Académique Documents
Professionnel Documents
Culture Documents
Piracicaba
2011
Diego Soriano Cavalcante
Engenheiro Agrcola
Orientador:
Prof. Dr. JOS PAULO MOLIN
Piracicaba
2011
Dados Internacionais de Catalogao na Publicao
DIVISO DE BIBLIOTECA - ESALQ/USP
CDD 633.61
C376e
Permitida a cpia total ou parcial deste documento, desde que citada a fonte O autor
3
Aos meus pais Jorge Cavalcante e Claudina Soriano pelo amor e exemplo de vida;
A minha v Dina pelo carinho e apoio;
Aos meus amigos.
DEDICO
4
5
AGRADECIMENTOS
SUMRIO
RESUMO ................................................................................................................... 9
ABSTRACT ................................................................................................................... 11
1 INTRODUO ............................................................................................................ 17
2.1 Cana-de-acar....................................................................................................... 19
4 RESULTADOS E DISCUSSO.................................................................................. 41
3 CONCLUSES .......................................................................................................... 67
REFERNCIAS ............................................................................................................. 69
8
9
RESUMO
ABSTRACT
Study with sensors for measuring gaps in the rows of sugar cane
(Saccharum ssp.)
Brazil is the world's largest producer of sugarcane and has a booming market.
Because of the productive potentiality and profitability of sugarcane the interest in site
specific management techniques and demand for new technologies are increasing.
Therefore this project aims to study options of sensors for measurement and
georeferencing of failures, exploring the applicability of active optical sensors and
presence sensors available, to estimate the occurrence of missing plants in sugarcane
rows. It was developed a system for detecting the absence of plants and the validation
tests were conducted under controlled conditions to define the uncertainty of the
method. It was also studied the use of an active optical sensor that measures
reflectance targets at two wavelengths in the visible region (VIS) at 590 nm (amber) and
near infrared (NIR) at 880 nm. I It was conducted field tests to verify the functionality of
the sensors installed on a tractor. Data from two fields located in the region of
Iracempolis Brazil were collected for the validation, during the operation of
finishing/covering the furrows. Values were established for spacing between sugarcane
plants considered as failure for the presence sensor. For the active optical sensor
calibrations were performed in loco to define reflectance values that represent the
absence of plants. Virtual plots were allocated in the experimental areas where failures
were measured by hand following the procedure used by producers, and subsequently
the values were compared with those estimated by the sensors isolating the plot areas.
The observations indicate that the presence sensor allowed to obtain values comparable
to those obtained with manual reading. The results obtained with the active optical
sensor were comparable with those measured manually in only one of two experimental
areas. The presence sensor allowed the data collection at a high density, resulting in
mapping the occurrence of failures with great detail. Both methods enable
georeferencing of measurements, providing the user with information about the failure
occurrences and their locations.
LISTA DE FIGURAS
Figura 2 Sensor tico ativo utilizado, que calcula os ndices de refletncia (VIS,
IVP, RVI e NDVI) ............................................................................................................ 34
LISTA DE TABELAS
Tabela 3 Estatstica descritiva das falhas mensuradas por fileira no ensaio inicial
em campo ......................................................................................................................... 47
Tabela 5 - Estatstica descritiva dos dados obtidos com o sensor tico ativo .................... 48
Tabela 8 - Estatstica descritiva dos dados obtidos com o sensor tico ativo no
procedimento de caracterizao dos alvos ao longo de 2 minutos de
coleta .................................................................................................................................. 57
1 INTRODUO
2 REVISO BIBLIOGRFICA
2.1 Cana-de-acar
O plantio de cana-de-acar uma atividade singular por ser uma cultura semi-
perene, que fica instalada por um tempo superior a um ciclo agrcola tradicional.
Portanto, a fase produtiva da explorao, entre um plantio e outro, tem durao de 5 a 6
anos, em mdia. inegvel a importncia da realizao de um plantio de boa qualidade,
pois esse refletir nos resultados de produtividade por todo o ciclo da cultura.
Segundo Vitti e Mazza (2002) o planejamento do plantio at a colheita muito
importante para a otimizao da explorao econmica, norteando a escolha de uma
srie de tcnicas a serem adotadas, como insumos, mquinas e implementos, servios,
tipos de variedades e sua distribuio nos solos e pocas de plantio.
Coleti e Stupiello (2006) abordam as principais atividades que envolvem as
operaes de plantio da cana-de-acar, como espaamento entre fileiras, profundidade
de sulco de plantio, poca de plantio, quantidade de mudas necessrias e os cuidados
necessrios que envolvem estas operaes. Os autores salientam a importncia das
operaes para implantao da cultura, que exigem um bom planejamento e muito
conhecimento tcnico, pois as tomadas de decises no plantio iro influenciar todo o
ciclo da cana-de-acar.
Da mesma forma, Janini, Ripoli e Cebin (2008) observaram que cana-de-acar
em plantio mecanizado apresentou um incio de brotao mais tardio, o nmero mdio
21
de perfilhos por metro linear de sulco foi menor e apresentou menor nmero de gemas
viveis. Verificaram, porm, que o custo operacional efetivo do plantio mecanizado foi
inferior quando comparado ao sistema semi-mecanizado. No que diz respeito ao
percentual de falhas do tratamento mecanizado, esse foi trs vezes maior que no
tratamento semi-mecanizado.
Tecnicamente, o plantio mais recomendado o de cana de ano e meio, pois
apresenta menores riscos de adversidades climticas, principalmente de meio de seu
ciclo, quando pioram as condies de umidade do solo, prejudicando o seu
desenvolvimento (SCARPARI; BEAUCLAIR, 2010). Os autores salientam tambm que,
com o plantio da cana-de-acar nos meses de janeiro a maro, pode-se aproveitar o
terreno com outras culturas como soja e amendoim.
Para Coleti e Stupiello (2006) o efeito da estiagem associada com a baixa
umidade do solo nos meses de abril a setembro, afeta sensivelmente a massa obtida do
plantio at o final do vero, acarretando em menores produtividades.
Uma das formas da planta superar as adversidades climticas desenvolver um
sistema radicular com distribuio ao longo de todo perfil do solo. Porm, para ocorrer
este desenvolvimento deve-se levar em considerao fatores genticos e ambientais. A
umidade do solo e os outros atributos como porosidade, aerao e resistncia
penetrao, esto interligados quanto influncia sobre o crescimento radicular. Pouco
adianta o alto teor de gua no solo ser satisfatrio se houver baixa aerao e alta
resistncia penetrao (VASCONCELOS; GARCIA, 2005).
A produtividade da cana-de-acar regulada por diversos fatores de produo,
dentre os quais se destacam: planta (variedade), solo (propriedades qumicas, fsicas e
biolgicas), clima (temperatura, umidade, insolao), prticas culturais (controle de
eroso, erradicao de plantas invasoras, descompactao do solo), controle de pragas
e doenas, colheita (maturao e corte), entre outros. Para Carlin, Silva e Perecin.
(2004) uma das caractersticas de maior importncia para se ter uma boa produtividade,
ou bom estande de mudas, est relacionada s prticas de plantio; conseqentemente,
no plantio mecanizado essas prticas esto intimamente ligadas s mquinas utilizadas,
sobretudo a plantadora.
22
prximo (700 a 1300 nm) ocorre outro aumento na refletncia para valores prximos a
50%. Da em diante, at 2500 nm (infravermelho mdio - IVM), h um gradual
decrscimo, aparecendo algumas feies de absoro pelo contedo de gua.
Inicialmente, Jordan (1969) props a razo entre as medidas espectrais dos
comprimentos de onda de 800 e 675 nm para a determinao do ndice de rea foliar
(IAF) em florestas. Essa relao entre comprimentos de onda do infravermelho prximo
e do vermelho ficou conhecida como ndice de vegetao da razo simples (RVI Ratio
Vegetation Index). O ndice de vegetao por diferena normalizada (NDVI Normalized
Difference Vegetetion Index) surgiu em seguida, com o trabalho de Rouse et al. (1973),
que encontraram uma relao entre medidas espectrais de duas bandas, que melhor
resolvia o problema das interferncias do solo na resposta da vegetao e tambm
reduzia as influncias da atmosfera e das variaes sazonais do ngulo do Sol. No
entanto, a influncia do solo, da atmosfera e da geometria de iluminao e visada no
foram adequadamente eliminadas, tendo surgido diversas variaes para o NDVI, na
tentativa de obter um ndice menos sensvel a tais influncias.
Posteriormente, Rouse et al. (1973) props o NDVI, calculado a partir da
normalizao de bandas do vermelho e infravermelho prximo, conforme a equao (1),
onde os valores de NDVI esto contidos em uma mesma escala de valores
adimensionais, entre -1 e 1.
