Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/20038
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSouza, Jhiorranni Freitas-
dc.date.accessioned2025-02-11T12:52:19Z-
dc.date.available2025-02-11T12:52:19Z-
dc.date.issued2022-08-25-
dc.identifier.citationSOUZA, Jhiorranni Freitas. Relação entre índices espectrais obtidos por imagens digitais e atributos de qualidade do Tifton 85 (cynodon spp.). 2022. 100f. Dissertação (Mestrado em Engenharia Agrícola e Ambiental) - Instituto de Tecnologia, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2022.pt_BR
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/20038-
dc.description.abstractO comércio mundial de forragens apresenta expansão pela demanda de volumosos para suprir a alimentação dos animais, mercado este, cada vez mais exigente com relação à qualidade do produto. Em geral, a qualidade das forragem são realizadas por meio da avaliação de parâmetros físico-químicos, bromatológicos e energéticos, utilizando métodos destrutivos, onerosos e que demandam tempo em laboratório. A aplicação de tecnologia a partir da visão computacional pode ser uma alternativa aos métodos tradicionais, tornando o processo menos oneroso e permitindo obter parâmetros de forma não destrutiva, com resultados de forma instantânea. O presente trabalho tem como objetivo avaliar atributos de qualidade do capim Tifton 85 (Cynodon spp.) por meio de imagens digitais RGB e RGNIR, relacionando os índices colorimétricos com as análises bromatológicas da cultura. O experimento foi conduzido em área de produção comercial localizada na Universidade Federal Rural do Rio de Janeiro, no município de Seropédica, RJ. Os índices espectrais foram obtidos por meio de imagens digitais (na região espectral do visível e do infravermelho próximo) da cultivar Tifton 85 (Cynodon spp.) em diferentes idades de corte (14, 28, 42 e 56 dias) e níveis de adubação NPK(0, 100, 200 e 300 kg/ha). A análise de componentes principais foi aplicada para extração dos índices mais relevantes e correlacionados com as variáveis originais, por meio do critério dos componentes principais (PC) com poder explicativo de pelo menos 70% da variabilidade total dos dados. Os valores do PC1 gerados a partir dos coeficientes associados aos índices colorimétricos de maior correlação foram relacionados por meio de uma regressão quadrádica simples com os atributos de qualidade, acúmulo de forragem, matéria mineral, proteína bruta, extrato etéreo, fibra em detergente neutro, carboidrato não fibroso e energia bruta. Predominantemente, a relação dos índices espectrais e os atributos de qualidade do capim Tifton 85, apresentaram capacidade explicativa da variância na PC1 acima de 70% para os cenários avaliados. A proteína bruta foi o parâmetro bromatológico que apresentou as maiores relações com os índices escpectrais obtidos, tanto pelas imagens RGB (R2 entre 0,61 e 0,94), quanto para as imagens RGNIR (R2 entre 0,78 e 0,99) para todas as épocas de corte avaliadas. A matéria mineral apresentou maiores relações (R2 entre 0,66 e 0,99) com as idades de corte de 14, 28 e 42 dias para as imagens RGNIR. A fibra em detergente neutro obteve R2 entre 0,86 e 0,96 para as idades de corte de 14 e 28 dias, para as imagens RGB e RGNIR. O extrato etéreo e o carboidrato não fibroso se relacionaram melhor com os índices espectrais das imagens RGNIR. A energia bruta apresentou maior relação (R2 entre 0,98 e 0,99) para as imagens RGNIR aos 14 e 28 dias. O acúmulo de forragem e sua taxa de acúmulo entre as datas de coleta, apresentaram maiores relações com as imagens RGNIR aos 28, 42 e 56 dias (R2 entre 0,78 e 0,99), sendo estes períodos os mais indicados para geração de modelos de estimativa.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.subjectAnálise de componentes principaispt_BR
dc.subjectsensores ópticospt_BR
dc.subjectforrageiraspt_BR
dc.subjectatributos bromatológicospt_BR
dc.subjectPrincipal component analysispt_BR
dc.subjectoptical sensorspt_BR
dc.subjectforagerspt_BR
dc.subjectbromatological attributespt_BR
dc.titleRelação entre índices espectrais obtidos por imagens digitais e atributos de qualidade do Tifton 85 (cynodon spp.)pt_BR
dc.title.alternativeRelationship between spectral indexes obtained by digital images and quality attributes of Tifton 85 (cynodon spp.)en
dc.typeDissertaçãopt_BR
dc.description.abstractOtherThe world trade in forages has expanded due to the demand for roughage to supply animal feed, a market that is increasingly demanding in terms of product quality. In general, the quality of the forages is carried out through the evaluation of physical-chemical, chemical and energetic parameters, using destructive, costly methods that demand time in the laboratory.The application of technology from computer vision can be an alternative to traditional methods, making the process less costly and allowing to obtain parameters in a non-destructive way, with results instantly. The present work aims to evaluate quality attributes of Tifton 85 grass (Cynodon spp.) through RGB and RGNIR digital images, relating the colorimetric indices with the bromatological analysis of the culture. The experiment was carried out in an agricultural production area located at the Federal Rural University of Rio de Janeiro, in the municipality of Seropédica, RJ. The