Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/17701
Full metadata record
DC FieldValueLanguage
dc.contributor.authorFreire, Alexandre Araujo Ribeiro-
dc.date.accessioned2024-08-09T14:15:19Z-
dc.date.available2024-08-09T14:15:19Z-
dc.date.issued2022-02-24-
dc.identifier.citationFREIRE, Alexandre Araujo Ribeiro. Predição altimétrica por tecnologia de aeronave remotamente pilotada para máquinas agrícolas. 2022. 152 f. Tese (Doutorado em Ciência, Tecnologia e Inovação em Agropecuária) - Pró-Reitoria de Pesquisa e Pós-Graduação, Universidade Federal Rural de Rio de Janeiro, Seropédica, 2022.pt_BR
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/17701-
dc.description.abstractA produção agrícola em áreas com relevos irregulares e declivosos, ocasionam uma série de problemas relacionadas à operação das máquinas agrícolas, tais como processos erosivos no solo, acidentes de trabalho de alta gravidade e subutilização da máquina. Um fator utilizado na gestão da variabilidade espacial do relevo é a Agricultura de Precisão (AP), pois, identificando as declividades, podem ser traçadas estratégias para mitigar os obstáculos encontrados ao mecanizar lavouras situadas em locais com declive acentuado. Nesse sentido, identificaram-se três aspectos relevantes quanto aos fatos citados: como otimizar o uso do solo de forma sustentável, como resguardar o conjunto motomecanizado dos acidentes por tombamento lateral e por fim, como proporcionar o aumento de terras aptas à mecanização. Uma importante ferramenta utilizada na AP para diferentes objetivos são as Aeronaves Remotamente Pilotadas (RPAs) e deste modo, este trabalho tem como objetivo utilizar esta tecnologia para a realização de mapeamento prévio do relevo antes do início das atividades mecanizadas. Contudo, observou-se uma limitação quanto aos aspectos da mecanização agrícola relacionadas à declividade máxima operacional, por conta do alto fator de segurança empregado na atividade agrícola, na ordem de 50% de sua declividade operacional limite. Foram mensuradas por levantamento topográfico e aerofotogramétrico, quatro áreas distintas, com inclinações médias em 38,4%, 41,2%, 6,5% e 6,3%. A metodologia utilizada compreendeu as etapas de controle de qualidade de dados geoespaciais segundo a norma ET- CQDG, recomendação do produto geoespacial obtido em função da norma da ASPRS, análise da acurácia altimétrica do relevo, monitoramento das diferenças de declividade e análise de similaridade das curvas de nível utilizando a distância de Hausdorff. Foi montada uma base de dados, a qual permitiu a utilização dos resultados para as aplicações concernentes à AP. Os produtos obtidos alcançaram segundo a ET-CQDG o enquadramento planimétrico e altimétrico na classe A para as escalas 1:500 e 1:1000 com equidistâncias entre as curvas de nível de 0,50 m e 1 m. Os produtos gerados enquadraram-se na recomendação intitulada mapeamento padrão e trabalhos em SIG, segundo a norma da ASPRS. A Acurácia altimétrica obtida ao nível de 95% de confiança para as quatro áreas de estudo, foram respectivamente 0,265 m, 0,178 m, 0,145 m e 0,096 m. A análise de similaridade pela distância de Hausdorff apresentou os melhores resultados para as áreas com relevo forte ondulado e os piores para as áreas com relevo suave ondulado. Para a determinação do novo fator de segurança, relacionado à declividade máxima operacional, foi obtido o valor ajustado de 5% entre as respostas das diferenças de declividade em um nível de confiança de 95%. Foi empregada a Análise de Árvore de Falhas, a partir de um hipotético acidente de trabalho, tendo apresentado a predição altimétrica como medida mitigadora do evento indesejado. Modelou-se um protótipo do sistema computacional de segurança operacional para as máquinas agrícolas. De acordo com as análises apresentadas, os mapas de declividade com curvas de nível e resolução espacial de 0,20 m desenvolvidos, apresentaram diferenças de declividade na ordem de 4,3% ao nível de confiança em 95% na situação mais crítica, habilitando o seu uso em sistemas de controle de máquinas agrícolas, otimizando o processo mecanizado, ampliando a porcentagem de áreas mecanizáveis, proporcionando o uso consciente do solo e prevenindo os acidentes por tombamento lateral do conjunto motomecanizado.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal Rural do Rio de Janeiropt_BR
dc.subjectAgricultura de Precisãopt_BR
dc.subjectASPRSpt_BR
dc.subjectET-CQDGpt_BR
dc.subjectDeclividadept_BR
dc.subjectSegurança Operacional na Mecanizaçãopt_BR
dc.subjectTombamento lateralpt_BR
dc.subjectPrecision Agriculturept_BR
dc.subjectDeclivitypt_BR
dc.subjectOperational Safety in Mechanizationpt_BR
dc.subjectSide overturnpt_BR
dc.subjectAgricultura de precisiónpt_BR
dc.subjectPendientept_BR
dc.subjectSeguridad Operacional en Mecanizaciónpt_BR
dc.subjectCaída lateralpt_BR
dc.titlePredição altimétrica por tecnologia de aeronave remotamente pilotada para máquinas agrícolaspt_BR
dc.title.alternativeAltimetric prediction by remotely piloted aircraft technology for agricultural machineryen
dc.typeTesept_BR
dc.description.abstractOtherAgricultural production in areas with irregular and sloping reliefs causes different problems related to the operation of agricultural machines, such as erosion processes in the soil, high severity work accidents and underuse of the machine. A used way in the management of the spatial variability of the relief is Precision Agriculture (PA), because, by identifying the slopes, strategies can be developed to mitigate the obstacles when mechanizing crops that are located in places with steep slopes. In this way, three relevant aspects were identified regarding the related facts: how to optimize the use of the land in a sustainable way; how to protect the mechanized set from accidents by side overturning and; finally, how to provide an increase in the land suitable for mechanization. An important tool used in the PA for different purposes is the Unmanned Aerial Vehicle (UAV) and thus, this work aims to use this technology to carry out a previous mapping of the relief before the start of mechanized activities. However, there was a limitation regarding the aspects of agricultural mechanization related to maximum operational slope, due to the high safety factor used in agricultural activity, in the order of 50% of its operational slope limit. Four distinct areas were measured by topographic and aerial photogrammetric surveys, with average slopes of 38.4%, 41.2%, 6.5% and 6.3%. The methodology used included the steps of quality control of geospatial data according to the ET-CQDG standard, recommendation of the geospatial product obtained according to the ASPRS standard, analysis of the altimetric accuracy of the relief, monitoring of slope differences and analysis of similarity of the curves level using the Hausdorff distance. A database was set up, which allowed the use of the results for applications concerning the PA. The obtained products reached according to the ET-CQDG planimetric and altimetric classification as class A for scales 1:500 and 1:1000 with distances between the contour lines of 0.50 m and 1 m. These products fit the recommendation entitled standard mapping and GIS work, according to the ASPRS standard. The altimetric accuracy obtained at the 95% of confident level for the four study areas were respectively 0.265 m, 0.178 m, 0.145 m and 0.096 m. The similarity analysis by the Hausdorff distance showed the best results for areas with strong undulating relief and the worst for areas with smooth undulating relief. For the determination of the new factor of safety, related to the maximum operational slope, the adjusted value of 5% was obtained among the results of the slope differences in a confident level of 95%. We have used Fault Tree Analysis based on a hypothetical work accident, and it has presented the altimetric prediction as a decreasing measure of the unwanted event. A prototype of the operational safety computer system was patterned for agricultural machines. According to the analyzes presented, the slope maps with contour lines and spatial resolution of 0.20 m developed, showed slope differences in the order of 4.3% at the 95% confident level in the most critical situation, enabling its use in agricultural machinery control systems, thus optimizing the mechanized process, increasing the percentage of mechanized areas, providing the conscious using of the soil and preventing accidents due to side overturning of the mechanized set.en
dc.description.abstractOther1 Introducción En la actualidad, ante el constante aumento de la demanda mundial de alimentos aliado a una tendencia de aumento expresivo de la población mundial, el uso racional y eficiente de los recursos naturales disponibles en el planeta, se convierte en una premisa innegable bajo cualquier perspectiva en el futuro próximo. En este contexto, el suelo es uno de los bienes más preciados y necesarios para el desarrollo de las actividades agrícolas y, por su importancia, su uso debe estar sujeto a procesos que generen cada vez menos daño al medio ambiente, pero al mismo tiempo mejoren las respuestas producción en cada área agrícola. Siguiendo este camino, se desarrolló la Agricultura de Precisión (AP), teniendo su esencia basada en la optimización del proceso productivo de los cultivos agrícolas, a partir del manejo de la variabilidad espacial involucrada, para mejorar el potencial de respuesta de los cultivos, manteniendo el medio ambiente en balance. Cabe destacar que el uso de maquinaria agrícola de alta tecnología se convierte en una herramienta indispensable para el progreso del sector, enfocándose en el objetivo principal de incrementar la producción agrícola, manteniendo el desarrollo sostenible y el equilibrio de las interacciones hombre-máquina. Ante esta afirmación, existe un vasto escenario para el desarrollo de investigaciones encaminadas a mejorar las técnicas y tecnologías utilizadas en AP. Ante el escenario presentado, el área de geotecnologías es un poderoso aliado en temas que se refieren a la AP y, en consecuencia, a la mecanización de la agricultura. Por lo tanto, con la creciente expansión de actividades en la AP y las constantes innovaciones tecnológicas que se incorporan al proceso de mecanización, el uso racional de insumos y el uso consciente del suelo se vuelven fundamentales y necesarios para que la relación entre productividad, los impactos al medio ambiente y la seguridad de las actividades laborales se mantengan en equilibrio. Contribuyendo a este proceso, se destacan las numerosas y recientes innovaciones tecnológicas en cuanto al uso de Aeronaves Remotamente Pilotadas (RPA). Para el uso de esta tecnología, existe de hecho un gran potencial de soluciones e innovaciones a ser introducidas en el contexto de AP, cuya aplicación es indispensable en un panorama de agricultura moderna, con alta precisión y exigentes estándares de seguridad en el trabajo. El uso de PRAs ha crecido significativamente en los últimos años en numerosas aplicaciones como geología, monitoreo ambiental, mapeo sistemático, AP, entre otras. La aerofotogrametría mediante RPAs se convierte en una alternativa tangible para el mapeo de áreas cultivables, vinculando interesantes resultados costo-beneficio, posibilitando la obtención de un producto final con calidad, menor costo en comparación con otras técnicas, facilidad operativa en campo y desarrollo de nuevas metodologías para la práctica. Sin embargo, los datos referentes a esta tecnología carecen de interpretación, estandarización de métodos y análisis científicos más profundos, que permitan validar sus aplicaciones en diferentes áreas del conocimiento y para aplicaciones más específicas como las de AP. Muchas propiedades agrícolas en ocasiones no logran mecanizar las partes productivas de sus tierras, porque están ubicadas en lugares con pendientes más pronunciadas, o cuando son utilizadas, pueden no hacer uso de una práctica correcta de siembra de cultivos, xi provocando la degradación del suelo por los procesos erosivos y también de forma rutinaria, comprometiendo la seguridad operativa, resultando en accidentes de trabajo por el vuelco lateral de la máquina agrícola. La topografía del relieve es uno de los factores más significativos en el proceso de erosión del suelo, por lo que es importante correlacionar la práctica inadecuada de implementar cultivos agrícolas “cuesta abajo”, con el incremento del proceso de erosión. Sin embargo, aún más graves son las condiciones de trabajo a las que están expuestos los operarios y las máquinas, ya que la mayoría de los accidentes laborales que se producen en estas actividades se deben a condiciones ambientales en zonas muy inclinadas y/o con relieve irregular. Esta situación acaba poniendo en riesgo el conjunto motor-mecanizado y expone automáticamente al operario al riesgo de muerte por accidente de trabajo, provocado por la caída lateral y/o vuelco de la máquina agrícola. Por todo lo anterior, existe un vacío por llenar en torno a tres aspectos fundamentales mencionados, que son: garantizar la seguridad operativa del conjunto mecanizado en la actividad laboral, mantener la oferta productiva de alimentos para atender las crecientes demandas de alimentos y, por último, reducir los impactos ambientales generados por la actividad agrícola. Ante la situación presentada, se cuestiona la realización de una metodología que pueda atender simultáneamente los tres aspectos planteados. De esta forma, el presente trabajo propone una solución susceptible de ser insertada en el ciclo AP, con el fin de contribuir a garantizar la seguridad operativa del sistema hombre-máquina, al mismo tiempo que brinda la posibilidad de evaluar el incremento de las áreas productivas, proporcionando elementos para que haya una correcta práctica del uso del suelo, reduciendo su degradación. Se puede decir que es una tarea compleja determinar el desempeño del sistema mecanizable ya que depende de varios factores, entre ellos la pendiente del terreno sujeto a la mecanización. Sin embargo, esta fue la única variable espacial analizada en esta investigación, es decir, se debe elaborar una solución completa para todo el sistema integrando los resultados aquí encontrados, con otros referidos a otras variables de importancia para el proceso. Por lo tanto, la predicción altimétrica abordada en este trabajo se incorporaría a este sistema como una herramienta de planificación operativa dentro del ciclo AP. 2. Metodología Para llevar a cabo esta investigación se definieron cuatro áreas rurales de