Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle

Detalhes bibliográficos
Autor(a) principal: Negrisoli, Matheus Mereb
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/236172
Resumo: 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.
id UNSP_f75bce75830483cb13cf46ca7991c222
oai_identifier_str oai:repositorio.unesp.br:11449/236172
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controleMonitoring and detection of soybean rust by spectroradiometry and prediction model construction for decision-making of controlSensoriamento RemotoTecnologia de AplicaçãoPhakopsora pachyrhiziFungicidasManejo integrado de doençasRemote sensingApplication technologyFungicidesIntegrated disease managementO 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.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.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)FAPESP: 2018/26486-0FAPESP: 2018/24869-0CNPq: 142443/2018-2CAPES: Código de financiamento 001Universidade Estadual Paulista (Unesp)Raetano, Carlos GilbertoUniversidade Estadual Paulista (Unesp)Negrisoli, Matheus Mereb2022-08-17T12:12:16Z2022-08-17T12:12:16Z2022-05-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/11449/23617233004064034P1porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-05-03T12:40:34Zoai:repositorio.unesp.br:11449/236172Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-05-03T12:40:34Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
Monitoring and detection of soybean rust by spectroradiometry and prediction model construction for decision-making of control
title Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
spellingShingle Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
Negrisoli, Matheus Mereb
Sensoriamento Remoto
Tecnologia de Aplicação
Phakopsora pachyrhizi
Fungicidas
Manejo integrado de doenças
Remote sensing
Application technology
Fungicides
Integrated disease management
title_short Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
title_full Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
title_fullStr Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
title_full_unstemmed Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
title_sort Monitoramento e detecção da ferrugem asiática da soja por espectroradiometria e criação de modelo de predição para tomada de decisão do controle
author Negrisoli, Matheus Mereb
author_facet Negrisoli, Matheus Mereb
author_role author
dc.contributor.none.fl_str_mv Raetano, Carlos Gilberto
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Negrisoli, Matheus Mereb
dc.subject.por.fl_str_mv Sensoriamento Remoto
Tecnologia de Aplicação
Phakopsora pachyrhizi
Fungicidas
Manejo integrado de doenças
Remote sensing
Application technology
Fungicides
Integrated disease management
topic Sensoriamento Remoto
Tecnologia de Aplicação
Phakopsora pachyrhizi
Fungicidas
Manejo integrado de doenças
Remote sensing
Application technology
Fungicides
Integrated disease management
description 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.
publishDate 2022
dc.date.none.fl_str_mv 2022-08-17T12:12:16Z
2022-08-17T12:12:16Z
2022-05-20
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/236172
33004064034P1
url http://hdl.handle.net/11449/236172
identifier_str_mv 33004064034P1
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1803650248116011008