Hyperspectral data analysis for chlorophyll content derivation in vineyards

Abstract

RESUMO: A qualidade e a produtividade de um vinhedo estão relacionadas com a biomassa do dossel e o vigor foliar, e técnicas de sensoriamento próximo têm sido utilizadas como alternativas aos métodos convencionais para estimar esses parâmetros. O conhecimento do teor de clorofila é fundamental para as avaliações fitossanitárias. No entanto, índices de clorofila também podem ser extraídos de espectros de refletância obtidos para uma ampla gama de aplicações. Nesta perspectiva, foram investigadas as relações entre os índices de clorofila obtidos por medidas diretas e derivados de radiometria de campo, com o objetivo de avaliar a acurácia do teor de clorofila previsto. A investigação foi realizada em plantas da variedade Cabernet Sauvignon, baseando-se em levantamentos diretos de clorofila, espectrorradiometria foliar e na derivação de Índices de Vegetação Hiperespectrais (HVIs), sendo a aquisição de dados realizada em duas fases do ciclo vegetativo. Os resultados das estimativas mostraram que os maiores coeficientes de determinação expressando a correlação entre medições e predições foram obtidas para Chl a e Chl a/Chl b modeladas pelo algoritmo RFR, com valores de R ² tão altos quanto 0,8 e erros quadráticos médios tão baixos quanto 0,093. Com relação aos HVIs, o Photochemical Reflectance Index (PRI) calculado para a segunda data de aquisição, correspondente às folhas que atingiram a senescência, foi o que produziu o maior percentual de explicações de predição. Em conclusão, sugere-se que este estudo pode trazer uma contribuição significativa para o desenvolvimento de técnicas não invasivas de monitoramento de vinhedos.

Keywords

• hiperespectral
• vinhedos
• partial least-squares regression
• random forest regressor