interés. Son: dos propiedades privadas ubicadas en el municipio de Bom Jardim (áreas 1 y 2), ubicadas en la región montañosa del Estado de Río de Janeiro y otras dos áreas (áreas 3 y 4) de propiedad del Gobierno Federal, ubicadas dentro el campus de la Universidad Federal Rural do Rio de Janeiro (UFRRJ), ubicado en la Baixada Fluminense, municipio de Seropédica, también en el Estado de Rio de Janeiro. El área 1 tiene una superficie aproximada de 0,344 ha, con una pendiente de relieve promedio en torno al 38,4%. El área 2 tiene una superficie aproximada de 0,183 ha, con una pendiente de relieve promedio en torno al 41,2%. El área 3 tiene una extensión aproximada de 1.044 ha y una pendiente de relieve promedio en torno al 6,5%. El área 4, por su parte, tiene una superficie aproximada de 0,756 ha y una pendiente de relieve promedio de alrededor de 6,3%. Las áreas de estudio fueron clasificadas de acuerdo con el sistema brasileño de clasificación de suelos de Embrapa (2006), de la siguiente manera: las áreas 1 y 2 tienen topografía caracterizada como un fuerte relieve ondulado. Las áreas 3 y 4, por su parte, presentan una topografía caracterizada por un suave relieve ondulado. Los productos cartográficos digitales de interés para las áreas de estudio fueron elaborados a partir de la adopción de los parámetros del elipsoide Geodetic Reference System xii 1980, sistema de proyección Universal Transverse Mercator (UTM), zona 23 Sur, meridiano central igual a 45o oeste. El procesamiento de datos aerofogramétricos se basó en 15 puntos de control y 20 puntos de verificación, con el fin de cumplir simultáneamente con la norma brasileña Especificaciones Técnicas para el Control de Calidad de datos Geoespaciales (ET- CQDG) y la norma estadounidense Positional Accuracy Standards for Digital Geospatial Data (PASDGD). La metodología utilizada incluyó los siguientes pasos: control de calidad de los datos geoespaciales según el estándar ET-CQDG; recomendación del producto geoespacial obtenido según el estándar PASDGD; análisis de la precisión altimétrica del relieve; seguimiento de desniveles; análisis de similitud de líneas de contorno utilizando el algoritmo de distancia de Hausdorff; el uso del Análisis de Árbol de Fallas para temas de seguridad en el trabajo; y finalmente, el modelado del prototipo del sistema de seguridad operacional para máquinas agrícolas. Con base en los resultados obtenidos en los pasos mencionados, se configuró una base de datos, que permitió el uso de los resultados para aplicaciones relacionadas con el AP. 3. Resultado y Discusión Los productos obtenidos lograron, según la norma ET-CQDG, el marco planimétrico y altimétrico en clase A para escalas 1:500 y 1:1000 con equidistancias entre las curvas de nivel de 0,50 m y 1 m. Los productos generados se ajustan a la recomendación denominada cartografía estándar y trabajo SIG, según el estándar PASDGD. La precisión altimétrica obtenida al 95% de nivel de confianza para las cuatro áreas de estudio fue respectivamente 0,265 m, 0,178 m, 0,145 m y 0,096 m. El análisis de similitud por la distancia de Hausdorff mostró los mejores resultados para áreas con relieve ondulado fuerte y los peores para áreas con relieve ondulado suave. Para la determinación del nuevo factor de seguridad, relacionado con la pendiente máxima operativa, se obtuvo el valor ajustado del 5% entre las respuestas de las diferencias de pendiente en un nivel de confianza del 95%. A partir de los resultados alcanzados y recogidos en la base de datos para aplicación en Agricultura de Precisión, se utilizó el Análisis de Árbol de Fallas, a partir de un hipotético accidente de trabajo, habiéndose presentado la predicción altimétrica como medida mitigadora del evento no deseado. Luego de realizar el Análisis de Árbol de Fallas, se modeló un prototipo del sistema informático de seguridad operacional para máquinas agrícolas (appSOMA), de acuerdo a los resultados obtenidos. Para ello se utilizaron mapas de taludes con curvas de nivel con una resolución espacial de 0,20 m y diferencias de taludes del orden de 4,3% al 95% de nivel de confianza en la situación más crítica. Esta solución permite optimizar el proceso de mecanizado, aumentando el porcentaje de áreas mecanizadas, facilitando el uso consciente del suelo y evitando accidentes por vuelco lateral del conjunto motor-mecanizado. 4. Consideraçiones Finales Las verificaciones realizadas utilizando las distancias de Hausdorff nos permitieron inferir que las áreas que tienen pendientes promedio similares pueden compararse en términos del ajuste general del conjunto de datos. Por lo tanto, cuanto menor sea el valor promedio de dH en un conjunto de datos, menores serán las diferencias de pendiente entre los métodos de adquisición de datos, como se observa en los resultados de las áreas 3 y 4. La construcción de la base de datos para aplicación en la AP, permitió analizar y concluir favorablemente sobre la capacidad de empleo de las RPA para realizar la xiii predicción altimétrica. Los análisis realizados presentan un panorama, que puede ser utilizado en el contexto de las AP, según las técnicas involucradas para la siembra de cada cultivo según sus especificidades. Los resultados presentados deben interpretarse como una guía para los productores de datos geoespaciales con el propósito de uso para AP empleando el artificio de la mecanización. De esta forma, la predicción altimétrica por el conocimiento previo de las pendientes del relieve de forma precisa, da un nuevo aspecto en el ciclo de las AP, ya que la solución individualizada proporciona ganancias productivas a los agricultores, considerando que se pueden aprovechar mayores porciones de áreas. mecanizado de acuerdo a las especificidades de cada escenario analizado. Siguiendo esta metodología de aplicación, también es posible planificar y predecir las trayectorias operativas, incluidas las maniobras que realiza en campo la máquina agrícola, una vez conocidos los tramos de mayor pendiente, estas maniobras se pueden realizar de manera segura y con la menor interferencia posible del operador, evitando además maniobras innecesarias que se pueden producir en lugares con riesgo de accidente por caída lateral. Se puede decir que se logró el objetivo de este trabajo, en cuanto a la proposición de una nueva perspectiva de realizar la operación mecanizada de manera segura. Se notó que al medir diferentes áreas, sin conexión directa entre ellas y con relieves en diferentes conformaciones, pero infiriendo la misma metodología, se obtuvo una diferencia de pendiente entre las dos formas de adquisición de datos, del orden (ajustado) de 5 % con al menos un 95% de nivel de confianza para todas las áreas probadas. Los criterios propuestos para el nuevo factor máximo de seguridad operacional están en línea con los dispositivos tecnológicos actualmente disponibles, estando basados en un proceso metodológico que involucró la medición de áreas con sus respectivos controles de calidad. Es decir, a partir de análisis consistentes de la pendiente en diferentes lugares, es posible determinar un factor máximo de seguridad operacional que sea capaz de salvaguardar la seguridad del conjunto motor-mecanizado y, al mismo tiempo, no sea sobreestimado, resultando en la subutilización de la máquina