spectral indices were obtained through digital images (in the visible and near infrared spectral region) of the cultivar Tifton 85 (Cynodon spp.) at different cutting ages (14, 28, 42 and 56 days) and fertilization levels 25/0/25 NPK(0, 100, 200 and 300 kg/ha), were submitted to a principal component analysis, to extract the most relevant indices and correlated with the original variables, through the principal components criterion (PC) with explanatory power of at least 70% of the total variability of the data. The PC1 values generated from the coefficients associated with the colorimetric indices of greater correlation were related by means of a simple quadratic regression with the bromatological attributes, to evaluate the productivity, mineral matter, crude protein, ether extract, neutral detergent fiber, carbohydrate non- fibrous and raw energy. Predominantly, the relationship between the spectral indices and the quality attributes of Tifton 85 grass showed an explanatory capacity of the variance in PC1 above 70% for the evaluated scenarios. Crude protein was the bromatological parameter that presented the highest relationships with the spectral indices obtained, both by RGB images (R2 between 0.61 and 0.94) and RGNIR images (R2 between 0.78 and 0.99) for all cutting times evaluated. Mineral matter showed higher ratios (R2 between 0.66 and 0.99) with cut-off ages of 14, 28 and 42 days for RGNIR images. The neutral detergent fiber obtained R2 between 0.86 and 0.96 for the cut-off ages of 14 and 28 days, for the RGB and RGNIR images. The ether extract and the non-fibrous carbohydrate were better related to the spectral indices of the RGNIR images. Gross energy showed the highest ratio (R2 between 0.98 and 0.99) for RGNIR images at 14 and 28 days. The forage accumulation and its accumulation rate between the collection dates showed greater relationships with the RGNIR images at 28, 42 and 56 days (R2 between 0.78 and 0.99), these periods being the most suitable for generating estimation models.en
dc.contributor.advisor1Costa, Anderson Gomide-
dc.contributor.advisor1IDhttps://orcid.org/0000-0003-0594-8514pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6959807888629144pt_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.referee1Costa, Anderson Gomide-
dc.contributor.referee1IDhttps://orcid.org/0000-0003-0594-8514pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6959807888629144pt_BR
dc.contributor.referee2Moura, André Morais-
dc.contributor.referee2IDhttps://orcid.org/0000-0002-3202-8767pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/1609072485563792pt_BR
dc.contributor.referee3Nascimento, Amélia Laisy do-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/6769009933620093pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/0701402093832100pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFRRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Agrícola e Ambientalpt_BR
dc.relation.referencesALKREEM, M. H., & KARIM, A. A. Feature Selection Using Artificial Bee Colony for Fruit Classification. Journal of Physics: Conference Series, v.1818, n.1, p. 012-062, 2021. ALOSAIMI, W., ALYAMI, H., & UDDIN, M. I. PeachNet: Peach diseases detection for automatic harvesting. Computers, Materials and Continua, v.67, n.2, p.1665–1677, 2021. ALVES, A. R., PASCOAL, L. A. F., CAMBUÍ, G. B., DA SILVA TRAJANO, J., DA SILVA, C. M., & GOIS, G. C. Fibra para ruminantes: Aspecto nutricional, metodológico e funcional. Publicações em Medicina Veterinária e Zootecnia, v.10, n.7, p.568–579, 2016. ANANTHANARAYANA, T., PTUCHA, R., & KELLY, S. C. Deep Learning based Fruit Freshness Classification and Detection with CMOS Image sensors and Edge processors. IS and T International Symposium on Electronic Imaging Science and Technology, v. 88 2020, n.12, p.172-1-172-7, 2020. ANDRADE, E. C. Processamento digital de imagens como estimativa de teor de N foliar na cultura do milho. 56f. Dissertação de Mestrado. Universidade Estadual de Ponta Grossa, 2015. ANDRADE, W. R. Produção de capim e feno de tifton 85 sob doses de nitrogênio em diferentes dias de rebrotação.74f. Dissertação de Mestrado. Universidade Estadual de Montes Claros. 2017. ANDRADE, WR, SALES, ECJD, MONÇÃO, FP, GOMES, VM, RUFINO, LDDA, & PIRES, DADA . Hay Tifton-85 grass under nitrogen doses in different days of regrowth. Acta Scie. Anim. Scie., v.40, p.37692, 2018. ANDRIOTTI, J. L. S. Fundamentos de estatística e geoestatística. 165p. São Leopoldo: Ed. Unisinos, 2003. AOAC - Association of Official Analytical Chemists. Official methods of analysis of the Association of the Analytical Chemists. 16 ed. Washington, 1995. ARAÚJO, P. Análise e classificação da qualidade do línter e do óleo de algodão utilizando técnicas de visão computacional. 87f. Dissertação (mestrado) – Universidade Federal do Ceará, Campus de Sobral, Programa de Pós-Graduação em Engenharia Elétrica e de Computação, Sobral, 2019. BAESSO, M.M.; APRILANTI, T.M.G.; ROSSI, F. Visão artificial para a diagnose nutricional do milho cultivado com silicato de cálcio e magnésio em doses ponderais e altas diluições. Brazilian Journal of Biosystems Engineering. v. 14, n.1, p. 36-47, 2020. BARBEDO, J. G. A. Plant disease identification from individual lesions and spots using deep learning. Biosystems Engineering, v. 180, p. 96-107, 2019. BARBEDO, J. G. A., L. V. KOENIGKAN E T. T. SANTOS. Identifying multiple plant diseases using digital image processing. Biosystems Engineering. v.147, p. 104– 116, 2016. BARBOSA, E.M.C. Medições volumétricas para biometria de animais domésticos utilizando nuvens de pontos em câmeras RGB-D. 55f. Projeto Final de Curso Departamento de Ciência da Computação do Instituto de Matemática da Universidade Federal do Rio de Janeiro, 2017. BELLO, T.B.; COSTA, A.G.; SILVA, T.R.; PAES, J.L.; OLIVEIRA, M.V.M. Tomato quality based on colorimetric characteristics of digital images. Revista Agriamb. V. 24, n.8, p. 567-572. 2020. BERNARDI, A., SILVA, A.W.L. E BARETTA, D.Estudo metanalítico da resposta de gramíneas perenes de verão à adubação nitrogenada. Arquivo Brasileiro de Medicina Veterinária e Zootecnia [online]. 2018, v. 70. 89 BIFFI, L. J., MITISHITA, E., LIESENBERG, V., DOS SANTOS, A. A., GONÇALVES, D. N., ESTRABIS, N. V., SILVA, J. DE A., OSCO, L. P., RAMOS, A. P. M., CENTENO, J. A. S., SCHIMALSKI, M. B., RUFATO, L., NETO, S. L. R., JUNIOR, J. M., & GONÇALVES, W. N. Article atss deep learning-based 70 approach to detect apple fruits. Remote Sensing, V.13, p. 1–23, 2021. Disponível em: https://doi.org/10.3390/rs13010054 BORGES, B. M.; SILVEIRA, M. L.; CARDOSO, S. S.; MOLINE, E. F.; COUTINHO NETO, A. M.; LUCAS, F. T.; MURAOKA, T.; COUTINHO, E. L. Growth, herbage accumulation, and nutritive value of ‘Tifton 85’ bermudagrass as affected by nitrogen fertilization strategies. Crop Science, Madison, v. 57, n.6, p. 3333-3342, 2017. Disponível em: DOI: 10.2135/cropsci2016.10.0890. BRIGANTE, G. R. M. Análise multivariada aplicada na construção de scores de rendimento dos principais jogadores do futebol mundial. Documento. Universidade Estadual Paulista (Unesp), 2022. Disponível em: http://hdl.handle.net/11449/217390. CAMPOS, F. P. de; NUSSIO, Carla Maris Bittar; NUSSIO, Luiz Gustavo. Métodos de análise de alimentos. Editora FEALQ.[S.l: s.n.], p.135, 2004. CARDOSO, G.S. Terminação de novilhas em capim Tifton 85 suplementadas com diferentes fontes energéticas. 75f. Tese de Doutorado. Universidade Federal de Santa Maria. 2020. CARVALHO, A. A.; DA SILVA, R. R.; REBELLO; J. M. A.; VIANA, A. F. O mundo das imagens digitais. Documento, v. 8, n. 2, p. 167-186, 2003. CASTLEMAN, K. R. Digital image processing. NJ - USA: Prentice Hall Press Upper Saddle River, NJ, USA, 1996. ISBN 0-13-211467-4. CAVALCANTI, A.C.; SALIBA, E.O.S.; FILHO, C.C.C.; SILVA2, F.A.; SILVA, C.M.R.; MACÊDO, T.M. Partição da energia e produção de metano em ovinos alimentados com feno de Andropogon Gayanus colhido em três diferentes idades. Universidade Federal do Espírito Santo, Centro Universitário Norte do Espírito Santo. Revista de la Facultad de Agronomía, La Plata. V. 118, p. 99-110, 2019. CHACON, W.D.C. Estimativa do estágio de maturação, volume e massa do mamão (Carica papaya L.) por meio de processamento de imagens para classificação automatizada. 83f. Dissertação de Mestrado. 83f. Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Alimentos, 2022. CHESINI, R.G. Efeito da substituição parcial do farelo de soja por farelo de soja tratado termicamente ou DDGS de milho na alimentação de vacas em lactação. 72f. Tese de Doutorado. Universidade de São Paulo, 2022. CHICATI, M.S. ; NANNI, M. R. ; CHICATI, M. L. . Assinatura Espectral do Feijoeiro: Sua relação com parâmetros biofísicos em diferentes doses de nitrogênio. 1. ed. Novas Edições Acadêmicas, v. 1, p; 119, 2017. CLEMENTE, A.A.; MACIEL, G.M.; SIQUIEROLI, A.C.S.; GALLIS, R.B.A.; PEREIRA, L.M.; DUARTE, J.G. Fenotipagem de alto rendimento para detectar antocianinas, 90 clorofilas e carotenóides em germoplasma de alface vermelha. International Journal of Applied Earth Observation and Geoinformation. V.103, 2021. CORDEIRO, L.D. et al. Calibração multivariada e imagens digitais no controle de qualidade de farinha de trigo. Dissertação de Mestrado. Universidade Tecnológica Federal do Paraná, 2020. COSTA, A. S., MAIA, C. P., BARBOSA, D. P., GUIMARÃES, A. K. V., & PONTES, M. L. Composição bromatológica do Sorgo CV. SS-318 em monocultivo e em consórcio com soja, em dois espaçamentos. Brazilian Journal of Development, v. 6, n. 10, p. 75852- 75862, 2020. COSTA, A. C. Identificação da maturação de frutos da macaúba por meio de características óticas. 126f. Tese (Doutorado em Engenharia Agrícola). Universidade Federal de Viçosa. Viçosa, 2015. COSTA, E.; MARTINS, M.B.; VENDRUSCOLO, E.P.; SILVA, A.G.D.; ZOZ, T.; BINOTTI, F.F.D.S.;SERON, C.D.C. Greenhouses within the Agricultura 4.0 interface. Revista Ciência Agronômica, v. 51, 2021. ISSN 1806-6690. https://doi.org/10.5935/1806-6690.20200089. COSTA, M. L. L., RESENDE, A. S. C., DUARTE, I. N. H., LIMA, N. R., MOREIRA, G. R. Valor nutricional da silagem pré-secada de capim Tifton – 85. Revista Brasileira de Meio Ambiente, v.6, n.1, p.26-33, 2019. CRUZ, C.: Aplicação de algumas técnicas multivariadas no melhoramento de plantas. Dissertação de Doutorado. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 1990. DAMASCENO, D.; TOLEDO, T. G.; GODINHO, M. S.; SILVA, C. P.; OLIVEIRA, S. B.; OLIVEIRA, A. E. Análise multivariada de imagens na química: um experimento para determinação do pH de águas potáveis. Quim. Nova, V. 38, n. 6, p.836-841, 2015. DELONGUI, R.; COALHO, M. R. Avaliação das características morfogênicas sobre a produção e composição bromatológica do Capim-Tifton 85 submetido a diferentes doses de nitrogênio. Revista Terra & Cultura: Cadernos de Ensino e Pesquisa, v. 34, p. 64- 73, 2018. ISSN 2596-2809. DIOGO, A. M.. Análise da distribuição espacial da fenologia de vegetação, precipitação e evapotranspiração, com base em imagens de sensoriamento remoto orbital em Angola. 90f. Dissertação (Mestrado). Universidade Federal do Rio Grande do Sul. Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia. Programa de Pós-Graduação em Sensoriamento Remoto, 2020. DOMINGUES, A. A. Produtividade do capim Paiaguás submetido a doses de nitrogênio. 42 f. Dissertação (Mestrado Profissional em Produção Animal e Forragicultura) - Câmpus Oeste - Sede: São Luís de Montes Belos, Universidade Estadual de Goiás, São Luís de Montes Belos, 2017. DONATO, D. G. Caracterização espectral de trigo em lavoura comercial e estimativas 91 biofísicas e qualidade de grãos baseada em quimiometria. 98f. Tese (Doutorado em Engenharia Agrícola) - Universidade Estadual do Oeste do Paraná, Cascavel – PR, 2021. DOS SANTOS, T. C; ESPERIDIÃO, T. L.; DOS SANTOS AMARANTE, M.. AGRICULTURA 4.0. Revista Pesquisa E Ação, v. 5, n. 4, p. 122-131, 2019. DUPAS, E.; BUZETTI, S.; RABÊLO, F. H. S.; SARTO, A. L.; CHENG, N. C.; GALINDO, F. S.; DINALLI, R. P.; NIRO GAZOLA, R. Nitrogen recovery, use efficiency, dry matter yield, and chemical composition of palisade grass fertilized with nitrogen sources in the cerrado biome. Australian Journal of Crop Science, Lismore, v. 10, n. 9, p.1330-1338, 2016. Disponível em: DOI: 10.21475/ajcs.2016.10.09.p7854. EDVAN, R.L.; BEZERRA, L.R.; MARQUES, C.A.T.; CARNEIRO, M.S.S.; OLIVEIRA, M.S.S.; OLIVEIRA, R.L.; FERREIRA, R.R. Methods for estimating forage mass in pastures in a tropical climate. Revista de Ciências Agrárias, v. 39, n. 1, p.36-45. 2016. DOI: https://doi.org/10.19084/RCA14100. EMBRAPA. Anuário Leite 2020. Anuário do Leite, p. 104, 2020. Disponível em: https://www.embrapa.br/busca-de-publicacoes/-/publicacao/1124722/anuario-leite-2020- leite-devacas-felizes. EMBRAPA. Pecuária de leite no Brasil : cenários e avanços tecnológicos / Duarte Vilela ... [et al.], editores técnicos. – Brasília, DF : Embrapa, 2016. 435. ISBN 978-85-7035- 644-4. FELLER, A. A., DE ALMEIDA, U. O., NOGUEIRA, A. E., FERREIRA, L., & DOS SANTOS, F. C. Efeito da Adubação Combinada de Nitrogênio com Potássio na Produção de Capim Brachiaria Humidicola em Cacaulândia, Rondônia. Revista Científica da Faculdade de Educação e Meio Ambiente, v. 13, n. edespmulti, 2022. FERENTINOS, K. P. Deep learning models for plant disease detection and diagnosis. Computers and Electronics in Agriculture, v. 145, p. 311-318, 2018. DOI: 10.1016/j.compag.2018.01.009. FERNANDES, E.G.; COALHO, M. R.. Efeito de doses crescentes de nitrogênio no desenvolvimento de Brachiaria ruziziensis. Revista Terra & Cultura: Cadernos de Ensino e Pesquisa, [S.l.], v. 34, n. esp., p. 189-201, 2018. ISSN 2596-2809. FERNÁNDEZ-OLIVERAS, A.; POZO, A. M.; RUBIÑO, M. Speckle-based modulation transfer function measurements for comparative evaluation of CCD and CMOS detector arrays. Optical review, v. 20, n. 1, p. 41-49, 2013. FERREIRA, A.F.N.; KRAUSE, W.; FALEIRO, A.C.; MIRANDA, A.F; JUSTINO, A. Seleção de descritores de sementes de maracujazeiro azedoutilizando fenotipagem digital. Agrarian Academy. Centro Científico Conhecer - Goiânia, v.5, n.10, 2018. FIORELI, A. B., ZIECH, M. F., FLUCK, A. C., GEREI, J. C., COL, D., BERNS, L., ... & COSTA, O. A. D. Valor nutritivo de gramíneas do gênero Cynodon consorciadas com amendoim forrageiro. Arquivo Brasileiro de Medicina Veterinária e Zootecnia [online], v. 70, n. 6, 2018. ISSN 1678-4162. https://doi.org/10.1590/1678-4162-10048. 92 FONTES PCR; ARAÚJO C. Adubação nitrogenada de hortaliças: princípios e práticas com o tomateiro. Viçosa: UFV. p.148, 2007. FONTES, P. T. N.,SOUSA, B. M. L.,OLIVEIRA JÚNIOR, L. F. G.,FAGUNDES, J. L., GALINDO, F. S.; BUZETTI, S.; TEIXEIRA FILHO, M. C. M.; DUPAS, E.; CARVALHO, F. D. C. Manejo da adubação nitrogenada no capim-mombaça em função de fontes e doses de nitrogênio. Revista de Ciências Agrárias, Lisboa, v. 41, n. 4, p.31- 40, 2018a. Disponível em: http://www.scielo.mec.pt/pdf/rca/v41n4/v41n4a04.pdf. FRACAROLLI, J.A.; PAVARIN, F.F.A; CASTRO, .;BLASCO. Visão computacional aplicada a alimentos e produtos agrícolas. Revista Ciência Agronômica [online]. 2020, v. 51, e20207749. Disponível em: <https://doi.org/10.5935/1806-6690.20200087>. GALLETI, L. S.; SOARS, R. V. Captura e tratamento de imagens. 1 ed. São Paulo: SENAI –SP Editora, v. 1, p.96, 2016. GALVÃO, G. VISÃO COMPUTACIONAL PARA DETECÇÃO DE DOENÇAS FÚNGICAS NA AGRICULTURA. ÚNICA Cadernos Acadêmicos, v. 2, n. 1, 2018. GARDNER, A.L. Técnicas de pesquisa em pastagens e aplicabilidade de resultados em sistemas de produção. Brasília: IICA/EMBRAPA-CNPGL, Série publicações Miscelâneas, n. 634, p.197, 1986. GITELSON, A. A., Y. Kaufman, and M. N. Merzlyak. Use of greenchannel in remote sensing of global vegetation from EOS-MODIS, Remote Sens. Environ, v.58, p.289 – 298. 