Avaliação do teor de nitrogênio e carbono da copa em milho por meio da reflectância espectral da copa e eliminação de variáveis não informativas

A avaliação do teor de nitrogênio da copa (CNC) e do teor de carbono da copa (CCC) do milho por meio de dados de sensoriamento remoto hiperespectral permite estimar a produtividade das terras agrícolas, proteger a ecologia das terras agrícolas e investigar os ciclos de nitrogênio e carbono na atmosfera. Este estudo teve como objetivo avaliar o CNC e o CCC do milho utilizando informações hiperespectrais da copa e a eliminação de variáveis não informativas (UVE). Índices de vegetação (VIs) e funções wavelet foram adotados para estimar CNC e CCC sob diferentes regimes de água e nitrogênio. Modelos de regressão linear, não linear e mínimos quadrados parciais (PLS) foram ajustados aos VIs e funções wavelet para estimar CNC e CCC, e foram avaliados quanto à sua precisão preditiva. A UVE foi utilizada para eliminar variáveis não informativas, melhorar a precisão preditiva dos modelos e simplificar os modelos de regressão PLS (UVE-PLS). Para a estimativa de CNC e CCC, o índice de vegetação por diferença normalizada (NDVI, baseado em bandas de onda da borda vermelha e NIR) apresentou os maiores coeficientes de correlação (r > 0.88). Os modelos de regressão PLS mostraram o menor erro quadrático médio (RMSE) entre todos os modelos. No entanto, os modelos de regressão PLS exigiram nove VIs e quatro funções wavelet, aumentando sua complexidade. A UVE foi usada para reter parâmetros espectrais válidos e otimizar os modelos de regressão PLS. Os modelos de regressão UVE-PLS melhoraram a precisão de validação e resultaram em CNC e CCC mais precisos do que os modelos de regressão PLS. Assim, a reflectância espectral da copa integrada com UVE-PLS pode refletir com precisão o estado do nitrogênio e carbono nas folhas de milho.