agrícola. La precisa predicción altimétrica demuestra un alto poder de impacto respecto a la indicación de este mecanismo como solución mitigadora presentada en la AAF, para reducir y/o minimizar los accidentes de trabajo por caída lateral, analizado bajo dos aspectos diferentes. El primero se refiere al análisis de la condición insegura, ya que el conocimiento previo del relieve, conteniendo sus irregularidades mapeadas en escala detallada con resolución espacial de 0,20m, traerá previsibilidad operativa aún en la fase de pre-implementación de la cultura. Demostrando la preocupación en prever el riesgo de exponer el motomecanizado a vuelcos laterales, los cultivos podrán tener monitorizados sus pendientes y confrontados con las especificaciones técnicas de las máquinas agrícolas disponibles antes de la ejecución de la actividad mecanizada. El segundo aspecto se refiere a una acción mitigadora indirecta relacionada con el acto inseguro, ya que a partir de la implementación del mapa de pendientes de cultivo junto con el software de seguridad operacional en el sistema de control de máquinas agrícolas, se minimizará la acción humana en el proceso. A partir de esta solución, aunque el componente humano del operario siga existiendo en el proceso de mecanizado, con comportamientos en ocasiones inesperados, se minimizará, mientras que para esta situación concreta la máquina seguirá un objetivo muy claro. Este tipo de interrupción puede interferir en su comportamiento a largo plazo, es decir, la predicción altimétrica puede contribuir a cambiar la forma en que el operador percibe la actividad mecanizada, minimizando así la incidencia del acto inseguro como causa base de accidente por caída lateral. Finalmente, esta investigación tuvo como objetivo brindar un nuevo enfoque para quienes se ocupan directamente de la mecanización en AP. De acuerdo con los resultados xiv presentados, la adherencia de los datos verificados demostró ser consistente a lo largo de todas las etapas. Por lo tanto, el uso de las entradas aerofotogramétricas obtenidas por RPA podría aplicarse tanto para contribuir a la optimización de la actividad mecanizada, como en temas relevantes para la seguridad en el trabajo.es
dc.contributor.advisor1Antunes, Mauro Antonio Homem-
dc.contributor.advisor1IDhttps://orcid.org/0000-0003-0189-6227pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3818721407909667pt_BR
dc.contributor.advisor-co1Barros, Murilo Machado de-
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0003-0378-4800pt_BR
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/4104434684776921pt_BR
dc.contributor.referee1Barros, Murilo Machado de-
dc.contributor.referee1IDhttps://orcid.org/0000-0003-0378-4800pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4104434684776921pt_BR
dc.contributor.referee2Barbosa, Luiz Guimarães-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7180700157580670pt_BR
dc.contributor.referee3Debiasi, Paula-
dc.contributor.referee3IDhttps://orcid.org/0000-0001-9518-7960pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/2803273652115535pt_BR
dc.contributor.referee4Silva, Sonia Maria Lima-
dc.contributor.referee4IDhttps://orcid.org/0000-0002-2414-1516pt_BR
dc.contributor.referee4Latteshttp://lattes.cnpq.br/1793088031692319pt_BR
dc.contributor.referee5Ferraz, Gabriel Araújo e Silva-
dc.contributor.referee5Latteshttp://lattes.cnpq.br/3594807524148486pt_BR
dc.creator.IDhttps://orcid.org/0000-0001-6340-9071pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/8674688239295623pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentPró-Reitoria de Pesquisa e Pós-Graduaçãopt_BR
dc.publisher.initialsUFRRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência, Tecnologia e Inovação em Agropecuáriapt_BR
dc.relation.referencesABNT - ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 13133: Execução de levantamento topográfico. Rio de Janeiro, 1994. 35p. AGÊNCIA NACIONAL DE AVIAÇÃO CIVIL (ANAC). Regulamento Brasileiro da Aviação Civil Especial Rbac-E No 94, 2017. Disponível em: http://www.anac.gov.br/assuntos/legislacao/legislacao-1/rbha-e-rbac/rbac/rbac-e-94-emd- 00/@@display-file/arquivo_norma/RBACE94EMD00.pdf. Acesso em: 20/12/2019. ALONÇO, A. S. Noções de segurança e operação de tratores. In: REIS, A. V.; MACHADO, A. L. T.; TILLMANN, C. A. C. Motores, tratores, combustíveis e lubrificantes. 2. Ed. Universitária. Pelotas, 2005. Cap. 4, p. 239-247. AMBROSI, J. N.; MAGGI, M. F. Acidentes de trabalho relacionados às atividades agrícolas. Acta Iguazu, Cascavel, v.2, n.1, p.1-13, 2013. DOI: https://doi.org/10.48075/actaiguaz.v2i1.7887 AMERICAN SOCIETY FOR PHOTOGRAMMETRY AND REMOTE SENSING (ASPRS). ASPRS Positional Accuracy Standards for Digital Geospatial Data, Bethesda, MD. 2014. ARIZA LÓPEZ, F. J.; ATKINSON GORDO, A. D. Analysis of Some Positional Accuracy Assessment Methodologies. Journal of Surveying Engineering, v. 134, n. 2, p. 45-54, 2008. ARIZA, F. J. Calidad em La producción cartográfica. Espanha: RaMa, 2002. 389p. ARIZA-LÓPEZ, F. J. Calidad en la Información Geográfica (Introducción). En: Experto Universitario en Evaluación de la Información Geográfica (4a ed.). Máster Universitario en Evaluación y Gestión de la Calidad de la Información Geográfica (1a ed.). Jaén: Universidad de Jaén, 2011. ARONOFF, S. The minimum accuracy value as an index of classification accuracy. Photogrammetric Engineering and Remote Sensing, v. 51, n. 1, p. 99 - 111, 1995. BADAMASI, Y. A. The working principle of an Arduino. In: 2014 11th international conference on electronics, computer and computation (ICECCO). Annals... IEEE, 2014. p. 1- 4. BARBOSA, A. I. G.; REIS, C. H.; MENDONÇA, J. C.; LÄMMLE, L. O uso de sensoriamento remoto para estimar área plantada de cana-de-açúcar em Campos dos Goytacazes – RJ, Brasil. Revista Cerrados, v. 18, n. 2, p. 69-99, 2020. DOI: https://doi.org/10.46551/rc24482692202010 BARRET, S. F. Arduino microcontroller processing for everyone! Synthesis Lectures on Digital Circuits and Systems, v. 8, n. 4, p. 1-513, 2013. BENDIG, J.; YU, K.; AASEN, H.; BOLTEN, A.; BENNERTZ, S.; BROSCHEIT, J.; GNYP, M.L.; BARETH, G. Combining UAV-Based Plant Height from Crop Surface Models, Visible, and near Infrared Vegetation Indices for Biomass Monitoring in Barley. International Journal of Applied Earth Observation and Geoinformation, v. 39, p. 79– 87, 2015. BERVEGLIERI, A.; TOMMASELLI, A. M. G. Exterior orientation of hyperspectral frame images collected with uav for forest applications. International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences, v. 40. p. 45-50, 2016. BONHAM-CARTER, G. F. Geographic information systems for geoscientists: modelling with GIS. Ottawa: Pergamon, 1994. 397p. DOI https://doi.org/10.1016/C2013-0-03864-9 134 BRAMLEY, R. G. V. Lessons from nearly 20 years of Precision Agriculture research, development and adoption as a guide to its appropriate application. Crop and Pasture Science, v. 60, n. 3, p. 197-217, 2009. http://dx.doi.org/10.1071/CP08304 BRASIL. Decreto no 6.666, de 27 de Novembro de 2008. Institui, no âmbito do Poder Executivo federal, a Infra- Estrutura Nacional de Dados Espaciais- INDE, e dá outras providências. DF: Presidência da República, 2008. Disponível em:http://www.planalto.gov.br/ccivil_03/_Ato20072010/2008/ereto/D6666.htm. Acesso em: 10/01/2019. BRASIL. Decreto no 89.817, de 20 de junho de 1984. Estabelece as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional. 