Sensores multi e hiperespectrais na identificação e quantificação da deficiência de potássio na cultura do milho (Zea mays)

dc.contributorNanni, Marcos Rafael
dc.contributorOliveira Junior, Adilson de
dc.contributorPereira Neto, Osvaldo Coelho
dc.contributorUniversidade Estadual de Maringá
dc.contributorCentro de Ciências Agrárias
dc.contributorDepartamento de Agronomia
dc.contributorPrograma de Pós-Graduação em Agronomia
dc.creatorFurlanetto, Renato Herrig
dc.date2022-03-08T17:40:19Z
dc.date2022-03-08T17:40:19Z
dc.date2018
dc.date.accessioned2023-10-16T12:31:00Z
dc.date.available2023-10-16T12:31:00Z
dc.identifierhttp://repositorio.uem.br:8080/jspui/handle/1/6458
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9212160
dc.descriptionOrientador: Prof. Dr. Marcos Rafael Nanni
dc.descriptionDissertação (mestrado em Agronomia) - Universidade Estadual de Maringá, 2018
dc.descriptionRESUMO: A utilização de sensores multiespectrais de baixo custo acoplado a VANT's atualmente vem ganhando destaque para identificação e quantificação de diversos problemas nas lavouras como, por exemplo, as deficiências nutricionais. Porém, observa-se, muitas vezes, que a utilização de tais equipamentos não é assistida pela pesquisa científica, necessitando de métodos para a validação desses sensores; caso contrário, podem produzir resultados inconsistentes devido serem populares, de baixo custo e não calibrados radiometricamente. Os sensores hiperespectrais possibilitam aquisição de dados espectrais e identificação de alterações sutis na resposta espectral da vegetação, no qual com o devido processamento, propiciam informações precisas sobre os alvos de interesse. A partir disso, os objetivos deste trabalho foram em investigar o comportamento espectral de plantas de milho submetidas a diferentes condições de disponibilidade de K utilizando o espectrorradiômetro em solo e o sensor imageador hiperespectral AisaFENIX; verificar o potencial de câmeras digitais acoplada ao VANT na identificação da deficiência de K através de índices de vegetação (IV's), comparando-se com os índices obtidos com o uso do espectroradiômetro; dos IV's significantes, verificou-se a modelagem em regressões lineares para a predição do K foliar. Em outro momento, analisou-se a aplicação de métodos multivariados para a discriminação dos tratamentos a partir de dados do sensor AisaFENIX, bem como a predição de produtividade e K foliar através de regressão multivariada. O experimento metodologicamente foi instalado no delineamento em blocos completos ao acaso (DBC) com 4 blocos e 12 tratamentos, as parcelas experimentais são manejadas de modo que é possível obter diferentes condições de disponibilidade de potássio e fósforo às plantas, obtendo desde condições de severa deficiência até níveis adequados. Foram avaliadas somente as parcelas experimentais cujo efeito foi devido ao K. As avaliações foram realizadas em 03/04 (V3, 10/04 (V5), 17/04 (V7), 24/04 (V8), 03/05 (V10), 08/05 (V12), 26/05 (R1), 16/06 (R3) e 10/07 (R5) com a captura de imagens que cobriram a faixa do visível e infravermelho próximo (350 a 1.000 nm) utilizando-se de duas câmeras digital Fujifilm IS PRO acoplado ao VANT, além das leituras com o espectroradiômetro. No estádio de desenvolvimento V7 foi realizado o voo com sensor AisaFENIX e realizado coleta para análise de K foliar. Em V12 e R3 foram realizadas outras coletas para determinação de K foliar. Os dados foram processados com o uso do software QGIS, XLSTAT e Excel, para cálculo dos IV's GNDVI, NDVI, GRVI, GNIR, RNIR e RVI, e SAS e The Unscrambler para os procedimentos multivariados. Os resultados demonstraram que houve alteração no comportamento espectral entre os tratamentos no espectrorradiômetro e no sensor AisaFENIX. Os IV's diferiram significativamente para o tratamento com deficiência em relação ao padrão de adubação, porém, nenhum apresentou sensibilidade para diferenciar o tratamento denominado de "fome oculta". A modelagem em regressões lineares dos IV's apresentou potencial para predição de K, assim como a regressão PLSR a partir dos dados do sensor AisaFENIX para K e produtividade, apresentando boa correlação de Pearson. A análise discriminante foi capaz de separar os tratamentos, obtendo modelos matemáticos passíveis de classificar novos indivíduos com base no espectro de reflectância