Em que:
estimao do tamanho das frutas pode ser causado por imprecises nas medidas do
ultrassom. Zaman e Salyani (2004) estudaram o uso de sensores ultrassonicos para
quantificar e mapear volume de rvores de citrus.
Segundo Luo e Kay (1989), a integrao ou fuso de mltiplos sensores traz
vantagens potenciais na redundncia, complementaridade, economia de tempo e de
custo da informao. Informaes redundantes fornecidas por um grupo de sensores ou
um nico sensor ao longo do tempo reduzem a incerteza global, aumentando a preciso
com que os elementos so percebidos pelo sistema, e podem servir para aumentar a
confiabilidade no caso de erro ou falha de sensor. Informaes complementares de
mltiplos sensores permitem que sejam percebidos elementos no ambiente que seriam
impossveis de se perceber usando apenas a informao de cada sensor operando em
separado.
A economia de tempo no processo obtida com o uso dos vrios sensores
fornecendo informaes com uma velocidade maior do que apenas um sensor
forneceria. Luo, Yih e Su (2002) afirmam que existe uma diferena conceitual entre
integrao de sensores e fuso de sensores. A integrao de sensores um conceito
mais abrangente ligado ao nvel de arquitetura de sistema e controle, relacionado com a
ligao fsica de um grupo de sensores com dados sendo modelados para participar
dessa integrao. J a fuso de sensores est mais ligada a questes matemticas e
estatsticas para combinaes da informao dos sensores.
Fuso de dados lida com teorias, algoritmos e ferramentas utilizadas para
processar mltiplas fontes de dados, gerando um dado de sada que de alguma forma,
melhor quando comparado com os dados de entrada individualmente (NAKAMURA,
2007). Alguns exemplos simples so encontrados para aplicaes agrcolas, como o de
Scotford e Miller (2004, 2005) que utilizaram um sensor de refletncia em conjunto com
sensor de altura (distncia) para determinar densidade e ndice de rea foliar em milho e
concluram sobre a validade da unio dos dois sensores.
Mart et al. (2006) desenvolveram um projeto corporativo com a participao de
diversas instituies e universidades da Espanha, com a finalidade de desenvolver um
sistema de controle de pulverizador para aplicao de pesticidas em pomares. Utilizaram
30
sensores detectando a presena rvores para controlar em tempo real o fluxo do produto
lanado, baseado na deteco da presena de rvores.
Os dados estimados com o auxlio de sensores em campo so facilmente
georreferenciados. Zaman, Schumann e Hostler (2005) usaram um sistema com
sensores, integrado com GPS para fazer medidas do volume das rvores e para assim
gerar um mapa de prescrio para aplicao variada de fertilizante nitrogenado e
Zaman, Schumann e Hostler (2006) utilizaram esse sistema para estimar a produtividade
das plantas associando-as aos volumes.
31
3 MATERIAL E MTODOS
Em que:
F (%) = ocorrncia de falhas;
f = tamanho da falha (m);
DF = distncia entre uma falha e outra (m).
33
Utilizou-se o sensor tico ativo Crop Circle (Holland Scientific, Inc. Lincoln,
NE, USA) (Figura 2), que trabalha com dois comprimentos de onda, na regio do visvel
(VIS) a 590 nm (mbar) e no infravermelho prximo (IVP) a 880 nm, e tem capacidade
de coletar at dez dados por segundo; capta refletncia dos alvos, calcula
automaticamente e grava o ndice de vegetao da diferena normalizada (NDVI), alm
de gravar tambm os seus componentes (VIS e IVP) e com estes calculou-se o (RVI).
Figura 2 Sensor tico ativo utilizado, que calcula os ndices de refletncia (VIS, IVP,
RVI e NDVI)
Fonte: Autor (2010)
F
DF 100 (3)
DT
Em que:
F (%) = ocorrncia de falhas;
DF = somatrio das distncias contnuas entre pontos com valores dos ndices de
refletncia (VIS, IVP, RVI e NDVI) considerados como caractersticos de
ausncia de plantas
DT = distncia entre um trecho de falhas e o incio de outro.
extremidade destes suportes foi fixado o encoder, que forneceu as leituras de pulsos, a
partir da rotao do rodado do trator.
