AVALIAÇÃO DO ESTADO HÍDRICO DE CULTIVARES DE MILHO POR IMAGENS AÉREAS

Palavras-chave: Zea mays L.. ARP. Sensoriamento remoto. Imagens RGB.

Resumo

O estudo objetivou avaliar o estado hídrico de cultivares de milho por meio de índices térmico e de vegetação gerados de imagens aéreas multiespectrais obtidas por veículo aéreo não tripulado, correlacionando-os com indicadores fisiológicos e o conteúdo de água no solo. Avaliou-se a aplicação de três regimes hídricos (RH) com base na evapotranspiração de referência (ETo) (30%, 90% e 150% ETo) em duas cultivares de milho (AG-1051 e BRS-Caatingueiro). Utilizou-se um veículo aéreo não tripulado para a aquisição das imagens térmicas e multiespectrais. Avaliaram-se os índices CWSI, CI-G, CI-RE, CIV, NDVI e OSAVI, os quais foram correlacionados com medidas de trocas gasosas e umidade do solo. O CWSI apresenta correlação com os indicadores fisiológicos condutância estomática, transpiração e taxa de assimilação líquida de CO2, podendo ser utilizado na avaliação do status hídrico de plantas de milho. Os índices de vegetação multiespectrais NDVI e OSAVI podem ser utilizados em substituição ao índice térmico CWSI na avaliação do estado hídrico das plantas de milho.

 

Biografia do Autor

Edson Alves Bastos, Embrapa Meio-Norte, Teresina, PI

 

 

Referências

ALLEN, R. G. et al. Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56. FAO: Rome, 1998. 300 p.

AVILA, R. G. et al. Alterações nos componentes de trocas gasosas e eficiência do fotossistema II em genótipos de milho submetidos a estresse hídrico no pré-florescimento. In: CONGRESSO NACIONAL DE MILHO E SORGO, 31, 2016, Bento Gonçalves. Anais... Bento Gonçalves: SBMS, 2016. p. 642-644.

BALUJA, J. et al. Assessment of vineyard water status variability by thermal and multispectral imagery using an unmanned aerial vehicle (UAV). Irrigation Science, 30: 511-522, 2012.

BANGARE, S. L. et al. Reviewing Otsu’s method for image thresholding. International Journal of Applied Engineering Research, 10: 21777-21783, 2015.

BASTOS, E. A. et al. Boletim agrometeorológico de 2017 para o município de Parnaíba, PI. Teresina, PI: Embrapa Meio-Norte, 2018. 37 p. (Documentos, 251).

BELLVERT, J. et al. Mapping crop water stress index in a ‘pinot-noir’ vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle. Precision Agriculture, 15: 361–376, 2014.

BELLVERT, J. et al. Vineyard irrigation scheduling based on airborne thermal imagery and water potential thresholds. Australian Journal of Grape and Wine Research, 22: 307–315, 2016.

BERGAMASCHI, H.; MATZENAUER, R. O milho e o clima. Porto Alegre, RS: Emater/RS-Ascar, 2014. 84 p.

BERNI, J. A. J. et al. Mapping canopy conductance and CWSI in olive orchards using high resolution thermal remote sensing imagery. Remote Sensing of Environment, 113: 2380–2388, 2009.

BIAN, J. et al. Simplified Evaluation of Cotton Water Stress Using High Resolution Unmanned Aerial Vehicle Thermal Imagery. Remote Sensing, 11: 267-284, 2019.

BIANCHI, C. A. M. et al. Condutância da folha em milho cultivado em plantio direto e convencional em diferentes disponibilidades hídricas. Ciência Rural, 37: 315-322, 2007.

CARDOSO, M. J. et al. Rendimento de grãos, componentes de rendimento e eficiência de uso da água de híbridos de milho em condições climáticas contrastantes. Teresina, PI: Embrapa Meio-Norte, 2012. 23 p. (Boletim de pesquisa e desenvolvimento, 103).

CARVALHO, H. W. L. et al. Caatingueiro - Uma variedade de milho para o semiárido Nordestino. Aracaju, SE: Embrapa Tabuleiros Costeiros, 2004. 5 p. (Comunicado técnico, 29).

CASARI, R. A. C. N. et al. Using thermography to confirm genotypic variation for drought response in maize. International Journal of Molecular Sciences, 20: 2273-2295, 2019.

ESCADAFAL, R. Soil spectral properties and their relationships with environmental parameters: examples from arid regions. In: HILL, J.; MÉGIER, J. (Eds.). Imaging Spectrometry-A Tool for Environmental Observations. Dordrecht: Kluwer Academic Publishers, 1994. v. 4, cap. 5, p. 71-87.

FERREIRA, E.; CAVALCANTI, P.; NOGUEIRA, D. ExpDes: An R Package for ANOVA and Experimental Designs. Applied Mathematics, 5: 2952-2958. 2014.

FERREIRA, T.; RASBAND, W. S. ImageJ User Guide — IJ 1.46. National Institutes of Health, Bethesda, Maryland, USA, 2012. 198 p. Disponível em: <http://imagej.nih.gov/ij/ docs/guide>. Acesso em: 05 mai. 2019.

