Sensoriamento remoto para monitoramento de mosca branca, Bemisia tabaci biótipo B (Hemiptera: Aleyrodidae) em soja

• Main Author: Iost Filho, Fernando Henrique
• Other Authors: Rosalen, David Luciano
• Format: Others
• Language: pt
• Published: Biblioteca Digitais de Teses e Dissertações da USP 2019
• Subjects: Estresse hídrico; Field crops; Grandes culturas; Integrated pest management; Interação inseto-planta; Manejo integrado; Plant-insect interaction; Water stress
• Online Access: http://www.teses.usp.br/teses/disponiveis/11/11146/tde-14052019-164149/

Surtos de pragas em lavouras são imprevisíveis em relação ao local e ao momento. Contudo, um programa manejo integrado de pragas eficiente depende do conhecimento da distribuição dos insetos o mais cedo possível, antes que a população esteja bem estabelecida e atinja o Nível de Dano Econômico. É possível, no entanto, identificar no campo fatores que podem tornar as plantas mais atrativas a esses insetos, como o estresse hídrico. Uma possível maneira de tentar prever os surtos de pragas é pelo diagnóstico da suscetibilidade das plantas às pragas. Nesse sentido, objetivou-se com esse trabalho descrever os padrões de reflectância de plantas de soja estressadas, tanto pela restrição hídrica quanto pela infestação por Bemisia tabaci biótipo B. Para tanto, plantas de soja foram cultivadas em casa de vegetação sob diferentes regimes hídricos (30, 50, 70 e 100% de reposição do volume de água perdido diariamene) e oferecidas a adultos de B. tabaci biótipo B em ensaios com e sem escolha. Todas plantas utilizadas nos bioensaios foram previamente avaliadas quanto à sua reflectância utilizado o sensor hiperespectral FieldSpec® 3, para posterior classificação nos grupos relativos ao regime hídrico imposto. Após os ensaios de suscetibilidade, foram realizados ensaios para determinar a possibilidade de uso do sensor hiperespectral para classificação de plantas estressadas, tanto pelo estresse hídrico, quanto pela infestação por B. tabaci biótipo B, em um esquema fatorial. Os regimes hídricos utilizados foram 70 e 100% de reposição e, ensaios com infestação controlada e não-controlada foram realizados. Nos ensaios de suscetibilidade, foi possível observar que, quando têm escolha, adultos de B. tabaci biótipo B depositam mais ovos em plantas cultivadas com 70 e 50% de reposição do volume de água perdida. Já quando os adultos não têm escolha, diferenças estatísticas entre a quantidade de ovos depositados nos regimes testados não foram encontradas. Quanto à classificação das plantas em grupos, pode-se afirmar que o sensor hiperespectral FieldSpec® 3 fornece informação suficiente para tanto. No ensaio de infestação controlada, quatro grupos foram gerados, 70% de reposição do volume de água com infestação, 70% de reposição sem infestação, 100% de reposição com infestação e 100% de reposição sem infestação. A análise discriminante dos dados de reflectância demonstrou que, ao final do ensaio, os quatro grupos são significativamente diferentes. Ainda, com uma validação cruzada, foi possível classificar os respectivos grupos com 73,81% de precisão. No ensaio com infestação não controlada, as plantas infestadas foram classificadas em 3 grupos de acordo com o nível de infestação, baixa, média e alta. Da mesma maneira, a análise discriminante dos dados de reflectância demonstrou que há diferença entre os grupos e, a validação cruzada indicou que é possível classificar o nível de infestação com 91,98% de precisão. Portanto, conclui-se que o sensoriamento remoto hiperespectral pode somar ao manejo integrado de pragas, tanto na avaliação da suscetibilidade das plantas às pragas, quanto na identificação de plantas infestadas e sadias. === Pest outbreaks in commercial fields are unpredictable in relation to location and timing. However, an efficient Integrated Pest Management depends on the knowledge of the distribution of the insects as early as possible, before the population is established and reaches the threshold of Economic Injury. It is possible, however, to identify factors in the field that may make plants more attractive to insects, such as water stress. One possible way to try to predict pest outbreaks is to diagnose the susceptibility of plants to insects. Thus, the objective of this study is to describe the reflectance patterns of soybean plants stressed by either water stress and Bemisia tabaci biotype B infestation. Soybean plants were grown in greenhouse under different irrigation regimes (30, 50, 70 and 100% daily water recharge), and offered to B. tabaci Biotype B adults in both choice and non-choice bioassays. All the plants used in the bioassays were previously evaluated for their reflectance, using the FieldSpec® 3 hyperspectral sensor, to classify them later in the irrigation groups. After the susceptibility bioassays, new studies were carried out to evaluate the feasibility of using the hyperspectral sensor to classify plants under infestation and water stress, in a factorial scheme. Irrigation regimes were 70 and 100% daily water refill, and tests were performed with controlled and uncontrolled infestation. In the susceptibility tests, it was possible to observe that, when given the options, B. tabaci Biotype B adults lay more eggs in plants grown with 70 and 50% daily water refill. When adults have no options, no significant difference was observed between the amount of eggs deposited in all irrigation regimes. Regarding the classification of plants in groups, it is possible to state that the FieldSpec® 3 hyperspectral sensor provides sufficient information for this. In the controlled infestation trial, four distinct groups were generated, 70% water refill + infestation, 100% water refill + infestation, 70% water refill without infestation and 100% water refill without infestation. Discriminant analysis showed that, after the assay, the groups were statistically different. In addition, using a cross-validation, it was possible to classify the groups with 73.81% accuracy. In the test with uncontrolled infestation, three groups were generated, according to the level of infestation: low, medium and high. Likewise, the Discriminant analysis showed that there is a significant difference between the groups, and cross validation indicated that it is possible to classify the level of infestation with 91.98% accuracy. Therefore, it is possible to conclude that hyperspectral remote sensing may be an additive tool for Integrated Pest Management, both to evaluate the susceptibility of plants to pests and to identify healthy and infested plants.