Para acondicionar o coletor de dados foi adaptada uma caixa plstica para evitar
o seu contato direto com o ambiente, protegendo-o contra poeira, calor, vibraes e
umidade, decorrentes do trabalho de campo.
Os dados foram coletados simultaneamente, com os dois sensores instalados no
trator, na operao de quebra-lombo, com velocidade mdia de 1,66 m s-1, usual para
essa operao.
Na primeira etapa de coleta de dados no ensaio de campo as leituras foram
realizadas com os sensores nas fileiras de cana-de-acar em campo foram de forma
alternada. Para o levantamento manual de falhas utilizou-se a mdia das quatro fileiras
amostradas, sendo que os sensores somente mediram 50% da amostra.
Os experimentos foram conduzidos em reas da Usina Iracema, Iracempolis,
SP. Nessa etapa foram contempladas condies reais de campo, em fileiras de cana-
de-acar, com a idade entre 90 e 120 dias (cana planta), com espaamento de 1,5 m
38
4 RESULTADOS E DISCUSSO
Figura 5 Arranjo dos obstculos de madeira dispostos em fileiras para simular plantas
de cana-de-acar
Fonte: Autor (2010)
Quadrados Mdios
Fontes de Variao Graus de Liberdade
Exatido (m)
Repeties 5 0,000028
Estacas (E) 2 0,00019**
Distncias entre Estacas (D) 5 6,6185**
Velocidade (V) 2 0,0025**
ExD 10 0,00043**
ExV 4 0,000053
DxV 10 0,000060*
ExDxV 20 0,000055**
Resduo 265 0,000028
Mdia Geral 0,49
CV (%) 1,1
65
60
55
50
45
40
Frequncia (%)
35
30
25
20
15
10
0
0,5 - 1,0 1,0 - 1,5 1,5 - 2,0 2,0 - 2,5 2,5 - 3,0
Ausncia de plantas (m)
Tabela 3 Estatstica descritiva das falhas mensuradas por fileira no ensaio inicial em
campo
Falhas (m)
Nmero da fileira Mdia Desvio Padro CV (%) Mximo
1 1,1 0,5 49,4 2,4
2 1,0 0,7 72,6 2,9
3 0,7 0,3 38,3 1,1
4 0,6 0,2 34,3 1,2
5 0,5 0,1 23,8 1,0
6 1,2 0,7 63,2 2,9
Com os resultados obtidos nesta etapa comprovou-se que o sistema com sensor
de presena poderia ser experimentado em lavouras e sob condies normais de
campo, assim foi dada sequncia avaliao em lavouras comerciais.
Tabela 5 - Estatstica descritiva dos dados obtidos com o sensor tico ativo
sensor tico ativo foram, de certa forma distintos; j o comportamento do NDVI foi
semelhante ao observado por Frasson et al. (2007), ao concluir que o desenvolvimento
vegetativo das plantas pode causar interferncia no comportamento do NDVI obtido
com o sensor tico ativo.
a) b)
30 45
40
25
Frequncia (%)
Frequncia (%)
35
20 30
25
15
20
10 15
10
5
5
0 0
0,150 -0,170
0,150 - 0,200
0,200 - 0,250
0,250 - 0,300
0,300 - 0,350
0,400 - 0,450
0,500 - 0,550
0,550 - 0,600
0,600 - 0,650
0,050 - 0,070
0,070 - 0,090
0,090 - 0,110
0,110 - 0,130
0,170 - 0,190
0,190 - 0,210
0,350 - 0,400
0,450 - 0,500
0,130 - 0,150
0,210 - 0,230
Intervalo de NDVI Intervalo de IVP
c) d)
100 30
90
80 25
Frequncia (%)
Frequncia (%)
70 20
60
50 15
40
30 10
20 5
10
0 0
0,130 -0,150
0,050 - 0,070
0,070 - 0,090
0,090 - 0,110
0,110 - 0,130
0,150 - 0,170
0,170 - 0,190
0,190 - 0,210
0,030 - 0,050
0,200 - 0,250
0,250 - 0,300
0,300 - 0,350
0,350 - 0,400
0,400 - 0,450
0,450 - 0,500
0,500 - 0,550
0,550 - 0,600
0,600 - 0,650
0,700 - 0,750
Intervalo de VIS Intervalo de RVI 0,650 - 0,700
Figura 7 Frequncia de distribuio dos ndices de refletncia VIS, IVP, RVI e NDVI
mensuradas pelo sensor tico ativo em uma lavoura de 4,9 ha
ao valor obtido com o levantamento manual. Da mesma forma, o sensor tico ativo
apresentou valores superiores a 15% em algumas parcelas se comparados aos obtidos
com o levantamento manual.
