BRPI0915065B1 - geração de produtos de informação agrícola utilizando sensoriamento remoto - Google Patents

geração de produtos de informação agrícola utilizando sensoriamento remoto Download PDF

Info

Publication number
BRPI0915065B1
BRPI0915065B1 BRPI0915065A BRPI0915065B1 BR PI0915065 B1 BRPI0915065 B1 BR PI0915065B1 BR PI0915065 A BRPI0915065 A BR PI0915065A BR PI0915065 B1 BRPI0915065 B1 BR PI0915065B1
Authority
BR
Brazil
Prior art keywords
trace
index
files
file
tracking
Prior art date
Application number
Other languages
English (en)
Inventor
Grundman Dean
E Knoblauch Gregory
F Paris Jack
Original Assignee
Monsanto Technology Llc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Monsanto Technology Llc filed Critical Monsanto Technology Llc
Publication of BRPI0915065A2 publication Critical patent/BRPI0915065A2/pt
Publication of BRPI0915065B1 publication Critical patent/BRPI0915065B1/pt

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00Two-dimensional [2D] image generation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

geração de produtos de informação agrícola utilizando sensoriamento remoto método para geração de arquivos de rastreio de índice associados a uma área de interesse (aoi) que usa um computador acoplado a um dispositivo de detecção remoto via rede, o computador inclui um dispositivo de entrada, um monitor e uma memória. o método inclui receber somente três arquivos de rastreio de imagem relacionados à aoi a partir do dispositivo de detecção remoto, e receber pelo menos um conjunto dos três pontos de controle espectral (scp) via dispositivo de entrada. o método inclui também gerar pelo menos dois arquivos de rastreio independentes de índice de vegetação (vi) e um arquivo de rastreio de índice de luminosidade do solo (sbi) com base nos arquivos de rastreio de imagem e pelo menos um conjunto de três scps, armazenar cada um do arquivo de rastreio sbi e pelo menos dois arquivos de rastreio vi na memória, e exibir seletivamente pelo menos um do arquivo de rastreio sbi e pelo menos dois arquivos de rastreio vi.

