Use of remote sensing for nutritional diagnosis in irrigated maize

The estimation of status plants nutritional from remote sensing can contribute to the monitoring and optimization of the management of fertilizers in the crops, providing both agronomic and environmental benefits. The concentration of leaf nitrogen (N) is an important indicator of crop health, playing a key role in the photosynthetic metabolism and plant nutrition. Thus, the quantification of N is relevant for predicting productivity and improving the management of fertilizer application. Hyperspectral remote sensing is a timely, promising technique with high application potential in agriculture at various levels of spatial coverage to estimate, quantify and monitor biophysical and biochemical attributes of vegetation. This study aimed to evaluate the potential application of SR development data methodological strategies to identify nutritional deficiency and quantify the concentration of leaf nitrogen (N) in irrigated maize (Zea mays L.). For that, two experimental strategies were executed. In the first part of the study, an experiment was set up with a randomized block design with subdivided plots and four replications. The irrigation treatments applied in the plots were composed of four levels: 80, 90, 100 and 110% of the water requirement, based on the soil field capacity and the nitrogen levels, distributed in the subplots at levels 0, 60, 120 and 180 kg ha-1. The production components and water use efficiency (US) and N (EUN) were evaluated, spectral readings were performed, and the concentration of leaf nitrogen at the V8, R1 and R3 stages of the crop at the field and laboratory levels was determined. Two cultivation cycles were carried out in the years 2015 and 2016. The results indicated that the irrigation slides and N doses influenced plant height and leaf area index. The maximum yield was reached the corresponding blade to 505 mm and 180 kg ha-1 C, in a yield of 17819.5 kg ha-1. The highest EUA was obtained in irrigation regimes reduced to 80 and 90% of the water requirement, while the highest EUN (67.5 kg kg-1) was reached with the as the 555.7 mm blade and level 113, 3 kg ha-1 of N. Regarding the spectral responses, the strategies used to analyze the reflectance profiles were derivative analysis (AD) and principal component analysis (PCA). The results evidenced sensitive regions of foliar N concentrations located mainly in the visible range in the range of 400 nm to 700 nm and near infrared between 800 nm and 1300 nm. The level of data collection was an important factor that influenced the spectral response as a function of fertilization treatments. In the laboratory, the regions between 450 nm-750 nm, are more important and at the field level the best response can be observed between 800 nm and 1300 nm. The first-order AD identified greater throne variations of two specific regions 470 nm at 550 nm and 720 nm at 750 nm. The second order AD, in turn, was able to show the range coincident with the response of chlorophyll pigments between 700 nm and 725 nm. ACP showed that about 90% and 95.12% of the total variation in spectra can be explained using three major components. For field data (canopy) the reflecting power over the entire spectrum dominated PC1. For laboratory data (sheet), the same PC1 is influenced mainly in the red border range (around 700 nm) and throughout the infrared and part of the SWIR (750 nm at 2500 nm). The PC2 for the datasets is distinguished mainly between the bands 750 nm to 1300 nm, by factorial charges, positive for leaf level and negative for canopy. PC3 is influenced in the visible, with maximum peaks around 550 nm and 750 nm in part of the SWIR at 1800 nm. With the same spectroscopy data, the ability to generate predictive models that were developed using linear regressions of individual bands, normalized nitrogen index (NDNI) and partial least squares regression (PLSR) were also investigated. The leaf N was precisely quantified, obtaining better results for laboratory PLSR models in the R1 stage (R² = 0.82 and RMSEP = 0.190). Using field-level data the best result was obtained by the NDNI (762 nm and 684 nm) for the R3 stage (R² = 0.78 and RMSE = 0.200). Modeling was influenced by the phenological stages and level of data collection, which reinforces the importance of adjusting predictive models as a function of the different stages of crop growth. In the second part of the study, the potential of the use of hyperspectral images obtained with the ProSpecTIR-SV airborne sensor to estimate leaf N in corn at different stages of growth was investigated, in order to evaluate the potential of this tool in the management of fertilization. Samples of leaf N of the canopy of plants were collected in different fields of maize in the vegetative (1m) and reproductive (2m) stages during the first half of 2015. The stepwise forward spectral band selection procedure was used in conjunction with the partial least squares regression (PLSR) for the development of the models. Data from the reproductive stage showed a better performance in leaf N estimation (R² = 0.844, RMSECV = 1.0114 and RPD = 2.388). The mixed model (1m + 2m) was less accurate than the invidious models. The potential of the images for the creation of N fertility maps was accurately confirmed with RMSECV ranging from 1,014 to 2,082 g Kg-1 N. Finally, band selection along with PLSR is promising for leaf N detection in the crop of maize.A estimativa da condição nutricional de plantas a partir de sensores remotos pode contribuir para o monitoramento e à otimização do manejo de fertilizantes nas culturas agrícolas, proporcionando benefícios tanto