High-throughput phenotyping for soybean plant maturity date and wheat plant height using unmanned aerial system | Fenotipagem de alto rendimento para data de maturidade em soja e altura planta em trigo via sistema aéreo não tripulado

Improvements in agronomical practices and plant breeding are paramount responses to the present and future challenges imposed by biotic stress and abiotic food production factors. On what concerns breeding currently, constraints in-field phenotyping capability limit our ability to dissect quantitative traits' genetics, especially those related to yield and environmental stress tolerance. Advances in phenotyping technology are critical to ensure that crops' genetic improvement meets future global demands for food and fuel. Progress in sensors, aeronautics, and high-performance computing combine with robust statistical analysis is paving this way. Throughout history, improving traits of interest depends on the ability to quantify phenotypes across genotypes replicated over multiple environments. Therefore, potentially valuable traits may have been neglected due to costly phenotyping and technological limitations. Field-based high throughput phenotyping (HTP) platforms will combine non-invasive remote sensing methods and automated environmental data collection. The current work aims to handle phenotypic data establishing UAS-based HTP platforms to improve data quality and provide a feasibility pipeline implementation applied to plant breeding programs. More specifically, chapter one deals with spring wheat (Triticum sp.), while chapter two, with the methodologies used in soybean breeding programs [Glycine max (L.) Merrill]. Plant height from two spring wheat breeding cycles was assessed using plot-level information from aerial imaging-derived 3D crop surface models at different phenological stages. From five contrasting environments, soybean maturity date with 53 experimental trials was collected by time-course images using RGB cameras equipped with low-cost drones. These studies showed that the phenotypic data obtained from a time-series imagery estimation via the UAS-based HTP platform could improve the collected data field's efficiency and quality and scalable to tens-of-thousands of plots into a modern plant breeding program. Keywords: Drone imagery. RGB camera. Data collect. Crop surface model. Plant maturity. Glycine max. Triticum sp.

Avanços na tecnologia de fenotipagem são fundamentais para garantir que o melhoramento genético das culturas, atenda às futuras demandas globais de alimentos e combustíveis. No que diz respeito ao melhoramento, atualmente, restrições na capacidade de fenotipagem de campo limitam a capacidade de dissecar características genéticas, principalmente, de natureza quantitativa, especialmente aquelas relacionadas a produção e à tolerância ao estresse ambiental. As plataformas de fenotipagem de alto rendimento (HTP) a nível de campo tende a combinar métodos de sensoriamento remoto não invasivos, juntamente com a coleta automatizada de dados ambientais. O objetivo do presente trabalho é apresentar alternativas para lidar com os dados fenotípicos de campo estabelecendo plataformas para HTP via drones (sistemas aéreos não tripuláveis - UAS) para coleta e precisão na qualidade dos dados de campo, assim como, implementação de um esquema de trabalho a ser viabilizado ao programa de melhoramento de plantas. Mais especificamente, o capítulo um, trata a respeito da cultura do trigo (Triticum sp.), enquanto o capítulo dois, as metodologias utilizadas foram destinadas aos programas de melhoramento genético de soja [Glycine max (L.) Merrill]. A altura de plantas de dois ciclos de melhoramento de trigo de primavera foi avaliada utilizando informações a nível de parcela oriundos de imagens areias derivadas do modelo 3D da superfície da cultura, em diferentes estádios fenológicos. A data de maturidade das parcelas de soja de cinco ambientes contrastantes com 53 ensaios experimentais ao total foi coletada por imagens ao longo do tempo via drones de baixo custo equipados com câmeras RGB. Os resultados sugeriram que os dados fenotípicos obtidos a partir de imagens aéreas oriundas de séries temporais via plataformas de HTP, podem melhorar a eficiência e a qualidade na coleta de dados a nível de campo, com potencial de ser escalável para dezenas de milhares de parcelas dentro de um programa moderno de melhoramento de plantas. Palavras-chave: Imagens de drones. Câmera RGB. Coleta de dados. Modelo de superfície de cultura. Maturidade de plantas. Glycine max (L.) Merrill. Triticum sp.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior