Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
Carregando...
Data
2022-05-20
Autores
Orientador
Raetano, Carlos Gilberto
Coorientador
Pós-graduação
Agronomia (Proteção de Plantas) - FCA
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O monitoramento da ferrugem asiática da soja (FAS) por sensoriamento remoto pode otimizar a detecção da doença no campo e ser utilizado como base para tomada de decisão do controle, podendo influenciar na qualidade da aplicação e na eficácia do controle. Assim, o objetivo geral desse trabalho foi obter correlação entre o progresso da FAS na cultura da soja com os valores de refletância da cultura sob condições de níveis de severidade da doença e cultivares de soja, de modo a propor um modelo de predição da doença e utilizá-lo como método no monitoramento para tomada de decisão do uso do controle químico. O projeto de pesquisa foi conduzido entre 2018 e 2021 na Faculdade de Ciências Agronômicas (FCA/UNESP), Botucatu, SP, divididos em três capítulos. Inicialmente foi avaliado à campo e em laboratório o efeito da FAS sobre cultivares de soja suscetível e parcialmente resistentes, em termos de severidade da doença, produtividade da cultura, fluorescência da clorofila, trocas gasosas, e a aplicabilidade do sensoriamento remoto para determinação desses efeitos. A seguir foi avaliada a detecção da ferrugem da soja por sensoriamento remoto e criação do modelo de predição e classificação da doença com base na refletância dos folíolos em diferentes níveis de severidade da FAS. Foram avaliadas diferentes técnicas estatísticas para redução da dimensionalidade dos dados e algoritmos de classificação. Posteriormente foi realizada a aplicação do modelo de predição da doença à campo, avaliando a aplicabilidade do modelo de previsão e comparando-o com métodos convencionais de monitoramento como fonte para tomada de decisão de controle (aplicações calendarizadas em um período pré-definido e no início do aparecimento dos sintomas). O efeito dos diferentes momentos de aplicação foram avaliados quanto à deposição de calda, cobertura da pulverização, eficácia de controle da doença e produtividade da cultura. Diferenças significativas no efeito da doença sobre os dois cultivares de soja foram constatadas, com redução dos efeitos negativos do patógeno sobre o cultivar de soja com resistência parcial. Foi possível distinguir plantas sadias e com FAS com base na refletância da cultura em diferentes níveis de severidade com até 93% de acurácia e precisão, e esses dados puderam ser utilizados na criação de um modelo de classificação e predição da doença. Os diferentes momentos de aplicação influenciaram na eficácia de controle e tecnologia de aplicação, no qual os tratamentos com aplicação em momentos de maior índice de área foliar obtiveram distribuição de calda menos uniforme. A utilização do modelo de predição proposto e as técnicas de sensoriamento remoto são eficazes e promissores para ser integrados a programas de manejo da doença.
Resumo (inglês)
Monitoring of soybean rust (SBR) by remote sensing can improve disease detection in the field and be used as a decision support system for control, which can influence the quality of application and the effectiveness of control. Thus, the objective of this study was to obtain a correlation between SBR progress and the reflectance values of the crop under different conditions of disease severity levels and soybean cultivars, in order to propose a disease prediction model and use it as a monitoring method to aid in the decision making of chemical control. The research project was conducted between 2018 and 2021 at the School of Agriculture (FCA/UNESP), Botucatu, SP, divided into three phases. Initially, the effects of SBR on susceptible and partially resistant soybean cultivars was evaluated in the field and in the laboratory, in terms of disease severity, crop yield, chlorophyll fluorescence, gas exchange, and the applicability of remote sensing for determination of these effects. After then, we evaluated the detection of soybean rust by remote sensing and the construction of a prediction and classification model based on leaflet reflectance at different levels of SBR severity. Different statistical techniques to reduce data dimensionality and classification algorithms were also evaluated. At the end, the application of the disease prediction model in the field was carried out evaluating the effect of different application timings on the application technology and control effectiveness. The applicability of the prediction model was evaluated, comparing it with conventional monitoring methods as the source for decision making of control (calendarized applications at a pre-defined period and at the first appearance of the symptoms). The effect of different application timings was evaluated in terms of spray deposit, spray coverage, disease control effectiveness and crop yield. Significant differences were observed regarding the effect of the disease on the two soybean cultivars, with a reduction in the negative effects of the pathogen on the soybean cultivar with partial resistance. It was possible to distinguish between healthy and SBR-infected plants based on leaf reflectance at different severity levels with up to 93% accuracy and precision, and these data were successfully used to create a disease classification and prediction model. The different application timings influenced the control effectiveness and application technology, in which treatments with application at times of higher leaf area index obtained less uniform spray distribution. The use of the proposed prediction model and remote sensing techniques are effective and promising to be integrated into disease management programs.
Descrição
Idioma
Português