Remote sensing for herbicide assessment in soybean

Abstract

My PhD research aimed to develop and evaluate UAV - based remote sensing approaches for assessing herbicide effects and their impact on non - tolerant soybean crops, focusing on low - cost and open - source solutions. The research included three core studies that explored the use of vegetation indices, innova tive software tools, and spatial analysis to enhance herbicide management and optimize crop monitoring. The first study investigated the use of six vegetation indices derived from UAV - based RGB imagery to assess the impact of D icamba and 2,4 - D herbicides on non - auxin tolerant soybeans. The results demonstrated that the Modified Green - Red Vegetation Index (MGRVI) and Excess Green (ExG) indices effectively estimated herbicide injury and yield reductions. Both indices successfully identified herbicide effects at doses as low as 5% of the recommended label rate. However, the study highlighted limitations in disti nguishing between different 2,4 - D formulations, such as dimethylamine and choline. The second study introduced QSamaple, an open - source plugin for QGIS, designed to streamline geospatial analysis and accuracy assessment in agricultural remote sensing experiments. The tool integrated spatial autocorrelation, clustering, and interpolation, enhancing workflow efficiency and improving accuracy compared to traditional methods. QSamaple proved to be a valuable resource for researchers in agriculture and environmental sciences, offering a cost - effective and accessible solution for processing lar ge datasets and conducting spatial analyses. The third study focused on estimating herbicide doses and soybean yield impacts of 24 - D choline using models based on the ExG index. Field experiments conducted over the 2019/2020 and 2020/2021 growing seasons revealed significant yield losses (up to 80%) at higher herbicide doses (up to 502.50 g a.e. ha⁻¹) , while lower doses (lower than 50.25 g a.e. ha⁻¹ ) had minimal impact. Spatial analysis showed variability in herbicide distribution, with localized herbicide effects identified in certain areas. However, the ExG index struggled to accurately capture low - dose herbicide effects, likely due to variability in environmental and climatic conditions, such as fluctuations in temperature and precipitation, which influenced crop stress and herbicide efficacy. Addit ionally, the short - term nature of the study limited its ability to fully capture the long - term effects of repeated low - dose herbicide exposure on crops, soil properties , and ecosystems. Further model refinement is needed to improve accuracy, particularly u nder variable environmental conditions. Long - term monitoring would also be essential to understand the cumulative damage that herbicides can cause. Finally, the study called for future research to consider the impact of climate variability, including event s like El Niño - Southern Oscillation (ENSO), on herbicide effectiveness and crop resilience, to develop adaptive management strategies for a changing climate.

Minha pesquisa de doutoramento teve como objetivo desenvolver e avaliar abordagens de sensoriamento remoto baseadas em drone para avaliar os efeitos de herbicidas e seu impacto em cultivos de soja não tolerantes, com foco em soluções de baixo custo e código aberto. A pesquisa incluiu t rês estudos principais que exploraram o uso de índices de vegetação, ferramentas de software inovadoras e análise espacial para aprimorar o manejo de herbicidas e otimizar o monitoramento de culturas. O primeiro estudo investigou o uso de seis índices de vegetação derivados de imagens RGB capturadas por drone para avaliar o impacto dos herbicidas Dicamba e 2,4 - D em soja não tolerante a herbicidas auxínicos . O Índice de Vegetação Verde - Vermelho Modificado (MGRVI) e o Índice Excesso de Verde (ExG) estimaram eficientemente os danos causad os p elos herbicida s e a redu ção na produtividade da soja. Ambos os índices identificaram com sucesso os efeitos dos herbicidas em doses tão baixas quanto 5% da dose recomendada no rótulo. No entanto, houve limitações em distinguir entre diferentes formulações de 2,4 - D, como dimetilamina e colina. O segundo estudo introduziu o QSamaple , um plugin de código aberto para o QGIS, projetado para simplificar a análise geoespacial e a avaliação de acurácia em experimentos de sensoriamento remoto agrícola . A ferramenta integrou autocorrelação espacial, clusterização e interpolação, aumentando a eficiência do fluxo de trabalho e melhorando a acurácia em comparação com métodos tradicionais. O QSamaple provou ser um recurso valioso para pesquisadores em agricultura e ciências ambientais, oferecendo uma solução econômica e acessível para processar grandes conjuntos de dados e conduzir análises espaciais. O terceiro estudo focou na estimativa de doses de herbicida e impactos no rendimento de grãos da soja sob efeito de 2,4 - D colina usando modelos baseados no índice ExG. Experimentos de campo conduzidos nas safras 2019/2020 e 2020/2021 revelaram redução significativa no rendimento de grãos (até 80%) nas áreas com aplicação de doses moderadas a altas d o herbicida (até 502,50 g e.a. ha⁻¹) , enquanto doses baixas (inferiores a 50,25 g e.a. ha⁻¹) tiveram impacto mínimo. A análise espacial mostrou variabilidade na distribuição do herbicida, com efeitos localizados identificados em certas áreas. No entanto, o índice ExG teve dificuldade em capturar efetivamente os efeitos d o 2,4 - D em baixas doses, provavelmente devido à variabilidade nas condições ambientais e climáticas, como flutuações de temperatura e precipitação, que influenciaram o estresse da cultura e a eficácia do herbicida. Além disso, a natureza de curto prazo do estudo limitou sua capacidade de capturar totalmente os efeitos a longo prazo , considerando exposição repetida a herbicidas em baixas doses nas culturas, propriedades do solo e ecossistemas. É necessário um aprimoramento adicional do s modelo s utilizados para aume ntar a acurácia das estimativas , particularmente sob condições ambientais variáveis. M onitoramento s de longo prazo também são sugeridos para entender os danos cumulativos que os herbicidas podem causar. Além disso , pesquisas futuras devem considera r o impacto da variabilidade climática, incluindo eventos como o El Niño - Oscilação Sul (ENOS), na eficácia dos herbicidas e resiliência das culturas, a fim de desenvolver estratégias de manejo adaptativas para um clima em constante mudança. Esses estudos contribuem para o avanço de tecnologias de sensoriamento remoto de baixo custo, como uso de drone, sensores RGB e ferramentas de código aberto na gestão agrícola e ambiental, fornecendo métodos práticos e acessíveis para avaliar os efeitos de herbicidas em plantas suscetíveis, aprimorar o manejo de culturas e abordar desafios críticos para práticas agrícolas sustentáveis.

Mi investigación doctoral tuvo como objetivo desarrollar y evaluar enfoques de detección remota basados en drones para evaluar los efectos de los herbicidas y su impacto en cultivos de soja no tolerantes, con un enfoque en soluciones de código abierto y de bajo costo. La investigación incluyó tres estudios principales que exploraron el uso de índices de vegetación, herramientas de software innovadoras y análisis espacial para mejorar la gestión de herbicidas y optimizar el seguimiento de los cultivos. El primer estudio investigó el uso de seis índices de vegetación derivados de imágenes RGB capturadas con drones para evaluar el impacto de los herbicidas Dicamba y 2,4 - D en la soja que no tolera los herbicidas con auxinas . El Índice de Vegetación Verde - Rojo Modificado (MGRVI) y el Índice de Exceso de Verde (ExG) estimaron eficientemente el daño causado por los herbicidas y la reducción de la productividad de la soja . Ambos índices identificaron con éxito los efectos de los herbicidas en dosis tan bajas com o el 5% de la dosis recomendada en la etiqueta. Sin embargo, ha habido limitaciones a la hora de distinguir entre diferentes formulaciones de 2,4 - D, como la dimetilamina y la colina.El segundo estudio presentó QSamaple, un complemento de código abierto para QGIS diseñado para simplificar el análisis geoespacial y la evaluación de la precisión en (pero no limitado a) experimentos de teledetección agrícola. La herramienta integró autoco rrelación espacial, agrupación e interpolación, lo que aumentó la eficiencia del flujo de trabajo y mejoró la precisión en comparación con los métodos tradicionales. QSamaple ha demostrado ser un recurso valioso para los investigadores en agricultura y cie ncias ambientales, ya que ofrece una solución accesible y rentable para procesar grandes conjuntos de datos y realizar análisis espaciales. El tercer estudio se centró en estimar las dosis de herbicidas y los impactos en el rendimiento del grano de soja bajo el efecto de la colina 2,4 - D utilizando modelos basados en el índice ExG. Los experimentos de campo realizados en las cosechas 2019/202 0 y 2020/2021 revelaron una reducción significativa en el rendimiento de grano (hasta um 80%) en áreas con aplicación de dosis moderadas a altas del herbicida (hasta 502,50 g e.a. ha⁻¹) , mientras que las dosis bajas (menos de 50,25 g e.a. ha⁻¹) tuvieron un impacto mínimo. El análisis espacial mostró variabilidad en la distribución de herbicidas, con efectos localizados identificados en ciertas áreas. Sin embargo, el índice ExG tuvo dificultades para capturar eficazmente los efectos del 2,4 - D en dosis bajas, probablemente debido a la variabilidad de las condiciones ambientales y climáticas, como las fluctuaciones de temperatura y precipitación, que influyeron en el estrés de los cultivos y la eficacia del herbicida. demás, la naturaleza de corto plazo del es tudio limitó su capacidad para capturar completamente los efectos a largo plazo considerando la exposición repetida a herbicidas en dosis bajas en los cultivos, propriedades del suelo y los ecosistemas. Es necesario seguir mejorando los modelos utilizados para aumentar la precisión de las estimaciones, especialmente en condiciones ambientales variables. También se sugiere un seguimiento a largo plazo para comprender el daño a cumulativo que pueden causar los herbicidas. Además, las investigaciones futuras de berían considerar el impacto de la variabilidad climática, incluidos eventos como El Niño - Oscilación del Sur (ENSO), sobre la efectividad de los herbicidas y la resiliencia de los cultivos con el fin de desarrollar estrategias de manejo adaptativo para un clima cambiante. Estos estudios contribuyen al avance de tecnologías de teledetección de bajo costo, como el uso de drones, sensores RGB y herramientas de código abierto en la gestión agrícola y ambiental, proporcionando métodos prácticos y accesibles para evaluar los efec tos de los herbicidas en plantas susceptibles, mejorar el manejo de cultivos y abordar desafíos críticos para las prácticas agrícolas sostenibles.