Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/45980
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_ThatyaneKaryGrigóriodeSouza.pdf15,43 MBAdobe PDFVisualizar/Abrir
Título: Obtaining water stress index for bean crop using thermal images
Autor(es): Souza, Thatyane Kary Grigório de
E-mail do autor: thatyanekary@hotmail.com
Orientador(es): Silva Júnior, João José da
Assunto: Feijão - cultivo
Déficit hídrico
Agricultura de precisão
Data de publicação: 26-Jun-2023
Referência: SOUZA, Thatyane Kary Grigório de. Obtaining water stress index for bean crop using thermal images. 2022. 70 f., il. Dissertação (Mestrado em Agronomia) — Universidade de Brasília, Brasília, 2022.
Resumo: Imagens baseadas em sensoriamento remoto têm se mostrado uma boa ferramenta para avaliar o estresse hídrico em plantas. O feijão é uma das culturas mais cultivadas no Brasil, considerando isso, o objetivo deste trabalho foi utilizar imagens térmicas da temperatura do dossel para melhorar a eficiência hídrica da cultura e monitorar o estresse hídrico, nos potenciais de água no solo para o Latossolo Vermelho e o Latossolo Amarelo (-10, -20, -25, - 30 e -40 kPa) e o Neossolo Regolítico (-5, -10, -15, -20 e -25 kPa). O potencial matricial do solo (SMP) e o potencial hídrico foliar (LWP) foram medidos in situ, as imagens térmicas do dossel do feijoeiro foram capturadas, usando uma câmera térmica, para calcular o CWSI (Crop Water Stress Index). Avaliou-se a relação entre esses indicadores de estresse, para os estádios de crescimento do feijoeiro, por meio de equações de regressão. O modelo de predição do SMP obtida em ambiente controlado foi aplicada em uma área de pivô central cultivado com feijão, utilizando uma câmera térmica acoplada a um veículo aéreo não tripulado (VANT) para avaliar o estresse hídrico. Adicionalmente, mapas de CWSI e potencial matricial do solo foram criados para avaliar a variabilidade espacial dos níveis de estresse e a disponibilidade de água nas plantas. A relação entre CWSI e SMP para o estágio V4 foi robusta (R²=0.95) e significativa (p-valor < 0.05) para o Neossolo Regolítico. Nos estádios R5_R6, para o Latossolo VermelhoAmarelo, a relação foi alta e significativa (R²=0.86; p-valor < 0.05). No estádio R7, o Latossolo Vermelho apresentou coeficiente de determinação robusto (R²=0.8265) e a regressão foi significativa (P<0.032), o Latossolo Vermelho-Amarelo (R²=0.9795; p-valor < 0.05). Enquanto no estádio R8, a correlação foi elevada e significativa para o Latossolo Vermelho-Amarelo (R²=0.9596; p-valor < 0.05), e para o Neossolo Regolítico (R²=0.95) e (p-valor < 0.05). As relações entre CWSI e LWP foram altas para o Latossolo Vermelho (R²=0.87) e Neossolo Regolítico (R²=0.92), enquanto que para o Latossolo Vermelho-Amarelo a regressão foi fraca, mas não significativa (p-valor >0.05) para todos os solos tipos neste estudo. O modelo de regressão no estágio R8 (R²=0.96) obteve melhor ajuste do SMP em resposta ao CWSI no Neossolo Regolítico. Dados obtidos em campo e no ambiente controlado foram usados para analisar a performance desse modelo (R²=0.85, RMSE=3.08, MAE=2.34). O modelo foi aplicado para desenvolver os mapas de CWSI e mapas de potencial matricial do solo, que mostraram a variabilidade dos níveis hídricos e de estresse nas plantas. Esses resultados evidenciam a potencial uso de imagens térmicas obtidas por VANTs para manejo de irrigação de precisão.
Abstract: Remote sensing-based images has been showing as a good tool to assess water stress in plants. Bean is one of the most crops cultivated in Brazil, considering that, the aim of this paper was to use thermal images of canopy temperature to improve crop water efficiency and monitor water stress. The experiment was conducted in a controlled environment applying different irrigations depths based on soil matric potential for the Red Latosol and the Yellow Latosol (10, -20, -25, -30 and -40 kPa) and the Regolithic Neosol (-5, -10, -15, -20 and -25 kPa). Soil matric potential (SMP) and leaf water potential (LWP) were measured, and thermal images were taken from canopy using a thermal camera to compute the CWSI (Crop Water Stress Index). We evaluated the relationship among these stress indicators, for growth stages of bean, through regression equations. Prediction model obtained in controlled conditions was applied at a center-pivot irrigation field cultivated with bean, using thermal images by an unmanned aerial vehicle (UAV) to asses water stress. Additionally, maps of CWSI and soil matric potential were created to evaluate the spatial variability of stress levels and the availability of water in plants. The relationship between CWSI and SMP at V4 stage was robust and significant (R²=0.95; p-value < 0.05) for the Regolithic Neosol. At stages R5_R6, for the Red-Yellow Latosol the relationship was strong and significant (R²=0.86; p-value < 0.05). At stages R7 the relationship was significant and presented a robust coefficient of determination for the Red Latosol (R²=0,8265; p-value<0.032) and for the Red-Yellow Latosol (R²=0.9795; p-value < 0.05). At R8 stages, the regressions were significant and strong for the Yellow Latosol R²=0.9596; p-value < 0.05) and for the Regolithic Neosol (R²=0.96). The relationship between CWSI and LWP were strong for the Red Latosol (R²=0.87) and Regolithic Neosol (R²=0.92), whereas for the Yellow-Red Latosol the regression was weak, but not significant (p-value >0.05) for all soil types in this study. The regression model at R8 stage (R²=0.96) obtained the best performance of CWSI in predict the SMP for the Regolithic Neosol. Data obtained in the field and in the controlled environment were used to analyze the performance of this model, results indicated a good agreement between predicted and measured SMP (R²=0.85, RMSE=3.08, MAE=2.34). The model was able to mapping the soil matric potential maps and CWSI maps showed the variability of water and stress levels in plants. These results highlight the potential of thermal images obtained from UAV for precision irrigation management.
Unidade Acadêmica: Faculdade de Agronomia e Medicina Veterinária (FAV)
Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronomia, 2022.
Programa de pós-graduação: Programa de Pós-Graduação em Agronomia
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.