Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Porto, Letícia Rosim [UNESP]
Orientador(a): Nilton Nobuhiro, Imai [UNESP], Érika Akemi Saito, Moriya
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/11449/211008
Resumo: O Brasil, como maior produtor e exportador de suco de laranja do mundo, tem enfrentado dificuldades em combater a doença Huanglongbing (HLB) em seus pomares de citros. São mais de 197 milhões de pés de laranja na região que mais produz no país, o cinturão citrícola Paulista e do Triângulo/Sudoeste Mineiro. Atualmente, o combate à doença é realizado por meio de vistorias realizadas por técnicos e se mostra como um método oneroso, demorado e ineficiente. O uso de sensores remotos acoplados em drones pode agregar muito numa detecção precoce de árvores doentes, com um custo-benefício atrativo e de forma ágil, evitando que a doença se dissemine nos pomares. Entretanto, a dificuldade de definir comprimentos de onda eficazes na diferenciação entre HLB e outras doenças ou deficiências nutricionais comuns vem sendo um desafio para o setor. A espectrorradiometria de campo pode contribuir nesse aspecto, com um estudo de observação associado a medidas de reflectância de indivíduos infectados em diferentes níveis de comprometimento. Nesse sentido, o presente estudo visa identificar comprimentos de onda e/ou regiões do espectro eletromagnético que sejam eficientes em distinguir folhas de citros infectadas por HLB e folhas saudáveis ou com sintoma de deficiência nutricional, como zinco. Para isso, foram coletadas medidas de radiometria de diversas folhas em dois pomares de citros localizados no interior do estado de São Paulo. A partir dessas medidas, foram calculados espectros de reflectância para cada classe das amostras (assintomática, HLB, saudável, deficiência de zinco, Hamlin, Natal e Pera). Após aplicar métodos de tratamento e análise de dados espectrorradiométricos, verificou-se que a região do rededge, próximo à 700 nm, é importante na diferenciação de folhas com HLB sintomáticas e folhas saudáveis, porém não é eficiente na diferenciação entre folhas com HLB assintomáticas e folhas saudáveis. Apesar da semelhança na condição de clorose, análises de espectrorradiometria demonstraram que folhas sintomáticas de HLB e folhas com deficiência de zinco diferem espectralmente. As análises também demonstraram que as folhas infectadas das variedades de laranja Hamlin, Natal e Pera são semelhantes espectralmente. Em resumo, o estudo indicou que um mesmo sensor multiespectral pode ser utilizado na detecção de citros com HLB para diferentes variedades, porém plantas que ainda são assintomáticas possivelmente não serão diferenciadas das não infectadas por HLB.
id UNSP_a125cdf273bcba64a8c83706b45b4f8d
oai_identifier_str oai:repositorio.unesp.br:11449/211008
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Porto, Letícia Rosim [UNESP]Universidade Estadual Paulista (Unesp)Nilton Nobuhiro, Imai [UNESP]Érika Akemi Saito, Moriya2021-07-12T12:15:45Z2021-07-12T12:15:45Z2021-05-13http://hdl.handle.net/11449/21100833004129043P0O Brasil, como maior produtor e exportador de suco de laranja do mundo, tem enfrentado dificuldades em combater a doença Huanglongbing (HLB) em seus pomares de citros. São mais de 197 milhões de pés de laranja na região que mais produz no país, o cinturão citrícola Paulista e do Triângulo/Sudoeste Mineiro. Atualmente, o combate à doença é realizado por meio de vistorias realizadas por técnicos e se mostra como um método oneroso, demorado e ineficiente. O uso de sensores remotos acoplados em drones pode agregar muito numa detecção precoce de árvores doentes, com um custo-benefício atrativo e de forma ágil, evitando que a doença se dissemine nos pomares. Entretanto, a dificuldade de definir comprimentos de onda eficazes na diferenciação entre HLB e outras doenças ou deficiências nutricionais comuns vem sendo um desafio para o setor. A espectrorradiometria de campo pode contribuir nesse aspecto, com um estudo de observação associado a medidas de reflectância de indivíduos infectados em diferentes níveis de comprometimento. Nesse sentido, o presente estudo visa identificar comprimentos