Modelagem hiperespectral na quantificação de nitrogênio foliar em cana-de-açúcar

RESUMO:

A cana-de-açúcar se destaca como uma das fontes de energia renovável frente às estratégias para reduzir a emissão de gases causadores do efeito estufa. O nitrogênio é um dos mais significativos devido ao seu impacto no crescimento de folhas e colmos. Portanto, o monitoramento eficiente do nitrogênio aplicado é essencial e o sensoriamento remoto se apresenta como uma alternativa na melhoria do gerenciamento da adubação. O presente trabalho teve por objetivo selecionar comprimentos de onda a partir de dados hiperespectrais de dossel da cana-de-açúcar para geração de modelos na predição da concentração de Nitrogênio. O estudo foi realizado em experimentos de campo instalados nos municípios de Piracicaba, Jaú e Santa Maria da Serra, estado São Paulo, na safra 2013/2014. Cada experimento foi alocado em blocos ao acaso, com parcelas subdivididas e quatro repetições, com variedades de cana-de-açúcar na parcela (três variedades por local, sendo a SP 81-3250 comum à todos) e doses de nitrogênio (0, 50, 100 e 150 kg.ha^-1) na subparcela. Na seleção dos comprimentos de onda que melhor se correlacionam com o TFN foi utilizada a metodologia sPLS. Posteriormente, foi realizada a combinação linear dos comprimentos de onda selecionados pela metodologia sPLS, por meio de Regressão Linear Múltipla por Stepwise (SMLR). Foram identificadas bandas importantes nas regiões do visível (700 a 705 nm), red-edge(710 a 720 nm), infravermelho próximo (725, 925, 955 e 980 nm) e infravermelho de ondas curtas (1355, 1420, 1595, 1600, 1605 e 1610 nm). O modelo de predição de TFN teve valores de R² de 0,50 e o RMSE de 1,67 g.kg^-1. Os modelos gerados para Piracicaba, Jaú e Santa Maria obtiveram R² ajustados e RMSE, respectivamente, de 0,31 considerado não confiável (1,30 g.kg^-1), 0,53 (1,96 g.kg^-1) e 0,54 (1,46 g.kg^-1). Os sensores hiperespectrais de dossel podem ser utilizados para predição do TFN e monitoramento de aplicação de nitrogênio em cana-de-açúcar.

Palavras-chave:
sensoriamento remoto; Saccharumspp,adubação nitrogenada; reflectância; sPLS; modelo de regressão