dc.descriptionABESTRACT: The use of low-cost multispectral sensors coupled with UAV's has been gaining highlight in the identification and quantification of several problems in crops, such as nutritional deficiencies. However, it is often observed that the use of such equipment is not assisted by scientific research, requiring methods for the validation of these sensors, otherwise, they may produce inconsistent results because they are popular, cheap, and not radiometrically calibrated. Hyperspectral sensors allow the acquisition of spectral data and identification of subtle alterations in the spectral response of vegetation, in which, with due processing, provide accurate information about the targets of interest. From this, the objectives of this work were to investigate the spectral behavior of maize plants submitted to different K availability conditions using the spectroradiometer at ground level and the hyperspectral imager sensor AisaFENIX; verify the potential of digital cameras coupled to UAV in the identification of K deficiency through vegetation indices (VI's), comparing with the indices obtained with the use of the spectroradiometer; of the significant VI's, was verified the modeling in linear regressions for the prediction of foliar K. In another moment, the application of multivariate methods for the discrimination of the treatments from AisaFENIX sensor data, as well as the prediction of productivity and foliar K through multivariate regression were analyzed. The experiment was methodologically installed in the complete randomized complete block design with 4 blocks and 12 treatments, the experimental plots are managed so that it is possible to obtain different conditions of availability of potassium and phosphorus to the plants, obtaining from conditions of severe deficiency to appropriate levels. Only experimental plots whose effect was due to K were evaluated. The evaluations were carried out on 03/04 (V3, 10/04 (V5), 17/04 (V7), 24/04 (V8), 03/05 (V10), 08/05 (V12), 26/05 (R1), 16/06 (R3) and 10/07 (R5) with the capture of images that covered the visible and near infrared (350 to 1.000 nm) using two Fujifilm IS PRO digital cameras coupled to the UAV, in addition to the readings with the spectroradiometer at ground level. On April 17, the flight was performed with AisaFENIX sensor and collected leaf for K analysis in laboratory. On V12 and R3 other collected were carried out to determine K leaf. The data were processed using the software QGIS, XLSTAT and Excel, to calculate the GNDVI, NDVI, GRVI, GNIR, RNIR and RVI VIs, and SAS and The Unscrambler for multivariate procedures. The results showed that there was a change in the spectral behavior between the treatments in the spectroradiometer and the AisaFENIX sensor. The VIs differed significantly for the treatment with deficiency in relation to the standard treatment, but none showed sensitivity to differentiate the treatment called "hidden hunger". The linear regression modeling of the VIs presented potential for K prediction, as well as the PLSR regression from the AisaFENIX sensor data for K and productivity, showing a good Pearson correlation. The discriminant analysis was able to separate the treatments, obtaining mathematical models capable of classifying new individuals based on the reflectance spectrum
dc.formatxii, 106 f. : il. (algumas color.).
dc.formatapplication/pdf
dc.languagePortuguês
dc.subjectMilho (zea mays) - Cultivo
dc.subjectAgricultura - Inovação tecnológica
dc.subjectTecnologia agrícola
dc.subjectPotássio - Deficiência nutricional
dc.subject633.15
dc.titleSensores multi e hiperespectrais na identificação e quantificação da deficiência de potássio na cultura do milho (Zea mays)
dc.typeDissertação


Este ítem pertenece a la siguiente institución