de onda e/ou regiões do espectro eletromagnético que sejam eficientes em distinguir folhas de citros infectadas por HLB e folhas saudáveis ou com sintoma de deficiência nutricional, como zinco. Para isso, foram coletadas medidas de radiometria de diversas folhas em dois pomares de citros localizados no interior do estado de São Paulo. A partir dessas medidas, foram calculados espectros de reflectância para cada classe das amostras (assintomática, HLB, saudável, deficiência de zinco, Hamlin, Natal e Pera). Após aplicar métodos de tratamento e análise de dados espectrorradiométricos, verificou-se que a região do rededge, próximo à 700 nm, é importante na diferenciação de folhas com HLB sintomáticas e folhas saudáveis, porém não é eficiente na diferenciação entre folhas com HLB assintomáticas e folhas saudáveis. Apesar da semelhança na condição de clorose, análises de espectrorradiometria demonstraram que folhas sintomáticas de HLB e folhas com deficiência de zinco diferem espectralmente. As análises também demonstraram que as folhas infectadas das variedades de laranja Hamlin, Natal e Pera são semelhantes espectralmente. Em resumo, o estudo indicou que um mesmo sensor multiespectral pode ser utilizado na detecção de citros com HLB para diferentes variedades, porém plantas que ainda são assintomáticas possivelmente não serão diferenciadas das não infectadas por HLB.Brazil, as the world's largest producer and exporter of orange juice, has faced difficulties in fighting the Huanglongbing disease (HLB) in its citrus groves. There are more than 197 million orange trees in the region that produces the most in the country, citrus farms in São Paulo and West-Southwest Minas Gerais. Currently, the fight against the disease is carried out through inspections carried out by technicians and is shown to be an expensive, time-consuming and inefficient method. The use of remote sensors coupled to drones can improve early detection of sick trees, with an attractive cost-benefit and in an agile way, preventing the disease from spreading in orchards. However, the difficulty of defining effective wavelengths to differentiate between HLB and other common diseases or nutritional deficiencies has been a challenge for the industry. Field spectroradiometric measurements can contribute in this respect, with an observational study associated with measures of reflectance of infected individuals at different levels of impairment. In this sense, the present study aims to identify wavelengths and/or regions of the electromagnetic spectrum that are efficient in distinguishing citrus leaves infected with HLB and healthy leaves or those with a symptom of nutritional deficiency, such as zinc. For this purpose, radiometric measurements were collected from several leaves in two citrus orchards located in the interior of the state of São Paulo. From these measurements, reflectance spectra were calculated for each class of samples (asymptomatic, HLB, healthy, zinc deficiency, Hamlin, Natal and Pera). After applying treatment methods and analysis of spectroradiometric data, it was found that the rededge region, close to 700 nm, is important in differentiating symptomatic HLB leaves from healthy leaves, but it is not efficient in differentiating between HLB leaves asymptomatic and healthy leaves. In addition, despite the similarity in the chlorosis condition, spectroradiometric analyzes demonstrated that symptomatic HLB leaves and zincdeficient leaves differ spectrally. The analyzes also showed that the infected leaves of the Hamlin, Natal and Pera orange varieties are spectrally similar. In summary, this study indicated that the same multispectral sensor can be used to detect citrus with HLB for different varieties, but plants that are still asymptomatic will possibly not be differentiated from those not infected with HLB.