1984. Disponível em: <http://www2.camara.leg.br/legin/fed/decret/1980-1987/decreto-89817-20-junho-1984- 439814-norma-pe.html> Acesso em: 13/07/2018. BRASIL. Exército Brasileiro. Especificação Técnica Para a Aquisição de Dados Geoespaciais Vetoriais (ET-ADGV). DF: Secretaria Geral do Exército, Diretoria de Serviço Geográfico. 2011. Disponível em: http://www.geoportal.eb.mil.br/portal/images/PDF/ET_ADGV_Vs_2_1_3.f. Acesso em: 10/01/2019. BRASIL. Norma da Especificação Técnica para Controle de Qualidade de Dados Geoespaciais (ET-CQDG). Brasília: DSG, 94 p. 2016. Disponível em:http://www.geoportal.eb.mil.br/portal/images/PDF/ET_CQDG_1a_ediao_2016.pdf. Acesso em: 10 de janeiro. 2020. BRASIL. Lei No 8213 de 24 de julho de 1991 – Dispõe sobre os Planos de Benefícios da Previdência Social e dá outras providências. Disponível em: http://www.planalto.gov.br/ccivil_03/leis/l8213cons.htm Acesso em: 02/01/2021. BRASIL. Ministério da Agricultura, Pecuária e Abastecimento. Portaria no 852 - Art. 1o Criar a Comissão Brasileira de Agricultura de Precisão – CBAP. Diário Oficial da República Federativa do Brasil, Brasília, DF, 21 set. 2012. Seção 1, n. 184. Disponível em: http://www.cnpt.embrapa.br/biblio/do/p_do42.htm. Acesso: 24/05/2021. BRITES, R.S. Verificação de exatidão em classificação de imagens digitais orbitais: efeito de diferentes estratégias de amostragem e avaliação de índices de exatidão. 1996. 101 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, 1996. BRITO, J. L. N.; COELHO, L. Fotogrametria Digital. Instituto Militar de Engenharia. 1a ed. Rio de Janeiro, Brasil: 212 p, 2002. BRUM, C. B.; MAURICIOM M.; SILVA, R. O.; BASTOS, Y. Uso dos drones nos procedimentos civis e criminais no Brasil: considerações sob a ótica dos direitos fundamentais. In: PRUDKIN, G.; BREUNIG, F. (Org.). Drones e Ciência: Teoria e aplicações metodológicas. FACOS-UFSM, Santa Maria, 2019. Cap. 2, p. 28-37. BURITY, E. F. A carta cadastral urbana -Seleção de dados a partir da análise das necessidades dos usuários. Dissertação de Mestrado. Instituto Militar de Engenharia, Engenharia Cartográfica -Rio de Janeiro, RJ, 1999.106 p CAMPOS, N. N.; POZNYAKOV, K. A Gestão de riscos em barragens de rejeitos no Brasil. Boletim do Gerenciamento, v. 22, n. 22, p. 53-66, 2021. Disponível em: <https://nppg.org.br/revistas/boletimdogerenciamento/article/view/538>. Acesso em: 26/12/2021. CANATA, T. F. Sistema de mensuração baseado em tecnologia LIDAR para estimativa de parâmetros de produção de cana-de-açúcar. 2017. 67 f. Dissertação (Mestrado em 135 Engenharia de Sistemas Agrícolas) – Escola Superior de Agricultura “Luiz de Queiroz” – Universidade de São Paulo, Piracicaba, SP, 2017. CARGNELUTTI FILHO, A.; LOPES, S. J.; BRUM, B.; TOEBE, M.; SILVEIRA, T. R.; CASAROTTO, G. Tamanho de amostra para a estimação do coeficiente de correlação linear de Pearson entre caracteres de mamoneira. Semina: Ciências Agrárias, v. 33, n. 3, p. 953- 962, 2012. DOI:10.5433/1679-0359.2012v33n3p953 CARVALHO, J. A. B; SILVA, D. C. Métodos para avaliação da acurácia posicional altimétrica no Brasil. Revista Brasileira de Cartografia, Geodesia, Fotogrametria e Sensoriamento Remoto, v. 70, n. 2, p.725-744, 2018. CELESTINO, V. S.; ROCHA, R. S. Avaliação do padrão de exatidão cartográfico – pec brasileiro em produtos gerados a partir de imagem. Anais... II SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DAGEOINFORMAÇÃO. Recife, PE, Brasil: 08 a 11 de setembro de 2011. CHANG, A.; JUNG, J.; MAEDA, M.M.; LANDIVAR, J. Crop Height Monitoring with Digital Imagery from Unmanned Aerial System (UAS). Computers and Electronics in Agriculture, v. 141, p. 232–237, 2017. CHARNET, R.; FREIRE, C. A. L.; CHARNET, E. M. R.; BONVINO, H. Análise de modelos de regressão linear com aplicações. Campinas: Unicamp, 1999, 368 p. CHUDAKOV, D. A. Fundamentos de la teoria y el cálculo de tractores y automóviles. Moscou: Mir, 1977. 434p. COMISSÃO NACIONAL DE CARTOGRAFIA (CONCAR/DSG), 2016. Norma da especificação técnica para produtos de conjuntos de dados geoespaciais (ET-PCDG). 2a ed. Disponível em: <http://www.geoportal.eb.mil.br/images/PDF/ET_PCDG_2016_2aEdicao_Aprovada_ CONGALTON, R.G.; GREEN, K. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. 3 ed. Nova York, Boca Raton: Lewis Publishers, 137 p., 1999. CORREA, C. R. P.; CARDOSO JUNIOR, M. M. Análise e classificação dos fatores humanos nos acidentes industriais. Production, v. 17, p. 186-198, 2007. CORRÊA, I. M., RAMOS, H. H. Acidentes rurais. Cultivar Máquinas, n. 16. p. 24-25. 2003. COVENEY, S.; ROBERTS, K. Lightweight UAV digital elevation models and orthoimagery for environmental applications: data accuracy evaluation and potential for river flood risk modelling. International Journal of Remote Sensing, v. 38, n. 8–10, p. 3159–3180, 2017. DEBIASI, H.; SCHLOSSER, J. F.; WILLES, J. A. Acidentes de trabalho envolvendo conjuntos tratorizados em propriedades rurais do Rio Grande do Sul, Brasil. Ciência Rural, v. 34, n: 3, p. 779-784, 2004. DELAVRPAOUR, N.; KOPARAN, C.; NOWATZKI, J.; BAJWA, S.; SUN, X. A Technical Study on UAV Characteristics for Precision Agriculture Applications and Associated Practical Challenges. Remote Sensing, v. 13, n. 6, 1204, 2021. DJI, G. O. 4 — For drones since P4. DJI Technology Co. Ltd, last updated Nov, v. 29, 2017. EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA – EMBRAPA. Centro Nacional de Pesquisa de Solos (Rio de Janeiro, RJ). Sistema Brasileiro de Classificação de Solos. 2. ed. – Rio de Janeiro: EMBRAPASPI, 2006. 306 p. Disponível em: https://www.embrapa.br/solos/sibcs Acesso em 29/02/2020. 136 EZENNE, G. I.; JUPP, L.; MANTEL, S. K.; TANNER, J. L. Current and potential capabilities of uas for crop water productivity in precision agriculture. Agricultural Water Management, v. 218, p. 158-164, 2019. https://doi.org/10.1016/j.agwat.2019.03.034 FAGUNDES, M. A. R.; IESCHECK, A. L. Uso de VANT na cartografia: geração de base cartográfica tridimensional. In: PRUDKIN, G.; BREUNIG, F. (Org.). Drones e Ciência: Teoria e aplicações metodológicas. FACOS-UFSM, Santa Maria, 2019. Cap. 4, p. 59-67. FERNANDES, H. C.; MADEIRA, N. G.; TEIXEIRA, M. M.; CECON, P. R.; LEITE, D. M. Acidentes com tratores agrícolas: natureza, causas e consequências. Revista Engenharia na Agricultura - Reveng, v. 22, n. 4, p. 361-371, 2014. DOI: 10.13083/reveng.v22i4.399. FERREIRA, F. R. Propostas para a avaliação da acurácia altimétrica dos dados LiDAR. 2019. 201 f. Tese (Doutorado em Ciências) - Escola Politécnica da Universidade de São Paulo, Universidade de São Paulo, São Paulo, 2019. FERREIRA, F. V.; MACHADO, F. D.; CAPP, E.; NIENOV, O. H. Desfechos quantitativos: amostras pareadas. Bioestatística quantitativa aplicada. Porto Alegre: UFRGS, 2020. Cap. 8, p. 157-176, 2020. FILLIPPINI-ALBA, J. M. Modelagem SIG em agricultura de precisão: conceitos, revisão e aplicações. In: BASSOI, L.; NAIME, J. D. M.; RESENDE, A. D.; INAMASU, R. Y.; BERNARDI, A. D. C. (Orgs.) Agricultura de precisão: resultados de um novo olhar. 1a ed. Brasília: EMBRAPA, 2014. Cap. 6, p. 48-57. FILIPPINI-ALBA, J. M.; BERNY, V. M.; COSTA, F. A. Geoprocessamento no contexto de empresas de pesquisa. Pelotas: Embrapa, 2009. 