52
Quadrados Mdios
Fontes de Variao Graus de Liberdade
(% Falhas)
Parcelas 19 145,8**
Tratamentos 2 149,1*
Resduo 38 43,6
CV do experimento (%) 24,6
dados com maior resoluo em relao ao sensor tico ativo. No entanto a utilidade e
as peculiaridades dessas diferenas como informao aos gestores ainda carecem de
investigao.
a) b)
35 30
30
rea 2
Frequncia (%)
25
Frequncia (%)
25 rea 1
20
20
15
15
10 10
5 5
0 0
>5
0 - 0,1
1 - 1,5
2 - 2,5
3 - 3,5
0,3 - 0,4
0,4 - 0,5
0,5 - 0,6
0,6 - 0,7
0,8 - 0,9
0,9 - 1
2,5 - 3
3,5 - 4
1,5 - 2
4,5 - 5
0,2 - 0,3
0,7 - 0,8
>5
0 - 0,1
1 - 1,5
2 - 2,5
3 - 3,5
0,3 - 0,4
0,4 - 0,5
0,5 - 0,6
0,6 - 0,7
0,8 - 0,9
0,9 - 1
2,5 - 3
3,5 - 4
1,5 - 2
4,5 - 5
0,2 - 0,3
0,7 - 0,8
0,1 - 0,2
0,1 - 0,2
Optou-se por manter o limite inferior para definir espaos com ausncia de
obstculos representando falhas em 0,5 m (Stolf, 1986). Deste modo foram removidos
os espaos vazios inferiores a 0,5 m e obteve-se a populao de espaos com
ausncia de obstculos considerados como falhas. Assim a distribuio de frequncia
representada na Figura 11 inclui apenas os espaos falhos que indicam a ausncia de
plantas.
a) b)
rea 1 rea 2
70 60
60 50
Frequncia (%)
Frequncia (%)
50
40
40
30
30
20
20
10 10
0 0
0,5 - 1
1 - 1,5
2,5 - 3
3 - 3,5
3,5 - 4
4 - 4,5
4,5 - 5
0,5 - 1
1,5 - 2
2 - 2,5
1 - 1,5
1,5 - 2
2 - 2,5
2,5 - 3
3 - 3,5
3,5 - 4
4 - 4,5
4,5 - 5
Intervalo de falhas (m) Intervalos de falhas (m)
Tabela 8 - Estatstica descritiva dos dados obtidos com o sensor tico ativo no
procedimento de caracterizao dos alvos ao longo de 2 minutos de coleta
0,590 na rea 1 e 0,609 na rea 2. J as mdias obtidas tendo o solo como alvo foram
semelhantes, 0,147 na rea 1 e 0,150 na rea 2.
Os valores do CV dos indicadores tiveram comportamentos semelhantes entre as
duas reas, porm o IVP apresentou valores maiores em alvo de plantas de cana-de-
acar. A partir dessa anlise foi possvel uma melhor caracterizao dos alvos
estudados (solo e plantas), e deste modo definiram-se valores dos ndices de
refletncia representativos de falhas de plantio. Utilizou-se o valor de NDVI como filtro,
para rea 1, menor ou igual a 0,380 e para a rea 2, valor de NDVI menor ou igual a
0,400.
As distribuies de frequncia dos valores dos ndices de refletncia (VIS, IVP,
RVI e NDVI) estimados pelo sensor tico ativo esto apresentadas nos grficos da
Figura 12 para as duas reas. O comportamento dos valores mensurados nas duas
reas foi distinto indicando que particularidades do estado da lavoura interferem nos
valores estimados pelo sensor. Frasson et al. (2007) ao estudar comportamento
temporal do NDVI mensurado com sensor tico ativo, tambm verificaram diferenas
nas leituras do ndice devido s particularidades do estado da lavoura (diferentes
variedades e pocas de avaliao).
