RESUMO O estudo objetivou avaliar a capacidade de índices de vegetação (IV) obtidos de imagens aéreas por veículo aéreo não tripulado em estimar a produtividade de grãos de soja, nas condições de solo e clima da microrregião de Teresina, Piauí, Brasil. Avaliou-se a cultivar de soja BRS-8980, em estádio R5, submetida a dois regimes hídricos (RH) (100 e 50% da evapotranspiração da cultura - ETc) e dois níveis de N (com e sem suplementação de N). O delineamento experimental foi o de blocos ao acaso, em parcelas subdivididas, sendo as parcelas os regimes hídricos e as subparcelas os níveis de nitrogênio, com cinco repetições. Cada parcela continha 20 linhas de 4,5 m de comprimento, espaçadas de 0,5 m entre linhas, com área de 45 m² e uma área útil para avaliação da produtividade de grãos de 6 m². Avaliaram-se 20 IV obtidos de imagens aéreas de câmera multiespectral, os quais foram correlacionados com medidas de produtividade de grãos em campo. Adotaram-se análises de correlação de Pearson, de regressão linear e de autocorrelação espacial (índice I de Moran global e local) para geração e análise de desempenho dos IV na predição da produtividade de grãos. Para validação dos modelos de regressão linear, usou-se os índices R2, RMSE e nRMSE. O modelo de predição baseado no EVI-2 apresenta elevada aleatoriedade espacial, para todos os tratamentos avaliados, e menores erros de predição iguais a 149,68 kg ha-1 (sem suplementação de N) e 173,96 kg ha-1 (com suplementação de N).
ABSTRACT This study aimed to evaluate the ability of vegetation indices (VIs) obtained from unmanned aerial vehicle (UAV) images to estimate soybean grain yield under soil and climate conditions in the Teresina microregion, Piaui state (PI), Brazil. Soybean cv. BRS-8980 was evaluated in stage R5 and submitted to two water regimes (WR) (100 and 50% of crop evapotranspiration - ETc) and two N levels (with and without N supplementation). A randomized block design in a split-plot scheme was used, in which the plots were the water regimes and the subplots N levels, with five replicates. Each plot contained twenty 4.5 m-long rows, spaced 0.5 m apart, with a total area of 45 and 6 m² study area for grain yield evaluations. Twenty VIs obtained from multispectral aerial images were evaluated and correlated with grain yield measurements in the field. Pearson’s correlation, linear regression, and spatial autocorrelation (Global and Local Moran’s I) were used to analyze the performance of the VIs in predicting grain yield. The R2, RMSE and nRMSE indices were used to validate the linear regression models. The prediction model based on EVI-2 exhibited high spatial randomness for all the treatments, and smaller prediction errors of 149.68 and 173.96 kg ha-1 (without and with N supplementation, respectively).
