Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

Dados hiperespectrais têm menor resolução espectral que dados multiespectrais. 

Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

A interpolação espacial por krigagem melhora a precisão da modelagem da variabilidade do solo apenas quando há um número adequado de pontos amostrais distribuídos uniformemente. 

Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

A segmentação por objetos (GEOBIA) é menos eficaz que a classificação pixel a pixel em imagens de alta resolução. 

Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

O índice NDWI (Normalized Difference Water Index) é calculado usando-se bandas do infravermelho médio. 

Considerando a contribuição de metodologias computacionais para o monitoramento das culturas agrícolas via imagens aéreas, julgue o item subsequente. 

Imagens capturadas por satélites ou aeronaves convencionais têm resolução espacial maior que imagens obtidas de veículos aéreos não tripulados que operam em altitudes mais baixas. 

Considerando a contribuição de metodologias computacionais para o monitoramento das culturas agrícolas via imagens aéreas, julgue o item subsequente. 

O satélite Sentinel-2A/MSI, do Programa Copernicus da Agência Espacial Europeia, disponibiliza gratuitamente dados geoespaciais, incluindo imagens multiespectrais com alta resolução espectral, característica que proporciona uma vantagem significativa para o monitoramento dos ciclos agrícolas. 

Considerando a contribuição de metodologias computacionais para o monitoramento das culturas agrícolas via imagens aéreas, julgue o item subsequente. 

As aplicações de inteligência artificial na agricultura envolvem, entre outros aspectos, a utilização de imagens de satélites para monitoração do estresse das culturas, como déficit hídrico, doenças das plantas, pragas agrícolas e ervas daninhas. 

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

Sensores hiperespectrais não conseguem detectar doenças nas plantas antes que os sintomas estejam visíveis. 

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

As imagens hiperespectrais e térmicas oferecem informações importantes sobre o estresse hídrico das plantas e a variabilidade da umidade do solo, o que auxilia a gestão da irrigação.

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

Sensores térmicos são úteis para estimar a taxa de evapotranspiração das culturas agrícolas. 

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

Sensores hiperespectrais não distinguem tipos de estresse nas plantas.

Acerca de estimativa e mapeamento da produtividade de culturas, julgue o próximo item. 

Modelos estatísticos são inadequados para a previsão da produtividade agrícola devido à alta variabilidade de fatores ambientais. 

Acerca de estimativa e mapeamento da produtividade de culturas, julgue o próximo item. 

A umidade do solo é irrelevante para a estimativa de produtividade, pois não impacta diretamente no rendimento das culturas. 

Acerca de estimativa e mapeamento da produtividade de culturas, julgue o próximo item. 

Mapas de produtividade incentivam o uso intensivo de insumos, logo não contribuem para a sustentabilidade agrícola.

Considerando o emprego de sistemas autônomos em atividades do agronegócio, julgue o item subsequente. 

A partir da cinemática inversa, é possível calcular as posições articulares de um robô com base na posição desejada do seu efetuador final. 

Considerando o emprego de sistemas autônomos em atividades do agronegócio, julgue o item subsequente. 

Na dinâmica de robôs, desconsideram-se as forças gravitacionais atuantes sobre os elos durante o movimento. 

Considerando o emprego de sistemas autônomos em atividades do agronegócio, julgue o item subsequente. 

Algoritmos de aprendizado de máquina, como redes neurais, são eficazes para prever a produtividade com base em múltiplos fatores. 

Julgue o próximo item, relativo a índices de vegetação, monitoramento de culturas e agricultura de precisão. 

A tecnologia de taxa variável, embora contribua para a sustentabilidade ao reduzir o desperdício de insumos e o impacto ambiental, não permite a aplicação diferenciada de insumos. 

Julgue o próximo item, relativo a índices de vegetação, monitoramento de culturas e agricultura de precisão. 

O NDVI é um índice de vegetação que permite monitorar o vigor das plantas por meio de imagens de satélite.

Julgue o próximo item, relativo a índices de vegetação, monitoramento de culturas e agricultura de precisão. 

A integração de sensores remotos e terrestres, associada ao uso de inteligência artificial, possibilita a coleta e a análise de dados para a estimativa da produtividade, o monitoramento da saúde das plantas e a detecção de pragas e doenças.