Análise hiperespectral foliar na identificação de déficit hídrico em cultivares de soja | Hyperspectral leaf analysis to identity water deficit in soybean cultivars

O déficit hídrico nas lavouras de soja no Brasil são muitas das vezes ocasionado pela má distribuição de chuva. Impactando na redução das atividades fotossintéticas das plantas, quebras de produtividade e perdas econômicas. As técnicas de sensoriamento remoto podem ser utilizadas para quantificação dos danos causados pelo déficit hídrico, auxiliando o produtor no monitoramento da lavoura, com tomada decisão precisa e eficiente. Nesse sentido, objetivou-se com este trabalho verificar a eficiência do uso do sensoriamento remoto por plataforma terrestre com uso de um sensor hiperespectral para identificação de cultivares de soja submetidas ao déficit hídrico. O estudo foi realizado em casa de vegetação, em delineamento de blocos ao acaso em esquema fatorial (6x6) e com três repetições. Sendo seis cultivares de soja CD 208 (cultivar 1); 5D711 RR (cultivar 2); CD 2737 RR (cultivar 3); OC 14 (cultivar 4); P98Y11 (cultivar 5); e FT GUAIRA (cultivar 6) e seis níveis de potencial matricial do solo (-10, -30, -300, -900, -1200 e -1500 kPa). O potencial -10 kPa é correspondente ao controle, os demais potencias matriciais são déficit hídrico, onde foram impostos as cultivares a partir da fase reprodutiva R4. As avaliações realizadas foram: conteúdo relativo de água nas folhas (CRA), potencial hídrico foliar (Ψ wF ), índices de clorofila (IC) “a”, “b” e total, coletas de assinatura espectrais por meio de espectrorradiômetro e produção de grãos por planta PG (g planta -1 ). Realizou-se uma análise exploratória dos dados e, logo em seguida, produziram-se modelos matemáticos via técnica de Regressão por Quadrados Mínimos Parciais. Os modelos apresentaram elevadas associações entre todas as características avaliadas e os comprimentos de ondas. A eficiência dos modelos foi determinada com base nos resultados da validação cruzada, avaliada por meio dos coeficientes de determinação de calibrado [R 2 (Cal)] e validado [R 2 (CV)]. Observou-se o desempenho de cada cultivar, quando imposta às tensões de -10 kPa (controle - sem déficit hídrico) e -1200 kPa (déficit hídrico). A cultivar 4 foi a que apresentou melhor desempenho de produção de grão, tanto para o tratamento controle quanto para o déficit hídrico. Os modelos são eficientes para prever características indicadoras de déficit hídrico por meio da refletância espectral das folhas de soja. Palavras-chave: Sensoriamento Remoto. Fisiologia vegetal. Glycine max.

Water stress in soybean crops in Brazil is often caused by poor rainfall distribution. Impact on the reduction of photosynthetic activities of plants, productivity losses and reduction of the economy. The use of remote sensing techniques can be used to quantify the damage caused by water deficit, assisting the farmer in monitoring the crop, with accurate and efficient decision- making. In this sense, the aim of this work was to verify the efficiency of the use of remote sensing by terrestrial platform with the use of a hyperspectral sensor to identify soybean cultivars submitted to water deficit. The present study was carried out in a greenhouse, in randomized block design, in factorial scheme (6x6) and with three replications. Six soybean cultivars (CD 208 - cultivar 1; 5D711 RR - cultivar 2; CD 2737 RR - cultivar 3; OC 14 - cultivar 4; P98Y11 - cultivar 5; and FT GUAIRA- cultivar 6) and six levels of soil matrix potential (- 10, -30, -300, -900, -1200 and -1500 kPa) were used. The potentials corresponding to the water deficit were imposed from the reproductive phase R4. Assessments of leaf relative water content (LRWC), leaf water potential (Ψ WL ), indexes of chlorophyll (IC) “a”, “b” and total, grain production (GP) and spectral signature collections by means of spectroradiometer. An exploratory analysis of the data was performed and, shortly thereafter, mathematical models were produced using the technique of Partial Least Squares Regression (PLSR). The models showed high associations between all evaluated characteristics and wavelengths. The efficiency models were determinate based on the results of cross-validation, assessed by means of the calibration determination coefficients [R 2 (Cal)] and validated [R 2 (CV)]. The performance of each cultivar was observed, when imposed at potential of -10 kPa (control-no water deficit) and -1200 kPa (water deficit). The cultivar 4 (OC 14) showed the best performance in grain production, both for the control treatment and for the water deficit. The models are efficient to predict characteristics that indicate water deficit through the spectral reflectance of soybean leaves. Keywords: Remote sensing. Plant physiology. Glycine max.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)