44 p. (Embrapa Clima Temperado. Documentos, 254) FOGLIATTO, F. S.; RIBEIRO J. L.D. Confiabilidade e Manutenção industrial. Elsevier, Rio de Janeiro, 2009. FONTES, S. B.; PEJON, O. J. Mapeamento geotécnico com ênfase em erosões no município de Ouro Preto – escala 1:5000. In: 7o Congresso Brasileiro de Geologia de Engenharia, São Pedro. Anais... São Pedro. 1999. FORASTIERE, P. R. Parâmetros de desempenho do trator agrícola modificado "Transformax". 2016. 78 f. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal de Viçosa, Viçosa, 2016. FREEMAN, P. K.; FREELAND, R.S. Agricultural UAVs in the U.S.: Potential, Policy, and Hype. Remote Sensing Applications: Society and Environment, v. 2, p. 35–43, 2015. GARCIA, M. V. Y. Avaliação de produtos cartográficos derivados de levantamento topográfico utilizando veículo aéreo não tripulado para aplicações em Engenharia Civil. 2020. 140 f. Dissertação (Mestrado em Engenharia Civil) - Faculdade de Engenharia Civil, Arquitetura e Urbanismo, Universidade Estadual de Campinas, Campinas, 2020. GARCIA, M. V. Y.; OLIVEIRA, H. C. The influence of flight configuration, camera calibration, and ground control points for digital terrain model and orthomosaic generation using unmanned aerial vehicles imagery. Boletim de Ciências Geodésicas, v. 27, 2021. GARCIA-BALBOA, J. L. Normas de Calidad. En: Experto Universitário em Evaluación de La Información Geográfica (4a ed.). Master Universitário em Evaluación y Gestión de La Calidad de La Información Geográfica (1a ed.). Jaen: Universidad de Jaen, 2011. GHILANI, C. D.; WOLF, P. R. Adjustment computations: spatial data analysis. John Wiley & Sons, Inc. Hoboken, NJ. 2006. 137 GOSWAMI, S. B.; SAXENA, M. S. A.; BAIRAGI, G. D. A review: the application of remote sensing, GIS and GPS in agriculture. International Journal of Advanced Technology and Engineering Research, v. 2, p. 50-54, 2012. GREGO, C. R.; SPERANZA, E. A.; RODIRGUES, G. C.; JÚNIOR, A. L.; VENDRUSCULO, L. G.; RODRIGUES, C. A. G.; INAMASSU, R, Y.; VAZ, C. M. P.; RABELLO, L. M.; JORGE, L. A. C.; ZOLIN, C. A.; SANTOS, J. C. F.; RONQUIM, C. C. Tecnologias desenvolvidas em Agricultura de Precisão. In: MASSRUHÁ, S. M. F. S.; LEITE, M. D. A.; OLIVEIRA, S. D. M.; MEIRA, C. A. A.; LUCHIARI JUNIOR, A.; BOLFE, E. Agricultura digital: pesquisa, desenvolvimento e inovação nas cadeias produtivas. 1a ed. EMBRAPA. Brasília – DF, 2020, cap. 7, p. 167-191. GREGOIRE, N.; BOUILLOT, M. Hausdorff Distance between convex polygons, Computational Geometry Web project, 1998, in http://www.cgrl.cs.mcgill.ca/~godfried/teaching/cgprojects/98/normand/ main.html GUALAZZI, G. A. S.; FONTES, M. B.; MAGALHÃES, J. H.; PAULA, J. V.; MOLINA, M. O. E.; SANTOS, G. R. RPAs Armadas: O Desafio Brasileiro. XV Congresso Acadêmico sobre Defesa Nacional. Distrito Federal: Ministério da Defesa. Anais... DF, 2018. GUAZZELLI, T. M. Pulverizador pneumático autopropeli controlado e monitorado a distância para o tratamento fitossanitário de tomateiros. 2018. 67 f. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal de Viçosa, Viçosa, 2018. GUINOT, K. O. Acidentes com tratores agrícolas e a interrupção de um projeto de vida: a construção da cultura da prevenção. 2019. 144 f. Tese (Doutorado em Engenharia Agrícola) - Universidade Federal de Santa Maria, Santa Maria, RS, 2019. GUPTILL, S. C., MORRISON, J. L (Ed.) Elements of Spatial Data Quality. International Cartographic Association. Oxford: Elsevier Science, 1997. HERAS-SAIZARBITORIA, I.; BOIRAL, O.; ARANA, G.; ALLUR, E. OHSAS 18001 certification and work accidents: Shedding Light on the connection. Journal of safety research, v. 68, p. 33-40, 2019. HOFF, R.; FALCADE, I.; TONIETTO, J.; FRANZEN, N. L. C. 2010. O uso do gvSIG como apoio aos estudos de indicações geográficas para vinhos finos Farroupilha e Altos Montes, Serra Gaúcha, RS, Brasil. Primeiras jornadas Brasileiras de gvSIG, Embrapa Florestas/ UFPR, Curitiba. Disponível: http://www.gvsig.org/web/community/events/jornadasbrasileiras/2010/ Acesso em: 24/04/2021. HÖFIG, P.; ARAUJO-JUNIOR, C. F. Classes de declividade do terreno e potencial para mecanização no estado do paraná. Coffee Science, v. 10, p. 195-203, 2015. HUNT JR, E. R.,; DAUGHTRY, C. S. T.; What Good Are Unmanned Aircraft Systems for Agricultural Remote Sensing and Precision Agriculture? International Journal of Remote Sensing, v. 39, p. 5345–5376, 2018. INAMASU, R. Y; BERNARDI, A. C. C. Agricultura de Precisão. In: Agricultura de Precisão: Um Novo Olhar. Brasília: Embrapa, 2014. p. 21-33. INTERNATIONAL ORGANIZATION FOR STANDARDIZATION (ISO). ISO 2859 1:1999. Sampling procedures for inspection by attributes - Part 1: Sampling schemes indexed by acceptance quality limit (AQL) for lot-by-lot inspection. International Organization for Standardization (ISO), 1999. 138 INTERNATIONAL ORGANIZATION FOR STANDARDIZATION (ISO). ISO 19157:2013. Geographic information - Data quality. International Organization for Standardization (ISO), 2013. JURAN, J. M. Controle de qualidade. Fundação Getúlio Vargas, São Paulo, SP, 1991, p. 22. KANG, S. J.; YEO, H. W.; YOON, J. Applying chemistry knowledge to code, construct, and demonstrate an Arduino–carbon dioxide fountain, Journal of Chemical Education, v. 96, n. 2, p. 313–316, 2019. doi: 10.1021/acs. jchemed.8b00663. KHOURY JUNIOR, J.K., DIAS, G.P., CORDEIRO, R.R., SOUZA, C.M.A. Modelagem da estabilidade de tratores agrícolas de pneus. Pesquisa Agropecuária Brasileira, Brasília, v.39, n.5, p.459-468, 2004. KOMAKAZI, J. M.; CAMARGO, P. O.; GALO, M.; AMORIM, A. Avaliação da qualidade geométrica de modelos digitais do terreno obtidos a partir de imagens adquiridas com VANT. Anais... XXVII Congresso Brasileiro de Cartografia e XXVI Exposicarta 6 a 9 de novembro de 2017, SBC, Rio de Janeiro - RJ, p. 576-580. KRAUS, K. Photogrammetry – Geometry from images and laser scans. 2. ed. Berlin: Walter de Gruyter. 2007. 448 p. KUGLER., A. Qual a Escala de um Voo Digital? Esteio Engenharia e Aerolevantamento S.A. Curitiba, Brasil. Retirado de: <http://www.esteio.com.br/downloads/2008/EscalaDigital.pdf>. Acesso: 14/12/2020. KUMAR, G. V. P.; DEWANGAN, K. N. Agricultural accidents in north eastern region of India. Safety Science, v. 47, p. 199-205, 2009. https://doi.org/10.1016/j.ssci.2008.03.007. LAMPARELLI, R. A. C. Agricultura de Precisão. Agência Embrapa de Informação Tecnológica. 2016. Disponível em: http://www.agencia.cnptia.embrapa.br/gestor/cana-de- acucar/arvore/CONTAG01_72_711200516719.html. Acesso em: 12/12/2020. LARSON, W. E.; ROBERT, P. C. Farmming by soil. In: LAL, R.; PIERCE, F. J. (Ed.). Soil Management for sustainability. Ankeny: Soil and Water Conservation Society, 1991. p. 103- 112. LEITE, F. Construção de um inclinômetro para avaliar o efeito da declividade lateral no desempenho de tratores agrícolas 2007. 