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES 88882.433943/2019-01porUniversidade Estadual Paulista (Unesp)Análise espectralSensoriamento remotoAgricultura de precisãoDados hiperespectraisHuanglongbing (HLB)GreeningSpectral analysisRemote sensingPrecision agricultureHyperspectral dataCaracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campoSpectral characterization based on field spectrometry of contaminated citrus leaf with HLBinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPCiências Cartográficas - FCTAquisição, análise e representação de informações espaciaisCartografia e Sensoriamento RemotoUniversidade Estadual Paulista (UNESP), Faculdade de Ciências e Tecnologia, Presidente Prudente24 meses após a data da defesaBanca públicaPublicationbbcf06b3-c5f9-4a27-ac03-b690202a3b4evirtual::139655-1bbcf06b3-c5f9-4a27-ac03-b690202a3b4evirtual::139655-119e4aabf-3f7f-41c2-9755-68bbd25f7b98virtual::210817-119e4aabf-3f7f-41c2-9755-68bbd25f7b98virtual::210817-1THUMBNAILporto_lr_me_prud_par.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2023-11-18T06:17:56Z (GMT).Generated Thumbnailimage/jpeg2595https://repositorio.unesp.br/bitstreams/b556dfab-0d7a-4025-a379-3187b2ccb073/download52b4105bbbb8f00d2507c2b1deb98096MD56falseAnonymousREADporto_lr_me_prud_int.pdf.jpgWritten by FormatFilter org.dspace.app.mediafilter.PDFBoxThumbnail on 2023-11-18T06:17:57Z (GMT).Generated Thumbnailimage/jpeg3060https://repositorio.unesp.br/bitstreams/e07583b5-f21f-4576-9197-3f126d7c51bf/download61e98f7abf07d739429a5ff010cda3aaMD58falseAnonymousREADORIGINALporto_lr_me_prud_par.pdfporto_lr_me_prud_par.pdfapplication/pdf470777https://repositorio.unesp.br/bitstreams/a78f8d9b-57fa-4579-99c9-e52f41e85d01/download9134064d484563fdae724530e4b72b8dMD53trueAnonymousREADporto_lr_me_prud_int.pdfporto_lr_me_prud_int.pdfapplication/pdf2208386https://repositorio.unesp.br/bitstreams/1040d91a-6247-4411-acc8-20ddd33dd9dc/download5c8af8331a02fd686c89b053ca81f4ddMD54falseAnonymousREADLICENSElicense.txtWritten by org.dspace.content.LicenseUtilstext/plain; charset=utf-83060https://repositorio.unesp.br/bitstreams/11ba48f6-9d7a-4457-8106-8d057f27e020/download4a00f35b9f483b6467dfed68ec6601f4MD52falseAnonymousREADTEXTporto_lr_me_prud_par.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2023-11-18T06:17:56Z (GMT).Extracted texttext/plain51471https://repositorio.unesp.br/bitstreams/3226e569-61bc-4642-8540-d359389b655a/download623b23c1d3091a41e63a008f5a7b64bfMD55falseAnonymousREADporto_lr_me_prud_int.pdf.txtWritten by FormatFilter org.dspace.app.mediafilter.TikaTextExtractionFilter on 2023-11-18T06:17:56Z (GMT).Extracted texttext/plain103413https://repositorio.unesp.br/bitstreams/ac59f716-9383-4b4e-947f-962f30b59062/download5e8bab1556e655a54c549a0238cc1f0dMD57falseAnonymousREAD11449/2110082026-04-17T20:27:58.641918Zopen.accessoai:repositorio.unesp.br:11449/211008https://repositorio.unesp.brRepositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462026-04-17T20:27:58Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)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
dc.title.pt.fl_str_mv Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
dc.title.alternative.en.fl_str_mv Spectral characterization based on field spectrometry of contaminated citrus leaf with HLB
title Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
spellingShingle Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
Porto, Letícia Rosim [UNESP]
Análise espectral
Sensoriamento remoto
Agricultura de precisão
Dados hiperespectrais
Huanglongbing (HLB)
Greening
Spectral analysis
Remote sensing
Precision agriculture
Hyperspectral data
title_short Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
title_full Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
title_fullStr Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
title_full_unstemmed Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
title_sort Caracterização espectral da folha de citrus contaminada por HLB baseado em espectrometria de campo
author Porto, Letícia Rosim [UNESP]
author_facet Porto, Letícia Rosim [UNESP]
author_role author
dc.contributor.institution.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Porto, Letícia Rosim [UNESP]
dc.contributor.advisor1.fl_str_mv Nilton Nobuhiro, Imai [UNESP]
Érika Akemi Saito, Moriya
contributor_str_mv Nilton Nobuhiro, Imai [UNESP]
Érika Akemi Saito, Moriya
dc.subject.por.fl_str_mv Análise espectral
Sensoriamento remoto
Agricultura de precisão