Os ndices de refletncia foram maiores para a rea 2, que apresentou os
maiores valores de leituras para os quatros ndices mesurados separadamente (Figura
12). Esse acrscimo nas mensuraes provavelmente ocorreu devido maior
quantidade de massa verde, o que provocou o aumento dos valores estimados com o
sensor tico ativo. Esse fato por demais conhecido e foi relatado, por exemplo, por
Hatfield et al. (2008) ao estudar a aplicao do sensoriamento remoto espectral e
refletncia para analisar medidas agronmicas, mostrando que as diferentes
quantidades de massa verde proporcionam ndices refletncia desiguais.
Frequncia (%) Frequncia (%) Frequncia (%) Frequncia (%)
0
5
10
15
20
25
30
0
0
5
0
5
10
20
30
40
50
60
70
10
15
20
25
30
35
40
45
10
15
20
25
30
rea 1
rea 1
rea 1
rea 1
Intervalo de VIS
Intervalo de IVP
Intervalo de RVI
Intervalo de NDVI
0,450 - 0,500
0,550 - 0,600 0,055 -0,060 0,190 - 0,210
0,500 - 0,550
0,600 - 0,650 0,210 - 0,230
0,060 - 0,065
0,650 - 0,700 0,230 - 0,250 0,550 - 0,600
0
5
10
15
20
25
30
0
5
0
5
0
5
10
15
20
25
30
35
40
45
50
10
15
20
25
30
35
40
45
50
10
15
20
25
30
rea 2
rea 2
rea 2
rea 2
0,060 - 0,065
0,550 - 0,600 0,210 - 0,240 0,400 - 0,450
0,600 - 0,650 0,065 - 0,070
Intervalo de VIS
Intervalo de RVI
Intervalo de IVP
Intervalo de NDVI
rea 2
Parcelas 25 274,8**
Tratamentos 2 1339,8**
Resduo 50 84,1
CV (%) 34,9
por este. O GPS utilizado foi o fator limitante, sendo possvel a utilizao de um
receptor com maior frequncia, o que no foi testado por no estar este disponvel.
As comparaes realizadas nas parcelas em ambas as reas, entre o sensor de
presena e o levantamento manual, que por sua vez, a maneira atualmente utilizada
nas usinas na estimativa do percentual de falhas no diferiram estatisticamente. O
sensor de presena mensura diretamente os espaos vazios entre plantas,
considerados como falhas. J para o sensor tico, a interferncia das plantas influencia
na estimativa de falhas, pois o esse sensor faz a mensurao com facho de luz
incidente vertical, com interferncia de folhas dispersas.
A partir das leituras e mensuraes de falhas com o sensor de presena e
sensor tico ativo, obteve-se a localizao do incio e a classificao do percentual local
de falhas, distribudas nos mapas referentes s reas 1 (Figura 14) e 2 (Figura 15).
3 CONCLUSES
REFERNCIAS
AZIZ, S.A.; STEWARD, B.L.; BIRREL, S.J. Ultrasonic sensing for corn plant canopy
characterization. Ottawa: ASAE, 2004. p. 22-25. (ASAE Paper, 041120).
BACCI, L.; DE VINCENZI, M.; RAPI, B.; ARCA, B.; BENINCASA, F. Two methods for
the analysis of colorimetric components applied to plant stress monitoring. Computers
and Electronics Agriculture, Oxford, v. 19, n. 8, p. 167-186, 1998.
BIRRELL, S.; SUDDUTH, K.A. Corn population sensor for precision farming. St.
Joseph: Editora,1995. 12 p. (ASAE Paper, 95-1334).
CARLIN, S.D.; SILVA, M.A.; PERECIN, D. Fatores que afetam a brotao inicial da
cana-de-acar. Revista Ceres, Viosa, v. 51, n. 296, p. 457-466, 2004.
70
COLETI, J.T.; STUPIELLO, J.J.; Plantio da cana-de-acar. In. SEGATO, S.V.; PINTO,
A.S.; JENDIROBA, E.; NBREGA, J.C.M. Atualizaes em produo de cana-de-
acar. Piracicaba: CP 2, 2006. cap. 4, p. 237-244.
FORTES, C.; DEMATT, J.A.M. Discrimination of sugar cane varieties through spectral
data of ETM Landsat 7. International Journal of Remote Sensing, Basingstoke,, v.27,
p. 1395-1412, 2006.
FRASSON, F.R.; MOLIN, J.P.; SALVI, J.V.; POVH, F.P.; GARCIA, M.A.L. Utilizao de
sensor tico ativo no diagnstico de falhas de plantio em cana-de-acar. STAB :
acucar, alcool e subprodutos, Piracicaba, v. 26, p. 34-37, 2007.
