Desarrollo y aplicación de índices espectrales para la detección y cuantificación de manchas foliares en cebada cervecera (Hordeum vulgare L.)

• Autores: David, Emiliano
• Año de publicación: 2022
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Lara, Bruno; Monterroso, Liliana
• Materia: Cebada cervecera; Hordeum vulgare L.; Manchas foliares; Teledetección; Enfermedades cebada cervecera; Azul; Argentina
• Institución: Universidad Nacional del Centro de la Provincia de Buenos Aires

El cultivo de cebada (Hordeum vulgare L.) es el segundo en importancia dentro de los cereales de invierno en Argentina después del cultivo de trigo. El principal destino de esta producción en nuestro país es la elaboración de malta para la producción de cerveza, actividad altamente específica en lo que a parámetros de calidad respecta. La producción de este cereal es afectada, entre otros factores, por enfermedades fúngicas que disminuyen el rendimiento y la calidad de los granos. Actualmente, el seguimiento de la evolución de estas enfermedades en lotes de producción se realiza mediante estimaciones visuales de parámetros como incidencia y severidad. Este tipo de práctica presenta variaciones entre evaluadores, así como intra evaluadores (repetitividad) cuando se requiere relevar grandes áreas, lo cual conduce a una pérdida en la precisión. Una alternativa posible a estos métodos tradicionales de monitoreo es el uso de técnicas de teledetección debido a su alta capacidad para recolectar y procesar datos. En este sentido, los índices espectrales, han sido utilizados para la detección de plagas, enfermedades y diferentes tipos de estrés abiótico. El objetivo de este trabajo fue evaluar la factibilidad de identificar vegetación sana y con enfermedades foliares en el cultivo de cebada mediante índices espectrales y estimar la severidad sobre plantas de cebada utilizando técnicas de clasificación de imágenes. Con este fin se sembró en la chacra experimental de la Facultad de Agronomía UNCPBA (RN N° 3 km 304), un ensayo de tres parcelas de cebada variedad Andreia, con dos tratamientos (con y sin aplicación de fungicida). La conducción del mismo fue bajo el sistema de siembra directa sobre rastrojo de cebada y la inoculación fue natural a partir del rastrojo infectado. Se recolectaron muestras de hojas sanas y con síntomas de cada una de las tres enfermedades foliares predominantes en la zona centro de la provincia de Buenos Aires, causadas por los agentes causales Drechslera teres, Rhynchosporium secalis y Bipolaris sorokiniana. El diagnóstico fue confirmado en laboratorio mediante observación con microscopio y lupa. La obtención de los datos espectrales fue llevada a cabo en el laboratorio de fitopatología de dicha institución donde se montó un dispositivo de iluminación compuesto por tres lámparas halógenas de 50W. Para la toma de datos se utilizó un espectroradiómetro modelo Ocean Optics USB 650 (25°FOV) en el rango 440-860 nm con un ancho de banda de 1 nm, y se promediaron tres espectros continuos, el mismo se configuró con tiempo de integración de 1,5mS. Se realizaron tres repeticiones para cada sintomatología y se tomaron fotos mediante cámara RGB. La señal y la referencia fueron obtenidas por separado y se realizó el post procesamiento para obtener las curvas de reflectancia. A partir de las firmas espectrales obtenidas se calcularon 17 índices espectrales, generalmente utilizados en la detección de plagas y enfermedades. Para evaluar las diferencias entre estos índices se realizó el análisis de la varianza y la prueba de comparación de medias de Tukey. Además, se utilizó el índice de máxima discriminación (MDI) para seleccionar las bandas con mayor potencial de discriminación. Por otra parte, a partir de las imágenes RGB se realizó una clasificación supervisada por el método de máxima verosimilitud utilizando el software ENVI 4.7 para determinar las severidades. Los resultados fueron comparados con la estimación visual realizada por seis estimadores calificados los cuales fueron entrenados mediante el uso de escalas. Los resultados obtenidos indicaron que el índice GNDVI fue capaz de diferenciar todos los tratamientos, mientras que los índices NDVI, MDI, CARI, NRI, OSAVI y RGR fueron capaces de diferenciar vegetación sana y enferma. El MDI marcó como zonas de mayor capacidad de discriminación las bandas entre b1: 440-490 nm, b2: 645-680 nm. Respecto de las estimaciones visuales de severidad el desvío máximo para una muestra entre estimadores fue de 8,5% con un rango entre 6-30%, estos valores de dispersión máximos se encontraron sobre una muestra con un nivel de enfermedad bajo (1,9%). La diferencia máxima entre una estimación visual promedio y la calculada por clasificación de imágenes fue de 13,3%.
Barley (Hordeum vulgareL.) is the second cropin importance within the winter cereals in Argentina after wheat. The main destination of this crop in our country is malt elaboration forbeer production, a highly specific activity in terms of quality parameters. The production of this cereal is affected by fungal diseases that reduce grain yield and quality, among other factors. Currently, the evolution of thesediseases in fields is carried outthrough visual estimations of parameters such as incidenceand severity. This type of practice presents variations between evaluators as well as intra-evaluators (repeatability) when it is necessary to survey large areas, which leads to a loss in precision. A possible alternative to these traditional monitoring methods is remote sensing techniques, such as spectral indices. These technique shave been applied to detect pests, diseases, and different types of abiotic stress due to their high capacity to collect and process data. The objective of this work was to evaluate the feasibility of identifying healthy vegetation andthat foliar diseasein barleycrops using spectral indices and estimating the severity by applying image classification techniques. For this purpose, a trial of threeplots of barley variety Andreia, with two treatments (with and without application of fungicide), was planted in the experimental farm of the Faculty of Agronomy UNCPBA (RN No. 3 km 304). The diagnosis was confirmed in the laboratory by observation with a microscope and a magnifying glass. Spectral data were obtainedin the phytopathology laboratory of the mentioned institution, where a lighting device composed of 3 50W halogen lamps was mounted. For data collection, an Ocean Optics USB 650 model spectroradiometer (25°FOV) was used in the range 440-860 nm with a bandwidth of 1 nm, and three continuous spectra were averaged. This was configured with an integration time of 1.5 mS. Three repetitions were made for each symptomatology, and photos were taken using an RGB camera. The signal and the reference were obtained separately, and post-processing was performed to obtain reflectance curves. From the spectral signatures obtained, 17 spectral indices used to detectpests and diseases were calculated. In order to evaluate differences among these indices, a variance analysis, and a Tukey mean comparison test were performed. Besides, the maximum discrimination index (MDI) was used to select the bands with more significant discrimination potential. On the other hand, a classification supervised by the maximum authenticity method using software ENVI 4.7 to determine severity was carried out fromRGB images. Results were compared with visual estimationsperformed by sixqualified estimators who were previously trained regarding the use ofincidenceand severityscales. Results indicated that the GNDVI index had the capacity to differentiate all treatments, while the NDVI, MDI, CARI, NRI, OSAVI, and RGR indices were able to differentiate healthy and diseased vegetation. The MDI marked the bands between b1: 440-490 nm and b2: 645-680 nm as areas with greater discrimination capacity. Regarding the visual estimations of severity, the maximum deviation for a sample between estimators was 8.5%,with a range between 6-30%, these maximum dispersion values were found on a sample with a low level of disease (1.9%). The maximum difference between an average visual estimate and that calculated by image classification was 13.3%.
Fil: David, Emiliano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Agronomía; Argentina.
Fil: Lara, Bruno. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Agronomía; Argentina.
Fil: Monterroso, Liliana. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Agronomía; Argentina.