Determinação do teor de nitrogênio em folhas de manga (Mangifera indica l.) utilizando sensor multiespectral acoplado a VANT

Abstract

O estudo teve como objetivo determinar o teor de nitrogênio (N) foliar em mangueiras cultivadas na região do Submédio São Francisco Pernambucano, utilizando imagens multiespectrais de alta resolução obtidas por VANTs. Foram avaliadas três áreas de cultivo, localizadas nos municípios de Cabrobó, Petrolina e Petrolândia, com diferentes variedades de manga. No total, foram coletadas 190 amostras foliares, submetidas ao método Kjeldahl para digestão e determinação do N total. Paralelamente, foram realizados voos com VANT DJI Matrice 350 RTK equipado com sensor multiespectral Altum-PT, capaz de adquirir imagens nas bandas azul, verde, vermelho, red edge e infravermelho próximo. A partir das imagens obtidas, foram calculados 46 índices espectrais, além da extração dos valores de reflectância das bandas espectrais, correlacionados com os teores de N foliar. As análises estatísticas incluíram correlação de Pearson e modelagem preditiva com diferentes algoritmos de aprendizado de máquina, incluindo RF, SVM, XGBoost, GBM, Cubist e PLSR. A capacidade preditiva foi avaliada por meio da divisão dos dados em conjunto de treinamento e validação, utilizando múltiplas sementes aleatórias para aumentar a robustez das estimativas. Os resultados mostraram que apenas o pomar localizado em Petrolândia exibiu valores médios de N foliar dentro da faixa de suficiência recomendada (12–14 g kg⁻¹), enquanto os pomares de Petrolina e Cabrobó registraram valores inferiores, indicando deficiência de N. Entre os índices espectrais avaliados, o NDRE apresentou a associação mais consistente com os teores de N foliar, evidenciando o potencial do sensoriamento remoto para o monitoramento do estado nutricional da cultura. O RF apresentou melhor desempenho preditivo, com menor erro médio (RMSE = 1,4868 g kg⁻¹) e estimativas mais próximas dos valores observados. Os modelos XGBoost, GBM e Cubist tiveram desempenho intermediário, enquanto o PLSR, apesar de maior R², registrou erros de predição mais elevados. O SVM obteve o menor desempenho entre os algoritmos avaliados. Conclui-se que a integração entre análises foliares, índices espectrais e algoritmos de aprendizado de máquina, especialmente o RF, constitui uma estratégia promissora para estimar o teor de N foliar em mangueiras, fornecendo suporte ao manejo nutricional de precisão e contribuindo para sistemas de produção mais eficientes na fruticultura no semiárido brasileiro.