117 f. Tese (Doutorado em Agronomia) - Faculdade de Ciências Agronômicas, Universidade Estadual Paulista, Botucatu, 2007. LEROUX, C.; TISSEYRE, B. How to measure and report within‐field variability: a review of common indicators and their sensitivity. Precision Agriculture, v. 20, p. 562-590, 2019. DOI: 10.1007/s11119-018-9598-x. LONG, W.; SATO, Y.; HORIGOME, M. Quantification of sequential failure logic for fault tree analysis. Reliability Engineering and System Safety, v. 67, n. 3, p. 269–274, 2000. DOI:10.1016/S0951-8320(99)00075-7 LÓPEZ-BELMONTE, J.; MARÍN-MARÍN, J. A.; SOLER-COSTA, R.; MORENO- GUERRERO, A. J. Arduino advances in web of science. A Scientific mapping of literary production. IEEE, v. 8, p. 128674-128682, 2020. LORINGER, K. A., MYERS, J. R. Tracking the prevalence of rollover protective structures on U.S. farm tractors: 1993, 2001, and 2004. Journal of Safety Research, v. 38, n. 5, p. 509- 517, 2008. MADEIRA, N. G. Segurança no trabalho nas operações com tratores agrícolas em regiões de Minas Gerais. 2011. 163 f. Tese (Doutorado em Engenharia Agrícola) – Universidade Federal de Viçosa, Viçosa, MG, 2011. 139 MAES, W.H.; STEPPE, K. Perspectives for remote sensing with unmanned aerial vehicles in precision agriculture. Trends in Plant Science, v. 24, p. 152–164, 2019. MANGADO, J.; ARANA, I.; JARÉN, C.; ARNAL, P.; ARAZURI, S.; LEÓN, J. P. Development and validation of a computer program to design and calculate ROPS. Journal of Agricultural Safety and Health, v. 13, n. 1, p. 65-82, 2007. MÁRQUEZ, L. Maquinaria Agrícola y Seguridad Vial. Boletim Salud y Trabajo, n. 56, p. 1- 6, 1986. MARTINS JUNIOR, M.; CARVALHO, P. V. R. D.; GRECCO, C. H. D. S.; FONSECA, B. B. D.; PACHECO, R.; VIDAL, M. C. R. A necessidade de novos métodos para análise de acidentes de trabalho na perícia judicial. Production, v. 21, p. 498-508, 2011. MARTINS NETO, R. P.; BREUNIG, F. Drones nas ciências florestais In: PRUDKIN, G.; BREUNIG, F. (Org.). Drones e Ciência: Teoria e aplicações metodológicas. FACOS- UFSM, Santa Maria, 2019. Cap. 5, p. 91-110. MIALHE, L. G. Máquinas motoras na agricultura. v. 2. São Paulo: EDUSP, 1980, 367 p. MIALHE, L.G. Máquinas agrícolas: ensaios & certificação. Piracicaba: Fundação de Estudos Agrários Luiz de Queiroz - FEALQ, p.722, 1996. MIKHAIL, E. M.; BETHEL, J. S.; McGLONE, J. C. Introduction to Modern Photogrammetry. Nova Iorque: John Wiley & Sons, Inc. 2001. 479 p. MOLIN, J. P.; AMARAL, L. R.; COLAÇO, A. F. Agricultura de precisão. 1. ed. São Paulo: Oficina de Textos, 2015. MOLIN, J. P.; TAVARES, T. R. Sensor systems for mapping soil fertility attributes: challenges, advances, and perspectives in Brazilian tropical soils. Engenharia Agr���, v.39, p. 126-147, 2019. DOI: 10.1590/1809-4430-eng.agric.v39nep126-147/2019 MONICO, J.F.M.; DAL PÓZ, A.P.; GALO, M.; SANTOS, M.C; OLIVEIRA, L.C. Acurácia e Precisão: Revendo os Conceitos de forma Acurada. Boletim de Ciências Geodésicas, séc. Comunicações, Curitiba, v. 15, n. 3, p.469-483, 2009. MONTEIRO, L.A. Prevenção de Acidentes com Tratores Agrícolas e Florestais. 1a Ed, 105p, Unesp – Botucatu – SP, 2010. NATIONAL DIGITAL ELEVATION PROGRAM (NDEP), 2004. Guidelines for Digital Elevation Data, Version 1.0, National Digital Elevation Program (NDEP), May 10, 2004, c/o U.S. Geological Survey (USGS), Reston, VA. Acesso em: 30/04/2021. NATIONAL STANDARD FOR SPATIAL DATA ACCURACY (NSSDA), Geospatial Positioning Accuracy Standards, Part 3: National Standard for Spatial Data Accuracy (NSSDA), Federal Geographic Data Committee (FGDC), c/o U.S. Geological Survey (USGS), Reston, VA. 1998. NERO, M. A. Estudo comparativo de metodologias de digitalização de mapas e seu controle de qualidade geométrica. Dissertação - Escola Politécnica da Universidade de São Paulo. Departamento de Engenharia de Transportes, São Paulo, 2000. 233p. NOGUEIRA JÚNIOR, J. B.; MONICO, J. F. G.; TACHIBANA, V. M. Tamanho da amostra no controle de qualidade posicional de dados cartográficos. Boletim de Ciências Geodésicas, v. 10, n. 1, p. 101-112, 2004. OIKONOMOU, C.; STATHOPOULOU, E. K.; GEORGOPOULOS, A. Contemporary data acquisition technologies for large scale mapping. 35th EARSeL In. Symposium European Remote Sensing: Progress, Challenges and Opportunities Stockholm, Sweden, June 1518, Annals... 2015. 140 OLIVEIRA GUINOT, K.; SCHLOSSER, J. F.; HERZOG, D.; BERTINATTO, R.; BALSSAN MOURA, N. Diagnóstico de acidentes de trabalho com tratores agrícolas no Estado do Rio Grande do Sul, Brasil. Tecno-Lógica, v. 25, n. 2, p. 300-304, 2021. OLIVEIRA LIMA, I.; MONTEIRO, L. A.; NASCIMENTO, E. M. S.; MELO, R. P.; SANTOS, M. A. M. Acidentes com tratores nas regiões brasileiras. Energia na Agricultura, v. 34, n. 01, p. 1–9, 2019. DOI: 10.17224/EnergAgric.2019v34n01p1-9. Disponível em: https://200.145.140.50/index.php/energia/article/view/EnergAgric.2019v34n1p1-9. Acesso em: 26/12/2021. OLIVEIRA, E. D.; SILVA, F. M. D.; SALVADOR, N.; SOUZA, Z. M. D.; CHALFOUN, S. M.; FIGUEIREDO, C. A. P. D. Custos operacionais da colheita mecanizada do cafeeiro. Pesquisa Agropecuária Brasileira, v. 42, p. 827-831, 2007. OLIVEIRA, M. V. M.; TEIXEIRA, M. M.; FERNANDES, H. C.; SILVA, A. C.; FURTADO JUNIOR, M. R. Declividade máxima permitida para uma colhedora de café trabalhando em regiões montanhosas. In: VIII Simpósio de Pesquisa dos Cafés do Brasil, Salvador. Anais... Salvador- BA, 25 a 28 de novembro de 2013. OLIVEIRA, U. R.; PAIVA, E. J.; ALMEILDA, D. A. Metodologia integrada para mapeamento de falhas: uma proposta de utilização conjunta do mapeamento de processos com as técnicas FTA, FMEA e a análise crítica de especialistas. Produção, v. 20, n. 1, p. 77- 91, 2010. doi: 10.1590/S0103-65132010005000004 PEREIRA, T. A. J.; NERO, M. A. Controle de qualidade posicional de imagem quickbird ortorretificada no spring de acordo com o PEC-PCD. In: Anais..., Recife, PE, Brasil. Anais... In: XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR. Recife, PE, Brasil: INPE, 06 a 09 de Maio de 2012. PÉREZ-ORTIZ, M.; PEÑA, J.M.; GUTIÉRREZ, P.A.; TORRES-SÁNCHEZ, J.; HERVÁS- MARTÍNEZ, C.; LÓPEZ-GRANADOS, F. Selecting Patterns and Features for Between- and within- Crop-Row Weed Mapping Using UAV-Imagery. Expert Systems with Applications, v. 47, p. 85–94, 2016. PIERCE, F. J.; NOWAK, P. Aspects of Precision Agriculture. Advances in Agronomy, v.67, p.1-85, 1999. https://doi.org/10.1016/S0065-2113(08)60513-1 PLANT, R. E. Site-specific management: the application of information technology to crop production. Computers and Electronics in Agriculture, v. 30, p. 9-29, 2001. https://doi.org/10.1016/S0168-1699(00)00152-6 QUEIROZ, H. S.; QUEIROZ, A. L. Características dos acidentes de trabalho com máquinas do setor agrícola nas regiões brasileiras. In. XLIII Congresso Brasileiro de Engenharia Agrícola - CONBEA 2014 Campo Grande. Anais... Campo Grande: SBEA, 2014. RABELLO, L. M.; BERNARDI, A. C. C.; INAMASU, R. Y. Condutividade elétrica aparente do solo. In: BASSOI, L.; NAIME, J. D. M.; RESENDE, A. D.; INAMASU, R. Y.; BERNARDI, A. D. C. (Orgs.) Agricultura de precisão: resultados de um novo olhar. 1a ed. Brasília: EMBRAPA, 2014. Cap. 3, p. 48-57. RAMOS, M. I.; GIL, A. J.; FEITO, F. R.; GARCÍA-FERRER, A. Using GPS and GIS tools to monitor olive tree movements. Computers and Electronics in Agriculture, v. 57, p. 135- 148, 2007. DOI:10.1016/j.compag.2007.03.003 REZENDE, F. A. Determinação das áreas cafeeiras mecanizáveis no sul de Minas Gerais com cenários para colheitas. 2008. 94 f. Dissertação (Mestrado em Engenharia Agrícola) – Universidade Federal de Lavras, Lavras, MG, 2008.b 141 ROBINSON, A. H.; MORRISON, J. L.; MUEHRCKE, P. C.; KIMERLING, A. J.; GUPTILL, S. C. Elements of cartography. 