Please use this identifier to cite or link to this item: https://repositorio.ifgoiano.edu.br/handle/prefix/600
metadata.dc.type: Dissertação
Title: DETECÇÃO DE NEMATOIDES NA FASE REPRODUTIVA DA SOJA POR MEIO DE VEÍCULOS AÉREOS NÃO TRIPULADOS
metadata.dc.creator: Arantes, Bruno Henrique Tondato
metadata.dc.contributor.advisor1: Geraldine, Alaerson Maia
metadata.dc.contributor.advisor-co1: Castoldi, Gustavo
metadata.dc.contributor.advisor-co2: Martins, George Deroco
metadata.dc.contributor.referee1: Giongo, Pedro Rogerio
metadata.dc.contributor.referee2: Santos, Leonardo Nazário Silva
metadata.dc.contributor.referee3: Alves, Tavvs Micael
metadata.dc.contributor.referee4: Geraldine, Alaerson Maia
metadata.dc.description.resumo: A soja é uma das principais oleaginosas do agronegócio brasileiro, sendo o Brasil o segundo maior produtor mundial. Todavia, ela sofre queda em sua produtividade devido a vários tipos de estresses, entre eles o nematoide de cisto da soja - Heterodera glycines e o nematoide de lesões radiculares - Pratylenchus brachyurus. Como forma de minimizar os danos que estes patógenos causam, esta pesquisa teve como objetivo identificar qual a melhor época para a detecção desses nematoides, entre o estádio R1 (início de florescimento) e R3 (formação das vagens), bem como determinar em R1 e R3: a melhor banda para a detecção do H. glycines e P. brachyurus e o melhor modelo matemático para sua detecção. Para a elaboração dos modelos e determinação das melhores bandas nos dois estádios reprodutivos, a primeira etapa consistiu na coleta de solo e raiz para a contagem de nematoides, bem como um voo feito nos mesmos dias das coletas, com exceção dos pontos de validação, que foram coletados um dia antes do voo. Posteriormente, ocorreram o processamento dos voos no Pix4d e a obtenção das informações a serem utilizadas nas regressões lineares. Como resultados, o estádio R1 foi mais adequado para a detecção dos nematoides de lesões radiculares e o estádio R3 foi mais adequado para a identificação do nematoide de cisto da soja. Em R1, os melhores resultados encontrados para detecção de H. glycines foram da faixa do visível, sendo a melhor banda a Vermelha do sensor RGB do Phantom. Para P. brachyurus, a faixa do espectro do Nir - Sequoia apresentou o melhor resultado para detecção de juvenis no solo e do RedEdge - Sentera o melhor resultado para detecção de juvenis na raiz. O melhor modelo matemático para a detecção de H. glycines foi a combinação de bandas do espectro do visível (Vermelha-Sentera, Vermelha-Phantom, Verde-Phantom e Azul-Phantom) e para detecção de P. brachyurus a combinação das bandas RedEdge - Sentera e Nir - NDVI. No caso do estádio R3, para as regressões lineares simples, somente houve resultados significativos para os comprimentos de onda do visível, sendo a melhor banda para a detecção de cistos (viáveis e inviáveis), a faixa de 586 nanômetros. Para as regressões lineares múltiplas, no início da formação das vagens, a combinação das bandas da Sentera, Vermelha, Verde e de 825 nm gerou o melhor modelo matemático para a detecção de H. glycines e a combinação da banda Verde e Nir - NDVI da Sentera o modelo matemático para a detecção de P. brachyurus. Em R3, pode-se utilizar o modelo matemático validado para a detecção de locais com maiores e menores quantidades de cistos inviáveis.
Abstract: Soybean is one of the main oilseeds in Brazilian agribusiness, and Brazil is the second largest producer in the world. However, it suffers a drop in its productivity due to various types of stress, including soybean cyst nematode - Heterodera glycines and root lesion nematode - Pratylenchus brachyurus. As a way to minimize the damage that these pathogens cause, this research aimed to identify the best time to detect these nematodes, between the R1 (early flowering) and R3 (pod formation) stages, as well as to determine in R1 and R3: the best band for detection of H. glycines and P. brachyurus and the best mathematical model for its detection. For the elaboration of the models and determination of the best bands in the two reproductive stages, the first step consisted of soil and root collection for the nematode count, as well as a flight made on the same days of the collections, except for the validation points, which were collected one day before the flight. Subsequently, the flights were processed in Pix4d and the information to be used in the linear regressions was obtained. As a result, stage R1 was more suitable for the detection of root lesion nematodes and stage R3 was more suitable for the identification of soybean cyst nematode. In R1, the best results found for H. glycines detection were in the visible range, with the best band being the Phantom RGB red sensor. For P. brachyurus, the Nir - Sequoia spectrum range presented the best result for detection of juveniles in the soil and RedEdge - Sentera the best result for detection of juveniles in the root. The best mathematical model for the detection of H. glycines was the combination of visible spectrum bands (Red-Sentera, Red-Phantom, Green-Phantom and Blue-Phantom) and for the detection of P. brachyurus the combination of RedEdge - Sentera and Nir - NDVI. In the case of the R3 stage, for simple linear regressions, there were only significant results for visible wavelengths, being the best band for detection of viable and unviable cysts, the 586 nanometer range. For multiple linear regressions, for the beginning of pod formation, the combination of Sentera, Red, Green and 825 nm bands generated the best mathematical model for the detection of H. glycines and the combination of Green and Nir - NDVI bands da Sentera the mathematical model for the detection of P. brachyurus. In R3, the validated mathematical model can be used to detect sites with larger and smaller numbers of unviable cysts.
Keywords: Agricultura de precisão, sensoriamento remoto, drone, Heterodera glycines, Pratylenchus brachyurus
Precision agriculture, remote sensing, Drone, Heterodera glycines, Pratylenchus brachyurus
metadata.dc.subject.cnpq: CIENCIAS AGRARIAS::AGRONOMIA
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Instituto Federal Goiano
metadata.dc.publisher.initials: IF Goiano
metadata.dc.publisher.department: Campus Rio Verde
metadata.dc.publisher.program: Programa de Pós-Graduação em Ciências Agrárias – Agronomia
metadata.dc.rights: Acesso Aberto
URI: https://repositorio.ifgoiano.edu.br/handle/prefix/600
Issue Date: 26-Jul-2019
Appears in Collections:Mestrado em Ciências Agrárias - Agronomia

Files in This Item:
File Description SizeFormat 
Dissertação_Bruno Henrique Tondato Arantes.pdfDissertação1,42 MBAdobe PDFView/Open


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