Sensoriamento remoto aplicado ao monitoramento do déficit hídrico e fenologia da cultura da soja | Remote sensing applied to monitoring water deficit and phenology of soybean

Avaliar o impacto do déficit hídrico nos diferentes estádios fenológicos da soja é essencial para o manejo da cultura. Considerando regiões como a do Cerrado, onde essa cultura tem sido cada vez mais irrigada, essa informação é importante também para o manejo da irrigação e planejamento de uso de recursos hídricos. O uso de veículos aéreos não tripulados (VANTs) tem sido incentivado como uma alternativa às imagens de satélite para o monitoramento de culturas agrícolas, principalmente no que diz respeito à demanda hídrica. Esta tese objetivou verificar o impacto do déficit hídrico na soja e utilizar técnicas de sensoriamento remoto para o monitoramento deste impacto. Utilizou-se um delineamento experimental em blocos casualizados com cinco tratamentos e quatro repetições. No tratamento controle (TR1), a irrigação atendeu à demanda hídrica da cultura em todos os estádios de desenvolvimento. Nos demais tratamentos, a irrigação foi suspensa em estádios fenológicos específicos (TR2 = VC-V2, TR3 = V2-R1, TR4 = R1-R5 e TR5 = R5-R7) e depois retomada. A maior redução de índice de área foliar (56%), em relação ao TR1, foi observada no estádio fenológico V2-R1, no tratamento TR3. O TR4 foi o tratamento que apresentou a maior redução na altura de plantas (28%), em relação ao TR1. As maiores reduções de produtividade foram observadas nos tratamentos TR4 (50%) e TR5 (52%). A produtividade de uso da água foi menor em 28% no tratamento TR4 e 39% no TR5. A ETa foi menor em 14%, 26%, 26% e 22% nos tratamentos TR2, TR3, TR4 e TR5, respectivamente. Observou-se correlação linear entre a produtividade e o déficit hídrico no solo, ETa total e produtividade média, déficit hídrico no solo médio e ETa total, com valor de r² igual a 0,77, 0,91 e 0,85, respectivamente. Os índices EVI2, OSAVI, SAVI e RDVI foram altamente correlacionados com o índice de área foliar (IAF), apresentando r² superiores a 0,80 e RMSE inferiores a 0,5. Para a biomassa (BIO), EVI2, OSAVI e RDVI também mostraram correlações significativas com r² = 0,70 e RMSE < 1,75. Além disso, os índices NDRE, SCCCI, RECI, GRVI, GCI e GNDVI foram altamente correlacionados com a produtividade, com r² = 0,90 e RMSE < 0,18. O IEHC nos tratamentos aos 30 DAS variou entre 0,31 e 0,36. O IEHC médio do tratamento TR1 dos 30 aos 93 DAS foi de 0,29, com um valor máximo de 0,46, podendo este ser o limite para a aplicação de irrigação na soja. Os resultados indicaram uma forte correlação entre a ETa e o IEHC, com um r² maior que 0,8. O IAF e BIO tiveram melhores correlações com o IEHC aos 65 DAS, com valores de r² acima de 0,60. Em relação à produtividade, a melhor correlação com o IEHC foi observada aos 93 DAS, com valor de r² igual a 0,72. Os valores de ETa medidos mostraram forte correlação com o modelo SSEBop, produzindo alto valor de r², baixo RMSE de 0,65 mm d-1, MBE de -0,30 mm d-1 e EF de 0,71. Palavras-chave: estádios fenológicos ; veículos evapotranspiração ; irrigação ; produtividade de aéreos não tripulados ; uso da água.

Evaluating the impact of water deficit on different phenological stages of soybeans is essential for crop management. Considering regions like the Cerrado, where this crop has been increasingly irrigated, this information is also important for irrigation management and water resource planning. The use of unmanned aerial vehicles (UAVs) has been encouraged as an alternative to satellite images for monitoring agricultural crops, especially regarding water demand. This thesis aimed to verify the impact of water deficit on soybeans and use remote sensing techniques to monitor this impact. A randomized block experimental design with five treatments and four repetitions was used. In the control treatment (TR1), irrigation met the crop's water demand at all development stages. In the other treatments, irrigation was suspended at specific phenological stages (TR2 = VC-V2, TR3 = V2-R1, TR4 = R1-R5, and TR5 = R5-R7) and then resumed. The greatest reduction in leaf area index (56%) compared to TR1 was observed at the V2-R1 phenological stage in treatment TR3. TR4 showed the greatest reduction in plant height (28%) compared to TR1. The largest yield reductions were observed in treatments TR4 (50%) and TR5 (52%). Water use efficiency was reduced by 28% in treatment TR4 and 39% in TR5. Actual evapotranspiration (ETa) was reduced by 14%, 26%, 26%, and 22% in treatments TR2, TR3, TR4, and TR5, respectively. A linear correlation was observed between yield and soil water deficit, total ETa and average yield, average soil water deficit and total ETa, with r² values of 0.77, 0.91, and 0.85, respectively. The SAVI index showed the highest r² value (0.83) and the lowest RMSE (0.44) for the leaf area index. The indices EVI2, OSAVI, SAVI, and RDVI were highly correlated with leaf area index (LAI), with r² values above 0.80 and RMSE below 0.5. For biomass (BIO), EVI2, OSAVI, and RDVI also showed significant correlations with r² = 0.70 and RMSE < 1.75. Additionally, the indices NDRE, SCCCI, RECI, GRVI, GCI, and GNDVI were highly correlated with yield, with r² = 0.90 and RMSE < 0.18. The crop water stress index (CWSI) in the treatments at 30 DAS ranged between 0.31 and 0.36. The average CWSI of treatment TR1 from 30 to 93 DAS was 0.29, with a maximum value of 0.46, which could be the threshold for irrigation application in soybeans. The results indicated a strong correlation between ETa and CWSI, with an r² greater than 0.8. LAI and BIO had better correlations with CWSI at 65 DAS, with r² values above 0.60. Regarding yield, the best correlation with CWSI was observed at 93 DAS, with an r² value of 0.72. The measured ETa values showed a strong correlation with the SSEBop model, producing a high r² value, low RMSE of 0.65 mm d-1, MBE of -0.30 mm d-1, and EF of 0.71. Keywords: phenological stages; unmanned aerial vehicles; evapotranspiration; irrigation; water use efficiency.

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Fundação de Apoio à Pesquisa e Inovação do Distrito Federal (FAP-DF)

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – Brasil (CAPES)