Espectroscopia de infravermelho próximo para estimativa da concentração de nitrogênio em plantas e grãos nas culturas do arroz, milho, soja e trigo

Abstract

Os métodos químicos tradicionalmente empregados para a estimativa do teor de nitrogênio em materiais vegetais e grãos apresentam elevado custo, são operacionalmente ineficientes e necessitam o uso de reagentes químicos, elevando os riscos tanto para o laboratorista quanto para o meio ambiente. A espectroscopia de infravermelho próximo - NIR (Near Infrared Spectroscopy) é um método que possibilita a análise de forma mais eficiente, com menos custos e não geração de resíduos tóxicos. Para que esta técnica apresente boa acurácia e precisão, é necessário a criação de um modelo de calibração multivariada que associe os dados espectrais aos resultados obtidos nas análises químicas. O presente trabalho tem como objetivo a criação de modelos amplos de predição da concentração de nitrogênio em plantas e grãos de milho, arroz, trigo e soja com o uso de diferentes combinações de técnicas de pré-processamento e calibração multivariada. Para o presente estudo foram coletadas e analisadas um total de 899 amostras de folhas e 502 amostras de grãos. Foram utilizados os pré-processamentos Detrend (DET), Standard Normal Variate (SNV) e Savitzky-Golay Derivative (SGD). Os modelos de predição foram desenvolvidos a partir dos seguintes métodos de calibração multivariada: Partial Least Squares Regression (PLSR) e Support Vector Machine (SVM). A calibração do modelo foi feita através da validação cruzada por meio de uma divisão aleatória em segmentos. Os valores preditos de nitrogênio através da espectroscopia foram comparados aos valores mensurados pelo método químico, sendo a acurácia da espectroscopia para este fim avaliada através dos seguintes parâmetros estatísticos: coeficiente de determinação (R2 ), relação entre o desempenho e a distância interquartil (RPIQ) e o erro médio quadrático de predição (RMSE). O uso da espectroscopia de infravermelho próximo foi capaz de predizer com precisão as concentrações de nitrogênio em tecido vegetal, sendo que os melhores resultados foram encontrados com o uso do método de calibração SVM e pré-processamento SNV (R² = 0,99). Adicionalmente, foi verificado que é possível a construção de modelos amplos de predição para os conjuntos de amostras com grãos de trigo e arroz, e folhas de trigo, arroz, milho e soja.

The chemical methods traditionally used to estimate the nitrogen content in plant materials and grains are expensive, operationally inefficient and require the use of chemical reagents, increasing risks for both the laboratory worker and the environment. Near Infrared Spectroscopy (NIR) is a method that enables analysis more efficiently, with less costs and does not generate toxic waste. For this technique to present good accuracy and precision, it is necessary to create a multivariate calibration model that associates the spectral data with the results obtained in chemical analyses. The present work aims to create broad models for predicting nitrogen concentration in leaves and grains of corn, rice, wheat and soybeans using different combinations of pre-processing and multivariate calibration techniques. For the present study, a total of 899 leaf samples and 502 grain samples were collected and analyzed. Detrend (DET), Standard Normal Variate (SNV) and Savitzky-Golay Derivative (SGD) pre-processing were used. The prediction models were developed based on the following multivariate calibration methods: Partial Least Squares Regression (PLSR) and Support Vector Machine (SVM). The model calibration was done through cross-validation through a random division into segments. The predicted nitrogen values through spectroscopy were compared to the values measured by the chemical method, with the accuracy of the spectroscopy for this purpose being evaluated through the following statistical parameters: coefficient of determination (R2), relationship between performance and interquartile distance (RPIQ) and the mean squared prediction error (RMSE). The use of near-infrared spectroscopy was able to accurately predict nitrogen concentrations in plant tissue, with the best results being found using the SVM calibration method and SNV pre-processing (R² = 0.99). Additionally, it was verified that it is possible to build broad prediction models for sets of samples with wheat and rice grains, and wheat, rice, corn and soybean leaves.