Estimativa de biomassa de trigo usando imagens de alta resolução espacial a partir de veículo aéreo não tripulado

• Autor(a) principal: Souza, Mirayr Raul Quadros de
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/189943
• topic: Agricultura de precisão; Biomassa; Trigo; Sensoriamento remoto; Wheat Plot Segmentation; Artifitial Neural Network; Biomass Prediction

A Agricultura de Precisão contribui para melhorar a qualidade e a produtividade da produção vegetal, com redução de custos e impacto ambiental. A incorporação de tecnologia em equipamentos de cultivo, associada à melhoria genética, permite monitoramento, desenvolvimento das espécies e a aplicação correta, espacial e temporalmente, de nutrientes e defensivos. Neste trabalho são utilizadas imagens aéreas RGB de alta resolução espacial, obtidas por um VANT (Veículo Aéreo Não Tripulado) em vôo sobre um cultivar de trigo, para avaliar a biomassa de duas variedades de trigo brasileiras (TBIO Toruk e BRS Parrudo) através dos índices de vegetação (IVs). Foram utilizados dez índices de vegetação, entre os quais: NGRDI (Índice de Diferença Verde-Vermelho Normalizado), CIVE (Índice de Cor da Extração de Vegetação), ExG (Excesso Verde) SCOM (Índice Combinado Simplificado) e um novo índice proposto denominado ExRM (Excesso vermelho modificado). Os dados foram obtidos de um experimento contendo 120 parcelas de trigo projetado para avaliar o crescimento do trigo e testar o desempenho dos índices de vegetação, correlacionando-os com a biomassa seca medida da parte aérea. A variabilidade no crescimento da cultura foi provocada pela dosagem de nitrogênio aplicada. Para determinar a biomassa da parte aérea, as plantas foram amostradas em dois estágios diferentes de crescimento da cultura: V6 (estádio da sexta folha completamente expandida) e florescimento. Essas medidas foram consideradas como referência para os estimadores de biomassa. Foi criado um mosaico com as imagens capturadas a 50 metros acima do solo e foi realizado a segmentação das parcelas de trigo, de forma automática. Uma Rede Neural Artificial (RNA) foi treinada para prever a biomassa usando os índices de vegetação como entrada da rede. A precisão do modelo estimado foi avaliada com base no coeficiente de determinação ( R2). O melhor resultado para a cultivar Parrudo foi R2 = 0,81 obtido usando RNA e todas os IV como características versus biomassa. Para a cultivar Toruk, o melhor resultado foi R2 = 0,86. Os resultados indicam que o modelo de estimação proposto, baseado em imagens RGB e RNA, pode ser utilizado na agricultura de precisão para predizer a variabilidade espacial da biomassa da parte aérea, considerando os dois cultivares de trigo testados. Os resultados também foram comparados com uma regressão linear para estimar a biomassa da parte aérea dos IVs.