@PHDTHESIS{ 2022:1890757353,
 	title = {Imagens multiespectrais a partir de um VANT  (Veículo aéreo não tripulado) na estimativa da produtividade do trigo},
 	year = {2022},
 	url = "https://tede.unioeste.br/handle/tede/6000",
 	abstract = "O objetivo geral da pesquisa foi entender a aplicação do uso de VANTs no manejo da 
 cultura do trigo. O primeiro artigo teve por objetivo realizar uma pesquisa bibliométrica 
 de literatura sobre o uso de VANTs na cultura de trigo, sendo realizada pesquisa na 
 base de dados da Web of Science, de artigos científicos publicados até o ano de 2021. 
 Posteriormente, foram aplicadas técnicas de análise bibliométrica de literatura através 
 do software VOSviewer, pelas quais avaliaram-se as co-autorias entre países e 
 instituições, bem como as coocorrências de palavras entre as obras. Foram verificados 
 os periódicos que mais publicam sobre essa temática. Os resultados indicaram uma 
 tendência crescente de publicações sobre o uso de VANTs, nos últimos 7 anos, e que 
 China, Estados Unidos da América e Reino Unido são os maiores pesquisadores desse 
 tema. A China se destaca com, aproximadamente, 40% das publicações. Essa análise 
 revela os principais assuntos atuais e as instituições mais influentes em todo o mundo 
 que realizaram pesquisas relevantes e as apresentaram em publicações científicas.
 Este estudo destaca os periódicos que incluem mais publicações sobre o tema e os 
 padrões colaborativos relacionados ao uso de VANTs na cultura do trigo. As plataformas 
 mais utilizadas para essa finalidade são do tipo multirotor, embarcados com câmeras 
 multipesctrais. Cerca de 27,8% das publicações são sobre o eixo temático ligado ao 
 monitoramento da produtividade/fenotipagem do trigo. A temática está em evidência, 
 porém são necessários maiores estudos com emprego de drones em regiões com alta 
 produção tritícola, como os países da América do Sul. O segundo artigo avaliou o 
 desempenho de algoritmos de aprendizado de máquina e imagens aéreas 
 multiespectrais, na estimativa indireta da produtividade de grãos de trigo. Foram 
 utilizadas duas áreas amostrais com épocas de cultivo diferentes, com diversos voos ao 
 longo do ciclo fenológico da cultura. Ao término do ciclo da cultura foi determinada a 
 produtividade de grãos (t ha-1
 ). Os algoritmos de aprendizado supervisionado de 
 máquina testados foram: Regressão linear (RL); Random forest (RF); Support vector 
 machine (SVM) e Artificial neural network (ANN), combinados com índices de vegetação 
 do espectro visível (RGB), multiespectrais e bandas. O algoritmo RL, combinado com 
 os índices do RGB, apresentou melhor desempenho nas fases iniciais da cultura 
 (perfilhamento) e final (maturação) com R² = 0,61 e R² = 0,58. O algoritmo SVM 
 apresentou maiores valores na fase de emborrachamento – espigamento, com 
 interação das bandas do red edge, red e green (R² = 0,78 e RMSE = 0,479 t ha-1
 ). 
 Portanto, é viável a utilização dessas variáveis e algoritmos na determinação da 
 produtividade do trigo. De maneira geral, constatou-se que essa é uma aplicação viável, 
 relativamente nova e promissora da tecnologia",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}