônio do Amparo, MG(Embrapa Café, 2019-10) Campos, Beatriz Fonseca Dominik; Alves, Helena Maria Ramos; Volpato, Margarete Marin Lordelo; Inácio, Franklin Daniel; Silva, Vânia AparecidaA produção cafeeira tem grande importância socioeconômica para o Brasil, entretanto o uso de informação de sensores remotos, que permite monitoramento periódico com custos relativamente baixos, ainda é pouco utilizado. Dados espectrais como os índices de vegetação podem ser usados para avaliar estresse hídrico, biomassa e crescimento de culturas. O objetivo desse estudo foi avaliar o NDVI de áreas de café e sua relação com a exposição da vertente. Foram avaliadas as áreas cafeeiras do município de Santo Antônio do Amparo, MG, em janeiro de 2019. A exposição de vertentes sul e sudeste são áreas menos ocupadas pela cafeicultura. A maior parte das áreas de café apresentaram NDVI maior de 0,75. Sudoeste e oeste tiveram as maiores classes de NDVI, ao contrário do norte. Essas geoinformações podem servir de subsídio para definição de novas áreas de plantio e manejo da cafeicultura na região.Item Relação entre índices de vegetação de áreas cafeeiras e variáveis do balanço hídrico, em Santo antônio do Amparo, MG(Embrapa Café, 2019-10) Volpato, Margarete Marin Lordelo; Alves, Helena Maria Ramos; Meireles, Elza Jacqueline Leite; Silva, Vânia Aparecida; Inácio, Franklin Daniel; Campos, Beatriz Fonseca DominikO monitoramento agrometeorológico de áreas cafeeiras tem sido realizado convencionalmente em campo, porém, estudos mais recentes utilizam imagens de satélite, que permitem avaliar grandes áreas a custos menores. Neste sentido, o sensor Moderate Resolution Imaging Spectroradiometer (MODIS) do satélite TERRA oferece gratuitamente imagens com alta resolução temporal e produtos voltados especialmente para o monitoramento da vegetação, como o NDVI (Normalized Difference Vegetation Index) e EVI (Enhanced Vegetation Index). O objetivo do estudo foi avaliar a variação temporal dos valores de NDVI e EVI de áreas cafeeiras do município de Santo Antônio do Amparo, MG, e correlacioná-los as variáveis do balanço hídrico climatológico, entre os anos de 2014 a 2017. As relações entre variáveis do balanço hídrico climatológico e os índices de vegetação foram verificadas, porém com fraca correlação estatística. O estudo demonstrou o potencial dos índices de vegetação de imagens do sensor MODIS para auxiliar no monitoramento das condições hídricas de áreas cafeeiras, minimizando os custos de monitoramento e manejo de lavouras cafeeiras.