Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/1324
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Silva, Anderson Rodrigo da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3916683240962357pt_BR
dc.contributor.referee2Silva, Marco Antonio da-
dc.contributor.referee3Camargo, Lenio Cesar Moraes de-
dc.creatorGalvani Filho, Mario Eugenio-
dc.creator.Latteshttp://lattes.cnpq.br/6702009248886912pt_BR
dc.date.accessioned2020-08-02T23:47:23Z-
dc.date.available2020-08-02T23:47:23Z-
dc.date.issued2020-05-29-
dc.identifier.urihttps://repositorio.ifgoiano.edu.br/handle/prefix/1324-
dc.description.abstractBrazil is one of the largest agricultural producers in the world, especially soybean. Currently, Asian rust (Phakopsora pachyrhizi) is the most severe soybean disease, which can cause significant losses and is considered by many to be the greatest current challenge for national soybean. Correctly and efficiently identifying and quantifying the severity of this disease is essential for choosing the appropriate anagement strategy. In search of more updated information and more efficient tools, this work aimed to apply current proximal and remote sensing tools for the detection and quantification of rust in soybeans. For this, images taken in the visible and near infrared spectrum were processed, obtained with digital cameras coupled or not, to an unmanned aerial vehicle (UAV). An experiment was carried out at the FMC Experimental Field in Primavera do Leste - Mato Grosso, in the 19/20 harvest. A randomized block design with four replications, using the following treatments: T1 - Azoxystrobin + Cyproconazol; T2 - Picoxystrobin + Ciproconazole; T3 - Protioconazole + Trifloxystrobin; T4 - Azoxystrobin + Benzovindiflupir; T5 - Picoxystrobin + Benzovindiflupir; T6 - Untreated Check. Three sequential leaf applications were performed at 14-day intervals, the first of which was carried out when the soybean crop was at the R2 stage (full flowering). The treatments were chosen with the objective of simulating different levels of severity in the field, presenting a gradient of control levels, from low to greater efficiency. Visual notes of rust symptoms (% of affected leaf area) were taken in the three strata of the plant - low, medium and upper, using a diagrammatic scale. Images of lateral leaflets of the plots and aerial images were processed in order to determine vegetation indexes based on near infrared and specific injury indexes for rust, based on the “Red, Green, Blue” (RGB) color system. The indexes adopted were: LCI (Lesion Color Index), RSI (Rust Severity Index) and RIA Lesion Color Index). The mean values of these indices were correlated with data on visual severity, area under the disease progress curve (AUDPC), percentage of defoliation and productivity. The R software as used in image processing and for statistical analysis. An R-language application was developed to utomate evaluations. The results obtained with this work confirm that the vegetation indexes showed a high correlation with the visual evaluation, both in RGB and RGN (Red, Green, NIR), and this one was able to detect minor variations, thus demonstrating that the proximal and remote sensing for the detection and quantification of rust in soybeans is feasible.pt_BR
dc.description.resumoO Brasil é um dos maiores produtores agrícolas do mundo, especialmente da cultura da soja. Atualmente, a ferrugem-asiática (Phakopsora pachyrhizi) se constitui como a doença mais severa da soja, podendo causar perdas expressivas e sendo considerada por muitos como o maior desafio atual da sojicultura nacional. Identificar e quantificar corretamente e com eficiência a severidade dessa doença é essencial para a escolha da estratégia de manejo adequado. Em busca de informações mais atualizadas e ferramentas mais eficientes, nesse trabalho visou-se aplicar ferramentas