Dados hiperespectrais
Huanglongbing (HLB)
topic Análise espectral
Sensoriamento remoto
Agricultura de precisão
Dados hiperespectrais
Huanglongbing (HLB)
Greening
Spectral analysis
Remote sensing
Precision agriculture
Hyperspectral data
dc.subject.eng.fl_str_mv Greening
Spectral analysis
Remote sensing
Precision agriculture
Hyperspectral data
description O Brasil, como maior produtor e exportador de suco de laranja do mundo, tem enfrentado dificuldades em combater a doença Huanglongbing (HLB) em seus pomares de citros. São mais de 197 milhões de pés de laranja na região que mais produz no país, o cinturão citrícola Paulista e do Triângulo/Sudoeste Mineiro. Atualmente, o combate à doença é realizado por meio de vistorias realizadas por técnicos e se mostra como um método oneroso, demorado e ineficiente. O uso de sensores remotos acoplados em drones pode agregar muito numa detecção precoce de árvores doentes, com um custo-benefício atrativo e de forma ágil, evitando que a doença se dissemine nos pomares. Entretanto, a dificuldade de definir comprimentos de onda eficazes na diferenciação entre HLB e outras doenças ou deficiências nutricionais comuns vem sendo um desafio para o setor. A espectrorradiometria de campo pode contribuir nesse aspecto, com um estudo de observação associado a medidas de reflectância de indivíduos infectados em diferentes níveis de comprometimento. Nesse sentido, o presente estudo visa identificar comprimentos de onda e/ou regiões do espectro eletromagnético que sejam eficientes em distinguir folhas de citros infectadas por HLB e folhas saudáveis ou com sintoma de deficiência nutricional, como zinco. Para isso, foram coletadas medidas de radiometria de diversas folhas em dois pomares de citros localizados no interior do estado de São Paulo. A partir dessas medidas, foram calculados espectros de reflectância para cada classe das amostras (assintomática, HLB, saudável, deficiência de zinco, Hamlin, Natal e Pera). Após aplicar métodos de tratamento e análise de dados espectrorradiométricos, verificou-se que a região do rededge, próximo à 700 nm, é importante na diferenciação de folhas com HLB sintomáticas e folhas saudáveis, porém não é eficiente na diferenciação entre folhas com HLB assintomáticas e folhas saudáveis. Apesar da semelhança na condição de clorose, análises de espectrorradiometria demonstraram que folhas sintomáticas de HLB e folhas com deficiência de zinco diferem espectralmente. As análises também demonstraram que as folhas infectadas das variedades de laranja Hamlin, Natal e Pera são semelhantes espectralmente. Em resumo, o estudo indicou que um mesmo sensor multiespectral pode ser utilizado na detecção de citros com HLB para diferentes variedades, porém plantas que ainda são assintomáticas possivelmente não serão diferenciadas das não infectadas por HLB.
publishDate 2021
dc.date.accessioned.fl_str_mv 2021-07-12T12:15:45Z
dc.date.available.fl_str_mv 2021-07-12T12:15:45Z
dc.date.issued.fl_str_mv 2021-05-13
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/211008
dc.identifier.capes.none.fl_str_mv 33004129043P0
url http://hdl.handle.net/11449/211008
identifier_str_mv 33004129043P0
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
bitstream.url.fl_str_mv https://repositorio.unesp.br/bitstreams/b556dfab-0d7a-4025-a379-3187b2ccb073/download
https://repositorio.unesp.br/bitstreams/e07583b5-f21f-4576-9197-3f126d7c51bf/download
https://repositorio.unesp.br/bitstreams/a78f8d9b-57fa-4579-99c9-e52f41e85d01/download
https://repositorio.unesp.br/bitstreams/1040d91a-6247-4411-acc8-20ddd33dd9dc/download
https://repositorio.unesp.br/bitstreams/11ba48f6-9d7a-4457-8106-8d057f27e020/download
https://repositorio.unesp.br/bitstreams/3226e569-61bc-4642-8540-d359389b655a/download
https://repositorio.unesp.br/bitstreams/ac59f716-9383-4b4e-947f-962f30b59062/download
bitstream.checksum.fl_str_mv 52b4105bbbb8f00d2507c2b1deb98096
61e98f7abf07d739429a5ff010cda3aa
9134064d484563fdae724530e4b72b8d
5c8af8331a02fd686c89b053ca81f4dd
4a00f35b9f483b6467dfed68ec6601f4
623b23c1d3091a41e63a008f5a7b64bf
5e8bab1556e655a54c549a0238cc1f0d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1878343679054184448