Multispectral images for discrimination of sources and doses of fertilizer in coffee plants
Palavras-chave:
Coffea arabica L., fertilization management, low-cost remote monitoring, treatment discriminationResumo
Remote monitoring of the management of coffee crops is necessary as the demand in decision-making, where the aim is to rise production based on sustainable management is in a constant growth. In this work, it was evaluated the potential of images obtained by low-cost sensors in the discrimination of sources and doses of mineral and organomineral fertilizers in coffee. The experimental design was in randomized blocks, with five blocks and six treatments, as follows: (T1) - 100% of the organomineral treatment; (T2) - 70% of the organomineral treatment; (T3) - 50% of the organomineral treatment; (T4) - 100% of mineral fertilization; (T5) - standard treatment of the farm and (T6) - 70% of mineral fertilization. After management, we used the Mapir 3 Survey3W camera coupled to an ARP drone – Phantom4 to take images of the experiment over a 12-month vegetative period. Combined with image taking, it was collected agronomic parameters of coffee growth and productivity for two crops and concluded that different fertilization doses did not significantly affect the analyzed parameters. Based on the supervised classification of multispectral images, it was possible to discriminate treatments with a higher degree of accuracy (86.66% accuracy) than when analyzing coffee growth parameters.
Referências
Almeida FF, Almeida AA & Begnini ML (2020) Produção de fertilizante organomineral a partir de resíduos orgânicos. Brazilian Journal of Development, 6:12424-12432.
Amaral JATD, Rena AB & Amaral JFTD (2006) Crescimento vegetativo sazonal do cafeeiro e sua relação com fotoperíodo, frutificação, resistência estomática e fotossíntese. Pesquisa Agropecuária Brasileira, 41:377-384.
Assis GA, Guimarães RJ, Colombo A, Scalco MS & Dominghetti AW (2015) Faixas críticas de teores foliares de nitrogênio e potássio para o cafeeiro fertirrigado em fase de produção. Revista Ciência Agronômica, 46:126-134.
Barbedo JGA (2019) A review on the use of unmanned aerial vehicles and imaging sensors for monitoring and assessing plant stresses. Drones, 3:40-66.
Carmo GJDS, Castoldi RMGD, Jacinto ACP, Tebaldi ND, Charlo HCDO & Zampiroli R (2021) Detection of Lesions in Lettuce Caused by Pectobacterium carotovorum Subsp. carotovorum by Supervised Classification Using Multispectral Images. Canadian Journal of Remote Sensing, 48:144-157.
Cavalcante VS, Borges LS, Melo Moura W, Jacob LL & Freitas MAS (2020) Adubação organomineral na nutrição e produtividade de café arábica. Available at: <https://cadernos.aba-agroecologia.org.br/cadernos/article/view/6285>. Accessed on: March 8th, 2021.
Falker (2008) Manual CloroiLOG: medidor eletrônico do teor de clorofila. Porto Alegre, Falker automação agrícola. 33p.
Francioli D, Schulz E, Lentendu G, Wubet T, Buscot F & Reitz T (2016) Mineral vs. organic amendments: microbial community structure, activity and abundance of agriculturally relevant microbes are driven by long-term fertilization strategies. Frontiers in microbiology, 7:1446.
Gitelson AA, Kaufman YJ, Stark R & Rundquist D (2002) Novel algorithms for remote estimation of vegetation fraction. Remote Sensing of Environment, 80:76-87.
Godoy LJGD, Santos TDS, Villas Bôas RL & Leite Júnior JB (2008) Índice relativo de clorofila e o estado nutricional em nitrogênio durante o ciclo do cafeeiro fertirrigado. Revista brasileira de ciência do solo, 32:217-226.
Guimarães PTG, Ribeiro CR, Alvarez VV & Vitor H (1999) Recomendações para o uso de corretivos e fertilizantes em Minas Gerais. 5ª ed. Viçosa, Comissão de Fertilidade do Solo do Estado de Minas Gerais. 359p.
Landis JR & Koch GG (1977) The measurement of observer agreement for categorical data. Biometrics, 33:159-174.
Liakos KG, Busato P, Moshou D, Pearson S & Bochtis D (2018) Machine learning in agriculture: A review. Sensors, 18:2674.
Malavolta E (2001) Manual de química agrícola: adubos e adubação. 3ª ed. São Paulo, Agronômica Ceres. 594p.
Marschner H (2012) Mineral nutrition of higher plants. 3ª ed. New York, Academic. 889p.
Martinez HEP, Menezes JFS, Souza RBD, Alvarez Venegas VH & Guimarães PTG (2003) Faixas críticas de concentrações de nutrientes e avaliação do estado nutricional de cafeeiros em quatro regiões de Minas Gerais. Pesquisa agropecuária brasileira, 38:703-713.
Pereira FV, Martins GD, Vieira BS, Assis GA & Orlando VSW (2022) Multispectral images for monitoring the physiological parameters of coffee plants under different treatments against nematodes. Precision Agriculture, 23:01-33.
Pérez CDP, Pozza EA, Pozza AAA, Freitas AS & Silva MG (2017) Nitrogênio e potássio na intensidade da mancha aureolada do cafeeiro em solução nutritiva. Coffee Science, 12:60-68.
Pinheiro RM, Gadotti GI, Monteiro RDCM & Bernardy R (2021) Inteligência artificial na agricultura com aplicabilidade no setor sementeiro. Diversitas Journal, 6:2996-3012.
Rouse JW, Hass RH, Schell JA & Deering DW (1973) Monitoring vegetation systems in the Great Plains with ERTS. Nasa, 3:309-329.
Santos OL, Padolfi AS & Ramaldes GP (2018) Análise de índice de vegetação através de imagens obtidas por VANT. Revista Científica FAESA, 14:145-165.
Scheunders P, Tuia D & Moser G (2018) Contributions of machine learning to remote sensing data analysis. Comprehensive remote sensing, 2:199-243.
Sobreira FM, Guimarães RJ, Colombo A, Scalco MS & Carvalho JG (2011) Adubação nitrogenada e potássica de cafeeiro fertirrigado na fase de formação, em plantio adensado. Pesquisa Agropecuária Brasileira, 46:09-16.
Souza LA, Silva EA, Oliveira GC, Barbosa SM & Silva BM (2018) Análise qualitativa e quantitativa de agregados de solo sob filme plástico associado à fertilização organomineral em área cafeeira. Scientia Agraria, 19:142-153.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