atuais de sensoriamento proximal e remoto para a detecção e quantificação de ferrugem em soja. Para isso, foram processadas imagens tiradas no espectro do visível e infravermelho próximo, obtidas com câmeras digitais acopladas ou não, a veículo aéreo não tripulado (VANT). Um experimento foi conduzido no Campo Experimental da FMC no município de Primavera do Leste – Mato Grosso, na safra 19/20, em delineamento de blocos casualizados com quatro repetições, empregando os seguintes tratamentos: T1 - Azoxystrobin + Cyproconazol; T2 - Picoxistrobina + Ciproconazol; T3 - Protioconazol + Trifloxistrobina; T4 - Azoxistrobina + Benzovindiflupir; T5 - Picoxistrobina + Benzovindiflupir; T6 - Testemunha. Foram realizadas 3 aplicações foliares sequenciais com intervalos de 14 dias, sendo que a primeira realizada quando a cultura da soja estava no estádio R2 (Pleno florescimento). Os tratamentos foram escolhidos com o objetivo de simular em campo diferentes níveis de severidade, apresentando um gradiente de níveis de controle, de baixa até uma maior eficácia. Foram tomadas notas visuais dos sintomas da ferrugem (% de área foliar afetada) nos três estratos da planta – baixeiro, médio e superior, utilizando escala diagramática. Imagens de folíolos, lateral das parcelas e imagens aéreas foram processadas a fim de determinar índices de vegetação baseados em infravermelho próximo e índices de lesão específicos para ferrugem, baseados no sistema de cores “Red, Green, Blue” (RGB). Os índices adotados foram: LCI (Índice de Cor da Lesão), RSI (Índice de Severidade da Ferrugem) e RIA (Índice de Cor da Lesão). Os valores médios desses índices foram correlacionados com dados de severidade visual, área abaixo da curva de progresso da doença (AACPD), porcentagem de desfolha e produtividade. O software R foi utilizado no processamento das imagens e para as análises estatísticas. Um aplicativo em linguagem R foi desenvolvido para automatização das avaliações. Os resultados obtidos com esse trabalho, confirmam que os índices de vegetação apresentaram uma alta correlação com a avaliação visual, tanto em RGB quanto RGN (Red, Green, NIR), sendo que este foi capaz de detectar variações menores, demonstrando assim, que o sensoriamento proximal e remoto para a detecção e quantificação de ferrugem em soja é viável.pt_BR
dc.description.provenanceSubmitted by Mario Eugenio Galvani Filho (2018101330540023@ifgoiano.edu.br) on 2020-08-01T00:03:27Z No. of bitstreams: 1 Dissertação - Mario Galvani.pdf: 3433122 bytes, checksum: 6bae1bc42d51c69a090213d9792c40b6 (MD5)en
dc.description.provenanceApproved for entry into archive by Johnathan Diniz (johnathan.diniz@ifgoiano.edu.br) on 2020-08-02T23:46:55Z (GMT) No. of bitstreams: 1 Dissertação - Mario Galvani.pdf: 3433122 bytes, checksum: 6bae1bc42d51c69a090213d9792c40b6 (MD5)en
dc.description.provenanceMade available in DSpace on 2020-08-02T23:47:23Z (GMT). No. of bitstreams: 1 Dissertação - Mario Galvani.pdf: 3433122 bytes, checksum: 6bae1bc42d51c69a090213d9792c40b6 (MD5) Previous issue date: 2020-05-29en
dc.languageporpt_BR
dc.publisherInstituto Federal Goianopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Urutaípt_BR
dc.publisher.programPrograma de Pós-Graduação em Proteção de Plantaspt_BR
dc.publisher.initialsIF Goianopt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectGlycine maxpt_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectÍndice de severidade da ferrugem (RSI)pt_BR
dc.subjectÍndice de Cor da Lesão (LCI)pt_BR
dc.subject.cnpqCIENCIAS AGRARIASpt_BR
dc.titleDETECÇÃO E QUANTIFICAÇÃO DE FERRUGEM ASIÁTICA (Phakopsora pachyrhizi) NA CULTURA DA SOJA POR IMAGENS MULTIESPECTRAISpt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Mestrado em Proteção de Plantas

Files in This Item:
File Description SizeFormat 
Dissertação - Mario Galvani.pdf3,35 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.