1996. GOMES, E. P. et al. Produtividade de pastagem de capim tifton 85 irrigado e sobressemeada com forrageiras de inverno. Acta Scientiarum. Animal Sciences, Maringá, v. 37, n. 2, p. 123-128, 2015. GOMES, E.S.; BITTAR, D.Y.; SÉRVULO, A.C.O.. PRODUÇÃO DE FORRAGEIRAS DA ESPÉCIE Panicum maximum SUBMETIDAS A DOSES DE NITROGÊNIO. Ipê Agronomic Journal, v. 4, n. 2, p. 1-8, 2020. GONÇALVES, J. M.; PERON, H. J. M. C.; COSTA, L. C. D. Fontes alternativas de nitrogênio para intensificação da produção do capim Zuri. Revista de Ciências Agroveterinárias, Lages, v. 21, n. 2, p. 107-113, 2022. DOI: 10.5965/223811712122022107. Disponível em: https://www.revistas.udesc.br/index.php/agroveterinaria/article/view/21146. Acesso em: 26 jul. 2022. GONÇALVES, M. I. S. Aplicação de Imagens Digitais e Análise Multivariada para classificação e Determinação de Parâmetros de Qualidade em Plumas de Algodão. Dissertação (Mestrado) — Universidade Federal da Paraíba, João Pessoa, 2015. GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. Pearson Education, Inc, 2008. ISBN ISBN 0-13-168728 93 GONZALEZ, R. C.; WOODS, R. Processamento Digital de Imagens. 3. ed. Sao Paulo: Pearson Prentice Hall, 2010. GUPTA, S. D.; IBARAKI, Y.; TRIVEDI, P. Applications of RGB color imaging in plants. In: Plant Image Analysis: Fundamentals and Applications. p.41-62. CRC Press, 2014. HALLIK, L., KAZANTSEV, T., KUUSK, A., GALMÉS, J., TOMÁS, M., & NIINEMETS, Ü Generality of relationships between leaf pigment contents and spectral vegetation indicesin Mallorca (Spain). Reg Environ Change, v.17, p.2097, 2109. HOTELLING, H.: Analysis of a complex of statistical variables into principal component. The Journal of Educational Psychology, v. 24, p. 417-441, 1933. 12. HUETE, A, K DIDAN, T MIURA, E. P. RODRIGUEZ, X GAO E L. G. FERREIRA. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment. V. 83, p. 195–213.2002, doi: 10.1016/S0034- 4257(02) 00096-2. HUETE, A.R. A soil-adjustedvegetation index (SAVI). Remote Sensing of Environment, v. 25, p. 295-309. 1988. HUETE, A.R.; JUSTICE, C.; LIU, H. Development of vegetation and soil indices for MODIS-EOS. Remote Sens. Environ, v. 49, p. 224-234. 1994. JACKSON, R. D.; HUETE, A. R. Interpreting vegetation indices. Preventive veterinary medicine, Elsevier, v. 11, n. 3-4, p. 185–200, 1991. KAUFMAN, D.; BOAS, L. L. V. Visão computacional na agricultura: APIs de detecção e reconhecimento de doenças das plantas. ECCOGS – Revista Digital de Tecnologias Cognitivas, n. 20, p. 96-112, 2019. KÖPPEN, W. Climatologia: con un estudio de los climas de la tierra. Fondo de Cultura Econômica. México. P. 479, 1948. KRAHL, Gustavo; MASSON, Emerson. PRODUÇÃO DE FORRAGEM EM SISTEMA DE CONSÓRCIO ENTRE AZEVÉNS COM DIFERENTES CICLOS EM SOBRESSEMEADURA AO TIFTON 85. Seminário de Iniciação Científica e Seminário Integrado de Ensino, Pesquisa e Extensão, p. e26098-e26098, 2020. LEAL, K.N.S. Avaliação da estabilidade de produtos lácteos através de análise físico- química, espectroscópica e imagens digitais. Dissertação (Mestrado). 110 f. Universidade Federal de Alfenas, Engenharia Química. Poços de Caldas/MG, 2019. LEMOS, J.R. et al. Variação temporal de índices de vegetação obtidos por imagens de satélites para indicar a cobertura vegetal da Caatinga da Estação Ecológica de Aiuaba, Ceará-Brasil. Revista Espacios, v. 39, n. 34, p. 7, 2018. LI, L., Q. ZHANG E D. HUANG. “A Review of Imaging Techniques for Plant Phenotyping”. Em: Sensors . V14.11, p. 20078–20111, 2014 doi: 10.3390/s141120078. LIMA, D.C. Metodos para Estimativa de Imagens Nir a partir de imagens de Cameras 94 RGB. 126f. Tese - Programa de Pós-Graduação em Ciencia da Computação da Universidade Federal de São Carlos,SP. 2020. LOBET, G., X. DRAYE E C. PÉRILLEUX. “An online database for plant image analysis software tools”. Em: Plant Methods v.9.1, p. 1–8, 2013. doi: 10.1186/1746-4811-9-38. MANCIN, W.R. Desenvolvimento de software de processamento digital de imagens para análise do status nutricional de nitrogênio em Brachiaria brizantha. 60f. Dissertação de Mestrado. Faculdade de Zooetecnia e Engenharia de alimentos, Universidade de São Paulo.2019. MARTÍNEZ, E. O. Atributos químicos e físicos do solo e produtividade de capim Tifton 85 em resposta à aplicação de nitrogênio e esterco bovino. Jaboticabal. 59 p. Tese (doutorado) - Universidade Estadual Paulista, Faculdade de Ciências Agrárias e Veterinárias, 2017. MARTINS, C.E.; OLIVEIRA, J.S.; CÓSER, A.C.; JOSÉ, H.R.– Conservação de forrageiras e pastagens. Documento.2018. MARTINS, N. Fotografia: da analógica à digital. Editora Senac Nacional, 1. ed., p.280, 2012. ISBN-10: 8574582808 MATOS, E. C. T. D., RODRIGUES, L. A., SOUZA, P. D. A., SILVA, R. V. D., & FARIA Jr, R. T. (2018). Espectroscopia fotoacústica para analisar a fertilidade de solos tratados com biochar e micorriza. Química Nova, 41, 989-998. MATOS, Ellen Conceição T. de et al. Espectroscopia fotoacústica para analisar a fertilidade de solos tratados com biochar e micorriza. Química Nova, v. 41, p. 989-998, 2018. MENESES, P. R.; ALMEIDA, T.; ROSA, A. N. C. S.; SANO, E. E.; SOUZA, E. B.; BAPTISTA, G. M. M.; BRITES, R. S. Introdução ao processamento de imagens de sensoriamento remoto. Brasília: UnB, p. 01-33, 2012. MESTRE, D. A. F. Monitorização de crescimento de plantas cultivadas in-vitro usando processamento digital de imagem. 2017. Dissertação (Mestrado) - Faculdade de Ciências e Tecnologia, Universidade NOVA de Lisboa, 2017. Disponível em <https://run.unl.pt/bitstream/10362/23415/1/Mestre_2017.pdf>. METTERNICHT, G. Vegetation Indices Derived from High Resolution Airborne Video studWestgraphy for Precision Crop Management. International Journal of Remote Sensing, V. 24, p. 2855-2877, 2003. MIRANDA, José Iguelmar. Processamento de imagens digitais: métodos multivariados em Java. Campinas: Embrapa Informática Agropecuária, p. 400,2011. MONTOVANI, S.P.G. Composição centesimal de bolo de chocolate em pó enriquecido de ferro com fígado bovino liofilizado. 2019. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Alimentos) – Faculdade de Engenharia, Universidade Federal da Grande Dourados, Dourados, MS, 2019 95 MORENO, A.S.; BEZERRA, T.S.; DE MELLO. N.D. Câmeras analógicas e digitais: qual oferece melhor qualidade?. Revista Educação, Universidade Guarulhos. v.11, n.2, p.19- 33, 2016. MORRISSON, D.: Multivariate statistical method. McGraw-Hill, McGraw-Hill series in probability and statistics, 2a ed., 1976. MOTTA, L.J.M. Qual a relação nitrogénio: potássio adequada para o capim mombaça?. 2019. 23 f. Trabalho de Conclusão de Curso (Graduação em Zootecnia) – Universidade Federal de Mato Grosso, Instituto de Ciências Agrárias e Tecnológicas, Rondonópolis, 2019. NASCIMENTO, M.G.S.; FREITAS, F.M.C. Produção de forragem e relação folha/haste de duas gramíneas com potencial para fenação. CENTRO UNIVERSITÁRIO DE GOIÁS - Uni-ANHANGUERA CURSO DE AGRONOMIA GOIANIA. 2018. OLIVEIRA, A.P.P. et al. Respostas do capim-Tifton 85 à aplicação de nitrogênio: cobertura do solo, índice de área foliar e interceptação da radiação solar. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, v.62, p.429-438, 2010. OLIVO, C. J., QUATRIN, M. P., SAUTER, C. P., SILVA, A. R., SAUTHIER, J. C., & SAUTER, M. P. . Productivity and crude protein concentration of Tifton 85 pasture-based mixed with pinto peanut. Ciência e Agrotecnologia, v. 43, p. 1-8, 2019. PATZLAFF, N.L.; ZULPO, A.P.; ROSSI, D.S.. A importância do uso da dose correta na adubação nitrogenada de tifton 85. Revista Científica Rural, v. 22, n. 2, p. 1-12, 2020. PORFÍRIO, Magno Daniel. Avaliação agronômica e valor nutricional do sorgo forrageiro BRS 658 com diferentes arranjos populacionais. 2019. 67 f. Dissertação (Mestrado em Zootecnia) - Universidade Estadual do Oeste do Paraná, Marechal Cândido Rondon, 2019. QUEIROZ, J. E. R. de; GOMES, H. M. Introdução ao processamento digital de imagens. Revista Rita, 2014. Departamento de Sistemas e Computação. Disponível em: <hhttp://www.dsc.ufcg.edu.br/~hmg/disciplinas/graduacao/vc-2014.1/Rita-Tutorial- PDI.pdf> RÉ, P. O ABC das Câmaras CCD. Revista da Associação Portuguesa de Astrônomos Amadores, Lisboa, n. 25, p. 22-31, 2005. RICHARDSON, A.J.; WIEGAND, C.L. Distinguishing vegetation from soil background information. Photogrammetric Engineering and Remote Sensing, v.1 n.43, p.1541- 1552, 1977. RODRIGUES, B. U. Reconhecimento do tipo de cachaça utilizando visão computacional e reconhecimento de padrões. Dissertação (Mestrado) — UNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE INFORMÁTICA, Goiânia, 2015. ROMÃO, C. O.et al. Fracionamento de carboidratos e degradabilidade ruminal da cana- de-açúcar tratada com óxido de cálcio. Arquivos Brasileiro de Medicina Veterinária e Zootecnia, v.65, n.2, p.537–546, 2013. 96 RÖPER, T.S.. Sistema de visão computacional para otimização de corte de madeira em máquina refiladeira. 76 f. Dissertação (Mestrado). Programa de Pós-Graduação em Mecatrônica do Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina. ROSSIELLO, R. O. P.; DE OLIVEIRA, A. P. P. ; DA SILVA, C. F.. ; SIMÕES, C. R. ; NETO, E. C. S.; ZONTA, E. REIS, R.A., MOREIRA, A.L., PEDREIRA, M.S. Avaliação da resposta à adubação nitrogenada no capim-Tifton 85, utilizando imagens digitais. Anais do Congresso Brasileiro de Ciência do Solo. Natal, Rio Grande do Norte, 2015. ROUSE, J. W. et al. Monitoring vegetation systems in the great plains with ERTS. In: EARTH RESOURCES TECHNOLOGY SATELLITE-1 SYMPOSIUM, 3., 1973, Washington. Proceedings. Washington: NASA, v.1, p.309-317, 1973. ROUSE, J.W., R.H. HAAS, J.A. SCHELL, D.W. DEERING, J.C. HARLAN. Monitoring the vernal advancement of retrogradation (greenwave effect) of natural vegetation. NASA/GSFC, Type III, Final Report, Greenbelt, MD, p.371, 1994. RUDEK, M.; COELHO, L. dos S.; JUNIOR, O. C. Visão computacional aplicada a sistemas produtivos: Fundamestos e estudo de caso. Universidade Católica do Paraná, Curitiba - PR, 2011. SAFA, M. et al. Modelling nitrogen content of pasture herbage using thermal images and artificial neural networks. Thermal Science and Engineering Progress, v.11, p.283-288, 2019. SANCHES, A. C.; GOMES, E. P.; RICKLI, M. E.; FRISKE, E.; FASOLIN, J. P. Productivity and nutritive value of Tifton 85 in summer, with and without irrigation under different nitrogen doses. Engenharia Agrícola, Jaboticabal, v.37, n.2, p.246-256, 2017. SANCHES, A.C. ; GOMES, E.P. ; FASOLIN, J. P.; SOARES, M. R. C. ; DE GOES, R. H. T. B. Produtividade e valor nutritivo do capim Tifton 85 irrigado e sobressemeado com aveia. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande/PB, v.19, n. 2, p. 126-133, 2015. SANTOS, H.G. dos; JACOMINE, P.K.T.; ANJOS, L.H.C. dos; OLIVEIRA, V.A. de; OLIVEIRA, J.B. de; COELHO, M.R.; LUMBRERAS, J.F.; CUNHA, T.J.F. (Ed.). Sistema brasileiro de classificação de solos. 