agronômicos como ambientais. A concentração do nitrogênio (N) nas folhas é um importante indicador da sanidade das culturas agrícolas, desempenhando papel fundamental no metabolismo fotossintético e na nutrição das plantas. Assim, a quantificação do N é relevante para a previsão de produtividade e na melhoria do manejo de aplicação de fertilizantes. O sensoriamento remoto hiperespectral é uma técnica oportuna, promissora e de alto potencial de aplicação na agricultura em vários níveis de resolução espacial, para estimar, quantificar e monitorar atributos biofísicos e bioquímicos da vegetação. O presente trabalho teve como objetivo avaliar o potencial de aplicação de dados de SR no desenvolvimento de estratégias metodológicas para identificar deficiência nutricional e quantificar a concentração de nitrogênio (N) foliar em plantas de milho irrigado (Zea mays L.). Para tanto, duas estratégias experimentais foram executadas. Na primeira parte do estudo, foi montado um experimento com delineamento em blocos aleatorizados com esquema de parcelas subdivididas e quatro repetições. Os tratamentos de irrigação aplicados nas parcelas foram compostos de quatro níveis: 80, 90, 100 e 110% do requerimento hídrico, baseadas na capacidade de campo do solo e os níveis de N, distribuídos nas sub-parcelas foram: 0, 60, 120 e 180 kg ha-1 . Foram avaliados os componentes de produção e eficiências do uso de água (EUA) e N (EUN) assim como realizadas leituras espectrais em campo e laboratório e determinada a concentração de N foliar nos estádios V8, R1 e R3 da cultura nos níveis de campo e laboratório. Foram realizados dois ciclos de cultivo nos anos de 2015 e 2016. Os resultados indicaram que as lâminas de irrigação e doses de N influenciaram na altura de plantas e no índice de área foliar. A máxima produtividade foi alcançada na lâmina correspondente a 505 mm e dose de 180 kg ha-1 de N, com rendimento de 17819,5 kg ha-1 . A maior EUA foi obtida em regimes de irrigação reduzida solo para 80 e 90 % do requerimento hídrico, enquanto que, a maior EUN (67,5 kg kg-1 ) foi atingido com a lâmina 555,7 mm e dose 113,3 kg ha-1 de N. Quanto a análise dos valores de fator de reflectância, as estratégias utilizadas para análise dos perfis de reflectância foram a análise derivativa (AD) e a análise de componentes principais (ACP). Os resultados evidenciaram regiões sensíveis às concentrações de N foliar, localizadas principalmente no visível na faixa entre 400 nm a 700 nm e no infravermelho próximo entre 800 nm a 1300 nm. O nível de coleta dos dados foi um importante fator que influenciou no fator de reflectância em função dos tratamentos de adubação. Em laboratório, a região espectral compreendida entre 450 nm -750 nm, mostrou-se mais importante e em nível de campo a melhor resposta pode ser observada entre 800 nm e 1300 nm. A AD de primeira ordem identificou maiores variações em trono de duas regiões específicas 470 nm a 550 nm e 720 nm a 750 nm. A AD de segunda ordem, por sua vez, conseguiu evidenciar a faixa coincidente com a região de absorção dos pigmentos de clorofila entre 700 nm e 725 nm. A ACP mostrou que cerca de 90% e 95,12% do total da variação nos espectros pode ser explicada utilizando três componentes principais. Para dados de campo (dossel) o poder refletor ao longo de todo o espectro dominou a PC1. Para dados de laboratório (folha), a mesma PC1 sofre influência principalmente na faixa da borda vermelha (por volta de 700 nm) e ao longo de todo o infravermelho e parte do SWIR (750 nm a 2500 nm). A PC2 para os conjuntos de dados é distinguida principalmente entre as faixas 750 nm a 1300 nm, pelas cargas fatoriais, positivas para nível de folha e negativas para dossel. A PC3 é influenciada no visível, com picos máximos em torno de 550 nm e 750 nm em parte do SWIR em 1800 nm. Com os mesmos dados de espectroscopia, foi também averiguada a capacidade de gerar modelos preditivos que foram desenvolvidos usando regressões lineares de bandas individuais, índice normalizado de nitrogênio (NDNI) e regressão por mínimos quadrados parciais (PLSR). O N foliar foi precisamente quantificado, obtendo melhores resultados para modelos PLSR de laboratório no estádio R1 (R² = 0,82 e RMSEP = 0,190). Usando dados a nível de campo o melhor resultado foi obtido pelo NDNI (762 nm e 684 nm) para o estádio R3 (R² = 0,78 e RMSE = 0,200). A modelagem foi influenciada pelos estádios fenológicos e pelo nível de coleta de dados, o que reforça a importância do ajuste de modelos preditivos em função das diferentes fases de crescimento da cultura. Na segunda parte do estudo, foi investigado o potencial do uso de imagens hiperespectrais obtidos com o sensor aerotransportado ProSpecTIR-SV, para estimar de N foliar na cultura do milho em diferentes estádios de crescimento, visando avaliar o potencial dessa ferramenta no manejo da adubação. Amostras de N foliar do dossel de plantas foram coletadas em diferentes campos de cultivos de milho nos estádios vegetativo (1m) e reprodutivo (2m), durante o voo no primeiro semestre de 2015. O procedimento de seleção de bandas espectrais pelo método stepwise forward foi utilizado junto com a regressão por mínimos quadrados parciais (PLSR) para o desenvolvimento dos modelos. Os dados do estádio reprodutivo mostraram melhor performance na estimativa do N foliar (R²= 0,844, RMSECV= 1,0114 e RPD = 2,388). O modelo misto (1m+2m) foi menos preciso em relação aos modelos individuais. O potencial das imagens para a criação de mapas de fertilidade de N foi confirmado com precisão com RMSECV variando entre 1,014 e 2,082 g Kg-1 N. Finalmente, a seleção de bandas juntamente com a PLSR é promissor para detecção de N foliar na cultura do milho