@PHDTHESIS{ 2021:1652012204,
 	title = {Aplicação computacional AGDATABOX-RS: gerenciamento de dados de sensoriamento remoto},
 	year = {2021},
 	url = "http://tede.unioeste.br/handle/tede/5718",
 	abstract = "O sensoriamento remoto tem a capacidade de auxiliar na evolução das práticas agrícolas,
 fornecendo informações periódicas sobre o estado de uma cultura ao longo de uma safra, em
 diferentes escalas e para diferentes segmentos. Aplicações em agricultura de precisão
 utilizam práticas de sensoriamento remoto, como os índices de vegetação, derivados de
 imagens multiespectrais, para mensurar parâmetros físicos e químicos das plantas, no
 decorrer do seu ciclo de desenvolvimento. Os avanços tecnológicos oportunizaram o
 desenvolvimento de serviços inovadores para o setor agrícola, baseados na internet e
 hospedados em nuvem. Sendo assim, o objetivo dessa pesquisa foi desenvolver uma
 aplicação computacional que integre e forneça dados de sensoriamento remoto para a
 plataforma de agricultura de precisão AgDataBox. A aplicação desenvolvida permite o
 cadastro de uma nova área (talhão), buscar imagens raster de satélites orbitais, selecionar
 índices de vegetação, vetorizar e inserir as imagens de interesse na plataforma AgDataBox.
 A aplicação proposta foi testada com dados da safra de milho de 2018/201 (safra verão), em
 uma área de estudo no município de Céu Azul, Paraná. Foram gerados 12 vetores a partir de
 imagens do satélite Sentinel-2, utilizando o índice de vegetação por diferença normalizada
 (NDVI), índice de vegetação melhorado (EVI) e índice de vegetação melhorado 2 (EVI-2) dos
 dias 11/12/2018, 16/12/2018, 15/01/2019 e 25/01/2019 e inseridos na plataforma AgDataBox.
 Também foram inseridos vetores com variáveis de produtividade, altitude, areia, silte, argila,
 resistência mecânica a penetração do solo nas profundidades de 0-0,1 m, 0-0,2 m, 0,1-0,2 m
 e 0,2-0,3 m. Após a análise de autocorrelação entre as variáveis, tendo produtividade como
 variável alvo, foram selecionadas EVI2 e altitude como as variáveis que apresentaram melhor
 autocorrelação cruzada com a variável alvo. Foram delineadas zonas de manejo (ZMs) no
 módulo AgDataBox-Map, utilizando o método fuzzy c-means, para duas, três e quatro classes
 utilizando três conjuntos de variáveis de entrada: (i) EVI-2_NM, (ii) Altitude, e (iii) EVI
 2_NM+Altitude. Após análise dos resultados, conclui-se que o melhor delineamento utilizou a
 variável EVI-2 no delineamento de três classes de ZMs. Todos os delineamentos para duas
 classes apresentaram diferença estatística entre suas classes, sendo o melhor desempenho
 obtido com a variável altitude. Todos os delineamentos com quatro classes foram
 descartados, pois não apresentaram diferença estatística significativa entre suas classes.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}