Description

Relatório Descritivo da Patente de Invenção para "GERAÇÃO DE PRODUTOS DE INFORMAÇÃO AGRÍCOLA UTILIZANDO SENSORI-AMENTO REMOTO".
Antecedentes As modalidades descritas aqui referem-se geralmente à análise de dados de sensoriamento remoto relacionado à agricultura e, mais particularmente, à geração de produtos de informações baseados em dados de sensoriamento remoto.
Pelo menos alguns métodos conhecidos para processar imagens multiespectrais (MS) utilizando uma única fórmula que converte dados MS em um único índice de vegetação (VI) baseado tipicamente em duas bandas-chave de espectro. Por exemplo, as duas bandas de espectro mais utilizadas geralmente são bandas de luz-vermelha (RL) com comprimentos de onda próximos de 680 nanômetros (nm) e bandas próximas de infravermelho A (NA) com comprimentos de onda próximos de 830 nm. Ademais, pelo menos alguns métodos conhecidos exigem que os valores de rastreio de RL e de NA sejam convertidos em valores de fatores de refletância (RF) calibrados.
Ademais, pelo menos alguns métodos foram definidos com a expectativa de que os números digitais de "brilho" de espectro de entrada (DNs) são fatores de refletância válidos conhecidos como sendo absolutamente precisos. Por exemplo, pelo menos alguns métodos conhecidos utilizam DNs de imagens de origem bruta. Outros métodos conhecidos utilizam fatores de refletância absolutamente precisos. No entanto, obter os valores precisos para RF, mesmo para um número limitado de bandas de espectro, é difícil e dispendioso para completar. Sem os valores RF precisos, alguns métodos conhecidos para processar as imagens MS são inválidos. Ademais, o único VI que é gerado por alguns métodos conhecidos não está bem relacionado a uma ou mais propriedades biofísicas importantes de análise de vegetação, tais como densidade de biomassa verde (GBD), índice de área de folhas verdes (GLAI), e/ou radiação fotossinteticamente ativa absorvida (APAR). Ademais, pelo menos alguns métodos que utilizam fatores de refle- tância absolutamente precisos válidos incluem coeficientes fixos que não são precisos durante longos períodos de tempo, tal como um período de tempo que dure anos após uma definição inicial dos coeficientes por um conjunto inicial de valores de fatores de refletância.
Ademais, pelo menos alguns métodos conhecidos para processar os valores de pixel de uso de imagens MS obtidos utilizando um sistema de MS específico, tais como o Sistema de Digitalização Multiespectrais (MSS) do Landsat 1, 2, 3, ou 4 ou o Mapeador Temático (TM) do Landsat 4. Assim sendo, somente aquelas bandas de espectro obtidas por MSS ou TM estavam disponíveis para utilização por tais métodos. Ademais, tais métodos incluíram a utilização de coeficientes de valor fixo que são somente úteis quando empregados aos valores de pixel obtidos por MSS ou por TM e, somente sob condições em que a iluminação solar era similar. Como tal, a utilização de tais métodos é restrita. Ademais, pelo menos alguns métodos conhecidos para processar as imagens MS são suscetíveis de variações inde-sejadas causadas por sombreamento de colina e similar, que é conhecido como ruído de brilho (BN), e são também suscetíveis a ruído de solo (SN). Alguns outros métodos são menos suscetíveis a SN, mas eles utilizam somente duas bandas de espectro ou utilizam uma banda de luz azul (BL) que não está disponível em todos os sistemas de imagens baseados em veículos espaciais.
Breve Descrição Essa breve descrição é provida para introduzir uma seleção de conceitos em uma forma simplificada que estão ainda descritas abaixo na Descrição Detalhada. Essa breve descrição não é pretendida para identificar os aspectos-chave ou aspectos essenciais do assunto reivindicado, nem é pretendido para ser utilizado como um auxílio para determinar o escopo do assunto reivindicado.
Sob um aspecto, um método é provido para gerar arquivos de rastreiode índice associados com uma área de interesse (AOI) utilizando um computador acoplado a um dispositivo de sensoriamento remoto via uma rede, em que o computador inclui um dispositivo de entrada, um visor, e uma memória. O método inclui receber, pelo computador, somente três arquivos de rastreio de imagem relacionado ao AOI a partir do dispositivo de sensori-amento remoto, e receber, pelo computador, pelo menos um conjunto de três pontos de controle de espectro (SCPs) via o dispositivo de entrada. O método também inclui a geração de pelo menos dois arquivos de rastreio de índice de vegetação autônomos (VI) e um arquivo de rastreio de índice de brilho de solo (SBI) baseado nos arquivos de rastreio de imagem e pelo menos em um conjunto de três SCPs. O método inclui também armazenamento de cada arquivo de rastreio SBI e os pelo menos dois arquivos de rastreio VI na memória, e exibir seletivamente, via o visor, pelo menos um dos arquivos de rastreio SBI e pelo menos dois arquivos de rastreio VI.
Em um outro aspecto, um sistema de informação é provido para gerar os arquivos de rastreio de índice associados com uma área de interesse (AOI). O sistema de informação inclui um sistema de computador que tem uma memória e um processador acoplado na memória. O sistema de computador é configurado para recuperar três arquivos de rastreio de imagem relacionados com o AOI de um dispositivo de sensoriamento remoto, em que cada arquivo de rastreio de imagem inclui uma pluralidade de pixels e um conjunto de coordenadas de mapas associados com cada pixel, e para receber pelo menos um conjunto de três pontos de controle de espectro (SCPs) via uma entrada de usuário. O sistema de computador é configurado também para gerar pelo menos dois arquivos de rastreio de índice de vegetação (VI) e um arquivo de rastreio de índice de brilho de solo (SBI) baseado nos arquivos de rastreio de imagem e no pelo menos um conjunto de três SCPs, armazenar cada um dos arquivos de rastreio SBI e os pelo menos dois arquivos de rastreio VI na memória, e transmitir seletivamente, via a rede, pelo menos um dos arquivos de rastreio SBI e os pelo menos dois arquivos de rastreio VI do sistema de cliente para exibição.
Em um outro aspecto, uma ou mais mídias lidas por computador que têm componentes de computador executáveis são providas para gerar arquivos de rastreio de índice associados com uma área de interesse (AOI). Os componentes incluem um componente de recepção de dados, os quais quando executados por pelo menos um processador faz com que pelo menos um processador receba uma pluralidade de pontos de controle de espectro (SCPs) a partir de um usuário, e uma pluralidade de arquivos de rastreio de imagem não calibrados relacionados com o AOI de um dispositivo de sensoriamento remoto. Um componente de índice faz com que pelo menos um processador gere pelo menos dois arquivos de rastreio de índice de vegetação (VI) e um arquivo de rastreio de índice de brilho de solo (SBI) baseado na pluralidade de arquivos de rastreio de imagem não calibrados e a pluralidade de SCPs. Um componente de armazenamento faz com que pelo menos um processador armazene cada um dos arquivos de rastreio VI e o arquivo de rastreio SBI em uma memória, e um componente de visor faz com que pelo menos um processador transmita seletivamente pelo menos um dos arquivos de rastreio SBI e pelo menos dois arquivos de rastreio VI para um dispositivo de exibição.
Ainda em um outro aspecto, um método é provido para gerar arquivos de rastreio de índice associados com uma área de interesse (AOI) utilizando um computador acoplado a uma pluralidade de dispositivos de sensoriamento remoto via uma rede, em que o computador inclui um dispositivo de entrada, um visor e uma memória. O método inclui receber, pelo computador, uma pluralidade de arquivos de rastreio de imagem não calibrada relacionados com o AOI a partir da pluralidade de dispositivos de sensoriamento remoto, em que cada arquivo de rastreio de imagem não calibrado inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapas associados com cada valor de pixel, e receber, pelo computador, uma pluralidade de pontos de controle de espectro (SCPs) via o dispositivo de entrada. O método inclui também gerar uma pluralidade de arquivos de rastreio intermediários baseados na pluralidade de arquivos de rastreio de imagem não calibrados e na pluralidade de SCPs. Pelo menos dois arquivos de rastreio de índice de vegetação (VI) e um arquivo de rastreio de índice de brilho de solo (SBI) são gerados com base na pluralidade de arquivos de rastreio intermediários e na pluralidade de SCPs, e o arquivo de rastreio SBI e pelo menos dois arquivos de rastreio VI são armazenados na memória.
Breve Descrição dos Desenhos As modalidades descritas aqui podem ser melhor entendidas por referência às seguintes descrições juntamente com os desenhos anexados. A figura 1 é um diagrama de bloco simplificado de um sistema de informação exemplificativo para uso para colher e processar informações agrícolas. A figura 2 é um diagrama de bloco expandido de uma modalidade exemplificativa de uma arquitetura de sistema do sistema de informação mostrado na figura 1. A figura 3 é um fluxograma simplificado ilustrando um método exemplificativo para gerar informações agrícolas, incluindo índices, associados com uma área de interesse (AOI) utilizando o sistema de informação mostrado na figura 1. A figura 4 é um fluxograma expandido ilustrando o método mostrado na figura 3. A figura 5 é uma imagem incluindo três imagens de rastreio antes de serem processadas utilizando o sistema de informação mostrado na figura 1. A figura 6 é uma imagem ajustada de brilho de solo que foi processada utilizando o sistema de informação mostrado na figura 1. A figura 7 é uma imagem suprimida de ruído de solo que foi processada utilizando o sistema de informação mostrado na figura 1. A figura 8 é uma imagem ajustada de pigmentação que foi processada utilizando o sistema de informação mostrado na figura 1.
Descrição Detalhada Em algumas modalidades, o termo "sensoriamento remoto" (RS) refere-se geralmente a um processo não destrutivo para colher informações sobre um objeto ou uma área de interesse utilizando um sensor eletromagnético ou dispositivo de coleta de dados, enquanto o sensor ou dispositivo não está em contato físico direto com o objeto ou área. Os exemplos típicos de fontes de dados RS agriculturalmente significativos incluem aqueles coletados por câmeras em satélites ou aeronaves que orbitam a terra. Diversos tipos de sensores eletromagnéticos podem ser utilizados em aplicações RS, incluindo sensores que coletam informações sobre radiação eletromagnética absorvida ou refletida, por exemplo, em uma única banda espectral, em diversas bandas multiespectrais, em muitas bandas hiperespectrais, na região de luz visível, na região próxima de infravermelho, na região média de infravermelho, na região distante de infravermelho, e/ou na região de microondas.
Em algumas modalidades, o termo "multiespectral" (MS) refere-se geralmente a um tipo de sistema RS que utiliza duas ou mais bandas espectrais. As bandas e os códigos espectrais RS comuns estão listados mais adiante.
Em algumas modalidades, o termo "largura de banda" (Δλ) refe-re-se geralmente a uma gama de comprimentos de onda (λ, em nanômetros, nm) que estão geralmente associados com uma banda espectral nomeada específica em uma ferramenta de imagem RS.
Em algumas modalidades, o termo "de rastreio" refere-se geralmente a uma matriz regular de "números digitais" (DNs) com localizações especificadas por um par de linhas e coordenadas de coluna. Cada elemento de rastreio (também conhecido como, pixel) tem um único valor DN. Um rastreio pode ser um arquivo de rastreio autônomo, por exemplo, um Arquivo de Formato de Armazenamento de Imagem (TIFF) ou um arquivo TIFF geográfico (arquivo GeoTIFF - extensão: .tif). Ou, no software TNTmips de "customizado fora da prateleira" (COTS) (licenciado por Microlmages, Inc. em Lincoln, NE), um rastreio pode ser um objeto de rastreio dentro de um arquivo .rvc (em que "rvc" significa "rastreio, vetor, CAD"). Alguns pixels em um rastreio podem ter um valor nulo, por exemplo, 0, para marcar pixels que devem ser ignorados ou que faltam um brilho relacionado com imagem ou unidade de informação.
Em algumas modalidades, o termo "rastreio de imagem" refere-se geralmente a um rastreio que tem DNs relacionadas com brilho de imagens que normalmente variam de 1 a 255 (para imagens inteiras não assinadas de 8-bits) ou de 1 a 65.535 (para imagens inteiras não assinadas de 16-bits). Um valor de rastreio de imagem de 0 (o valor nulo para um rastreio) é geralmente reservado para aqueles pixels no rastreio de imagem que não tem nenhum valor de DN relacionado com brilho. Normalmente, existe um rastreio de imagem para cada banda espectral.
Em algumas modalidades, o termo "bandas e códigos espectrais" referem-se geralmente a um conjunto de imagens MS consistindo em um número de imagens de bandas espectrais que são rastreios de imagens individuais. Nas modalidades descritas aqui, cada banda espectral é designada para um código de banda espectral de duas letras, como se segue: • CB: banda de luz azul costal: para comprimentos de ondas próximos de 440 nanômetros (nm) • BL: banda de luz azul: para comprimentos de ondas próximos de 485 nm • GL: banda de luz verde: para comprimentos de bandas próximos de 550 nm • YL: banda de luz amarela: para comprimentos de ondas próximos de 610 nm • RL: banda de luz vermelha: para comprimentos de ondas próximos de 680 nm • RE: banda de borda vermelha: para comprimentos de ondas próximas de 715 nm • NA: banda A próxima de infravermelho: para comprimentos próximos de 830 nm • NB: banda B próxima de infravermelho: para comprimentos de ondas próximos de 920 nm • MA: banda A do meio de infravermelho: para comprimentos de ondas próximos de 1.200 nm • MB: banda B do meio de infravermelho: para comprimentos de ondas próximos de 1.650 nm • MC: banda C do meio de infravermelho: para comprimentos de ondas próximos de 2.235 nm • TA: banda A térmica de infravermelho: para comprimentos de ondas próximos de 3.500 nm • TB: banda B térmica de infravermelho: para comprimentos de ondas próximas de 10.000 nm Em algumas modalidades, o termo "rastreio georeferenciada" re-fere-se geralmente a um rastreio que tem um par de coordenadas de mapas associado com cada pixel. As coordenadas de mapas são providas por e-quações que relacionam cada posição de linha e de coluna a um par de coordenadas de mapas (por exemplo, longitude e latitude ou para o leste e para o norte) em uma projeção de mapa declarado, dados (por exemplo, WGS84), e unidades (por exemplo, graus decimais ou metros).
Em algumas modalidades, o termo "rastreio de informações" re-fere-se geralmente a um rastreio que tem DNs que se relacionam a indicadores de informações específicos (chamados de valores de índices) ou a unidades de informações específicas (chamadas de valores de medição com unidades de medição implícitas). Os pixels de valores nulos são geralmente indicados por um 0 ou por 255. Então, unidades de informações reais utilizam DNs que variam de 1 a 254.
Em algumas modalidades, o termo "rastreios co-registrados" re-fere-se geralmente a um conjunto de rastreios de imagens ou de rastreios de informações com pixels que se relacionam bem uns com os outros, mas não necessariamente com localizações de mapas corretas. Os rastreios co-registrados são submetidos à manipulação por matemática e/ou por regras lógicas que envolvem os DNs nos rastreios co-registrados a fim de derivar tipos adicionais de informações (que geralmente são colocadas em um novo rastreio de informações).
Em algumas modalidades, o termo "rastreio ortorretificada" refere-se geralmente a um rastreio em que os pixels se relacionam bem com localizações de mapas (ou seja, que têm coordenadas geográficas precisas em um sistema de projeção de mapa declarado).
Em algumas modalidades, o termo "Visor RGB" refere-se geralmente a um conjunto de três rastreios de imagens selecionadas que é designado para cores primárias de visor chamadas Vermelho (R), Verde (G), e Azul (Β).
Em algumas modalidades, o termo "cor infravermelha (CIR)" refere-se geralmente a um visor RGB em que três rastreios de imagem, nomeadamente NA, RL e GL, são designadas para pontos R, G e B, respectivamente, utilizando tabelas de consulta de aperfeiçoamento de contraste. Em uma imagem CIR de cor falsa, a vegetação densa foi saturada com cores avermelhadas.
Em algumas modalidades, o termo "cor natural" (NC) refere-se geralmente a um visor RGB em que três rastreios de imagem, nomeadamente, RL, GL e BL, são designados para pontos R, G e B, respectivamente, utilizando tabelas de consulta de aperfeiçoamento de contraste. Em uma imagem NC verdadeira, a vegetação densa tem diferentes matizes como seria observado por uma pessoa que tem a visão normal de cores.
Em algumas modalidades, o termo "cor infraverde" (CIG) refere-se geralmente a um visor RGB em que três rastreios de imagem, nomeadamente, MB, NA e RL, são designados para pontos R, G e B, respectivamente, utilizando tabelas de consulta de aperfeiçoamento de contraste. Em uma imagem CIG de cor falsa, a vegetação densa geralmente foi saturada com cores esverdeadas. CIG pode ser útil também para reconhecer neve de nuvens.
Em algumas modalidades, o termo "tabela de consulta de aperfeiçoamento de contraste" refere-se geralmente a uma tabela de consulta uma a uma que se relaciona com um valor DN de pixel para o brilho do pixel exibido (brilhos de R, G, e/ou B em um visor RGB). Esses tipos de conversões de improviso permitem que um mantenha os valores DN em um rastreio imutável enquanto aperfeiçoa imensamente como o rastreio aparece quando exibido.
Em algumas modalidades, o termo "algoritmo de extração de informação" (IEA) refere-se geralmente a uma série de passos de processamento complexos que produzem um ou mais rastreios de informações específicas a partir de um conjunto de rastreios de imagens MS através do uso de operações lógicas hierárquicas ou de fórmulas matemáticas. Os rastreios de informações podem ou não ser rastreios georeferenciados ou rastreios ortorretificados.
Em algumas modalidades, o termo "rastreio de informação básica" refere-se geralmente a um rastreio de informação que representa um particular chamado de tipo de propriedade biofísica genérica como representado por valores de indicação (ou seja, DNs de rastreio) que são associados com cada pixel.
Em algumas modalidades, o termo "produto de informação básica" refere-se geralmente a um rastreio de informação básica que foi exportada para um dos formatos de arquivo de comutação de rastreio comuns, por exemplo, um arquivo GeoTIFF (.tif).
Em algumas modalidades, o termo "valor de índice de vegetação (VI)" refere-se geralmente a um indicador numérico de níveis relativos de densidade de biomassa (ou índice de área de folhas: LAI) normalmente a-presentado como valores inteiros em um rastreio de informação. Ao longo da história do RS, muitas fórmulas e lEAs foram planejadas para produzir um rastreio VI. Geralmente, os valores VI em um rastreio VI terão um valor de 0 a 100 para indicar que nenhuma vegetação está presente (por exemplo, em um campo de solo batido). Para alguns rastreios VI, o solo batido não tem um valor próximo de 0 - ao invés disso, o valor VI relacionado ao solo batido pode ser um valor não lógico (nem 0 nem 100). Os altos valores VI se relacionam com os mais densos dosséis de vegetação. Como um valor VI efetivamente se relaciona com uma dada medição biofísica de densidade de biomassa geralmente varia de tipo de vegetação e até mesmo de híbrido para híbrido. Alguns lEAs VI são suscetíveis a variações na refletância de solos de fundo, chamados de "ruído de solo" (SN). Outros mostram uma resposta pequena a mudanças na densidade de biomassa no topo da escala VI, chamada de saturação de informação. Em geral, Vis são afetados por mudanças nos ângulos foliares de dossel e a mistura de folhas com caules. A pigmentação foliar também afeta os valores VI feitos da maioria dos lEAs VI.
Em algumas modalidades, o termo "calibração" ou "calibrado" refere-se geralmente a valores de índices numéricos que são consistentes a partir de imagem a imagem e de data a data em termos de, por exemplo, propriedades biofísicas. Uma série de métodos de calibração pode ser utilizada. Nas modalidades descritas acima, os métodos seguintes podem ser utilizados para calibrar, por exemplo, os valores de pixel VI: • Em um método, os valores RF de refletância calibrada (ou seja, válida) são utilizados como entrada. As entradas RF calibradas levam aos mesmos valores VI de saída (sejam esses 0,2 a 0,9, por exemplo, para ND-VI, para vegetação que tem variações normais de densidade, ou 0 a 100 para Vis produzidas utilizando outros métodos). A implicação é que utilizando entradas calibradas renderá saídas calibradas. Se os valores RFs de saídas são válidos, e como outras RFs que foram produzidas a partir de outras imagens ou em outras datas, então os Vis resultantes serão consistentes de lugar para lugar ou de data para data. Um grande problema com sensoriamento remoto é que é difícil, se não impossível, criar valores RF válidos especialmente com relação a RFs de nível de superfície (SFC). Os RFs do topo da atmosfera (TOA) são fáceis de ocorrer, mas diferem imensamente dos RFs SRF de maneiras que dependem de parâmetros atmosféricos não mensuráveis e de diferenças de irradiância entre sol direto atenuado e espalha-mento indireto do restante da atmosfera hemisférica. • Em outro método, dois ou mais valores VI são amarrados matematicamente a dois ou mais parâmetros biofísicos de interesse, tais como condições de densidade de vegetação, para criar um modelo matemático que converte os valores VI brutos em medições calibradas de parâmetros biofísicos de interesse. Historicamente, os instrumentos científicos e seus dados foram calibrados para valores-padrão utilizando dois ou mais pontos de ligação ao longo da escala numérica inicial. Por exemplo, uma maneira comum de calibrar um termômetro seria imergir o termômetro em um banho de água congelada (que tem uma temperatura conhecida de 0°C) e então em um banho de água fervendo (que tem uma temperatura conhecida de 100°C). Assumindo que as leituras brutas do termômetro são lineares entre esses dois pontos de temperatura conhecidos fornecem os meios de converter qualquer leitura bruta de termômetro em um valor de temperatura cali- brada. Esse tipo de calibração de dois pontos de um VI pode ser feito por, por exemplo, utilizando uma área de solo batido conhecida e o seu valor VI bruto como um ponto GBD zero e utilizando uma área de vegetação densa e o seu valor VI bruto como um ponto GBD 100, ou um valor GBD real que foi medido independentemente no campo concomitantemente com a coleta de imagem. • Em outro método de calibração, uma variação de DN de entrada bruto ou de valores de índice intermediário transformado é examinada de uma maneira univariada, e valores extremos são selecionados (por e-xemplo, os pontos cumulativos 0,1% e 99,9% como representando uma escala de saída definida). Em alguns casos, as distribuições univariadas podem ter valores extremos significativos com alguma atenção dada a valores ruidosos nessas extremidades extremas. • Ainda em um outro método, os valores de brilho espectrais o-riginais ou valores de refletância, na TOA ou na SFC, são convertidos para indicadores-padrão de brilho, matizes de verde, matizes de amarelo, umidade, e/ou qualquer outros indicadores adequados de modo que as variáveis transformadas resultantes podem ser calibradas a um dado conjunto de condições biofísicas em uma variável transformada. Os métodos de transformação incluídos nas modalidades descritas aqui facilitam o desempenho aperfeiçoado de um método de computador típico para a transformação de dados MS. • Em outro método de calibração, os valores de pixel VI estão ligados a condições biofísicas que podem não estar diretamente relacionados com o dado espectral. Tais condições biofísicas podem incluir, sem limitação, contas de base, distribuições de produtividade, e rotulagem de pixels que foram organizados em grupos de valores VI similares. Isso geralmente envolve análises de grupos supervisionados ou não supervisionados que encontram objetos de cenas que têm propriedades espectrais autoconsisten-tes, mas que não têm identificação dedutiva. A informação de terreno é então utilizada para identificar determinados grupos. Outros pixels que pertencem à mesma classe de grupos que são assumidos como sendo os mesmos como a classe indicada pela informação de terreno disponível. O agrupamento não requer indicadores de entrada absolutos na medida em que a regra de membros em um dado grupo é baseada em valores relativos. Então, cada grupo espacial é designado um significado biofísico por meio de um nome ou rótulo, tal como, "normal", "infestação de inseto", "tensão de nitrogênio" e "atingido por enchente". Na verdade, os Vis não lineares podem ainda ser agrupados em grupos que estão relacionados com similaridade a pixels vizinhos em um contexto matemático ou espacial.
Ademais, mais de um dos métodos acima podem ser utilizados simultaneamente e/ou consecutivamente. Os métodos de calibração acima são para fins ilustrativos e exemplificativos e deve ser entendido que os métodos de calibração devem ser selecionados de acordo com a situação real, e pode inclui outros métodos conhecidos na técnica e/ou combinações de vários métodos.
Os efeitos técnicos de métodos, sistemas e de mídia lidas por computador descritos aqui incluem pelo menos um de (a) receber três valores de números digitais (DN) de rastreio de imagem CIR não calibrado (DN-GL, DNRL e DNNA); (b) realizar uma transformação progressiva (PT) em três dimensões para criar três rastreios ortogonais intermediários temporários para brilho PT (PTB), matizes de verde PT (PTG), e nenhum deles PT (PTN); (c) isolar pixels de solo batido utilizando seleção automática de pixel; (d) gerar um rastreio de pigmentação (PGI) baseado no rastreio PTN; (e) gerar um rastreio de índice de vegetação ajustada de solo (GBI) baseada em uma combinação de rastreios PTB e PTG; (f) gerar um rastreio de brilho de solo (SBI) baseado no rastreio PTB; (g) armazenar os rastreios PGI, GBI e SBI em uma memória para facilitar a reutilização de cada rastreio para processar rastreios de entrada similares durante execuções subsequentes; e (h) exibir seletivamente o rastreio de imagem CIR original, o rastreio PGI, o rastreio GBI, e/ou o rastreio SBI. A figura 1 é um diagrama de bloco simplificado de um sistema exemplificativo 100 de acordo com uma modalidade para utilização na coleta e processamento de informações sobre agricultura. Na modalidade exempli- ficativa, o sistema 100 inclui um sistema de servidor 102, e uma pluralidade de subsistemas de clientes, também chamados de sistemas de clientes 104, conectados ao servidor de sistema 102. Em uma modalidade, os sistemas de clientes 104 são computadores incluindo um browser de web e/ou um aplicativo de software de cliente, de modo que o sistema de servidor 102 está acessível a sistemas de clientes 104 através de uma rede, tais como a Internet e/ou uma intranet. Os sistemas de clientes 104 estão interconectados à Internet através de muitas interfaces incluindo uma rede, tais como uma rede de área local (LAN), uma rede de área ampla (WAN), conexões dial-in, modems de cabo, modems sem fio, e/ou linhas de Rede Digital de Serviços Integrados especiais de alta velocidade (ISDN). Como descrito a-cima, os sistemas de clientes 104 podem ser qualquer dispositivo capaz de interconectar à Internet incluindo um computador, telefone baseado na web, um assistente digital pessoal (PDA) ou outros equipamentos conectáveis baseados na web. Um servidor de base de dados 106 é conectado a uma base de dados 108 contendo informações em uma variedade de assuntos, tais como informação sobre agricultura relacionada a uma ou mais áreas de interesse (AOIs). Em uma modalidade, a base de dados centralizada 108 é armazenada no sistema de servidor 102 e é acessada por potenciais usuários em um dos sistemas de clientes 104 pela inserção de login no sistema de servidor 102 através de um dos sistemas de clientes 104. Em uma modalidade alternativa, a base de dados 108 é armazenada remotamente a partir do sistema de servidor 102 e pode ser não centralizada.
Ademais, na modalidade exemplificativa, o sistema 100 inclui um ou mais sensores remotos 110. Cada sensor 110 colhe informações sobre um objeto ou área de interesse, enquanto o sensor 110 não está em contato físico direto com o objeto ou área. Em uma modalidade, o sensor 110 é uma câmera acoplada a um satélite ou a uma aeronave que órbita a terra. Em uma modalidade alternativa, o sensor 110 é um sensor eletromagnético que coleta informações sobre radiação eletromagnética refletida ou absorvida, por exemplo, em bandas espectrais únicas, em diversas bandas multiespectrais, em muitas bandas hiperespectrais, na região de luz visível, na região próxima de infravermelho, na região média de infravermelho, na região distante de infravermelho e/ou na região de micro-ondas. Em algumas modalidades, o sensor 110 é constrangido, por exemplo, pelo sistema servidor 102, para utilizar somente os ângulos descendentes predeterminados durante a coleta de dados e/ou para coletar dados durante períodos específicos do dia. Os períodos do dia durante os quais os dados devem ser coletados podem ser determinados, por exemplo, pelo dia do ano e/ou pela latitude da AOI. Mais especificamente, o sensor 110 é constrangido para somente coletar dados que não são afetados pela refletância bidirecional. Na modalidade exemplificativa, o sistema de servidor 102 acessa cada sensor 110 através de uma rede, tais como a Internet e/ou uma intranet. Em algumas modalidades, os sensores 110 são também acessíveis pelo sistema de cliente 104 através de uma rede, tais como a Internet e/ou uma intranet.
Como discutido abaixo, a informação sobre agricultura incluindo rastreios, rastreios de imagem, e/ou rastreiosde georeferência é armazenada dentro de sensores 110 e podem ser extraídas pelo sistema de servidor 102 para armazenamento dentro da base de dados 108. Ademais, a base de dados 108 pode incluir um carimbo de tempo para cada dado que foi inserido ou modificado dentro da base de dados 108. Como a base de dados 108 pode incluir dados extraídos a partir de sensores 110 múltiplos, cada dado armazenado dentro da base de dados 108 é marcado por um identificador tais como uma chave que corresponde a uma AOI que está relacionada ao dado relevante.
As modalidades ilustradas e descritas aqui bem como as modalidades não descritas aqui especificamente, mas dentro do escopo dos aspectos da invenção, constituem meios exemplificativos para gerar uma pluralidade de índices de agricultura, tais como um índice de brilho de solo (SBI), um índice de biomassa verde (GBI), e um índice de pigmentação (PGI), e mais particularmente, constituem meios exemplificativos para arquivar e analisar dados de agricultura obtidos por sensores 110 e armazenados na base de dados 108 como arquivos de rastreio de imagens. Por exemplo, o sistema de servidor 102 ou o sistema de cliente 104, ou qualquer outro dispositi- vo de computador similar, programado com instruções executáveis por computador ilustradas na figura 1 constituem meios exemplificativos para arquivar e analisar dados de agricultura obtidos por sensores 110 e armazenados na base de dados 108 como arquivos de rastreio de imagens. A figura 2 é um diagrama de bloco expandido de uma modalidade exemplificativa de uma arquitetura de sistema 200 do sistema 100 (mostrado na figura 1) de acordo com uma modalidade. Os componentes na arquitetura de sistema 200, idênticos aos componentes do sistema 100, são identificados na figura 2 utilizando os mesmos numerais de referência como utilizados na figura 1. O sistema 200 inclui sistema de servidor 102 e sistemas de cliente 104. O sistema de servidor 102 ainda inclui servidor de base de dados 106, um servidor de aplicação 202, um servidor de web 204, um servidor de fax 206, um servidor de diretório 208, e um servidor de mensagens 210. Uma unidade de armazenamento de disco 212 é acoplada ao servidor de base de dados 106 e ao servidor de diretório 208. Exemplos da unidade de armazenamento de disco 212 incluem, mas não estão limitados a, um dispositivo de Armazenamento Anexado de Rede (NAS) e um dispositivo de Rede de Área de Armazenamento (SAN). O servidor de base de dados 106 é também acoplado à base de dados 108. Os servidores 106, 202, 204, 206, 208 e 210 são acoplados em uma rede de área local (LAN) 214. Os sistemas de clientes 104 podem incluir uma estação de trabalho de administrador de sistema 216, uma estação de trabalho de usuário 218, e uma estação de trabalho de supervisor 220 acoplada ao LAN 214. Alternativamente, os sistemas de clientes 104 podem incluir estações de trabalho 216, 218, 220, 222 e 224 que são acopladas ao LAN 214 utilizando um link de Internet ou são conectados através de uma intranet.
Cada sistema de cliente 104, incluindo estações de trabalho 216, 218, 220, 222 e 224, é um computador pessoal que tem um browser de web e/ou um aplicativo de cliente. O sistema de servidor 102 é configurado para ser acoplado de forma comunicativa a sistemas de clientes 104 para permitir que um sistema de servidor 102 seja acessado utilizando uma conexão de Internet 226 provida por um Provedor de Serviço de Internet (ISP). A comu- nicação na modalidade exemplificativa é ilustrada como sendo desempenhada utilizando a Internet, porém, qualquer comunicação do tipo de rede de área ampla (WAN) adequada pode ser utilizada em modalidades alternativas, ou seja, os sistemas e processos não estão limitados para serem praticados utilizando a Internet. Além disso, a rede de área local 214 pode ser utilizada no lugar de WAN 228. Ademais, o servidor de fax 206 pode se comunicar com sistemas de clientes localizados remotamente 104 utilizando um link de telefone.
Ademais, na modalidade exemplificativa, o sistema de servidor 102 é acoplado de forma comunicativa a um ou mais sensores remotos 110 que adquirem dados, tais como dados de agricultura. O sistema de servidor 102 é configurado para ser acoplado de forma comunicativa a cada sensor 110 para permitir que o sistema de servidor 102 acesse cada sensor 110 utilizando a conexão de Internet 226. A comunicação na modalidade exemplificativa é ilustrada como sendo desempenhada utilizando a Internet, porém, qualquer comunicação do tipo rede de área ampla (WAN) adequada pode ser utilizada nas modalidades alternativas, ou seja, os sistemas e processos não estão limitados para serem praticados utilizando a Internet. Além disso, a rede de área local 214 pode ser utilizada no lugar do WAN 228. O sistema de servidor 102 é ainda configurado para extrair dados de cada sensor 110 que esteja especificado como uma origem de dados. O sistema de servidor 102 extrai os dados e armazena os dados dentro da base de dados 108. A figura 3 é um fluxograma 300 que ilustra um método exemplificativo para gerar uma pluralidade de arquivos de rastreio de índice de agricultura associados a uma área de interesse utilizando o sistema 200 (mostrado na figura 2). Na modalidade exemplificativa, um computador 302 recebe três arquivos de rastreio de imagens relacionado à AOI a partir de um dispositivo de sensoriamento remoto, tal como o sensor 110, via uma rede. Especificamente, o computador recebe somente três arquivos de rastreio de imagens relacionados com a AOI. Em algumas modalidades, o computador é o sistema de servidor 102. Em modalidades alternativas, o computador é o sistema de cliente 104. Na modalidade exemplificativa, o computador inclui uma memória e um processador acoplados via um barramento. O computador também inclui um dispositivo de entrada e um visor acoplados ao processador. Em uma modalidade, o computador recupera os arquivos de rastreio de imagens do sensor 110 pela, por exemplo, requisição de arquivos de rastreio de imagens do sensor 110. Alternativamente, o computador pode receber os arquivos de rastreio de imagens do sensor 110 e armazenar os arquivos de rastreio de imagens na memória. O computador pode então recuperar os arquivos de rastreio de imagens da memória. Na modalidade e-xemplificativa, o computador então recebe 304 uma pluralidade de pontos de controle espectrais (SCPs) de um usuário via o dispositivo de entrada, tais como um teclado ou um mouse. Especificamente, o computador recebe três SCPs do usuário. Em algumas modalidades, o computador armazena os SCPs na memória. Ademais, em algumas modalidades, o computador inclui um componente de recepção de dados que, quando executado pelo processador, faz com que o processador receba e/ou recupere os três arquivos de rastreio de imagens e/ou os três SCPs.
Na modalidade exemplificativa, o computador gera 306 dois arquivos de rastreio de índice de vegetação independente (VI) baseados nos três arquivos de rastreio de imagens e nos três SCPs. Especificamente, os dois arquivos de rastreio VI incluem um arquivo de rastreio de índice de pigmentação (PGI) e um arquivo de rastreio de índice de biomassa verde (GBI). O computador gera também 308 um arquivo de rastreio de índice de brilho de solo (SBI) baseado nos três arquivos de rastreio de imagens e nos três SCPs. O computador gera os arquivos de rastreio VI e o arquivo de rastreio SBI por, por exemplo, acessando os três arquivos de rastreio de imagens e os SCPs na memória, e pelo processamento dos arquivos de rastreio de i-magens os SCPs. Em algumas modalidades, o computador inclui um componente de índice que, quando executado pelo processador, faz com que o processador gere os arquivos de rastreio PGI, GBI e SBI.
Na modalidade exemplificativa, o computador então armazena 310 cada um dos arquivos de rastreio SBI, GBI e PGI na memória. Ademais, o computador seletivamente exibe 312, via o visor, um ou mais dos arquivos de rastreio PGI, GBI e SBI. Em algumas modalidades, o computador inclui um componente de armazenamento que, quando executado pelo processador, faz com que o processador armazene cada um dos arquivos de rastreio PGI, GBI e SBI na memória. Ademais, em algumas modalidades, o computador inclui um componente de visor que, quando executado pelo processador, faz com que o processador transmita seletivamente um ou mais dos arquivos de rastreio PGI, GBI e SBI para o visor. A figura 4 é um fluxograma expandido 400 ilustrando adicionalmente o método mostrado na figura 3. Na modalidade exemplificativa, e referindo à figura 2, o sistema de servidor 102 recebe três arquivos de rastreio de imagens de um ou mais sensores remotos 110. Especificamente, o sistema de servidor 102 recebe 402 os três arquivos de rastreio de imagens dos sensores 110 via uma rede, tais como a Internet e/ou a Conexão de Internet ISP 226. Na modalidade exemplificativa, os arquivos de rastreio de imagem são arquivos não calibrados e incluem um primeiro arquivo de rastreio de imagem relacionado com a banda espectral de luz verde (GL), um segundo arquivo de rastreio de imagem relacionado com a banda espectral de luz vermelha (RL), e um terceiro arquivo de rastreio de imagem relacionado com a banda espectral (NA) banda A, próxima de infravermelho. Como tal, os três arquivos de rastreio de imagens são ortogonais uns aos outros em um espaço matemático tridimensional. Recebendo somente os três arquivos de rastreio de imagens acima facilita arquivos de rastreio de saída mais consistentes de imagem para imagem e de data para data. Ademais, cada arquivo de rastreio de imagem é um arquivo de rastreio georeferencia-do e, como tal, inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapas associado com cada valor de pixel. Ademais, na modalidade exemplificativa, nenhum dos três arquivos de rastreio de imagens necessariamente inclui informações de fator de refletância. Em algumas modalidades, o sistema de servidor 102 recupera os três arquivos de rastreio de imagens dos sensores 110. Na modalidade exemplificativa, o sistema de servidor 102 armazena 404 os três arquivos de rastreio de imagens em uma memória e/ou em uma base de dados 108. Em uma modalidade, o sistema de cliente 104 recebe os três arquivos de rastreio de imagens do sensor 110 ao invés do sistema de servidor 102. Em uma dita modalidade, o sistema de cliente 104 transmite os arquivos de rastreio de imagens para o sistema de servidor 102 para armazenamento na base de dados 108. Alternativamente, o sistema de cliente 104 pode armazenar os arquivos de rastreio de imagens localmente em uma memória.
Na modalidade exemplificativa, o sistema de servidor 102 então recebe 406 um conjunto de três pontos de controle espectral (SCPs) via uma entrada de usuário. Especificamente, um usuário insere uma localização de cada um dos três SCPs. Na modalidade exemplificativa, os SCPs incluem, na seguinte ordem, um SCP de solo batido escuro, um SCP de solo batido mais claro, e um SCP de vegetação verde de referência. As localizações podem ser inseridas via o sistema de cliente 104, e transmitida para o sistema de servidor 102 via uma rede, tal como a Internet. Alternativamente, as localizações podem ser inseridas diretamente no sistema de servidor 102. O sistema de servidor 102 armazena 408 cada SCP em uma memória e/ou base de dados 108. Na modalidade exemplificativa, os SCPs são somente inseridos manualmente. Em outras modalidades, o sistema de servidor 102 pode receber mais do que três SCPs ou menos do que três SCPs. O sistema de servidor 102 então muda a origem do espaço matemático tridimensional original definido pelos três arquivos de rastreio de imagens. Especificamente, o sistema de servidor 102 muda a origem de uma primeira origem para uma segunda origem que é definida pelos três arquivos de rastreio de imagens e pelo SCP de solo batido escuro. Essa mudança de pré-rotação facilita a redução dos efeitos de refletâncias de caminhos variáveis que ocorrem de cena a cena, ou seja, de um primeiro conjunto de dados relacionados à AOI em uma primeira vez para um segundo conjunto de dados relacionados à AOI em uma segunda vez. Ditas refletâncias de caminhos variáveis são causadas por variações na neblina atmosférica e/ou em ângulos de iluminação solar. Ademais, em geral uma linha de solos batidos (LBS) passa através de um ponto no espaço tridimensional que está assoei- ado com um ou mais solos batidos, tal como um solo batido escuro. Identificação de um segundo ponto de solo batido conhecido, tal como o SCP de solo batido mais brilhante, facilita gerar um vetor de unidade no espaço matemático tridimensional original que define o LBS como ele realmente existe na cena sendo processada.
Na modalidade exemplificativa, o sistema de servidor 102 gera três arquivos de rastreio intermediários de escala aberta baseados nos três arquivos de rastreio de imagem e nos três SCPs utilizando um algoritmo (PT) de transformação progressiva. Um primeiro arquivo de rastreio intermediário é relacionado com brilho, e é doravante chamado como um arquivo de rastreio de brilho PT (PTB). Um segundo arquivo de rastreio intermediário é relacionado com matiz de verde, e é doravante chamado como um arquivo de rastreio de matiz verde PT (PTG). Um terceiro arquivo de rastreio intermediário é relacionado com propriedades biofísicas além do brilho ou matiz de verde, e é doravante chamado como não dito PT (PTN). O algoritmo PT inclui utilizar coeficientes de PT que pode ser feita uma transformação rota-cional por vez em qualquer número de aspectos de entrada para qualquer número de saídas de arquivos de rastreio PT. Por exemplo, empregando o algoritmo PT em um conjunto de três bandas como descrito aqui resulta em três rastreios PT intermediários. Cada arquivo de rastreio intermediário é um arquivo de rastreio georeferenciado e, como tal, inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapas associados com cada valor de pixel. Na modalidade exemplificativa, as coordenadas de mapas de arquivos de rastreio intermediários combinam com aqueles incluídos nos arquivos de rastreio de imagem recebido pelo sistema de servidor 102. Ademais, na modalidade exemplificativa, os arquivos de rastreio intermediários são calibrados. Calibrar os arquivos de rastreio intermediários permite gerar, por exemplo, um arquivo de rastreio PTG com a mais densa vegetação herbácea verde em uma dada cena, que tem valores de pixel que estão relacionados a uma saída VI que está em ou perto de um valor mais alto de uma escala de saída VI.
Assim sendo, na modalidade exemplificativa, o sistema de servi- dor 102 gera 410 o arquivo de rastreio PTN e armazena o arquivo de rastreio PTN em uma memória e/ou base de dados 108. Especificamente, os valores de pixel que representam um objeto- chave biofísico, solo batido, com as suas várias condições de brilho, são definidos a zero para o arquivo de rastreio PTN. Tipos primários de materiais de cobertura de terra que tem um valor positivo no arquivo de rastreio PTN incluem várias densidades de resíduos e algumas vegetações de cenário. Alguns materiais em uma cena de imagem têm valores PTN menores do que zero, tais como água aberta, materiais de rodovias, telhados, e alguns tipos de vegetação. O sistema de servidor 102 acessa o arquivo de rastreio de imagem armazenado e os dados SCP e gera 412 um primeiro arquivo de rastreio de índice de vegetação (VI) baseado no arquivo de rastreio PTN. Especificamente, o sistema de servidor 102 acessa o arquivo de rastreio PTN armazenado e gera um arquivo de rastreio de índice de pigmentação (PGI) baseado no arquivo de rastreio PTN pelo redimensionamento dos valores de pixel PTN brutos nos valores de pixel PGI baseados nos valores de pixel PTN que são maiores do que zero. Esses valores de pixel PTN positivos se referem à densidade de resíduo na paisagem. Após determinar o valor positivo mais alto baseado na distribuição no arquivo de rastreio PTN, o valor de pixel mais alto efetivamente é designado para um valor PGI de 50. No lado negativo da escala PTN, a escala PGI é definida em 1/1,3 do lado mais alto para valores PGI maiores do que 100. A escala 1/1,3 permite que tipos de cobertura de terra permaneçam em escala para valores de pixel entre 100 e 254. O arquivo de rastreio PGI indica quantas propriedades espectrais em um dado pixel se afasta das propriedades espectrais de uma mistura simples de solo batido de fundo com um tipo de vegetação verde típico estando no primeiro plano. Esses pixels de mistura simples são denotados por valores PTN perto de zero e são designados um valor PGI de 100. Existem dois tipos de desvios em pigmentação. Uma primeira variação causa uma mudança espectral mais azulada, por exemplo, desvios causados por água aberta profunda, superfícies de rodovias, telhados, e/ou vegetação muito viçosa. Uma segunda variação causa uma mudança espectral mais amarelada devido, por exemplo, à vegetação de resíduo e/ou envelhecida. A primeira variação é indicada pelos valores de pixel PGI maiores do que 100 (até 254). A segunda variação é indicada pelos valores de pixel PGI menores do que 100 (até 1).
