Avaliação remota da maturação em soja por imagens de drones

Abstract

Nos programas de melhoramento de soja, uma das tarefas executadas em campo é estimação do número de dias do plantio até a maturação, no qual define-se a recomendação de uma determinada cultivar por meio dos grupos de maturação. Essa atividade demanda uma elevada mão de obra e visitas frequentes aos experimentos avaliados. Além de ser uma atividade dispendiosa, a fenotipagem humana possui uma chance considerável de erro na classificação das parcelas. Com o objetivo de melhorar a execução dessa função, este estudo buscou analisar e validar uma metodologia para avaliação remota da maturação em soja com uso de câmera RGB acopladas ao drones de baixo custo. Através de índices vegetativos, ambientes modelos estatísticos e extração de pixels nas parcelas, foi possível verificar quais combinações apresentam maior correlação comparadas as realizadas por profissionais em campo. Coletou-se dados em solo de 90 parcelas em 3 ambientes para realizar comparação com o estimado pela metodologia proposta. A combinação dos índices GLI (greeness leaf index) e NGRDI (normalized red green difference index) com o modelo de regressão local não paramétrica, LOESS (Locally estimated scatterplot smoothing), e extração da mediana dos pixels, revelou uma forte correlação de Pearson quando comparados à maturação aferida em campo (r = 0,84 - 0,94 para GLI. r = 0,81 - 0,93 para NGRDI). Outro parâmetro que contribuiu para validação da metodologia foi o RMSE (root-mean-square error), que apresentou valores consideravelmente baixos (RMSE GLI = 1.24 - 1.66, RMSE NGRDI = 1.30 - 2.04). Também foi possível identificar que um dos ambientes gerou menores correlações, sendo possível associar esse menor desempenho à presença de plantas invasoras e falhas de germinação nas parcelas analisadas. Dessa forma, a metodologia se mostrou confiável, com uma boa acurácia e alta precisão, porém é necessário se atentar as condições do ambiente a nível de parcela experimental. Palavras-chave: UAV. Glycine max. Sensoriamento remoto aéreo. Fenotipagem de alto rendimento. Melhoramento vegetalIn soybean breeding programs, one of the field tasks considered labor and time consuming is estimating the number of days from planting to maturity, in which the recommendation of a certain cultivar is defined through maturation groups. This activity demands frequent visits to the trials and a considerable chance of error in plot classification. With the aim of improving the implementation of this activity, this study sought to analyze and validate a methodology for remote evaluation of soybean maturation using an RGB camera coupled to a low-cost drones. Through vegetative indices, statistical models, and extraction of pixels in the plots, it was possible to identify the best combinations that presented high correlation to those proximal estimative collected by the professionals in the field. Ground data were collected from 90 plots in 3 environments for comparison with the remote estimation. The combination of the GLI (greenness leaf index) and NGRDI (normalized red green difference index) indices with the non-parametric local regression, LOESS (Locally estimated scatterplot smoothing), and extraction of the median of the pixels, revealed a strong Person correlation Pearson when compared to the maturation measured in the field (r = 0,84 – 0,94 to GLI. r = 0,81 – 0,93 to NGRDI). Another parameter that contributed to the validation of the methodology was the RMSE (root-mean-square error), which presented considerably low values (RMSE GLI = 1.24 – 1.66, RMSE NGRDI = 1.30 – 2.04). It was also possible to identify that one of the environments expressed correlations. This may be due to the presence of weeds and germination failures in the analyzed plots. Thus, the methodology proved to be reliable, with good accuracy and high precision, but it is necessary to look at the field conditions. Keywords: UAV. Glycine max. Aerial remote sensing. High-throughput phenotyping. Plant breeding