Estimativa de biomassa de trigo usando imagens de alta resolução espacial a partir de veículo aéreo não tripulado

Abstract

A Agricultura de Precisão contribui para melhorar a qualidade e a produtividade da produção vegetal, com redução de custos e impacto ambiental. A incorporação de tecnologia em equipamentos de cultivo, associada à melhoria genética, permite monitoramento, desenvolvimento das espécies e a aplicação correta, espacial e temporalmente, de nutrientes e defensivos. Neste trabalho são utilizadas imagens aéreas RGB de alta resolução espacial, obtidas por um VANT (Veículo Aéreo Não Tripulado) em vôo sobre um cultivar de trigo, para avaliar a biomassa de duas variedades de trigo brasileiras (TBIO Toruk e BRS Parrudo) através dos índices de vegetação (IVs). Foram utilizados dez índices de vegetação, entre os quais: NGRDI (Índice de Diferença Verde-Vermelho Normalizado), CIVE (Índice de Cor da Extração de Vegetação), ExG (Excesso Verde) SCOM (Índice Combinado Simplificado) e um novo índice proposto denominado ExRM (Excesso vermelho modificado). Os dados foram obtidos de um experimento contendo 120 parcelas de trigo projetado para avaliar o crescimento do trigo e testar o desempenho dos índices de vegetação, correlacionando-os com a biomassa seca medida da parte aérea. A variabilidade no crescimento da cultura foi provocada pela dosagem de nitrogênio aplicada. Para determinar a biomassa da parte aérea, as plantas foram amostradas em dois estágios diferentes de crescimento da cultura: V6 (estádio da sexta folha completamente expandida) e florescimento. Essas medidas foram consideradas como referência para os estimadores de biomassa. Foi criado um mosaico com as imagens capturadas a 50 metros acima do solo e foi realizado a segmentação das parcelas de trigo, de forma automática. Uma Rede Neural Artificial (RNA) foi treinada para prever a biomassa usando os índices de vegetação como entrada da rede. A precisão do modelo estimado foi avaliada com base no coeficiente de determinação ( R2). O melhor resultado para a cultivar Parrudo foi R2 = 0,81 obtido usando RNA e todas os IV como características versus biomassa. Para a cultivar Toruk, o melhor resultado foi R2 = 0,86. Os resultados indicam que o modelo de estimação proposto, baseado em imagens RGB e RNA, pode ser utilizado na agricultura de precisão para predizer a variabilidade espacial da biomassa da parte aérea, considerando os dois cultivares de trigo testados. Os resultados também foram comparados com uma regressão linear para estimar a biomassa da parte aérea dos IVs.

Precision Agriculture contributes to improving the quality and productivity of plant production, with reduced costs and environmental impact. The incorporation of technology in crop equipment, associated with genetic improvement, allows for monitoring, species development and the correct, spatial and temporal application of nutrients and pesticides. In this work, high-resolution RGB aerial images obtained by an unmanned aerial vehicle (UAV) in flight on a wheat cultivar are used to evaluate the biomass of two Brazilian wheat varieties (TBIO Toruk and BRS Parrudo) through the indices of vegetation (IVs). Ten vegetation indexes were used, among which: NGRDI (Standard Green-Red Difference Index), CIVE (Extractive Color Index), ExG (Green Excess) SCOM (Simplified Combined Index) and a new porpoise index ExRM (Modified Red Excess). The data were obtained from an experiment containing 120 plots of wheat designed to evaluate wheat growth and to test the performance of vegetation indices, correlating them with the dry biomass measured of the aerial part. The variability in the growth of the crop was created by the applied nitrogen dosage. To determine shoot biomass, the plants were sampled at two different growth stages: V6 (stage of six fully developed leaves) and flowering. These measures were considered as reference for the biomass estimators. A mosaic was created with the images captured 50 meters above the ground and the regions of interest were automatically segmented. An ANN was trained to predict biomass using vegetation indices as input from the network. The accuracy of the estimated model was evaluated based on the coefficient of determination (R2). The best result for the Parrudo cultivar was R2 = 0.81 obtained using RNA and all IV as characteristics versus biomass. For cultivar Toruk, the best result was R2 = 0.86. The results indicate that the proposed estimation model, based on RGB and RNA images, can be used in precision agriculture to predict the spatial variability of shoot biomass, considering the two wheat cultivars tested. The results were also compared with a linear regression to estimate the shoot biomass of the IVs.