Seguindo a geração de arquivo de rastreio PGI, o sistema de servidor 102 gera 414 o arquivo de rastreio PTB, gera 416 o arquivo de rastreio PTG, e armazena o PTB e os arquivos de rastreio PTG em uma memória e/ou base de dados 108. Ademais, o sistema de servidor 102 determina um valor de pixel mais baixo baseado na distribuição no arquivo de rastreio PTG e, no outro lado da escala PTG, a escala é definida para 1/1,3 no lado mais baixo.
Na modalidade exemplificativa, o sistema de servidor 102 então corrige 418 os arquivos de rastreio PTN e PTG por ruído de brilho (BN). Especificamente, o sistema de servidor 102 acessa e processa os arquivos de rastreio PTN e PTG utilizando uma fórmula do tipo de proporção. Os arquivos de rastreio PTN e PTG corrigidos podem então ser salvos em uma memória e/ou base de dados 108. Ademais, na modalidade exemplificativa, o sistema de servidor 102 determina 420 um fator de correção de ruído de solo (SN) e emprega o fator de correção SN aos arquivos de rastreio PTN e PTG. O sistema de servidor 102 então gera 422 um segundo arquivo de rastreio VI baseado nos arquivos de rastreio PTB e PTG. Especificamente, o sistema de servidor 102 gera um arquivo de rastreio de índice de biomassa verde (GBI) acessando os arquivos de rastreio PTB e PTG armazenados em uma memória ou em base de dados 108, e determinando uma pluralidade de valores de pixel GBI brutos. O sistema de servidor 102 então calibra os valores de pixel GBI brutos empregando um fator de dimensionamento para os valores de pixel GBI brutos para determinar os valores de pixel GBI finais. Os valores de pixel GBI finais formam o arquivo de rastreio GBI. Os valores de pixel de rastreio GBI indicam quanta densidade de biomassa verde está presente na cena atual. O solo batido é representado por um valor de 100. Às áreas de vegetação são designados valores de pixel GBI maiores do que 100, até aproximadamente 200 para vegetação herbá- cea planófila muito densa. A outros materiais de superfície de terra são designados valores de pixel GBI em uma escala linear entre e além de 100 e 200 de acordo com uma escala numérica que corre de 1 a 255. Às áreas na cena atual que não são nem solo nem vegetação são designados valores de pixel GBI menores do que 100, até 1. Um valor de pixel GBI de 0 é utilizado para marcar células nulas, onde há lugares em que as imagens estão faltando ou foram mascaradas. Enquanto se gera o arquivo de rastreio GBI, o sistema de servidor 102 pode armazenar o fator de dimensionamento e/ou os valores de pixel GBI brutos em uma memória e/ou base de dados 108.
Na modalidade exemplificativa, o sistema de servidor 102 então gera um arquivo de rastreio de índice de brilho de solo (SBI) baseado no arquivo de rastreio PTB intermediário e nos três SCPs. Especificamente, o sistema de servidor 102 calibra os valores de pixel PTB nos valores de pixel SBI de saída definindo o valor de pixel PTB mais escuro na 1a e na 99a porcentagem do valor de pixel PTB para 200. O arquivo de rastreio PTB calibrado é então utilizado para gerar o arquivo de rastreio SBI. Os valores de pixel SBI representam um brilho de peso médio de todas as três bandas espectrais de cor infravermelha (CIR), e é exibida similar a uma imagem pan-cromática. Como o arquivo de rastreio SBI representa o brilho de solos batidos com alguma vegetação esparsa estando presente, os pixels que têm valores de pixel PGI de não referência e valores de matizes de verde positivos são excluídos a fim de evitar pixels dominados por resíduos e de vegetação densa que são mais brilhantes do que solos batidos. Quando se gera o arquivo de rastreio SBI, o sistema de servidor 102 pode armazenar o valor de compensação SBI e/ou o arquivo de rastreio PTB calibrado em uma memória e/ou base de dados 108.
Deve ser notado que, em algumas modalidades, o sistema de servidor 102 recebe arquivos de rastreio de imagem de sensores 110 para qualquer uma das três bandas espectrais disponíveis. Nas ditas modalidades, quando se gera os arquivos de rastreio PGI, GBI e/ou SBI, o sistema de servidor 102 adapta um conjunto de coeficientes não fixos baseados nas três bandas espectrais que são utilizadas.
Na modalidade exemplificativa, o sistema de servidor 102 armazena 426 os arquivos de rastreio PGI, GBI e SBI em uma memória e/ou base de dados 108. Ademais, o sistema de servidor 102 e/ou o sistema de cliente 104 então exibe seletivamente 428 os arquivos de rastreio de imagens recebidos originalmente, o arquivo de rastreio PGI, o arquivo de rastreio GBI, e/ou o arquivo de rastreio SBI utilizando um dispositivo de exibição. Em algumas modalidades, o sistema de servidor 102 acessa um dos arquivos selecionados de rastreio PGI, GBI e SBI armazenados em uma memória e/ou base de dados 108, e transmite o arquivo de rastreio selecionado para o sistema de cliente 104 para exibição. A figura 5 é uma imagem de cor infravermelha (CIR) 500 que inclui os três arquivos de rastreio de imagens recebidos e processados pelo sistema de servidor 102. As figuras 6 a 8 são imagens exemplificativas que foram processadas utilizando o sistema 200. Especificamente, a figura 6 é uma imagem de solo ajustada no brilho 600 produzida pela exibição do arquivo de rastreio SBI; a figura 7 é uma imagem de solo de ruído suprimido 700 produzida pela exibição do arquivo de rastreio GBI; e a figura 8 é uma imagem ajustada na pigmentação 800 pela exibição do arquivo de rastreio PGI. Cada imagem 500 a 800 inclui uma parte de seleção 502, 602, 702, e 802 que permite a um usuário selecionar o arquivo de rastreio para exibição. Por exemplo, pela seleção do arquivo de rastreio CIR 504, o usuário pode exibir a imagem CIR bruta recebida pelo sistema de servidor 102 do sensor 110. Como mostrado na figura 6, pela seleção do arquivo de rastreio SBI 604, o usuário pode exibir o arquivo de rastreio SBI gerado pelo sistema de servidor 102 como descrito acima. Similarmente, como mostrado na figura 7, pela seleção do arquivo de rastreio GBI 704, o usuário pode exibir o arquivo de rastreio GBI gerado pelo sistema de servidor 102, ou como mostrado na figura 8, pela seleção do arquivo de rastreio PGI 804, o usuário pode exibir o arquivo de rastreio PGI gerado pelo sistema de servidor 102. As imagens 600 a 800 são mostradas utilizando um conjunto de tons de cinza relacionados com a escala numérica. A figura 5 ilustra que os padrões de solos mais escuros 506 e solos mais brilhantes 508 podem aparecer na AOI. Ditos padrões podem ser fontes de ruído de solo. A figura 6 ilustra que o arquivo de rastreio SBI captura os padrões de brilho na AOI, como mostrado por uma chave de brilho 606. Ademais, a figura 7 ilustra que o arquivo de rastreio GBI suprime o ruído de solo mostrado na imagem 500, resultando em um mapeamento de limpeza de padrões espaciais de variações de densidade de biomassa verde, como mostrado por uma chave de brilho de solo 706. A escala de valores GBI de 100 a 200 rastreia o completo alcance de densidade de biomassa verde típica presente na AOI, com o chão batido que tem um valor de GBI de aproximadamente 100 e vegetação verde herbácea muito densa que tem um valor de GBI de aproximadamente 200. Em algumas modalidades, e devido às variações espectrais normais entre diferentes tipos de solos, o valor de GBI para chãos batidos irá variar por algumas poucas unidades do valor nominal de 100. Ademais, em algumas modalidades, e devido à estrutura dossel e a variações de ângulo de folha, a vegetação herbácea densa terá uma escala de valores GBI entre 180 a 200. Na modalidade exemplificativa, os tipos de cobertura de terra de não solo e não coberta com vegetação terão os valores GBI entre 1 e aproximadamente 95. Ademais, a figura 8 ilustra que o arquivo de rastreio PGI facilita a exibição dos padrões úteis de valores de pigmentação em que o resíduo de terra é denso, como mostrado por uma chave de pigmentação 806. Ademais, o arquivo de rastreio PGI facilita o mapeamento de áreas de não solo, não cobertas com vegetação, água aberta, telhados e similares. Em algumas modalidades, as imagens 500, 600, 700 e/ou 800 são exibidas utilizando uma escala de cinza de modo que os valores de pixel de cada arquivo de rastreio corresponde a um tom de cinza predeterminado. Em uma modalidade alternativa, as imagens 500, 600, 700 e/ou 800 são exibidas utilizando cores de modo que os valores de pixel de cada arquivo de rastreio correspondem a uma cor predeterminada.
As modalidades exemplificativas de sistemas, métodos e mídia de armazenamento lidas por computador para gerar produtos de informações sobre agricultura são descritos acima em detalhes. Os sistemas, métodos e mídia de armazenamento não estão limitados às modalidades especí- ficas descritas aqui, mas, ao invés disso, os passos dos métodos e/ou dos componentes do sistema e/ou do aparelho podem ser utilizados independente e separadamente dos outros passos e/ou componentes descritos aqui. Ademais, os passos e/ou componentes descritos podem também ser definidos em, ou utilizados combinados com, outros sistemas, métodos e/ou aparelhos, e não estão limitados para prática somente com os sistemas, métodos e mídia de armazenamento como descrito aqui.
Um dispositivo de computador ou computador tal como descrito aqui tem um ou mais processadores ou unidades de processamento e um sistema de memória. O computador tem tipicamente pelo menos alguma forma de mídia lida por computador. Por meio de exemplo e não limitativa, as mídias lidas por computador incluem mídia de armazenamento de computador e mídia de comunicação. A mídia de armazenamento de computador inclui mídia volátil e não volátil, removível e não removível, implementada em qualquer método ou tecnologia para armazenamento de informações tais como instruções lidas por computador, estruturas de dados, módulos de programas, ou outros dados. A mídia de comunicação incorpora tipicamente instruções lidas por computador, estruturas de dados, módulos de programas, ou outros dados em um sinal de dados modulado tal como uma onda portadora ou outro mecanismo de transporte e inclui qualquer mídia de entrega de informação. Aqueles versados na técnica estão familiarizados com o sinal de dados modulado, que tem uma ou mais das características definidas ou mudadas de tal maneira a codificar informação no sinal. As combinações de qualquer um dos acima estão também incluídas dentro do escopo da mídia lida por computador.
Apesar de descrito em relação com um ambiente de sistema de computação exemplificativo, as modalidades de invenção são operacionais com vários outros ambientes ou configurações de sistemas de computação com finalidades gerais ou com finalidades especiais. O ambiente do sistema de computação não é pretendido sugerir qualquer limitação em relação ao escopo de utilização ou de funcionalidade de qualquer aspecto da invenção. Ademais, o ambiente do sistema de computação não deve ser interpretado como tendo qualquer dependência ou exigência relacionada com qualquer um ou combinações dos componentes ilustrados no ambiente de operação exemplificativo. Os exemplos de sistemas, ambiente e/ou configurações de computação bastante conhecidos que podem ser adequados para utilização com aspectos da invenção incluem, mas não são limitados a, computadores pessoais, computadores de servidor, dispositivos de computador de mão ou laptops, sistemas de multiprocessador, sistemas baseados em microprocessadores, conversor digital - analógico (set top boxes),, eletrônicos de consumidores programáveis, telefones móveis, PCs de rede, minicomputadores, computadores centrais (mainframes), ambientes de computação distribuídos que incluem qualquer um dos sistemas ou dispositivos acima, e similares.
As modalidades da invenção podem ser descritas no contexto geral de instruções executáveis por computador, tais como componentes ou módulos de programas, executados por um ou mais computadores ou por outros dispositivos. Os aspectos da invenção podem ser implementados com qualquer número e organização de componentes ou de módulos. Por exemplo, os aspectos da invenção não estão limitados às instruções específicas ou aos componentes ou módulos específicos executáveis por computador ilustrados nas figuras e descritos aqui. As modalidades alternativas da invenção podem inclui diferentes instruções ou componentes executáveis por computador que têm mais ou menos funcionalidades do que ilustrado e descrito aqui. A ordem de execução ou de desempenho das operações nas modalidades da invenção ilustrada e descrita aqui não é essencial, salvo se especificada em contrário. Isto é, as operações podem ser desempenhadas em qualquer ordem, salvo se especificadas em contrário, e as modalidades da invenção podem incluir operações adicionais ou menos operações do que aquelas descritas aqui. Por exemplo, é contemplado que executar ou desempenhar uma operação particular antes, concomitantemente a, ou após outra operação está dentro do escopo dos aspectos da invenção.
Em algumas modalidades, um processador inclui qualquer sistema programável incluindo sistemas e microcontroladores, circuitos defini- dos de instrução reduzida (RISC), circuitos integrados específicos de aplicação (ASIC), circuitos de lógica programável (PLC), e qualquer outro circuito ou processador capaz de executar as funções descritas aqui. Os exemplos acima são exemplificativos somente, e então não são pretendidos para limitar de qualquer maneira a definição e/ou o significado do termo processador.
Em algumas modalidades, uma base de dados inclui qualquer coleção de dados incluindo bases de dados hierárquicas, bases de dados relacionais, bases de dados de arquivo plano, bases de dados de relação com o objeto, bases de dados orientadas por objeto, e qualquer outra coleção de estruturas de gravações ou de dados que é armazenada em um sistema de computador. Os exemplos acima são exemplificativos somente, e então não são pretendidos para limitar de qualquer maneira a definição e/ou o significado do termo base de dados. Os exemplos de bases de dados incluem, mas não estão limitados a, base de dados Oracle®, MySQL, IBM® DB2, Microsoft® SQL Server, Sybase® e PostgreSQL. No entanto, qualquer base de dados pode ser utilizada que permita os sistemas e métodos descritos aqui. (Oracle é uma marca registrada de Oracle Corporation, Redwood Shores, Califórnia; IBM é uma marca registrada de International Business Machines Corporation, Armonk, Nova Iorque; Microsoft é uma marca registrada de Microsoft Corporation, Redmond, Washington; e Sybase é uma marca registrada de Sybase, Dublin, Califórnia).
Quando se introduz elementos de aspectos da invenção ou modalidades desses, os artigos "um", "uma", "o", "a" e "dito(a)" são pretendidos para significar que existe um ou mais dos elementos. Os termos "compreendendo", "incluindo" e "que tem" são pretendidos para serem inclusivos e significam que pode haver elementos adicionais além dos elementos listados. A descrição escrita utiliza exemplos para descrever a invenção, incluindo o melhor modo, e também permite que qualquer pessoa versada na técnica pratique a invenção, incluindo fazer e utilizar quaisquer dispositivos ou sistemas e desempenhar quaisquer métodos incorporados. O escopo patenteável da invenção está definido pelas reivindicações, e podem incluir outros exemplos que podem ocorrer para as pessoas versadas na técnica.
Ditos outros exemplos são pretendidos para estarem dentro do escopo das reivindicações se eles tiverem elementos estruturais que não diferem da linguagem literal das reivindicações, ou se eles incluem elementos estruturais equivalentes com diferenças não substanciais da linguagem literal das reivindicações.
REIVINDICAÇÕES

