METODOLOGIA PARA SELEÇÃO DE INFORMAÇÃO ESPECTRAL E PREDIÇÃO DE PARÂMETROS AGRONÔMICOS NO MILHO UTILIZANDO SENSOR MULTIESPECTRAL EMBARCADO EM VANT
Methodology for selection of spectral information and prediction of agronomic characteristics in corn using a multispectral sensor embedded in a UAV
AUTORES/AUTHORS
Charleston dos Santos Lima1, Ana Júlia Teixeira1, Bárbara Nogueira1, André Luís Vian1, Ivan Ricardo Carvalho2, Christian Bredemeier1
RESUMO
O objetivo da presente pesquisa foi: I) avaliar a interação de doses de nitrogênio x cenários (voos: estádio fenológico x safras) e componentes de variância para variáveis de campo e espectrais; II) Predizer as variáveis de campo a partir de índices de vegetação relevantes. O estudo foi conduzido em delineamento de blocos casualizados com quatro repetições, sendo os tratamentos constituídos de seis doses de nitrogênio em cobertura, durante as safras 22/23 e 23/24. As avaliações de campo e aquisição de imagens foram realizadas em cinco estádios fenológicos. Nossos resultados demonstraram que todos os índices apresentaram efeito da interação doses x cenários (voos: estádios fenológicos x safras). Adicionalmente, os índices com maior confiabilidade foram EXGRaw, TGI, GNDVI, NDRE, CIRE, GVI, CVI, BNDVI, PanNDVI, SRNIRRe, SFDVI, RGBindex, NDVI, SAVI, MSAVI e OSAVI. Finalmente, as variáveis de campo preditas com base na metodologia apresentaram coeficiente de determinação acima de 0,80, exceto para a biomassa e peso de cem grãos. Portanto, conclui-se que os índices de vegetação são afetados de acordo com o cenário testado, contudo, a metodologia RELM-BLUP permitiu a predição com elevada acurácia.
Palavras-chave: Índice vegetação, drones, modelos mistos
ABSTRACT
The main of this research was: I) to evaluate the interaction of nitrogen doses x scenarios (flights: phenological stage x season) and variance components for field and spectral variables; II) to predict field variables from relevant vegetation indices. The study was conducted in a randomized block design with 4 replications, with treatments consisting of 6 doses of nitrogen (N) as top dressing, during the 22/23 and 23/24 season. Field evaluations and image acquisition were performed at 5 phenological stages. Our results demonstrated that all indexes presented an effect of the dose x scenarios interaction (flights: phenological stages x season). Additionally, the vegetation indices with the highest reliability were EXGRaw, TGI, GNDVI, NDRE, CIRE, GVI, CVI, BNDVI, PanNDVI, SRNIRRe, SFDVI, RGBindex, NDVI, SAVI, MSAVI and OSAVI. Finally, the field variables predicted based on the methodology presented a coefficient of determination above 0.80, except for biomass and hundred-grain weight. Therefore, it is concluded that vegetation indices are affected according to the tested scenario; however, the RELM-BLUP methodology allowed for highly accurate prediction.
Keywords: Vegetation index, drone, mixed models.
