Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/2610
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Geraldine, Alaerson Maia-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0083813255453278pt_BR
dc.contributor.advisor-co1Marques, Renata Pereira-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/2707820212520956pt_BR
dc.contributor.advisor-co2Christoffoleti, Pedro Jacob-
dc.contributor.advisor-co2Latteshttp://lattes.cnpq.br/6464091119856967pt_BR
dc.creatorCastro, Alan Carlos de Oliveira-
dc.creator.Latteshttp://lattes.cnpq.br/7413538000890882pt_BR
dc.date.accessioned2022-07-13T14:09:29Z-
dc.date.available2022-07-13-
dc.date.available2022-07-13T14:09:29Z-
dc.date.issued2022-02-23-
dc.identifier.urihttps://repositorio.ifgoiano.edu.br/handle/prefix/2610-
dc.description.abstractWeeds are one of the most important pests in agroecosystems, causing considerable economic losses in global production. Thus, the first study aimed the identification of weeds through images as well the quantification of the weed seed bank in commercial areas in southwest Goiás-GO. In this way, the sampling was carried out through images and soil collections to carry out the seed bank present in 12 plots distributed in 12 municipalities. In the second study, the objective was to identify, quantify and map the weed species present in 384 plots distributed in 16 municipalities in commercial agricultural areas in southwest Goiás via aerial imaging. When evaluating the classic versus digital monitoring methods combined with the soil seed bank, it was possible to affirm that the RGB images generated by drones can be used for further training (machine learning), obtaining an 88% of accuracy. Thus, making it feasible to carry out a survey of weedy flora to identify, quantify and map the species in commercial agricultural areas in southwest Goiás. The high number of identified species of the same family, as well as the higher frequency of species observed in the ten-day periods before the starting of soybean crop, indicated the dominance of some species. The number of species identified, the size of the area, and the sampling region were not correlated, because sites with low species diversity were more grouped than sites with high diversity.pt_BR
dc.description.resumoAs plantas daninhas são pragas das mais importantes nos agroecossistemas, causando consideráveis perdas econômicas na produção global. Assim, no primeiro estudo objetivou-se realizar a identificação das plantas daninhas por meio de imagens e quantificação do banco de sementes de plantas daninhas, em área comerciais do sudoeste goiano-GO. Desta forma, a amostragem foi realizada por meio de imagens e coletas de solo para realização do banco de semente presente em 12 talhões distribuídos em 12 municípios. No segundo estudos, o objetivo foi identificar, quantificar e mapear as espécies de plantas daninhas presentes em 384 talhões distribuídos em 16 municípios de áreas agrícolas comerciais do sudoeste goiano, via imageamento aéreo. Ao avaliar os métodos de monitoramento clássico x digital aliado ao banco de sementes no solo foi possível afirmar que as imagens RGB geradas por meio de drones podem ser utilizadas para posterior treinamento (machine learning), obtendo acertabilidade de 88%. Assim, tornando viável a realização do levantamento da flora daninhas para identificar, quantificar e mapear as espécies em áreas agrícolas comerciais do sudoeste goiano. Em que o elevado número de espécies identificadas de uma mesma família, bem como a maior frequência de espécies observadas nos dez dias anteriores ao início da cultura da soja, indicou a dominância de algumas espécies e o número de espécies identificadas, o tamanho da área e a região de amostragem não foram correlacionados, pois os locais com baixa diversidade de espécies foram mais agrupados do que os locais com alta diversidade.pt_BR
dc.description.provenanceSubmitted by Alan Carlos de Oliveira Castro (alan.castro@estudante.ifgoiano.edu.br) on 2022-07-13T14:03:23Z No. of bitstreams: 1 MAPEAMENTO DIGITAL DE PLANTAS DANINHAS EM ÁREAS DE PRODUÇÃO DE SOJA UTILIZANDO AERONAVES REMOTAMENTE PILOTADAS.pdf: 1696941 bytes, checksum: 22471b60b9e158b22a28cc82031ed64e (MD5)en
dc.description.provenanceApproved for entry into archive by Hevellin Estrela (hevellin.estrela@ifgoiano.edu.br) on 2022-07-13T14:07:22Z (GMT) No. of bitstreams: 1 MAPEAMENTO DIGITAL DE PLANTAS DANINHAS EM ÁREAS DE PRODUÇÃO DE SOJA UTILIZANDO AERONAVES REMOTAMENTE PILOTADAS.pdf: 1696941 bytes, checksum: 22471b60b9e158b22a28cc82031ed64e (MD5)en
dc.description.provenanceMade available in DSpace on 2022-07-13T14:09:29Z (GMT). No. of bitstreams: 1 MAPEAMENTO DIGITAL DE PLANTAS DANINHAS EM ÁREAS DE PRODUÇÃO DE SOJA UTILIZANDO AERONAVES REMOTAMENTE PILOTADAS.pdf: 1696941 bytes, checksum: 22471b60b9e158b22a28cc82031ed64e (MD5) Previous issue date: 2022-02-23en
dc.description.sponsorshipOutra agência de fomento (descrever no resumo/abstract)pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal Goianopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Rio Verdept_BR
dc.publisher.programPrograma de Pós-Graduação em Ciências Agrárias – Agronomiapt_BR
dc.publisher.initialsIF Goianopt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/br/*
dc.subjectSensoriamento remotopt_BR
dc.subjectMatologiapt_BR
dc.subjectEcologiapt_BR
dc.subjectManejopt_BR
dc.subject.cnpqCIENCIAS AGRARIAS::AGRONOMIApt_BR
dc.titleMAPEAMENTO DIGITAL DE PLANTAS DANINHAS EM ÁREAS DE PRODUÇÃO DE SOJA UTILIZANDO AERONAVES REMOTAMENTE PILOTADASpt_BR
dc.typeTesept_BR
Appears in Collections:Doutorado em Ciências Agrárias - Agronomia



This item is licensed under a Creative Commons License Creative Commons