Uso de imágenes multiespectrales y térmicas para el fenotipado de la resistencia a imidazolinonas en poblaciones de girasol

Abstract

La disponibilidad de herramientas de fenotipado de alto rendimiento, como los drones con cámaras multiespectrales, resultan ser muy valiosas para su implementación directa en los programas de mejoramiento (Araus & Cairns, 2014). El objetivo de este trabajo fue evaluar el uso de imágenes obtenidas a partir de un dron para el fenotipado de la resistencia a imidazolinonas en poblaciones de girasol. El experimento fue realizado en la EEA Pergamino, en un diseño aumentado en donde los testigos resistentes y susceptibles al herbicida Imazapir fueron distribuidos sistemáticamente. Fueron evaluados 742 genotipos del programa de mejoramiento de girasol de INTA y se incluyeron 182 parcelas testigo. El tamaño de las parcelas fue de un surco de 5 m de longitud. Se realizaron 3 vuelos con un DJI Matrice 300, equipado con sensores multiespectral y térmico MicaSense Altum, a una altura de 40 m. El primer vuelo fue realizado 9 días después de aplicado el herbicida y los dos vuelos posteriores fueron realizados 43 y 57 días de la aplicación. De las imágenes obtenidas se extrajeron los valores de reflectancia de las bandas: azul (475 nm), verde (560 nm), rojo (668 nm), borde rojo (717 nm), NIR (840 nm) y la emisividad de la banda térmica (8–14 nm). A partir de estos datos se generaron los índices; NDVI, NDRE y GNDVI. Fueron evaluados diferentes modelos de Machine Learning para poder predecir el valor fenotípico de cada parcela evaluada como susceptible o resistente en función de los datos de las bandas espectrales y de los índices derivados. Los resultados presentaron valores de precisión de 0.84 y 0.83 para los modelos avNNET (redes neuronales) y SVM (Support Vector Machine). Estos resultados muestran el potencial y las ventajas que aportarían en capacidad y velocidad de fenotipado para la resistencia a imidazolinonas en girasol.