6. ed. New York: John Wiley & Sons, 1995. SANTINATO, F.; RUAS, R. A. A.; SILVA, R. P.; DUARTE, A.P.; SANTINATO, R. Análise econômica da colheita mecanizada do café utilizando repetidas operações da colhedora. Coffee Science, v. 10, n. 3, p. 402-411, 2015. SANTOS, A. D. P. D.; MEDEIROS, N. D. G.; SANTOS, G. R. D.; RODRIGUES, D. D. Controle de qualidade posicional em dados espaciais utilizando feições lineares. Boletim de Ciências Geodésicas, v. 21, p. 233-250, 2015. SANTOS, A. D. P.; RODRIGUES, D. D.; SANTOS, N. T.; GRIPP, J. Avaliação da acurácia posicional em dados espaciais utilizando técnicas de estatística espacial: Proposta de método e exemplo utilizando a norma brasileira. Boletim de Ciências Geodésicas, v. 22, p. 630-650, 2016. SANTOS, A. P. Avaliação da acurácia posicional em dados espaciais com o uso de estatística espacial. 2010 110 f. Dissertação (Mestrado em Engenharia Civil) - Universidade Federal de Viçosa, Viçosa, 2010. SANTOS, L. M.; FERRAZ, G. A. S.; BARBOSA, B. D. S.; ANDRADE, A. D. Use of remotely piloted aircraft in precision agriculture: a review. Dyna, v. 86, v. 210, p. 284-291, 2019. https://doi.org/10.15446/dyna.v86n210.74701 SANZ-ABLANEDO, E.; CHANDLER. E.; RODRÍGUEZ-PÉREZ, J. H.; ORDÓÑEZ C. Accuracy of unmanned aerial vehicle (UAV) and SfM photogrammetry survey as a function of the number and location of ground control points used. Remote Sensing, v. 10, n. 10, p. 1606, 2018. DOI: https://doi.org/10.3390/rs10101606 SCHLOSSER, J. F.; DEBIASI, H. Acidentes com tratores agrícolas: caracterização e prevenção. Santa Maria: UFSM, 2004. 86p. (Caderno Didático, 8). SCHLOSSER, J. F.; DEBIASI, H.; PARCIANELLO, G.; RAMBO, L. Caracterização dos acidentes com tratores agrícolas. Ciência Rural, Santa Maria, v. 32, n. 6, 2002. SCHOWENGERDT, R. A. Remote Sensing, Models and Methods for Image Processing. Second Edition. Academic Press. 1997. 522 p. SCHUT, A.G.T.; TRAORE, P.C.S.; BLAES, X.; BY, R.A. Assessing Yield and Fertilizer Response in Heterogeneous Smallholder Fields with UAVs and Satellites. Field Crops Research, v. 221, p. 98–107, 2018. SERVIÇO NACIONAL DE APRENDIZAGEM RURAL – SENAR 2018. Legislação: NR 31. 12 – Máquinas e Equipamentos, Brasília. Serviço Nacional de Aprendizagem Rural. Legislação: NR 31.12 - máquinas e equipamentos. / Serviço Nacional de Aprendizagem Rural. – Brasília: Senar, 2018. 56 p,; il. – (Coleção Senar, 219) ISBN 978-85-7664-199-5 SHIRATSUCHI, L. S.; SANO, E. E.; BEZERRA, H. S. Manual de utilização das principais funções do programa computacional Arc View 3.2 no apoio à Agricultura de precisão. Planaltina: Embrapa Carrados, 2005, 47 p. (Embrapa Cerrados. Documentos, 138). SILVA, F. M.; OLIVEIRA, E.; SALVADOR, N.; TOURINO, E. S. Avaliação da colheita mecanizada e seletiva do café. In. Congresso Brasileiro de Pesquisas Cafeeiras, 28., 2002, Caxambu. Anais... Rio de Janeiro: MAPA/PROCAFÉ, 2002. p. 150-152. SILVA, F.M.; SALVADOR, N. Mecanização da lavoura cafeeira: colheita. Lavras: UFLA/DEG, 1998. 55p. SILVA, K. A.; MOTOMYA, A. V.; MELO,I. C.; FERRAZ, D.; REBELATO, D. A.N. Uma análise sobre a relação entre a cadeia produtiva da soja com a economia circular, agricultura 142 de precisão e plantio direto. In: XXVI SIMPEP – Desafios da Engenharia de Produção no Contexto da Indústria. Anais... Bauru, SP, 2019. SOUZA, G. D.; SILVA, S. A.; LIMA, J. S. S.; VERDIN FILHO, A. C.; INFANTINI, M. B.; KROHLING, C. A. Avanços na mecanização do cafeeiro conilon. Incaper em Revista, v. 9, p. 31-41, 2018. TREVISAN, G. R.; MOLIN, J. P. Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão. Boletim Técnico 02 – Agricultura de Precisão. 2014. Disponível em: http://www.agriculturadeprecisao.org.br/wp-content/uploads/2019/08/BT_1.pdf Acesso em: 22/04/2021. TSOUROS, D. C.; BIBI, S.; SARIGIANNIDIS, P. G. A review on UAV-based applications for precision agriculture. Information, v. 10, n. 11, p. 349, 2019. VAN UFFELEN, C. G. R.; VERHAGEN, J.; BOUMA, J. Comparison of simulated crop yield patterns for site-specific management. Agricultural Systems, v. 54, p. 207-222, 1997. VIAN, C. E. F.; ANDRADE JÚNIOR, A.; BARICELO, L. G.; SILVA, R. P. da. Origens, Evolução e Tendências da Indústria de Máquinas Agrícolas. Revista de Economia e Sociologia Rural, v. 51, n. 4, p. 719-744. 2014. VITTI, D. M. C. Exatidão posicional de produtos cartográficos digitais com RPAS (Remotely Piloted Aerial System) para mapeamento de área seca de reservatório. 2017. 202 f. Tese (Doutorado em Ciências da Engenharia Ambiental) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, SP, 2017. WEBSTER, J.; MARIGER, S. C. Risks for children in agriculture. Pamphlet published by the Utah State University Extension Service. Fact sheet AHS-07. 2004. WEIBEL, R.; HELLER, M. Digital terrain modelling. Oxford University Press, 1993. WESTOBY M.J.; BRASINGTON J.; GLASSER N.F.; HAMBREY M.J.; REYNOLDS J.M. ‘Structure-from-Motion’ plotogrammetry: A low-cost, effective tool for geoscience applications Geomorplology, v. 179, p. 300-314, 2012. WINDUPRANATA, W,; AZIZ, A. A.; SUWARDHI, D.; NUSANTARA, C. A. D. S. The Integration of Bathymetric and UAV Photogrammetry for Pangandaran Digital Elevation Model. 2019 IEEE Asia-Pacific Conference on Geoscience, Electronics and Remote Sensing Technology (AGERS), 2019, Annals... pp. 72-78, doi: 10.1109/AGERS48446.2019.9034274. WONG, D.W.S.; LEE, J. Statistical Analysis of Geographic Information with ArcView GIS and ArcGIS. 1o ed. John Wiley & Sons. 2005. XAVIER DA SILVA, J.; Geoprocessamento para Análise Ambiental. 8a ed. Rio de Janeiro: 2001. 228 p. XAVIER, E. M. A.; ARIZA-LOPEZ, F. J.; URENA-CAMARA, M. A. WPS for positional quality control applying the method proposed in UNE 148002. In: VI Jornadas Ibéricas de Infraestructuras de Datos Espaciales. Anais..., 2015. Sevilla, Spain. ZAIDAN, R. T. Geoprocessamento conceitos e definições geoprocessing concepts and definitions. Revista de Geografia, v. 7, n. 2, p. 195-201, 2017. ZANDONADI, R. S.; RUFFATO, S. Mechanized soybean harvest in Mato Grosso: Losses due to harvester performance and operational aspects. Research, Society and Development, v. 10, n. 5, p. e5810514216, 2021. DOI: 10.33448/rsd-v10i5.14216. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/14216. Acesso em: 19 jan. 2022. 143 ZANETTI, J. Influência do número e distribuição de pontos de controle em ortofotos geradas a partir de um levantamento por VANT. 2017. 84 f. Dissertação (Mestrado em Engenharia Civil) – Universidade Federal de Viçosa, Viçosa, MG, 2017. ZANETTI, J.; BRAGA, F. L. S.; DOS SANTOS, A. DE P. Comparativo das normas de controle de qualidade posicional de produtos cartográficos do Brasil, da ASPRS e da OTAN. Revista Brasileira de Cartografia, v. 70, n. 1, p. 359-390, 31 mar. 2018. ZHANG, C.; KOVACS, J. M. The application of small unmanned aerial systems for precision agriculture: a review. Precision Agriculture, v.13, p. 693–712, 2012. ZHANG, N.; WANG, M.; WANG, N. Precision agriculture: a woldwide overview. Computers and Electronics in Agriculture, v. 36, p. 113-132, 2002. ZIO, E. An Introduction to the Basics of Reliability and Risk Analysis. v. 13. Singapore, World Scientific Publishing Co. Re. Ltd, 2007. https://doi.org/10.1142/6442.pt_BR
dc.subject.cnpqEngenharia Agrícolapt_BR
dc.subject.cnpqEngenharia Agrícolapt_BR
Appears in Collections:Doutorado em Ciência, Tecnologia e Inovação em Agropecuária

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.