Portal de Pesquisa da BVS Veterinária

Ciênc. rural (Online); 52(7): e20200630, 2022. tab, graf

Artigo em Inglês | VETINDEX | ID: biblio-1350599

Resumo

Sugarcane is a good source of renewable energy and helps reduce the emission of greenhouse gases. Nitrogen has a critical role in plant growth; therefore, estimating nitrogen levels is essential, and remote sensing can improve fertilizer management. This field study selects wavelengths from hyperspectral data on a sugarcane canopy to generate models for estimating leaf nitrogen concentrations. The study was carried out in the municipalities of Piracicaba, Jaú, and Santa Maria da Serra, state of São Paulo, in the 2013/2014 growing season. The experiments were carried out using a completely randomized block design with split plots (three sugarcane varieties per plot [variety SP 81-3250 was common to all plots] and four nitrogen concentrations [0, 50, 100, and 150 kgha-¹] per subplot) and four repetitions. The wavelengths that best correlated with leaf nitrogen were selected usingsparse partial least square regression. The wavelength regionswere combinedby stepwise multiple linear regression. Spectral bands in the visible (700-705 nm), red-edge (710-720 nm), near-infrared (725, 925, 955, and 980 nm), and short-wave infrared (1355, 1420, 1595, 1600, 1605, and 1610 nm) regions were identified. The R² and RMSE of the model were 0.50 and 1.67 g.kg-¹, respectively. The adjusted R² and RMSE of the models for Piracicaba, Jaú, and Santa Maria were 0.31 (unreliable) and 1.30 g.kg-¹, 0.53 and 1.96 g.kg-¹, and 0.54 and 1.46 g.kg-¹, respectively. Our results showed that canopy hyperspectral reflectance can estimate leaf nitrogen concentrations and manage nitrogen application in sugarcane.

---

A cana-de-açúcar se destaca como uma das fontes de energia renovável frente às estratégias para reduzir a emissão de gases causadores do efeito estufa. O nitrogênio é um dos mais significativos devido ao seu impacto no crescimento de folhas e colmos. Portanto, o monitoramento eficiente do nitrogênio aplicado é essencial e o sensoriamento remoto se apresenta como uma alternativa na melhoria do gerenciamento da adubação. O presente trabalho teve por objetivo selecionar comprimentos de onda a partir de dados hiperespectrais de dossel da cana-de-açúcar para geração de modelos na predição da concentração de Nitrogênio. O estudo foi realizado em experimentos de campo instalados nos municípios de Piracicaba, Jaú e Santa Maria da Serra, estado São Paulo, na safra 2013/2014. Cada experimento foi alocado em blocos ao acaso, com parcelas subdivididas e quatro repetições, com variedades de cana-de-açúcar na parcela (três variedades por local, sendo a SP 81-3250 comum à todos) e doses de nitrogênio (0, 50, 100 e 150 kg.ha-1) na subparcela. Na seleção dos comprimentos de onda que melhor se correlacionam com o TFN foi utilizada a metodologia sPLS. Posteriormente, foi realizada a combinação linear dos comprimentos de onda selecionados pela metodologia sPLS, por meio de Regressão Linear Múltipla por Stepwise (SMLR). Foram identificadas bandas importantes nas regiões do visível (700 a 705 nm), red-edge(710 a 720 nm), infravermelho próximo (725, 925, 955 e 980 nm) e infravermelho de ondas curtas (1355, 1420, 1595, 1600, 1605 e 1610 nm). O modelo de predição de TFN teve valores de R² de 0,50 e o RMSE de 1,67 g.kg-¹. Os modelos gerados para Piracicaba, Jaú e Santa Maria obtiveram R² ajustados e RMSE, respectivamente, de 0,31 considerado não confiável (1,30 g.kg-¹), 0,53 (1,96 g.kg-¹) e 0,54 (1,46 g.kg-¹). Os sensores hiperespectrais de dossel podem ser utilizados para predição do TFN e monitoramento de aplicação de nitrogênio em cana-de-açúcar.

Biblioteca responsável: BR68.1