Mapeamento do índice de vegetação da diferença normalizada em lavoura de algodão

Os dados de sensoriamento remoto em campo podem fornecer informações detalhadas sobre a variabilidade de parâmetros biofísicos ligados à produtividade em grandes áreas e apresentam potencial para o monitoramento destes parâmetros, ao longo de todo o ciclo de desenvolvimento da cultura. Este trabalho objetivou mapear a variabilidade espacial do índice de vegetação da diferença normalizada (NDVI) e seus componentes, em duas lavouras comerciais de algodão (Gossipium hirsutum L.), utilizando sensor óptico ativo, em nível terrestre. Os dados foram coletados utilizando-se sensor instalado em um pulverizador autopropelido agrícola. Um receptor GPS foi acoplado ao sensor, para a obtenção das coordenadas dos pontos de amostragem. As leituras foram realizadas em faixas espaçadas em 21,0 m, aproveitando-se as passadas do veículo no momento da pulverização de agroquímicos, e os dados submetidos à análise estatística clássica e geoestatística. Mapas de distribuição espacial das variáveis foram elaborados pela interpolação por krigagem. Observou-se maior variabilidade espacial do NDVI e da reflectância espectral da vegetação na região do infravermelho próximo (IVP) (880 nm) e do visível (590 nm) na lavoura com maior estresse fisiológico, devido ao ataque do percevejo castanho [Scaptocoris castanea (Hem.: Cydnidae)], em relação à lavoura sadia.

Multi-objective evolutionary algorithm for single and multiple fault service restoration in large-scale distribution systems

Network reconfiguration for service restoration (SR) in distribution systems is a complex optimization problem. For large-scale distribution systems, it is computationally hard to find adequate SR plans in real time since the problem is combinatorial and non-linear, involving several constraints and objectives. Two Multi-Objective Evolutionary Algorithms that use Node-Depth Encoding (NDE) have proved able to efficiently generate adequate SR plans for large distribution systems: (i) one of them is the hybridization of the Non-Dominated Sorting Genetic Algorithm-II (NSGA-II) with NDE, named NSGA-N; (ii) the other is a Multi-Objective Evolutionary Algorithm based on subpopulation tables that uses NDE, named MEAN. Further challenges are faced now, i.e. the design of SR plans for larger systems as good as those for relatively smaller ones and for multiple faults as good as those for one fault (single fault). In order to tackle both challenges, this paper proposes a method that results from the combination of NSGA-N, MEAN and a new heuristic. Such a heuristic focuses on the application of NDE operators to alarming network zones according to technical constraints. The method generates similar quality SR plans in distribution systems of significantly different sizes (from 3860 to 30,880 buses). Moreover, the number of switching operations required to implement the SR plans generated by the proposed method increases in a moderate way with the number of faults.