2.ed. Rio de Janeiro: Embrapa Solos, p.306, 2006. SANTOS, P. M.; WENTZELL, P. D.; FILHO, E. R. P. Scaner digital images combined with color parameters: A case study to detect adulterations in liquid cow’s milk. Food Analytical Methods. V.5, p.89-95, 2012. SANTOS, P. V. Metodologia para análise de imagens de baixa resolução, para definição de MUB (Mapa Urbano Básico) para apoio às concessionárias de distribuição. 2018. 78 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2018. SANTOS, R.A. Demanda hídrica e modelagem de parâmetros biofísicos da cultura do milho a partir do sensor RGNIR a bordo de um VANT. 2019. 69 f. Dissertação (Mestrado em Engenharia Agrícola) - Universidade Federal de Viçosa, Viçosa. 2019. 97 SANTOS, T.T.; BARBEDO, J.G.A.; TERNES, S.; NETO, J.C.; KOENIGKAN, L.V.; SOUZA, X.S. Visão computacional aplicada na agricultura.v6, p.148-164, 2020. SCHAEFFER, G.H.; MACHRY, E.A.; GUARDA, L.D.. AVALIAÇÃO DO DESENVOLVIMENTO DE GRAMA TIFTON 85 SUBMETIDA A DIFERENTES DOSES E FONTES DE NITROGÊNIO. Anuário Pesquisa e Extensão Unoesc São Miguel do Oeste, v. 6, p. e27735-e27735, 2021. SCHMIDT, G. Tendências tecnológicas na agropecuária. Avicultura Industrial, v. 6, n. 1689, p. 24-26, 2019. SERRANO, J.M.; BARRETO, S.; SHAHIDIAN, S.; SILVA, J.M. Avaliação do sensor óptico de vegetação OptRx® na monitorização da variabilidade espacial e temporal de pastagens. Revista de Ciências Agrárias, v. 39 n. 2 p. 261-280, 2016. SHIMABUKURO, Yosio Edemir; PONZONI, Flávio Jorge. Mistura Espectral: modelo linear e aplicações. Oficina de Textos, 2017. SHIRATSUCHI, L. S; BERNARDI, AC de C.; NAIME, J. de M.; RESENDE, AV de; BASSOI, LH; INAMASU, RY. Embrapa Solos-Capítulo em livro tecnico (INFOTECA-E). Agricultura de precisao: resultados de um novo olhar. Brasília, DF: Embrapa, . cap. 4, p. 58-73., 2014. SILVA, C. F.; Imagens multiespectrais para avaliação de índice de área foliar e massa seca do capim ‘Tifton 85’, sob adubação nitrogenada. Ciência Rural, v.45, n.4, 2015. SILVA, D. J. Análise de alimentos (Métodos químicos e biológicos). Editora Viçosa: Imprensa Universitária UFV, 2ed, p.165, 1990. SILVA, D.R.G.; COSTA, K.A.P.; FRAQUIM, V.; OLIVEIRA, I.P.; BERNARDES, T.F. Doses e fontes de nitrogênio na recuperação das características estruturais e produtivas do capim-marandu. Revista Ciência Agronômica, v. 44, n. 1, p. 184-191, 2013. SILVA, L.R. Efeito do manejo de secagem e armazenamento sobre o valor nutritivo do feno de Crotalaria ochroleuca L., 2022. 88 f. Tese (Doutorado em Zootecnia) - Universidade Estadual do Oeste do Paraná, Marechal Cândido Rondon, 2022. SILVA, P. R. B., et al.. Classificação de Espécies de Pimentas Empregando Análise de Imagens Digitais de Componentes Principais. Revista Arithmós-Revista da Escola de Ciências Exatas e da Computação, v. 1, n. 1, p. 18-21, 2019. SILVA, P.H.S. Diagnóstico nutricional da rúcula para nitrogênio com processamento digital de imagens. 86p. Tese (Doutorado). Unesp – Jaboticabal. 2021. SILVA, R.S.V. Uso de imagens multiespectrais de baixo custo para classificar níveis de N aplicados ao solo em agricultura de precisão. 56f. Dissertação (mestrado em Engenharia Agrícola e Ambiental). Universidade Federal Rural do Rio de Janeiro, UFRRJ. 2016. SIMOES,C.R.; ROSSIELLO, R.O.P.; MACHADO, M.G.G.M.L; DASILVA, C.F.. Imagens multiespectrais para avaliação de índice de área foliar e massa seca do capim 98 'Tifton 85', sob adubação nitrogenada. Cienc. Rural, Santa Maria , v. 45, n. 4, p. 697- 703, abr. 2015. SNA – Sociedade Nacional de Agricultura. Feno: um mercado promissor no mundo e pouco explorado no Brasil. Revista Online A Lavoura. 2019. Disponível em: https://alavoura.com.br/pesquisa-inovacao/tecnologia-agricola/feno-um-mercado- promissor-no-mundo-e-pouco-explorado-no-brasil/. Acesso em: 15/05/2020. SOARES, H. B. Análise e Classificação de Imagens de lesões da pele por atributos de cor, forma e textura utilizando máquina de vetor de suporte. Dissertação (Mestrado) — UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE, Natal- RN – Brasil, 2008. SOLOMON, C.; BRECKON, T. Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. [S.l.]: John Wiley and Sons, Ltd, 2011. ISBN 9780470689776. SOUSA, A.L.; AMORIM, D.B.; SANTOS, D.S.; SILVA, M.S.; NASCIMENTO, K.B.; RODRIGUES, R. Carboidratos de plantas forrageiras para ruminantes: uma revisão. Nucleus Animalium, v.11, n.1. Departamento de Zootecnia, Universidade Federal da Paraíba, Centro de Ciências Agrarias, Campus II, Areia - Paraíba. 2019. DOI: 10.3738/21751463.2945 SOUZA, C. D., LOPEZ, Y., MUNOZ, P., ANDERSON, W., DALL’AGNOL, M., WALLAU, M., & RIOS, E. Natural Genetic Diversity of Nutritive Value Traits in the Genus Cynodon. Agronomy, v. 10, n. 11, p. 1729, 2020. SOUZA, J. R. et al. Automatic detection of ceratocystis wilt in eucalyptus crops from aerial images. IEEE International Conference on Robotics and Automation (ICRA), 2015. SOUZA, L.; CARNEIRO, L.; CANDEIAS, A. L. B. Modelos de cores cmy e yiq no spring e no matlab para análise visual de imagens ikonos e cbers. XIV Simpósio Brasileiro de Sensoriamento Remoto, 2009. 25-30 abril, INPE. Disponível em:< http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr@80/2008/11.15.05.47/doc/7173-7180.pdf> SOUZA, M.A. et al. Estudo colaborativo para avaliação dos teores de matéria mineral em alimentos. Revista Brasileira de Saúde e Produção Animal [online]. 2017, v. 18, n. 1 [Acessado 26 Julho 2022] , pp. 62-75. ISSN 1519-9940. SRIDEVY,, S. et al. Nitrogen and potassium deficiency identification in maize by image mining, spectral and true colour response. Indian Journal of Plant Physiology, v.23, p.91- 99, 2018. TAFFAREL, L. E.; MESQUITA, E. E.; CASTAGNARA, D. D.; GALBEIRO, S.; COSTA, P. B.; DE OLIVEIRA, P. S. R. Tifton 85 grass responses to different nitrogen levels and cutting intervals. Semina: Ciências Agrárias, Londrina, v. 37, n. 4, p. 2067-2083, 2016. Disponível em: DOI: http://dx.doi.org/10.5433/1679-0359.2016v37n4p2067. Acesso em: 25 ago. 2019. TAFFAREL, L. E.; MESQUITA, E. E.; CASTAGNARA, D. D.; OLIVEIRA, P. S.; OLIVEIRA, N. T. E.; GALBEIRO, S.; COSTA, P. B.; Produção de matéria seca e valor nutritivo do feno do tifton 85 adubado com nitrogênio e colhido com 35 dias. Revista 99 Brasileira de Saúde e Produção Animal, Salvador, v. 15, n. 3, p. 544 560, 2014. TEIXEIRA, E. F.; CICERO, S. M.; DOURADO NETO, D. Análise de imagens digitais de plântulas para avaliação do vigor de sementes de milho. Revista Brasileira de Sementes, v. 28, n. 2, p. 159-167, 2006. TEIXEIRA, R.M.A. et al. Suplementação proteica de vacas leiteiras mantidas em pastagem de Tifton 85 durante o período de seca. Arquivo Brasileiro de Medicina Veterinária e Zootecnia [online]. 2019, v. 71, n. ISSN 1678-4162. https://doi.org/10.1590/1678-4162- 9805. TEIXEIRA,A.M.,L. C.GONÇALVES,F. O. VELASCO,G. O.RIBEIROJUNIOR,W. G. FARIA JUNIOR, D. S. G. CRUZ & D. G.JAYME .Respirometria e emissão de metano por ovinos alimentados com Capim-elefante cortado com diferentes idades. Bioscience Journal (Online), V. 31, p.841-849, 2015. TESK, C.R.M. Indicadores qualitativos e reservas orgânicas de Panicum maximum cvs. Quênia e Tamani, sob intensidades de pastejo. 2018. 102 f. Dissertação (Mestrado em Zootecnia) - Universidade Federal de Mato Grosso, Campus Universitário de Sinop, Instituto de Ciências Agrárias e Ambientais, Sinop, 2018. THEODORIDIS, S.; KOUTROUMBAS, K. Pattern Recognition. 4. ed. [S.l.]: Academic Press, 2008. TIECHER, D. D.; ROCHA, M. G. D.; PÖTTER, L.; SALVADOR, P. R.; BERGOLI, T. L.; MILANESI, G. D. Morphogenesis and structure of Tifton 85 cultivated in subtropical climate and fertilized with nitrogen. Acta Scientiarum. Animal Sciences, Maringá, v. 38, n. 4, p.389-393, 2016. TONG, X.; DUAN, L.; LIU, T.; SINGH, V.P. Combined use of in situ hyperspectral vegetation indices for estimating pasture biomass at peak productive period for harvest decision. Precision Agriculture, v. 20, n. 3, p. 477-495, 2019. DOI: https://doi.org/10.1007/s11119-018-9592-3. TRUCCO, E.; VERRI, A. Introductory Techniques for 3-D Computer Vision. Edinburgh, UK: Prentice Hall, 1998. ISBN 978-0132611084. TUCKER, C.J., Combinações lineares de infravermelho vermelho e fotográfico para monitorar a vegetação. Remote Sens. Environ, 8, 127–150, 1979. VALADARES FILHO, S.C.,D.S.PINA & M.L.CHIZZOTTI. Degradação ruminal da proteína dos alimentos e síntese de proteína microbiana.(Eds.) Exigências nutricionais de zebuínos e tabelas de composição de alimentos BR-Corte. Viçosa, MG: Suprema Gráfica, 1:142. (2006). VERGARA-DÍAZ, O. et al. A novel remote sensing approach for prediction of maize yield under different conditions of nitrogen fertilization. Frontiers in Plant Science, v. 7, p.666,.2016. Open Access. doi: 10.3389/fpls.2016.00666 VIÇOSI, K.A.; AMORIM, N.B.; BRITO, A.M.S.; CARMANHAN, L.G.B.; PELÁ, A. Comportamento do capim tifton 85 adubado com diferentes fontes de fertilizantes. 100 Universidade Estadual de Goiás, Câmpus Ipameri, Goiás. Documento. 29a Semana Agronomica do CCAE/UFES - SEAGRO 2018. 17 à 21 de Setembro de 2018, Alegre - ES, Brasil WARRICK, A. W.; NIELSEN, D. R. Spatial variability of soil physical properties in the field. In: HILLEL, D. Applications of soil physics. New York: Academic, cap. 2, p. 319- 344, 1980. WEIRICH, D. T. Uso de vácuo e inoculante na produção de silage de capim Tifton-85. 2015. 71 f. Dissertação de mestrado,Universidade Estadual do Oeste do Paraná, Marechal Cândido Rondon, PR, Brasil. 2015. WEZEL, A. et al. (2014). Agroecological practices for sustainable agriculture: A review. Agronomy for Sustainable Development, v.34, n.1, p.20, 2014. XIE, C. Q. et al. Spectral reflectance response to nitrogen fertilization in field grown corn. International Journal of Agricultural and Biological Engineering, v. 11, p.118-126, 2018. XUE, J; SU, B. Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors, v.2017:1353691, 2017. ZHENG, H. et al. Evaluation of RGB, color-infrared and multispectral images acquired from unmanned aerial systems for the estimation of nitrogen accumulation in rice. Remote Sensing Journal, v.10, p. 824, 2018. ZIECH, M.F. et al. Valor nutritivo de pastagens de Cynodon consorciadas com amendoim forrageiro no sudoeste do Estado do Paraná. Acta Scientiarum. Animal Sciences [online]. 2015, v. 37, n. 3. ISSN 1807-8672. https://doi.org/10.4025/actascianimsci.v37i3.26872.pt_BR
dc.subject.cnpqEngenharia Agrícolapt_BR
Appears in Collections:Mestrado em Engenharia Agrícola e Ambiental

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

Files in This Item:
File Description SizeFormat 
2022 - Jhiorranni Freitas Souza.Pdf2.53 MBAdobe PDFThumbnail
View/Open


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