Respostas fisiológicas e espectrais da cana-de-açúcar às injúrias causadas por fitófagos broqueadores: bases para a melhoria do monitoramento de pragas

Abstract

O monitoramento de pragas é essencial para programas de Manejo Integrado de Pragas (MIP), pois permite a detecção precoce de infestações e auxilia na tomada de decisão para a implementação de estratégias de controle. No entanto, muitos estudos ainda negligenciam as interações entre pragas e outros fatores estressores, como os abióticos, que podem agravar os prejuízos ao desenvolvimento das plantas. Na cultura da cana-de-açúcar, pragas como a broca-da-cana e o bicudo-da-cana causam perdas significativas, especialmente em condições de estresse hídrico. Técnicas emergentes, como o sensoriamento remoto, que utiliza sensores para detectar mudanças fisiológicas nas plantas, mostram-se promissoras para o monitoramento de pragas. Este estudo explora como as infestações dessas pragas afetam as respostas fisiológicas e espectrais da cana-de-açúcar e investiga a eficácia de sensores multiespectrais para detectar alterações na reflectância espectral das plantas causados pelo bicudo-da-cana. Inicialmente, foi investigado em casa-de-vegetação, como a infestação pela broca-da-cana e diferentes regimes hídricos alteram parâmetros de trocas gasosas e a reflectância espectral da cana-de-açúcar. Posteriormente, foi realizado monitoramento mensal de áreas experimentais infestadas com o bicudo-da-cana em canaviais comerciais. A resposta espectral das plantas foi registrada por sensores multiespectrais embarcados em veículos aéreos não tripulados (VANTs) e satélites. Os resultados revelaram que tanto o déficit hídrico quanto a infestação pela broca-da-cana, isolados ou combinados, afetam significativamente parâmetros como transpiração (E), condutância estomática (gs) e fotossíntese líquida (A), dificultando a distinção entre os efeitos da broca-da-cana e os causados pelo déficit hídrico. As respostas das variedades de cana diferiram, com a variedade tolerante ao estresse hídrico apresentando menores valores para os parâmetros gasosos, sugerindo interações complexas entre a fisiologia da planta e os estressores. Além disso, a detecção do ataque da broca-da-cana via sensoriamento remoto mostrou-se desafiadora, com os algoritmos de machine learning (ML) apresentando dificuldades em distinguir corretamente os estresses. No monitoramento do bicudo-da-cana, foi identificada uma relação significativa entre os níveis de infestação e a reflectância espectral das plantas, variando conforme a variedade de cana e o nível de infestação. Os modelos de ML foram eficazes ao estimar a intensidade de ataque acumulado, especialmente quando os dados consideraram a fase de crescimento da cana e a fase danosa da praga, sendo os algoritmos de árvores de decisão os mais eficientes. A análise também destacou a importância de bandas espectrais específicas e índices de vegetação como o MCARI, sensíveis às alterações causadas pelo ataque do bicudo-da-cana. Surpreendentemente, os dados provenientes de satélites superaram os VANTs em termos de poder preditivo. Esses achados reforçam a necessidade de considerar a tolerância da cana a múltiplos estressores na estimativa de limiares econômicos de dano e apontam para a incorporação de ferramentas digitais como uma abordagem promissora para o monitoramento em larga escala do bicudo-da-cana.

Pest monitoring is essential for Integrated Pest Management (IPM) programs, as it allows early detection of pest infestations and aids decision-making for the implementation of control strategies. However, many studies still neglect the interactions between pests and other stressors, such as abiotic ones, which can aggravate plant damage. Pests in sugarcane crops, such as the sugarcane borer and the sugarcane billbug, cause significant losses, especially under water shortage conditions. Emerging techniques, such as remote sensing, which uses sensors to detect physiological changes in plants, show promise for pest monitoring. This study explores the impact of pest infestations on the physiological and spectral responses of sugarcane, as well as the efficacy of multispectral sensors in identifying damage from the sugarcane billbug. Initially, it was investigated how sugarcane borer infestation and different water regimes alter gas exchange parameters and spectral reflectance of sugarcane under semi-field conditions. Subsequently, monthly monitoring of sugarcane billbug was carried out in experimental areas infested with this pest in commercial sugarcane fields. Multispectral sensors on board unmanned aerial vehicles (UAVs) and satellites recorded the spectral response of the plants. The results revealed that both water deficit and sugarcane borer infestation, isolated or combined, significantly affect parameters such as transpiration (E), stomatal conductance (gs), and net photosynthesis (A), making it difficult to distinguish between the effects of the sugarcane borer and those caused by water deficit. The responses of sugarcane varieties differed, with the drought-tolerant variety presenting lower values for gas exchange parameters, suggesting complex interactions between plant physiology and stressors. Furthermore, detecting sugarcane borer attacks via remote sensing proved challenging, with machine learning (ML) algorithms struggling to correctly distinguish stresses. In sugarcane billbug monitoring, a significant relationship was identified between infestation levels and plant spectral reflectance, varying according to sugarcane variety and infestation level. ML models were effective in estimating the intensity of the accumulated attack, especially when the data considered the sugarcane growth phase and the damage phase of the pest, with decision tree algorithms being the most efficient. The analysis also highlighted the importance of specific spectral bands and vegetation indices, such as MCARI, which are sensitive to changes caused by sugarcane billbug attacks. Surprisingly, satellite data outperformed UAVs in terms of predictive power. These findings reinforce the need to consider sugarcane tolerance to multiple stressors when estimating economic damage thresholds, and they point to the incorporation of digital tools as a promising approach for large-scale monitoring of the sugarcane billbug.