GAGO, J. et al. UAVs challenge to assess water stress for sustainable agriculture. Agricultural Water Management, 154: 9–19, 2015.

GERHARDS, M. et al. Water stress detection in potato plants using leaf temperature, emissivity, and reflectance. International Journal of Applied Earth Observation and Geoinformation, 53: 27-39, 2016.

GHANNOUM, O. C4 photosynthesis and water stress. Annals of Botany, 103: 635-644, 2009.

GITELSON, A. A. et al. Remote estimation of leaf area index and green leaf biomass in maize canopies. Geophysical Research Letters, 30: 1248-1252, 2003.

IDSO, S. B. et al. Normalizing the stress-degree-day parameter for environmental variability. Agricultural Meteorology, 24: 45-55, 1981.

LI, H. et al. Estimating crop coefficients of winter wheat based on canopy spectral vegetation indices. Transactions of Chinese Society of Agricultural Engineering, 29: 118–127, 2013.

LIU, Y. et al. Maize leaf temperature responses to drought: Thermal imaging and quantitative trait loci (QTL) mapping. Environmental and Experimental Botany, 71: 158-165, 2011.

MARTINS, J. D. Modificações morfofisiológicas em plantas de milho submetidas a déficit hídrico. 2010. 102 p. Dissertação (Mestrado em Engenharia Agrícola: Área de Concentração em Engenharia de Água e Solo) – Universidade Federal de Santa Maria, 2010.

MELO, F. B. et al. Levantamento Detalhado dos Solos da Área da Embrapa Meio-Norte / UEP de Parnaíba. Teresina, PI: Embrapa Meio-Norte, 2004. 22 p. (Documentos, 89).

MONTALVO, M. et al. Automatic detection of crop rows in maize fields with high weeds pressure. Expert System Applied, 39: 11889–11897, 2012.

OTEGUI, M. E.; ANDRADE, F. H.; SUERO, E. E. Growth, water use, and kernel abortion of maize subjected to drought at silking. Field Crop Research, 40: 87–94, 1995.

OTSU, N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man. and Cybernetics, 9: 62–66, 1979.

PADHI, J.; MISRA, R. K.; PAYERO, J. O. Estimation of soil water deficit in an irrigated cotton field with infrared thermography. Field Crops Research, 126: 45–55, 2012.

QGIS Development Team, 2016. QGIS 2.18. Geographic Information System User Guide. Open Source Geospatial Foundation Project. Disponível em: <https://docs.qgis.org/ 2.18/pdf/pt_BR/>. Acesso em: 01 nov. 2016.

RIBOLDI, L. B.; OLIVEIRA, R. F.; ANGELOCCI, L. R. Leaf turgor pressure in maize plants under water stress. Australian Journal of Crop Science, 10: 878-886, 2016.

ROMANO, G. et al. Use of thermography for high throughput phenotyping of tropical maize adaptation in water stress. Computers and Electronics in Agriculture, 79: 67–74, 2011.

RONDEAUX, G.; STEVEN, M.; BARET, F. Optimization of soil-adjusted vegetation indices. Remote Sensing of Environment, 55: 95-107, 1996.

SABAGH, A. E.; BARUTÇULAR, C.; ISLAM, M. S. Relationships between stomatal conductance and yield under deficit irrigation in maize (Zea mays L.). Journal of Experimental Biology and Agricultural Sciences, 5: 14-21, 2017.

SANTOS, A. L. F. et al. Eficiência fotossintética e produtiva de milho safrinha em função de épocas de semeadura e populações de plantas. Journal of Neotropical Agriculture, 5: 52-60, 2018.

SOUSA, R. S. et al. Desempenho produtivo de genótipos de milho sob déficit hídrico. Revista Brasileira de Milho e Sorgo, 14: 49-60, 2015.

TAGHVAEIAN, S.; CHÁVEZ, J. L.; HANSEN, N. C. Infrared thermometry to estimate crop water stress index and water use of irrigated maize in Northeastern Colorado. Remote Sensing, 4:3619-3637, 2012.

TAIZ, L. et al. Fisiologia Vegetal. 6. ed. Porto Alegre, RS: Artmed, 2017. 918 p.

TORRES-SANCHEZ, J.; LOPEZ-GRANADOS, F.; PEÑA, J. M. An automatic object-based method for optimal thresholding in UAV images: Application for vegetation detection in herbaceous crops. Computers and Electronics in Agriculture, 114: 43-52, 2015.

USAMENTIAGA, R. et al. Infrared thermography for temperature measurement and non-destructive testing. Sensors, 14: 12305–12348, 2014.

VINCINI, M.; FRAZZI, E.; D’ALESSIO, P. A broad-band leaf chlorophyll vegetation index at the canopy scale. Precision Agriculture, 9: 303–319, 2008.

ZHANG, L. et al. Mapping maize water stress based on UAV multispectral remote sensing. Remote Sensing, 11: 605-629, 2019.

ZIA, S. et al. Infrared thermal imaging as a rapid tool for identifying water-stress tolerant maize genotypes of different phenology. Journal of Agronomy and Crop Science, 199: 75-84, 2013.

Publicado
2021-05-10
Seção
Engenharia Agrícola