GALVANI, E.; BARBIERI, V.; PEREIRA, A.B.; VILLA NOVA, N.A. Efeitos de diferentes
espaamentos entre sulcos na produtividade agrcola da cana-de-acar (Saccharum
spp.). Scientia Agricola, Piracicaba, v. 54, n. 1/2, p. 62-68, jan. 1997.
GUYER, D.E.; MILES, G.E.; SCHREIBER, M.M.; MITCHELL, O.R.; VANDERBILT, V.C.
Machine vision and image processing for plant identification. Transactions of the
ASAE, St. Joseph, v. 29, n. 6, p. 1500-1507, 1986.
HUETE, A.R. Soil influences in remotely sensed vegetation-canopy spectra. In: ASRAR,
G. (Ed.). Theory and application of optical remote sensing. New York: Wiley
Interscience, 1989. p. 107-141.
JIA, J.; KRUTZ, G.W. Location of the maize plant with machine vision. Journal of
Agricultural Engineering Research, London, v. 52, n 17, p. 169-181, 1992.
JORDAN, C.F. Derivation of leaf area index from quality of light on the forest floor.
Ecology, Washington, v. 50, n. 4, p. 663-666, 1969.
KATAOKA, T.; OKAMOTO, H.; KANEKO, T.; HATA, S. Performance of crop height
sensing using ultra sonic sensor and laser beam sensor. Chicago, 2002. p. 42-46.
(ASAE Paper, 021184).
LUO, R.C.; KAY, M.G. Multisensor integration and fusion in intelligent systems. IEEE
Sensors Journal, Piscataway, v. 2, n. 2, p. 66-69, apr. 1989.
LUO, R.C.; YIH, C.C.; SU, K.L. Multisensor fusion and integration: approaches,
applications, and future research directions. IEEE Sensors Journal, Piscataway, v. 2, n.
2, p. 23-27, apr. 2002.
MART, S.P.; POLO, J.R.; MOYA, E.G.; MONTEROLA, L.V.; AGUST, E.A. Optimizing
pesticide spray application in tree crops. Portland, 2006. (SAE Paper, 061128).
McNAIRN, H.; DEGUISE, J.C.; PACHECO, A.; SHANG, J.; RABE, N.; Estimation of
crop cover and chlorophyll from hyperspectral remote sensing. In: CANADIAN
SYMPOSIUM ON REMOTE SENSING, 23., 2001, Quebec. Proceedings ... Ontario:
Canadian Aeronautics and Space Institute, 2001. 1 CD-ROM.
72
MOGES, S.M.; RAUN, W.R.; MULLEN, R.W.; FREEMAN, K.W.; JOHNSON, G.V.;
SOLIE, J.B. Evaluation of green, red, and near infrared bands for predicting winter
wheat biomass, nitrogen uptake, and final grain yield. Journal of Plant Nutrition, New
York, v.27, n. 12, p. 1431-1441, 2004.
MOTOMIYA, A.V. de A.; MOLIN, J.P.; CHIAVEGATO, E.J. Utilizao de sensor ptico
ativo para detectar deficincia foliar de nitrognio em algodoeiro. Revista Brasileira de
Engenharia Agrcola e Ambiental, Jaboticabal, v. 13, n 12, p. 137-145, 2009.
NAKAMURA, E.F. ; LOUREIRO, A.A. F. ; FRERY, A.C. Information Fusion for Wireless
Sensor Networks: Methods, Models, and Classifications. ACM Computing Surveys, New
York v. 39, p. 9/1-9/55, 2007.
PARK, B.; CHEN, Y.R. Multispectral image co-occurence matrix analysis for poultry
carcasses inspection. Transactions of the ASAE, St. Joseph, v. 39, n. 4, p. 1485-1491,
1996.
PREZ, A.J.; LPEZ, F.; BENLLOCH, J.V.; CHRISTENSEN, S. Colour and shape
analysis techniques for weed detection in cereal fields. Computers and Electronics in
Agriculture, Oxford, v. 25, n. 8, p. 197-212, 2000.
PLATTNER, C.E.; HUMMEL, J.W. Row-crop population sensor for agricultural crops. In:
AGRICULTURAL EQUIPMENT TECHNOLOGY CONFERENCE, 1995, Chicago.