Claims (53)

1. Método para gerar arquivos de rastreio de índice associados com uma área de interesse (AOI) usando um computador acoplado a um dispositivo de detecção remoto através de uma rede, em que o computador inclui um dispositivo de entrada, um monitor, e uma memória, o método sendo caracterizado pelo fato de que compreende as etapas de: receber, através do computador, somente três arquivos de ras-treio de imagem referente à área de interesse (AOI) a partir do dispositivo de detecção remoto; receber pelo menos um conjunto de três pontos de controle espectral (SCP) pelo dispositivo de entrada; gerar, através do computador, pelo menos dois arquivos de ras-treio de índice de vegetação independentes (VI) com base em arquivos de rastreio de imagem e pelo menos um conjunto de três pontos de controle espectral (SCP); gerar, através do computador, um arquivo de rastreio de índice de luminosidade de solo (SBI) com base nos arquivos de rastreio de imagem e pelo menos um ponto de controle espectral (SCP); armazenar cada um dos arquivos de rastreio de índice de luminosidade de solo (SBI) e pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) na memória; e exibir, seletivamente, através do monitor, pelo menos um do arquivo de rastreio de índice de luminosidade de solo (SBI) e pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI).
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que receber somente três arquivos de rastreio de imagem compreende receber um arquivo de rastreio de imagem não calibrado para cada um dentre uma banda espectral de luz verde, uma banda espectral de luz vermelha, e uma banda espectral próxima ao infravermelho, em que cada arquivo de rastreio de imagem inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapa associadas com cada valor de pixel.
3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que receber somente três arquivos de rastreio de imagem compreende receber três arquivos de rastreio de imagem para cada uma das três bandas espectrais disponíveis, e em que gerar pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) e gerar um arquivo de rastreio de índice de luminosidade de solo (SBI) compreende cada uma adaptar um conjunto de coeficientes não fixos para uso no cálculo de uma pluralidade de valores de pixel para cada um de pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) e para o arquivo de rastreio de índice de luminosidade de solo (SBI).
4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os três arquivos de rastreio de imagem recebidos pelo computador compreendem a ausência de informação de fator de refletância.
5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que receber pelo menos um conjunto de três pontos de controle espectral (SCP) compreende receber, a partir do usuário, uma designação relacionada a coordenada de mapa para cada um de um ponto de controle espectral (SCP) de solo escuro desprotegido, ponto de controle espectral (SCP) de solo luminoso desprotegido, e um ponto de controle espectral (SCP) de vegetação verde de referência.
6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o conjunto de três pontos de controle espectral (SCP) é a única entrada manual recebida pelo computador.
7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda gerar pelo menos um arquivo de rastreio intermediário com base nos arquivos de rastreio de imagem e em pelo menos um conjunto de três pontos de controle espectral (SCP) designado.
8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que o arquivo de rastreio intermediário inclui um primeiro arquivo de rastreio intermediário referente à luminosidade, um segundo arquivo de ras-treio intermediário referente à verdura, e um terceiro arquivo de rastreio intermediário referente a propriedades biofísicas diferentes da luminosidade e da verdura, e em que cada arquivo intermediário inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapa associadas com cada valor de pixel.
9. Método, de acordo com a reivindicação 8, caracterizado pelo fato de que gerar pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) compreende gerar um arquivo de rastreio de índice de pigmentação (PGI) com base no terceiro arquivo de rastreio intermediário.
10. Método, de acordo com a reivindicação 9, caracterizado pelo fato de que gerar um arquivo de rastreio de índice de pigmentação (PGI) compreende calibrar uma pluralidade de pixels não processados do terceiro arquivo de rastreio intermediário com base em pelo menos uma porção da pluralidade de pixels tendo valores positivos.
11. Método, de acordo com a reivindicação 9, caracterizado pelo fato de que gerar pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) compreende ainda gerar um arquivo de rastreio de índice de biomassa verde (GBI) com base nos primeiro e segundo arquivos de rastreio intermediários.
12. Método, de acordo com a reivindicação 11, caracterizado pelo fato de que gerar um arquivo de rastreio de índice de biomassa verde (GBI) compreende: determinar uma pluralidade de valores de pixel de rastreio de índice de biomassa verde (GBI) não-processados; e calibrar os valores de pixel de rastreio de índice de biomassa verde (GBI) não processados pela aplicação de um fator de escala aos valores de pixel de rastreio de índice de biomassa verde (GBI) não processados.
13. Método, de acordo com a reivindicação 8, caracterizado pelo fato de que gerar um arquivo de rastreio de índice de luminosidade do solo (SBI) compreende: calibrar o primeiro arquivo de rastreio intermediário conforme um grau de luminosidade de cada um da pluralidade de valores de pixel do primeiro arquivo de rastreio intermediário; e gerar o arquivo de rastreio de índice de luminosidade do solo (SBI) com base no primeiro arquivo de rastreio intermediário calibrado e pelo menos um conjunto de três pontos de controle espectral (SCP).
14. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que pelo menos um dos arquivos de rastreio de índice de luminosidade do solo (SBI) e os pelo menos dois arquivos de rastreio índice de vegetação independentes (VI) são exibidos em cores.
15. Sistema de informação configurado para gerar arquivos de rastreio de índice associado com uma área de interesse (AOI), o sistema de informação sendo caracterizado pelo fato de que compreende: um sistema de computador que compreende uma memória e um processador acoplado à memória, em que o sistema de computador é configurado para: recuperar três arquivos de rastreio de imagem relativos à área de interesse (AOI) a partir de um dispositivo de detecção remoto, em que cada arquivo de rastreio de imagem inclui uma pluralidade de pixels e um conjunto de coordenadas de mapa associadas com cada pixel; receber pelo menos um conjunto de pontos de controle espectral (SCP) via entrada de usuário; gerar pelo menos dois arquivos de rastreio de índice de vegetação (VI) e índice de luminosidade do solo (SBI) com base nos arquivos de rastreio de imagem e pelo menos um conjunto de pontos de controle espectral (SCP); armazenar cada um dos arquivos de rastreio de índice de luminosidade de solo (SBI) e os pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) na memória; e exibir seletivamente pelo menos um dos arquivos de rastreio de índice de luminosidade de solo (SBI) e pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI).
16. Sistema de informação, de acordo com a reivindicação 15, caracterizado pelo fato de que os arquivos de rastreio de imagem recebidos pelo sistema de computador incluem um arquivo de rastreio de imagem não calibrado para cada uma da banda espectral de luz verde, uma banda es- pectral de luz vermelha, e uma banda espectral próxima ao infravermelho.
17. Sistema de informação, de acordo com a reivindicação 15, caracterizado pelo fato de que o sistema de computador é ainda configurado para restringir dados coletados pelo dispositivo de detecção remoto para reduzir refletância bidirecional nos arquivos de rastreio de imagem.
18. Sistema de informação, de acordo com a reivindicação 15, caracterizado pelo fato de que os arquivos de rastreio de imagem recebidos pelo sistema de computador incluem arquivos de rastreio associados a qualquer das três bandas espectrais disponíveis, e em que o sistema de computador é configurado para gerar pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) e o arquivo de rastreio de índice de luminosidade de solo (SBI) pela adaptação de um conjunto de coeficientes não fixos para uso no cálculo de uma pluralidade de valores de pixel para pelo menos cada um dos dois arquivos de rastreio de índice de vegetação independentes (VI) e o arquivo de rastreio de índice de luminosidade de solo (SBI).
19. Sistema de informação, de acordo com a reivindicação 15, caracterizado pelo fato de que os três arquivos de rastreio de imagem recebidos pelo sistema de computador compreendem a ausência de informação de fator de refletância.
20. Sistema de informação, de acordo com a reivindicação 15, caracterizado pelo fato de que o pelo menos um conjunto de três pontos de controle espectral (SCP) inclui um ponto de controle espectral (SCP) de solo escuro desprotegido, um ponto de controle espectral (SCP) de solo luminoso desprotegido, e um ponto de controle espectral (SCP) de vegetação verde de referência.
21. Sistema de informação, de acordo com a reivindicação 15, caracterizado pelo fato de que em que o conjunto de três pontos de controle espectral (SCP) é a única entrada manual recebida pelo sistema de computador.
22. Sistema de informação, de acordo com a reivindicação 15, caracterizado pelo fato de que o sistema de computador é ainda configurado para gerar pelo menos um arquivo de rastreio intermediário com base nos arquivos de rastreio de imagem recebidos e na designação de pelo menos um conjunto de três pontos de controle espectral (SCP).
23. Sistema de informação, de acordo com a reivindicação 22, caracterizado pelo fato de que pelo menos um arquivo de rastreio intermediário inclui um primeiro arquivo de rastreio intermediário relativo à luminosidade, um segundo arquivo de rastreio intermediário relativo à verdura, e um terceiro arquivo de rastreio intermediário relativo a outras propriedades biofísicas que não luminosidade e verdura, e em que cada arquivo de rastreio intermediário inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapa associadas a cada valor de pixel.
24. Sistema de informação, de acordo com a reivindicação 23, caracterizado pelo fato de que pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) incluem um arquivo de rastreio de índice de pigmentação (PGI), e em que o sistema de computador é ainda configurado para gerar o arquivo de rastreio de índice de pigmentação (PGI) com base no terceiro arquivo de rastreio intermediário.
25. Sistema de informação, de acordo com a reivindicação 24, caracterizado pelo fato de que o sistema de computador é ainda configurado para calibrar uma pluralidade de pixels não processados do terceiro arquivo de rastreio intermediário com base em pelo menos uma porção de uma pluralidade de pixels não processados sendo valores positivos.
26. Sistema de informação, de acordo com a reivindicação 24, caracterizado pelo fato de que os pelo menos dois arquivos de rastreio índice de vegetação independentes (VI) incluem um arquivo de rastreio de índice de biomassa verde (GBI), e em que o sistema de computador é ainda configurado para gerar um arquivo de rastreio índice de biomassa verde (GBI) com base nos primeiro e segundo arquivos de rastreio intermediários.
27. Sistema de informação, de acordo com a reivindicação 26, caracterizado pelo fato de que o sistema de computador é ainda configurado para gerar um arquivo de rastreio de índice de biomassa verde (GBI) pela: determinação de uma pluralidade de valores de pixel de rastreio de índice de biomassa verde (GBI) não processados; e calibração dos valores de pixel de rastreio de índice de biomas- sa verde (GBI) não processados pela aplicação de um fator de escala para os valores de pixel de rastreio de índice de biomassa verde (GBI) não processados.
28. Sistema de informação, de acordo com a reivindicação 23, caracterizado pelo fato de que o sistema de computador é ainda configurado para gerar um arquivo de rastreio de índice de luminosidade do solo (SBI) pela: calibração do primeiro arquivo de rastreio intermediário de acordo com um grau de luminosidade de cada uma das pluralidades dos valores de pixel do primeiro arquivo de rastreio intermediário; e geração do arquivo de rastreio de índice de luminosidade do solo (SBI) com base no primeiro arquivo de rastreio intermediário calibrado e pelo menos um conjunto de três pontos de controle espectral (SCP).
29. Meios de armazenamento legíveis por computador, um ou mais, caracterizado pelo fato de que tem componentes executáveis por computador para gerar arquivos de rastreio de índice associados a uma área de interesse (AOI), os componentes compreendendo: um componente de recepção de dados que quando executado por pelo menos um processador faz com que o processador receba uma pluralidade de pontos de controle espectral (SCP) de um usuário, e uma pluralidade de arquivos de rastreio de imagem não calibrados relativos à área de interesse (AOI) a partir de um dispositivo de detecção remoto; um componente de índice que quando executado por pelo menos um processador faz com que o processador gere pelo menos dois arquivos de rastreio de índice de vegetação (VI) e um arquivo de rastreio de índice de luminosidade do solo (SBI) com base na pluralidade de arquivos de rastreio de imagem não calibrados e na pluralidade de pontos de controle espectral (SCP); um componente de armazenamento que quando executado por pelo menos um processador faz com que o processador armazene cada um dos arquivos de rastreio de índice de vegetação (VI) e o arquivo de rastreio de índice de luminosidade do solo (SBI) em uma memória; e um componente de exibição que quando executado por pelo menos um processador faz com que o processador transmita seletivamente pelo menos um dos arquivos de rastreio de índice de luminosidade do solo (SBI) e os pelo menos dois arquivos de rastreio de índice de vegetação (VI) para um dispositivo de exibição.
30. Meio de armazenamento legível por computador, de acordo com a reivindicação 29, caracterizado pelo fato de que em que a pluralidade de arquivos de rastreio de imagem inclui um arquivo de rastreio de imagem não calibrado para cada uma de uma banda espectral de luz verde, uma banda espectral de luz vermelha, e uma banda espectral próxima ao infravermelho.
31. Meio de armazenamento legível por computador, de acordo com a reivindicação 29, caracterizado pelo fato de que o componente de recepção de dados restringe dados coletados por um dispositivo de detecção remoto para reduzir refletância bidirecional em arquivos de rastreio de imagem.
32. Meio de armazenamento legível por computador, de acordo com a reivindicação 29, caracterizado pelo fato de que a pluralidade de arquivos de imagem de rastreio inclui arquivos de rastreio de imagem para quaisquer três bandas espectrais disponíveis, e em que o componente de índice gera os pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) e o arquivo de rastreio de índice de luminosidade de solo (SBI) pela adaptação de um conjunto de coeficientes não fixados para uso no cálculo de uma pluralidade de valores de pixel para cada um dos pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) e para o arquivo de rastreio de índice de luminosidade de solo (SBI).
33. Meio de armazenamento legível por computador, de acordo com a reivindicação 29, caracterizado pelo fato de que os três arquivos de rastreio de imagem recebidos pelo componente de recepção de dados compreendem a ausência de informação de fator de refletância.
34. Meio de armazenamento legível por computador, de acordo com a reivindicação 29, caracterizado pelo fato de que a pluralidade de pontos de controle espectral (SCP) inclui um ponto de controle espectral (SCP) de solo escuro desprotegido, um ponto de controle espectral (SCP) de solo luminoso desprotegido, e um ponto de controle espectral (SCP) de vegetação verde de referência.
35. Meio de armazenamento legível por computador, de acordo com a reivindicação 29, caracterizado pelo fato de que a pluralidade de pontos de controle espectral (SCP) é a única entrada manual recebida pelo componente de recepção.
36. Meio de armazenamento legível por computador, de acordo com a reivindicação 29, caracterizado pelo fato de que ainda compreendendo um componente de dados intermediário que quando executado por pelo menos um processador faz com que o processador gere uma pluralidade de arquivos de rastreio intermediários com base em uma pluralidade de arquivos de rastreio de imagem não calibrados e a pluralidade de pontos de controle espectral (SCP).
37. Meio de armazenamento legível por computador, de acordo com a reivindicação 36, caracterizado pelo fato de que a pluralidade de arquivos de rastreio intermediários inclui um primeiro arquivo de rastreio intermediário relativo à luminosidade, um segundo arquivo de rastreio intermediário relativo à verdura, e um terceiro arquivo de rastreio intermediário, e em que cada arquivo de rastreio intermediário inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapa associadas com cada valor de pixel.
38. Meio de armazenamento legível por computador, de acordo com a reivindicação 37, caracterizado pelo fato de que os pelo menos dois arquivos de rastreio índice de vegetação independentes (VI) incluem um arquivo de rastreio de índice de pigmentação (PGI), e em que o componente de índice gera o arquivo de rastreio de índice de pigmentação (PGI) com base no terceiro arquivo de rastreio intermediário.
39. Meio de armazenamento legível por computador, de acordo com a reivindicação 38, caracterizado pelo fato de que o componente de índice calibra uma pluralidade de pixels não processados do terceiro arquivo de rastreio intermediário com base em pelo menos uma porção da pluralidade de pixels não processados tendo um valor positivo.
40. Meio de armazenamento legível por computador, de acordo com a reivindicação 37, caracterizado pelo fato de que os pelo menos dois arquivos de rastreio de índice de vegetação independentes (VI) incluem um arquivo de rastreio de índice de biomassa (GBI), e em que o componente de índice gera o arquivo de rastreio de biomassa (GBI) com base nos primeiro e segundo arquivos de rastreio intermediários.
41. Meio de armazenamento legível por computador, de acordo com a reivindicação 40, caracterizado pelo fato de que o componente de índice determina uma pluralidade de valores de pixel de arquivo de rastreio de biomassa (GBI) não processados, e calibra os valores de pixel de arquivo de rastreio de biomassa (GBI) não processados aplicando um fator de escala aos valores de pixel de arquivo de rastreio de biomassa (GBI) não processados.
42. Meio de armazenamento legível por computador, de acordo com a reivindicação 37, caracterizado pelo fato de que o componente de índice calibra o primeiro arquivo de rastreio intermediário conforme um grau de luminosidade para cada um da pluralidade de valores de pixel do primeiro arquivo de rastreio intermediário, e gera o arquivo de rastreio de índice de luminosidade do solo (SBI) com base no primeiro arquivo de rastreio intermediário calibrado e na pluralidade de pontos de controle espectral (SCP).
43. Método para gerar arquivos de rastreio de índice associados com uma área de interesse (AOI) usando ao menos um computador acoplado à pluralidade de dispositivos de detecção remotos através da rede, em que os computadores incluem um dispositivo de entrada, um monitor e uma memória, o método sendo caracterizado pelo fato de que compreende: recuperar, através do computador, uma pluralidade de arquivos de imagem de rastreio não calibradas referentes à área de interesse (AOI) a partir da pluralidade de dispositivos de detecção remotos, em que cada ar- quivo de rastreio de imagem não calibrada inclui uma pluralidade de valores de pixel e um conjunto de coordenadas de mapa associadas com cada valor de pixel; receber uma pluralidade de pontos de controle espectral (SCP) através do dispositivo de entrada; gerar, através do computador, uma pluralidade de arquivos de rastreio de imagem com base na pluralidade de arquivos de rastreio de imagem não calibrados e na pluralidade de pontos de controle espectral (SCP); gerar, através do computador, pelo menos dois arquivos de ras-treio de índice de vegetação (VI) com base na pluralidade de arquivos de rastreio intermediários e na pluralidade de pontos de controle espectral (SCP); gerar, através do computador, um arquivo de rastreio de índice de luminosidade de solo (SBI) com base na pluralidade de arquivos de ras-treio intermediários e na pluralidade de pontos de controle espectral (SCP); e armazenar o arquivo de rastreio de índice de luminosidade de solo (SBI) e os pelo menos dois arquivos de rastreio de índice de vegetação (VI) na memória.
44. Método, de acordo com a reivindicação 43, caracterizado pelo fato de que recuperar uma pluralidade de arquivos de rastreio de imagem compreende recuperar somente três arquivos de imagem de rastreio para cada uma das três bandas espectrais disponíveis, e em que gerar pelo menos dois arquivos de rastreio de índice de vegetação (VI) e gerar um arquivo de rastreio de índice de luminosidade de solo (SBI) cada uma compreende adaptar um conjunto de coeficientes não fixos para uso no cálculo de uma pluralidade de valores de pixels para cada um dos dois arquivos de ras-treio de índice de vegetação (VI) e do arquivo de rastreio de índice de luminosidade de solo (SBI).
45. Método, de acordo com a reivindicação 43, caracterizado pelo fato de que a pluralidade de arquivos de imagem de rastreio recuperada pelo computador compreende a ausência informação de fator de refletân-cia.
46. Método, de acordo com a reivindicação 43, caracterizado pelo fato de que a pluralidade de pontos de controle espectral (SCP) é a única entrada manual recebida pelo computador.
47. Método, de acordo com a reivindicação 43, caracterizado pelo fato de que a pluralidade de arquivos de rastreio intermediários inclui um primeiro arquivo de rastreio intermediário referente à luminosidade, um segundo arquivo de rastreio intermediário referente à verdura, e um terceiro arquivo de rastreio intermediário referente à propriedade biofísicas diferentes da luminosidade e da verdura, e em que cada arquivo de rastreio intermediário inclui uma pluralidade de valores de pixels e um conjunto de coordenadas de mapa associadas com cada valor de pixel.
48. Método, de acordo com a reivindicação 43, caracterizado pelo fato de que gerar pelo menos dois arquivos de rastreio de índice de vegetação (VI) compreende gerar um arquivo de rastreio de índice de pigmentação (PGI) com base no terceiro arquivo de rastreio intermediário.
49. Método, de acordo com a reivindicação 48, caracterizado pelo fato de que gerar um arquivo de rastreio de índice de pigmentação (PGI) compreende calibrar uma pluralidade de pixels não processados do terceiro arquivo de rastreio intermediário com base em pelo menos uma porção dos pixels não processados tendo valores positivos.
50. Método, de acordo com a reivindicação 48, caracterizado pelo fato de que gerar pelo menos dois arquivos de rastreio de índice de vegetação (VI) compreende ainda gerar um arquivo de rastreio de índice de biomassa verde (GBI) com base nos primeiro e segundo arquivos de rastreio intermediários.
51. Método, de acordo com a reivindicação 50, caracterizado pelo fato de que gerar um arquivo de rastreio de índice de biomassa (GBI) compreende: determinar uma pluralidade de valores de pixels não processados de arquivo de rastreio de índice de biomassa (GBI); e calibrar os valores de pixels não processados de arquivo de ras-treio de índice de biomassa (GBI) através da aplicação de um fator de escala para os valores de pixels não processados de arquivo de rastreio de índice de biomassa (GBI).
52. Método, de acordo com a reivindicação 47, caracterizado pelo fato de que gerar um arquivo de rastreio de índice de luminosidade (SBI) de solo compreende: calibrar o primeiro arquivo de rastreio intermediário conforme um grau de luminosidade de cada um da pluralidade de valores de pixel do primeiro arquivo de rastreio intermediário; e gerar o arquivo de rastreio de índice de luminosidade (SBI) com base no primeiro arquivo de rastreio intermediário calibrado e na pluralidade de pontos de controle espectral (SCP).
53. Método, de acordo com a reivindicação 43, caracterizado pelo fato de que ainda compreendendo exibir seletivamente, através de um monitor, pelo menos um arquivo de rastreio de índice de luminosidade (SBI) e os pelo menos dois arquivos rastreio de índice de vegetação (VI).
BRPI0915065 2008-06-06 2009-06-05 geração de produtos de informação agrícola utilizando sensoriamento remoto BRPI0915065B1 (pt)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US5946508P 2008-06-06 2008-06-06
PCT/US2009/046467 WO2009149384A1 (en) 2008-06-06 2009-06-05 Generating agricultural information products using remote sensing

Publications (2)

Publication Number Publication Date
BRPI0915065A2 BRPI0915065A2 (pt) 2017-06-20
BRPI0915065B1 true BRPI0915065B1 (pt) 2019-12-03

Family

ID=41010553

Family Applications (4)

Application Number Title Priority Date Filing Date
BRPI0914887 BRPI0914887B1 (pt) 2008-06-06 2009-06-05 geração de produtos de informações agrícolas utilizando detecção remota
BRPI0915065 BRPI0915065B1 (pt) 2008-06-06 2009-06-05 geração de produtos de informação agrícola utilizando sensoriamento remoto
BRPI0915070-6A BRPI0915070B1 (pt) 2008-06-06 2009-06-05 Gerando produtos de informações agrícolas utilizando detecção remota
BRPI0915598 BRPI0915598B1 (pt) 2008-06-06 2009-06-05 geração de produtos de informação agrícola usando sensoreamento remoto

Family Applications Before (1)

Application Number Title Priority Date Filing Date
BRPI0914887 BRPI0914887B1 (pt) 2008-06-06 2009-06-05 geração de produtos de informações agrícolas utilizando detecção remota

Family Applications After (2)

Application Number Title Priority Date Filing Date
BRPI0915070-6A BRPI0915070B1 (pt) 2008-06-06 2009-06-05 Gerando produtos de informações agrícolas utilizando detecção remota
BRPI0915598 BRPI0915598B1 (pt) 2008-06-06 2009-06-05 geração de produtos de informação agrícola usando sensoreamento remoto

Country Status (3)

Country Link
US (4) US8712148B2 (pt)
BR (4) BRPI0914887B1 (pt)
WO (4) WO2009149384A1 (pt)

