Análise de imagens multiespectrais na avaliação e seleção indireta de linhagens de trigo em estágios iniciais de um programa de melhoramento

Abstract

Um programa de melhoramento convencional de trigo enfrenta várias limitações o procedimento de fenotipagem, especialmente nas fases iniciais, onde o elevado número de genótipos torna o processo demorado e custoso, além de muitas vezes utilizar de métodos destrutivos na avaliação dos materiais. Nesse sentido, foi estudado a utilização de índices de vegetação obtidos a partir de imagens multiespectrais como possíveis índices de seleção indireta de genótipos superiores de trigo. 852 genótipos de trigo em F2:3 foram cultivados durante os meses de fevereiro a junho de 2022, com delineamento em blocos aumentados (DBA), com 8 testemunhas e 10 blocos. Imagens do campo experimental foram coletadas a partir de uma câmera multiespectral MicaSense MX acoplado a um drone, em três datas correspondentes ao espigamento, 15 e 30 dias posteriores. As características avaliadas em campo foram altura de planta (ALT, cm), DAM (dias), massa de 100 grãos (M100, g) e produtividade (PDT, kg.ha-1), enquanto as características espectrais foram as informações individuais das bandas (Red, Green, Blue, NIR e RE) e de outros 9 índices vegetativos. Os efeitos genéticos foram estimados e testados pelo método REML/BLUP e LRT, respectivamente. A análise de ROC foi utilizada para quantificar o potencial de classificação de cada índice e definir o ponto de corte (Cutoff) ideal pelo índice Youden, onde a soma da sensibilidade e especificidade é maximizada. O efeito de genótipo foi significativo para todas as características estudas, exceto para M100, com as herdabilidades para ALT, PDT e DAM de 0,53, 0,57 e 0,49, respectivamente. Os índices de vegetação apresentaram herdabilidades entre 0,49 e 0,55, com exceção do MTVI1, com h² = 0,27. Pela análise da curva ROC, os índices que apresentaram maior eficiência na discriminação entre as classes selecionados e não selecionado para PDT foram o MSAVI e MCARI (AUC = 0,76; AUC = 0,73), no momento do espigamento. Quanto as variáveis DAM e ALT, ouve uma associação pouco expressivas com os índices de vegetação, com valores de AUC em geral menores que 0,60. A seleção indireta baseado no Cutoff ideal não foi satisfatória, com eficiência de ganho de seleção (GS) de 12% relativo ao método convencional para MSAVI e 2% para MCARI. Conclui-se que índices vegetativos possuem associação positiva com as variáveis agronômicas medidas a campo. No entanto, uma discriminação simples não se mostrou eficaz, sendo necessário estudar outras modelos de classificação ou predição para se obter informações mais precisas sobre o potencial da classificação indireta baseada em informações espectrais. Palavras-chave: Índices de vegetação. Genética. Curva ROC. Modelos mistos.

A conventional wheat breeding program faces several limitations to the phenotyping procedure, especially in the initial stages, where the high number of genotypes makes the process time- consuming and costly and often uses destructive methods in evaluating materials. In this sense, using vegetation indices obtained from multispectral images as possible indices of indirect selection of superior wheat genotypes was studied. Eight hundred fifty-two wheat genotypes in F2:3 were grown from February to June 2022 in an augmented block design (DBA) with eight controls and ten blocks. Images of the experimental field were collected from a MicaSense MX multispectral camera attached to a drone on three dates corresponding to heading 15 and 30 days later. The characteristics evaluated in the field were plant height (ALT, cm), days until maturation (DAM, days), the mass of 100 grains (M100, g), and productivity (PDT, kg.ha-1), while the spectral characteristics were the individual information of the bands (Red, Green, Blue, NIR, and RE) and other nine vegetative indices. Genetic effects were estimated and tested by the REML/BLUP and LRT methods, respectively. The ROC analysis was used to quantify the classification potential of each index and define the ideal cutoff point (Cutoff) by the Youder index, where the sum of sensitivity and specificity is maximized. The genotype effect was significant for all traits studied, except for M100, with heritabilities for ALT, PDT, and DAM of 0.53, 0.57, and 0.49, respectively. The vegetation indices presented heritabilities between 0.49 and 0.55, except for MTVI1, with h² = 0.27. By ROC analysis, the indices that presented greater efficiency in the discrimination between the selected and non-selected classes for PDT were the MSAVI and MCARI (AUC = 0.76; AUC = 0.73) at the time of heading. As for the DAM and ALT variables, there was a weak association with the vegetation index, with AUC values generally lower than 0.60. Indirect selection based on the ideal Cutoff was unsatisfactory, with a selection gain efficiency (GS) of 12% relative to the conventional method for MSAVI and 2% for MCARI. It is concluded that vegetative indices are positively associated with the agronomic variables measured in the field. However, simple discrimination was not practical, being necessary to study other classification or prediction models to obtain more accurate information about the potential of indirect classification based on spectral information. Keywords: Vegetation indices. Genetics. ROC curve. Mixed model.