Exportar registro bibliográfico

Evaluation of vegetation indices from aerial images in soybean breeding (2020)

  • Authors:
  • Autor USP: VIANNA, MARIANA SILVA - ESALQ
  • Unidade: ESALQ
  • Sigla do Departamento: LGN
  • Subjects: AERONAVES NÃO TRIPULADAS; LINHAGENS VEGETAIS; MELHORAMENTO GENÉTICO VEGETAL; PERCEVEJO; SOJA
  • Keywords: Fenotipagem de alto rendimento; Imagens RGB; Índices de vegetação
  • Language: Inglês
  • Abstract: A fenotipagem de alto rendimento (HTP) é uma ferramenta emergente que permite acesso e identificação dos caracteres quantitativos simples e complexos, acelerando descobertas genéticas e seleção. Os índices de vegetação têm sido utilizados para detectar variações no campo, demonstrando correlação com vários caracteres importantes ao desempenho das culturas. Assim, este estudo teve como objetivo principal estimar índices de vegetação e suas correlações com caracteres agronômicos em diferentes populações de soja, utilizando imagens RGB derivadas de veículo aéreo não tripulado (UAV). Foram conduzidos três experimentos na safra 2018/2019: RIL-C (com controle de percevejos), RIL-N (sem controle de percevejos) e LQ (sem fertilização, correção do solo e controle de percevejos) com o objetivo de avaliar a resistência genética ao complexo de percevejos em linhagens de soja. Os genótipos foram avaliados com base nas seguintes caracteres: número de dias para a maturidade (NDM), valor agronômico (AV), acamamento (LOD), altura da planta na maturidade (PHM) e rendimento de grãos (GY). Um sistema UAV com uma câmera RGB acoplada foi usado para adquirir um vôo de fotografia aérea sobre o campo durante o estágio R5. Foram estimados o Índice de Vegetação Azul Verde Vermelho (RGBVI), Índice de Folha de Verde (GLI), Índice Resistente à Atmosfera Visível (VARI), Índice de Verdidão Triangular (TGI), Índice de Diferença de Verde Vermelho Normalizado (NGRDI) e dossel (Canopy) do ortomosaico. Modeloslineares mistos foram usados para estimar a variância de cada caratere usando o teste da razão de verossimilhança, e a análise de componentes principais foi realizada usando os BLUPs para verificar o padrão multivariado entre os genótipos. Os resultados mostraram efeitos genotípicos significativos para maioria dos caracteres avaliados. Pode-se observar alta herdabilidade dos caracteres. A análise dos componentes principais revelou que os genótipos apresentaram maior desempenho agronômico no experimento com controle de percevejos, além de mostrar forte correlação entre os caracteres GY e PHM e independência entre os caracteres LOD e NDM. Houve correlações significativas entre os caracteres agronômicos, índices de vegetação e dossel, que podem ser usadas para seleção indireta e seleções conjuntas dos caracteres das melhores linhagens no melhoramento de soja
  • Imprenta:
  • Data da defesa: 25.09.2020
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      VIANNA, Mariana Silva. Evaluation of vegetation indices from aerial images in soybean breeding. 2020. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-12012021-102452/. Acesso em: 23 abr. 2024.
    • APA

      Vianna, M. S. (2020). Evaluation of vegetation indices from aerial images in soybean breeding (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11137/tde-12012021-102452/
    • NLM

      Vianna MS. Evaluation of vegetation indices from aerial images in soybean breeding [Internet]. 2020 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-12012021-102452/
    • Vancouver

      Vianna MS. Evaluation of vegetation indices from aerial images in soybean breeding [Internet]. 2020 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-12012021-102452/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2024