Durante certos períodos da estação de crescimento, os produtores de batata devem monitorar regularmente o status de nitrogênio de suas culturas para aplicar fertilizantes da maneira mais eficiente.
Uma prática comum é coletar folhas de plantas em cada campo e enviá-las ao laboratório para análise de nitrato. Dentro de alguns dias, os produtores recebem resultados indicando se é necessário mais fertilizante de nitrogênio ou se o desempenho é normal. O sistema funciona, mas esse processo pode ser acelerado, diz I. Wang, docente Universidade de Wisconsin-Madison, Departamento de Horticultura.
“Coletar folhas exige muito tempo e esforço”, diz Wang.
“E às vezes os resultados podem ser enganosos, porque a quantidade de nitrato nas folhas pode ser influenciada por muitos fatores, como condições climáticas ou o momento da amostragem. Além disso, os resultados não levam em consideração as diferenças espaciais [requisitos de nitrogênio] dentro do campo”.
Projeto financiado Instituto Nacional de Alimentação e Agricultura do USDA, envolve a coleta e processamento de dados de uma câmera hiperespectral. Ele é instalado em um UAV (veículo aéreo não tripulado) ou aeronave de baixa altitude que sobrevoa as áreas de batata estudadas.
A equipe de Wang está desenvolvendo modelos de computador para vincular imagens ao status do nitrogênio da planta na temporada, rendimento, qualidade e retornos econômicos no final da temporada.
“Minha equipe e eu esperamos desenvolver um programa online que converta imagens hiperespectrais em informações sobre quando e quanto fertilizar para que os produtores possam maximizar os lucros com o mínimo impacto ambiental”, diz Wang.
“Fatores que causam mudanças no estado do dossel, como o estado dos nutrientes, a presença e ausência de umidade ou doença, estão associados à refletância espectral e, portanto, podem ser visualizados em imagens hiperespectrais”, diz Trevor Crosby, estudante de pós-graduação em Wang's. laboratório.
Em um único voo sobre um campo de pesquisa de 70 por 150 metros, dezenas de imagens podem ser coletadas, cada uma contendo centenas de bandas espectrais. Para acelerar o processamento de imagens, Wang contratou dois funcionários-chave. Phil Townsend, professor de Ecologia Florestal e da Vida Selvagem, é líder em tecnologia de sensoriamento remoto. Paul Mitchell, Professor e Especialista do Departamento de Economia Agrícola e Aplicada, realiza uma análise econômica, com base na qual um modelo de computador faz recomendações para a aplicação de nitrogênio.
Crosby, liderando as medições de solo, coletou dados de locais de pesquisa de campo em vários estágios de crescimento da batata. Isso inclui o índice de área foliar, a concentração total de nitrogênio nas folhas e caules, o número de tubérculos e o peso de tubérculos individuais, além de fatores ambientais como umidade e temperatura do solo, radiação solar e velocidade do vento. Na colheita, mede o rendimento global dos tubérculos e seu tamanho.
Crosby então desenvolveu modelos aprimorados ligando imagens hiperespectrais a medições terrestres. O objetivo é prever o status de nitrogênio das culturas em tempo real e prever o rendimento dos tubérculos no final da safra. Neste ponto, o trabalho de campo e o processamento da imagem estão completos, e Crosby está se concentrando no desenvolvimento do modelo.
Wang compartilha amplamente sua pesquisa com os produtores de batata e hortaliças do estado. Ele tem um bom relacionamento com os agricultores em todo o estado e muitos estão ansiosos para ver os resultados de sua pesquisa.