Families Citing this family (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8712148B2 (en) * 2008-06-06 2014-04-29 Monsanto Technology Llc Generating agricultural information products using remote sensing
WO2011091278A1 (en) * 2010-01-22 2011-07-28 Monsanto Technology Llc Enhancing performance of crops within an area of interest
CN101995380B (zh) * 2010-10-11 2012-07-18 中国科学院植物研究所 一种基于高光谱植被指数监测土壤石油污染的方法
US20120101784A1 (en) * 2010-10-25 2012-04-26 Trimble Navigation Limited Wide-area agricultural monitoring and prediction
CN102013017B (zh) * 2010-11-26 2012-07-04 华中科技大学 一种高分辨率遥感图像场景粗分类方法
FR2969801A1 (fr) * 2010-12-23 2012-06-29 Thales Sa Procede de representation d'une erreur de localisation et dispositif associe
US20130085683A1 (en) * 2011-10-01 2013-04-04 Javier D'Carlo Garcia Preventive Activated Sludge Microlife Interpreter
WO2013063106A2 (en) * 2011-10-24 2013-05-02 Trimble Navigation Limited Agricultural and soil management
US9031287B2 (en) * 2012-12-28 2015-05-12 Weyerhaeuser Nr Company System and method for estimating ages of forests from remotely sensed images
US10248700B2 (en) 2013-03-15 2019-04-02 Remote Sensing Metrics, Llc System and methods for efficient selection and use of content
US9542627B2 (en) 2013-03-15 2017-01-10 Remote Sensing Metrics, Llc System and methods for generating quality, verified, and synthesized information
US9965528B2 (en) 2013-06-10 2018-05-08 Remote Sensing Metrics, Llc System and methods for generating quality, verified, synthesized, and coded information
US9147110B2 (en) * 2013-04-05 2015-09-29 Pioneer Hi-Bred International, Inc. Field and crop evaluation tool and methods of use
TWI489296B (zh) 2013-05-17 2015-06-21 Wistron Corp 電腦
WO2015060910A1 (en) * 2013-10-24 2015-04-30 The Regents Of The University Of Michigan Ice and water detection system
BR112016009205B1 (pt) 2013-10-24 2021-03-30 The Regents Of The University Of Michigan Sistema de detecção de gelo e água super-resfriada
US10402835B2 (en) * 2014-07-16 2019-09-03 Raytheon Company Agricultural situational awareness tool
CN107148633B (zh) 2014-08-22 2020-12-01 克莱米特公司 用于使用无人机系统进行农艺和农业监测的方法
US10564316B2 (en) 2014-09-12 2020-02-18 The Climate Corporation Forecasting national crop yield during the growing season
UA124489C2 (uk) 2014-11-24 2021-09-29 Зе Клаймат Корпорейшн Система та способи визначення полів та завдань
AU2016211305B2 (en) 2015-01-30 2020-01-02 Climate Llc Soil quality measurement device
US9813512B2 (en) * 2015-04-20 2017-11-07 Agverdict, Inc. Systems and methods for efficiently generating a geospatial data map for use in agricultural operations
WO2016176355A1 (en) 2015-04-29 2016-11-03 Precision Planting Llc Systems, methods, and devices for monitoring weather and field conditions
CN106296630A (zh) * 2015-05-18 2017-01-04 中国科学院遥感与数字地球研究所 一种站点lai观测在遥感产品像元尺度内空间代表性评价方法
PL3861844T3 (pl) 2015-06-08 2024-02-26 Climate Llc Analiza danych rolniczych
CA2990438A1 (en) 2015-06-30 2017-01-05 The Climate Corporation Systems and methods for image capture and analysis of agricultural fields
EP3322279B1 (en) 2015-07-15 2023-03-01 Climate LLC Generating digital models of nutrients available to a crop over the course of the crop's development based on weather and soil data
CN105352893B (zh) * 2015-07-15 2018-02-06 电子科技大学 一种适用于植被稀疏区的叶绿素反演方法
US10416351B2 (en) 2015-09-10 2019-09-17 The Climate Corporation Generating probabilistic estimates of rainfall rates from radar reflectivity measurements
US10025983B2 (en) 2015-09-21 2018-07-17 The Climate Corporation Ponding water detection on satellite imagery
US10303677B2 (en) 2015-10-14 2019-05-28 The Climate Corporation Computer-generated accurate yield map data using expert filters and spatial outlier detection
US10342174B2 (en) 2015-10-16 2019-07-09 The Climate Corporation Method for recommending seeding rate for corn seed using seed type and sowing row width
US10586158B2 (en) 2015-10-28 2020-03-10 The Climate Corporation Computer-implemented calculation of corn harvest recommendations
US9721181B2 (en) 2015-12-07 2017-08-01 The Climate Corporation Cloud detection on remote sensing imagery
US10628895B2 (en) 2015-12-14 2020-04-21 The Climate Corporation Generating digital models of relative yield of a crop based on nitrate values in the soil
US10251347B2 (en) 2016-01-07 2019-04-09 The Climate Corporation Generating digital models of crop yield based on crop planting dates and relative maturity values
US10336465B2 (en) 2016-01-08 2019-07-02 The Regents Of The University Of Michigan Ice crystals and volcanic ash detection system
US10331931B2 (en) 2016-02-05 2019-06-25 The Climate Corporation Modeling trends in crop yields
US10754063B2 (en) * 2016-06-14 2020-08-25 The Climate Corporation Supervised neural network to predict unlabeled rain rates
WO2018028191A1 (zh) * 2016-08-10 2018-02-15 福州大学 一种基于波段比模型和太阳高度角的tavi计算方法
US10719638B2 (en) 2016-08-11 2020-07-21 The Climate Corporation Delineating management zones based on historical yield maps
US10768331B2 (en) 2016-11-07 2020-09-08 The Climate Corporation Work layer imaging and analysis for implement monitoring, control and operator feedback
US10398096B2 (en) 2016-11-16 2019-09-03 The Climate Corporation Identifying management zones in agricultural fields and generating planting plans for the zones
US10509872B2 (en) 2017-03-08 2019-12-17 The Climate Corporation Location selection for treatment sampling
US10438063B1 (en) * 2017-04-23 2019-10-08 Huazhong Agricultural University Generating global crop maps using a stochastic allocation model
CN108399393B (zh) * 2018-03-09 2018-11-27 河北省科学院地理科学研究所 一种基于荧光遥感的植被冠层阴阳叶检测方法
US10621865B2 (en) 2018-03-29 2020-04-14 The Regents Of The University Of Michigan Road condition monitoring system
US11235874B2 (en) * 2018-03-30 2022-02-01 Greensight Agronomics, Inc. Automated drone-based spraying system
US11116145B2 (en) 2018-03-30 2021-09-14 Greensight Argonomics, Inc. Automated optimization of agricultural treatments based on raster image data system
US11205073B2 (en) 2018-03-30 2021-12-21 Greensight Agronomics, Inc. System to automatically detect and report changes over time in a large imaging data set
US10748042B2 (en) 2018-06-22 2020-08-18 Cnh Industrial Canada, Ltd. Measuring crop residue from imagery using a machine-learned convolutional neural network
US11596119B2 (en) 2018-08-13 2023-03-07 Climate Llc Digital nutrient models using spatially distributed values unique to an agronomic field
EP3853780A4 (en) 2018-09-21 2022-07-06 Climate LLC METHOD AND SYSTEM FOR EXECUTING MACHINE LEARNING ALGORITHMS
CN112889089B (zh) 2018-10-19 2024-03-05 克莱米特有限责任公司 用于标识卫星影像中的云和云影的机器学习技术
US10761075B2 (en) 2018-10-19 2020-09-01 The Climate Corporation Detecting infection of plant diseases by classifying plant photos
US10713542B2 (en) 2018-10-24 2020-07-14 The Climate Corporation Detection of plant diseases with multi-stage, multi-scale deep learning
US10508952B1 (en) 2018-10-31 2019-12-17 The Regents Of The University Of Michigan Optimum spectral bands for active vision systems
US11464177B2 (en) 2018-12-10 2022-10-11 Climate Llc Image-based irrigation recommendations
CN113167779B (zh) 2018-12-10 2024-07-16 克莱米特有限责任公司 使用数字图像和机器学习模型对田地异常绘制地图
CA3121005A1 (en) 2018-12-20 2020-06-25 The Climate Corporation Utilizing spatial statistical models for implementing agronomic trials
US11906621B2 (en) 2018-12-21 2024-02-20 Climate Llc Quantitative precipitation estimate quality control
CA3210005A1 (en) 2019-03-04 2020-09-10 Climate Llc Data storage and transfer device for an agricultural intelligence computing system
WO2020214793A1 (en) * 2019-04-16 2020-10-22 Precision Silver, LLC Systems and methods for rating vegetation health and biomass from remotely sensed morphological and radiometric data
AU2020387940A1 (en) 2019-11-18 2022-06-02 Climate Llc Method of generating field regions for agricultural data analysis based on conditional data file generation
CN110987183A (zh) * 2019-12-27 2020-04-10 广州极飞科技有限公司 多光谱成像系统及方法
AU2021205887A1 (en) 2020-01-07 2022-06-30 Climate Llc Using optical remote sensors and machine learning models to predict agronomic field property data
AR121386A1 (es) 2020-02-21 2022-06-01 Climate Corp Señalización de diferencias operacionales en implementos agrícolas
CN111611210B (zh) * 2020-04-02 2024-02-27 土豆数据科技集团有限公司 一种基于栅格文件的图像处理方法
US12004441B2 (en) * 2020-10-28 2024-06-11 International Business Machines Corporation Soil density prediction for subsoil crops
AU2022237796A1 (en) 2021-03-19 2023-09-28 Climate Llc Determining uncertainty of agronomic predictions
US20230385958A1 (en) 2022-05-26 2023-11-30 Climate Llc Systems and methods for use in identifying trials in fields
US20250238939A1 (en) * 2024-01-19 2025-07-24 The United States Of America, As Represented By The Secretary Of Agriculture Thermal/visible imager for crop stress detection

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5612901A (en) * 1994-05-17 1997-03-18 Gallegos; Sonia C. Apparatus and method for cloud masking
US5878356A (en) * 1995-06-14 1999-03-02 Agrometrics, Inc. Aircraft based infrared mapping system for earth based resources
US5999650A (en) * 1996-11-27 1999-12-07 Ligon; Thomas R. System for generating color images of land
US6366681B1 (en) * 1999-04-07 2002-04-02 Space Imaging, Lp Analysis of multi-spectral data for extraction of chlorophyll content
US7058197B1 (en) * 1999-11-04 2006-06-06 Board Of Trustees Of The University Of Illinois Multi-variable model for identifying crop response zones in a field
US6889620B2 (en) * 2001-02-28 2005-05-10 The Mosaic Company Method for prescribing site-specific fertilizer application in agricultural fields
US7068816B1 (en) * 2002-01-15 2006-06-27 Digitalglobe, Inc. Method for using remotely sensed data to provide agricultural information
US7184890B2 (en) * 2003-11-24 2007-02-27 The Boeing Company Cloud shadow detection: VNIR-SWIR
US7979209B2 (en) * 2005-04-15 2011-07-12 Mississippi State University Research And Technology Corporation Temporal mapping and analysis
US8712148B2 (en) * 2008-06-06 2014-04-29 Monsanto Technology Llc Generating agricultural information products using remote sensing

Also Published As

Publication number Publication date
US20110135193A1 (en) 2011-06-09
US8411904B2 (en) 2013-04-02
BRPI0915070B1 (pt) 2021-05-25
BRPI0914887B1 (pt) 2019-11-26
BRPI0915065A2 (pt) 2017-06-20
WO2009149396A1 (en) 2009-12-10
WO2009149384A1 (en) 2009-12-10
US8411903B2 (en) 2013-04-02
US8411905B2 (en) 2013-04-02
WO2009149389A1 (en) 2009-12-10
BRPI0914887A2 (pt) 2017-05-30
BRPI0915598B1 (pt) 2019-11-26
WO2009149394A1 (en) 2009-12-10
US20110135197A1 (en) 2011-06-09
US8712148B2 (en) 2014-04-29
US20110135196A1 (en) 2011-06-09
BRPI0915598A2 (pt) 2017-06-20
US20110134138A1 (en) 2011-06-09
BRPI0915070A2 (pt) 2017-06-20

Similar Documents

Publication Publication Date Title
BRPI0915065B1 (pt) geração de produtos de informação agrícola utilizando sensoriamento remoto
Jia et al. Fractional vegetation cover estimation algorithm for Chinese GF-1 wide field view data
Thomlinson et al. Coordinating methodologies for scaling landcover classifications from site-specific to global: Steps toward validating global map products
Rechid et al. Parameterization of snow-free land surface albedo as a function of vegetation phenology based on MODIS data and applied in climate modelling
Zhu et al. An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions
Sarker et al. Improved forest biomass estimates using ALOS AVNIR-2 texture indices
Abd-El Monsef et al. A new approach for estimating mangrove canopy cover using Landsat 8 imagery
Asner et al. Ecosystem structure along bioclimatic gradients in Hawai'i from imaging spectroscopy
Huang et al. Sub‐pixel reflectance unmixing in estimating vegetation water content and dry biomass of corn and soybeans cropland using normalized difference water index (NDWI) from satellites
Hufkens et al. Impacts and uncertainties of upscaling of remote-sensing data validation for a semi-arid woodland
Goetz et al. HATCH: Results from simulated radiances, AVIRIS and Hyperion
Sun et al. Desert vegetation-habitat complexes mapping using Gaofen-1 WFV (wide field of view) time series images in Minqin County, China
CN112052757A (zh) 火烧迹地信息提取方法、装置、设备和存储介质
Culbert et al. The impact of phenological variation on texture measures of remotely sensed imagery
Franklin Land cover stratification using Landsat Thematic Mapper data in Sahelian and Sudanian woodland and wooded grassland
Jiménez-Lao et al. Plastic cover greenhouses reflectance spectra from different optical satellite imagery
Arafat et al. Internet-based spectral database for different land covers in Egypt
Metsu et al. theRmalUAV: An R package to clean and correct thermal UAV data for accurate land surface temperatures
Liu et al. Temporal shape-based fusion method to generate continuous vegetation index at fine spatial resolution
Du et al. A Long-Term 30m Fractional Vegetation Cover Dataset Downscaled from GLASS Products: Advancing Vegetation Monitoring at High Spatial Resolution
Pindl et al. A Multimodal RGB and N-Sensor Dataset for Nitrogen Assessment in Winter Wheat
Zhou et al. Comprehensive UAV and ground data for typical semiarid sites in the midstream of the Heihe River Basin
Charoenjit Estimation of Biomass and Carbon Stock in Para rubber Plantation in East Thailand Using Object-based Classification from THAICHOTE Satellite Data
Pons et al. Landsat Collection 2: key information and recommendations for data users and product developers
Iranzo et al. Archaeological prospection with corona and wv-3 satellite imagery of the archaeological site of zar tepe (uzbekistan)

Legal Events

Date Code Title Description
B06F Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette]
B06T Formal requirements before examination [chapter 6.20 patent gazette]
B15K Others concerning applications: alteration of classification

Free format text: AS CLASSIFICACOES ANTERIORES ERAM: G06T 11/00 , G06T 7/00

Ipc: G06T 7/00 (1995.01), G06T 11/00 (1995.01)

B09A Decision: intention to grant [chapter 9.1 patent gazette]
B16A Patent or certificate of addition of invention granted [chapter 16.1 patent gazette]

Free format text: PRAZO DE VALIDADE: 10 (DEZ) ANOS CONTADOS A PARTIR DE 03/12/2019, OBSERVADAS AS CONDICOES LEGAIS. (CO) 10 (DEZ) ANOS CONTADOS A PARTIR DE 03/12/2019, OBSERVADAS AS CONDICOES LEGAIS