Determining nitrogen deficiencies for maize using various remote sensing indices

Resumo

A precisa determinação das demandas de fertilizante nitrogenado do milho para locais e anos específicos tem se mostrado um desafio devido à complexidade das entradas, transformações e saídas no ciclo do nitrogênio (N). O sensoriamento remoto da deficiência de nitrogênio no milho pode ser uma maneira de aproximar as aplicações de fertilizante nitrogenado das demandas específicas de N. Seis índices de vegetação [índice de vegetação por diferença normalizada (NDVI), índice de vegetação por diferença normalizada no verde (GNDVI), índice de vegetação por diferença normalizada na borda vermelha (RENDVI), índice de verdor do triângulo (TGI), índice de vegetação de área normalizada (NAVI) e índice de clorofila verde (CIgreen)] foram avaliados quanto à sua capacidade de detectar deficiência de nitrogênio e prever o rendimento de grãos de milho. Ensaios em faixas foram estabelecidos em dois locais no Arkansas, EUA, com a dose de nitrogênio como tratamento principal. Os dados de sensoriamento remoto foram coletados semanalmente com um sistema de aeronave não tripulada (VANT) equipado com sensores multiespectral e térmico. As relações entre o valor do índice, a dose de fertilizante nitrogenado e o estágio de crescimento do milho foram avaliadas. GNDVI, RENDVI e CIgreen tiveram a relação mais forte com o tratamento de fertilizante nitrogenado. O Índice de Clorofila Verde (CIgreen) e o GNDVI foram os melhores preditores do rendimento de grãos de milho no início da estação de crescimento, quando a aplicação de nitrogênio adicional ainda era agronomicamente viável. No entanto, deve ser considerada a logística da aplicação de nitrogênio no final da estação.

Abstract

Determining a precise nitrogen fertilizer requirement for maize in a particular field and year has proven to be a challenge due to the complexity of the nitrogen inputs, transformations and outputs in the nitrogen cycle. Remote sensing of maize nitrogen deficiency may be one way to move nitrogen fertilizer applications closer to the specific nitrogen requirement. Six vegetation indices [normalized difference vegetation index (NDVI), green normalized difference vegetation index (GNDVI), red-edge normalized difference vegetation index (RENDVI), triangle greenness index (TGI), normalized area vegetation index (NAVI) and chlorophyll index-green (CIgreen)] were evaluated for their ability to detect nitrogen deficiency and predict grain maize grain yield. Strip trials were established at two locations in Arkansas, USA, with nitrogen rate as the primary treatment. Remote sensing data was collected weekly with an unmanned aerial system (UAS) equipped with a multispectral and thermal sensor. Relationships among index value, nitrogen fertilizer rate and maize growth stage were evaluated. Green NDVI, RENDVI and CIgreen had the strongest relationship with nitrogen fertilizer treatment. Chlorophyll Index-green and GNDVI were the best predictors of maize grain yield early in the growing season when the application of additional nitrogen was still agronomically feasible. However, the logistics of late season nitrogen application must be considered.