Abstracts... Chicago: ASAE,1995, p. 25.
POVH, F.P.; MOLIN, J.P.; GIMENEZ, L.M.; PAULETTI, V.; MOLIN, R.; SALVI, J.V.
Comportamento do NDVI obtido por sensor tico ativo em cereais. Pesquisa
Agropecuria Brasileira, Braslia, v. 43, n 19, p. 1075-1083, 2008.
REGUNATHAN, M.; LEE, W.S. Citrus fruit identification and size determination using
machine vision and ultrasonic sensors. 2005. Tampa, Flrida, p. 102-109. (ASAE
Paper, 053017).
RIZZI, R.; RUDORFF, B.F.T. Imagens do sensor MODIS associadas a um modelo para
estimar a produtividade de soja. Pesquisa Agropecuria Brasileira, Braslia, v. 42, n.
26, p. 73-80, 2007.
73
ROQUE, A.A. de O.; SOUZA, Z.M.; BARBOSA, R.S.; SOUZA.; G.S. Controle de trfego
agrcola e atributos fsicos do solo em rea cultivada com cana-de-acar. Pesquisa
Agropecuria Brasileira, Braslia, v. 45, n. 7, p. 744-750, jul. 2010.
ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A.; DEERING, D.W. Monitoring vegetation
systems in the great plains with ERTS. In: EARTH RESOURCES TECHNOLOGY
SATELLITE-1 SYMPOSIUM, 3., 1973. Washington. Proceedings... Washington: NASA,
Goddart Space Flight Center, 1973. v.1, p. 9-317, (NASA SP-351), 1973.
RIZZI, R.; RUDORFF, B.F.T. Imagens do sensor MODIS associadas a um modelo para
estimar a produtividade de soja. Pesquisa Agropecuria Brasileira, Braslia, v. 42, n.
85, p.73-80, 2007.
SCHRDER, J.J.; NEETESON, J.J.; OENEMA, O.; STRUIK, P.C. Does the crop or the
soil indicate how to save nitrogen in maize production. Reviewing the state of the art.
Field Crops Research, Amsterdam, v. 66, n. 14, p. 277-278, 2000.
SCOTFORD, I.M.; MILLER, P.C.H. Estimating tiller density and leaf area index of winter
wheat using spectral reflectance and ultrasonic sensing techniques. Biosystems
Engineering, Towcester, v. 89, n. 4, p. 395-408, 2004.
SCOTFORD, I.M.; MILLER, P.C.H. Vehicle mounted sensors for estimating tiller density
and leaf area index (LAI) of winter wheat. In: EUROPEAN CONFERENCE ON
PRECISION AGRICULTURE, 5.,2005, Uppsala. Anais ... Uppsala, 2005. p. 201-207.
SOLARI, F.; SHANAHAN, J.; FERGUSON, R.B.; SCHEPERS, J.S.; GITELSON, A.A.
Active sensor reflectance measurements of corn nitrogen status and yield potential.
Agronomy Journal, Madison, v.100, n. 3, p. 571-579, Apr. 2008.
STOLF, R.; IAIA, A.M.; LEE, T.S.G. ndice de falhas segundo o mtodo de STOLF:
correlao com o rendimento agrcola em soqueiras de cana-de-acar. lcool e
Acar, So Paulo, v. 11, n. 58, p. 12-16, maio/jun.1991.
STOLF, R.; IAIA, A.M.; LEE, T.S.G. ndice de falhas segundo o mtodo de STOLF:
correlao com o rendimento agrcola em cana-planta. Brasil Aucareiro, Rio de
Janeiro, v. 104, n. 5/6, p. 44-50, 1986.
74
WRIGHT, D.L. Canopy reflectance estimation of wheat nitrogen content for grain protein
management. GIScience and Remote Sensing, Columbia, v. 41, n. 4, p. 287-300,
2004.
ZAMAN, Q.U.; SALYANI, M. Effects of foliage density and ground speed on ultrasonic
measurement of citrus tree volume. Applied Engineering in Agriculture, St. Joseph, v.
20, n. 2, p. 173-178. 2004.
ZAMAN, Q.U.; SCHUMANN, A.W.; HOSTLER, H.K. Estimation of citrus fruit yield using
ultrasonically-sensed tree size. Applied Engineering in Agriculture, St. Joseph, v. 22,
n. 1, p. 39-44, 2006.