Monitoring soybean pests using remote sensing (2023)
- Authors:
- Autor USP: IOST FILHO, FERNANDO HENRIQUE - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEA
- DOI: 10.11606/T.11.2023.tde-23032023-155535
- Subjects: AMOSTRAGEM; LAGARTAS; MANEJO INTEGRADO; MONITORAMENTO; PERCEVEJO; PRAGAS DE PLANTAS; SENSORIAMENTO REMOTO; SOJA
- Agências de fomento:
- Language: Inglês
- Abstract: Ataques de artrópodes pragas estão entre os maiores problemas na produção de soja, sendo necessária uma amostragem regular de campo para a tomada de decisões. No entanto, os métodos de amostragem tradicionais são trabalhosos e demorados. Portanto, nosso primeiro objetivo foi avaliar o sensoriamento remoto hiperespectral como uma ferramenta para estabelecer padrões de reflectância de plantas de soja infestadas por várias densidades de duas espécies de percevejos [Euschistus heros e Diceraeus melacanthus (Hemiptera: Pentatomidae)] e duas espécies de lagartas [Spodoptera eridania e Chrysodeixis includens (Lepidoptera: Noctuidae)]. Os bioensaios foram realizados em casa de vegetação com vasos de plantas colocados em gaiolas com 5 plantas infestadas com 0, 2, 5 e 10 insetos. As plantas foram classificadas de acordo com sua refletância, com base na aquisição de dados espectrais antes e depois da infestação, usando uma câmera hiperespectral de varredura (Resonon Pika L, que atua na região 400-1000 nm). A infestação por percevejos não causou diferenças significativas nos padrões de reflectância de plantas infestadas ou não infestadas. No entanto, as lagartas causaram mudanças nos padrões de reflectância, que foram classificadas usando uma abordagem de Deep Learning baseada em rede neural artificial perceptron multicamada. Altas acurácias (> 70%) foram alcançadas quando os modelos classificaram baixa (0+2) ou alta (5+10) infestação e, presença ou ausência de insetos. Este estudofornece uma avaliação inicial para aplicar um método de detecção não invasivo para monitorar lagartas na soja antes de causar danos econômicos. Estudos futuros devem ser realizados em condições de campo, utilizando outros sensores, como câmeras multiespectrais para automatizar a detecção de problemas de pragas no campo. Essas ferramentas digitais, entre outras, estão moldando a nova forma de fazer agricultura, onde as decisões são baseadas em dados sendo, portanto, mais precisas. Em relação ao manejo de pragas, essas novas tecnologias oferecem aos produtores a possibilidade de identificar problemas em estágios iniciais e fornecer soluções localizadas. Embora a abordagem tradicional de Manejo Integrado de Pragas (MIP) sugira que as soluções de controle devam ser entregues em todo o campo, novas abordagens envolvendo tecnologias digitais precisarão considerar adaptações nos conceitos de limites econômicos, amostragem, previsão populacional, identificação de lesões e, finalmente, o uso localizado de táticas de controle. Portanto, nosso segundo objetivo foi revisar como os conceitos tradicionais de MIP poderiam ser adaptados, considerando essa transformação digital que está ocorrendo na agricultura
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2023
- Data da defesa: 06.01.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
IOST FILHO, Fernando Henrique. Monitoring soybean pests using remote sensing. 2023. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11146/tde-23032023-155535/. Acesso em: 02 out. 2024. -
APA
Iost Filho, F. H. (2023). Monitoring soybean pests using remote sensing (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11146/tde-23032023-155535/ -
NLM
Iost Filho FH. Monitoring soybean pests using remote sensing [Internet]. 2023 ;[citado 2024 out. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11146/tde-23032023-155535/ -
Vancouver
Iost Filho FH. Monitoring soybean pests using remote sensing [Internet]. 2023 ;[citado 2024 out. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11146/tde-23032023-155535/ - Sensoriamento remoto para monitoramento de mosca branca, Bemisia tabaci biótipo B (Hemiptera: Aleyrodidae) em soja
- Assessment of injury by four major pests in sybean plants using hyperspectral proximal imaging
- Em alta
- Produção sustentável
- How does the digital transformation of agriculture affect the implementation of Integrated Pest Management?
- Mais severo
- Acute toxicity and duration of harmful activity of nine insecticides on Trichogramma pretiosum, a parasitoid used in augmented biological control of Helicoverpa spp. in Brazilian soybean fields
- Monitoring Bemisia tabaci (Gennadius) (Hemiptera: Aleyrodidae) Infestation in Soybean by Proximal Sensing
- Comparação de sensores hiperespectrais para análise do comportamento espectral de folhas de soja
- Do Ready-mix insecticides cause lethal and sublethal effects on Trichogramma pretiosum (Hymenoptera: Trichogrammatidae) pupa?
Informações sobre o DOI: 10.11606/T.11.2023.tde-23032023-155535 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas