Caracterização do teor de nitrogênio foliar e produtividade do feijoeiro com técnicas de visão artificial

O feijão é um dos componentes básicos da dieta alimentar da população brasileira e importante fonte de proteína. O Brasil é o maior produtor e maior consumidor mundial, porém com um rendimento médio inferior aos dos Estados Unidos e China. Com a necessidade de aumentar a produtividade da lavoura de maneira eficiente e a preocupação com a questão ambiental, nos últimos anos aumentou o interesse dos produtores no uso de novas tecnologias como a utilização das técnicas de agricultura de precisão. Portanto, visando os conceitos de agricultura de precisão o objetivo deste trabalho foi avaliar a discriminação de classes de nitrogênio (N) foliar, a partir de índices de vegetação e clorofilômetro portátil, e classes de produtividade do feijoeiro, a partir de índices de vegetação. O experimento constou de duas safras ( seca e inverno de 2007). O delineamento experimental utilizado foi o de blocos casualizados, com tratamentos distribuídos em esquema fatorial 5 x 6, com três repetições, totalizando 90 parcelas. Os tratamentos foram constituídos por cinco doses de N (0, 20, 30, 40 e 50 kg ha-1) aplicadas na semeadura e seis doses de N (0, 20, 30, 40, 60 e 80 kg ha-1) aplicadas em cobertura na forma de uréia, totalizando 30 tratamentos. Os índices de vegetação foram extraídos de imagens digitais, obtidas por meio de um sistema composto por duas câmeras digitais, obtendo ao mesmo instante, duas imagens da mesma cena (uma na banda do visível e outra na banda do infravermelho próximo). As mesmas folhas utilizadas para obter o valor SPAD foram coletadas para determinar o teor de N presente nas folhas. Os teores de N foliar foram distribuídos em classes baixa, satisfatória e alta. A produtividade também foi dividida em classes baixa, média e alta. Para discriminar classes de N e produtividade, foram desenvolvidos classificadores estatísticos. Para discriminar classes de N foliar, foram utilizadas todas as possíveis combinações dos oito índices de vegetação e valores SPAD coletados antes da adubação em cobertura. Para discriminar classes de produtividade, foram utilizadas todas as possíveis combinações dos oito índices de vegetação extraídos das imagens coletadas após a adubação em cobertura. Com a utilização do medidor de clorofila SPAD 502 a discriminação entre as doses de N aplicadas na semeadura foi possível nos dois experimentos estudados: no experimento 1 aos 25 DAE e no experimento 2 aos 28 DAE. O valor SPAD correlacionou-se positivamente com o teor de N nas folhas no feijoeiro, tendo a maior correlação aos 12 DAE. Nos dois experimento, os índices de vegetação não correlacionaram com os valores de N foliar, mas com a produtividade essa correlação foi positiva e maior com o avanço dos dias após a emergência. No experimento 1 não foi possível desenvolver classificadores para discriminar as classes de N foliar, pois os valores de N foliar estavam acima do nível considerado satisfatório, incluindo todos os dados na classe alta. A utilização dos índices de vegetação como vetor de característica não foi útil na discriminação das classes de N foliar, tendo apresentado coeficiente Kappa baixo, classificados como razoável e ruim aos 20 e 28 dias após a emergência (DAE), respectivamente, no experimento 2. Quando utilizou-se o valor SPAD os resultados foram melhores, apresentando coeficiente Kappa classificados como bom e muito bom aos 20 e 28 DAE, respectivamente. Na discriminação de classes de produtividade, o maior coeficiente Kappa (44%) encontrado foi aos 64 DAE, no experimento 1, já no experimento 2 esse coeficiente Kappa foi maior (76%) aos 49 DAE. Os índices de vegetação foram eficientes na discriminação das classes de produtividade, e a combinação de mais de um índice foi importante devido ao efeito conjunto das variáveis.

Grantor dc:publisher

Universidade Federal de Viçosa

Year dc:date.issued

2008

Author dc:creator

• Tormen, Gislaine Pacheco

• Agricultura de precisão
• Visão artificial
• Feijão
• Precision agriculture
• Machine vision
• Beans

Statement dc:rights

• Acesso Aberto

Language dc:language

por

Repository record dc:identifier.uri

http://locus.ufv.br/handle/123456789/3524

OAI identifier oai:identifier

oai:locus.ufv.br:123456789/3524