Um novo índice de oídio do trigo (WPMI) oferece uma maneira prática de detectar, quantificar e rastrear uma importante doença fúngica do trigo de inverno em múltiplas escalas espaciais. Ao integrar espectroscopia de folhas, medições de dossel no solo, imagens hiperespectrais de veículos aéreos não tripulados (UAV) e análise de hot-spot, o estudo fornece uma ferramenta específica para a doença, identificando áreas infectadas e monitorando como o oídio do trigo se espalha ou se recupera dentro dos campos.
O oídio do trigo (WPM) é uma doença fúngica destrutiva que danifica os tecidos foliares, enfraquece o crescimento das plantas e pode causar perdas severas de produtividade ou até mesmo a falha da colheita. O diagnóstico atual em campo ainda depende fortemente da inspeção visual de especialistas, que é trabalhosa, subjetiva e difícil de escalar. Embora o sensoriamento remoto hiperespectral tenha mostrado potencial para detecção de doenças em culturas, muitos índices de vegetação (IVs) existentes foram desenvolvidos para monitoramento geral de pigmentos, biomassa ou estresse, em vez de respostas específicas patógeno-hospedeiro. Métodos de aprendizado de máquina também podem exigir grandes conjuntos de dados de treinamento de alta qualidade. Devido a esses desafios, são necessárias pesquisas aprofundadas para desenvolver um método específico, estável e escalável para detecção de WPM, do nível do solo ao de UAV.
Uma equipe de pesquisa do Key Lab of Smart Agriculture System, Ministério da Educação, Universidade Agrícola da China; do Centro de Pesquisa em Tecnologia da Informação, Academia de Ciências Agrícolas e Florestais de Pequim; do Instituto de Proteção de Plantas, Academia Chinesa de Ciências Agrícolas; e da Faculdade de Ciências da Terra e Tecnologia, Universidade Agrícola da China, relatou o estudo no Journal of Remote Sensing em 10 de abril de 2026. O estudo aborda a necessidade de monitoramento rápido e em escala de campo do WPM em pequenas propriedades, onde a propagação da doença pode ser espacialmente desigual e difícil de capturar apenas por meio de vistoria manual.
O estudo desenvolveu duas formas de WPMI: WPMIG = (R760 − R554)/(R661 + R554) e WPMIR = (R760 − R661)/(R661 + R554). Esses índices foram projetados a partir de bandas sensíveis à doença nas regiões do verde, vermelho e infravermelho próximo (NIR). Comparados com IVs tradicionais, o WPMI distinguiu de forma mais consistente o trigo saudável do infectado e quantificou melhor o índice de doença (ID) nas escalas de folha, dossel no solo e dossel de UAV. O WPMIG mostrou desempenho particularmente forte e foi selecionado para análise de hot-spot baseada em UAV, revelando áreas potenciais de infecção e recuperação.
Os pesquisadores coletaram três anos de dados de experimentos em estufa e campo realizados de 2022 a 2024. O conjunto de dados incluiu 1.260 espectros de folhas e 804 espectros de dossel sob diferentes condições de infecção, variedades de trigo e escalas espaciais. Na escala de folha, o WPMI alcançou a maior acurácia geral de classificação (AGC), atingindo 85% e 86% para WPMIG e WPMIR, respectivamente, no experimento em estufa de 2022. Em condições de campo, os dois índices alcançaram 81% e 80% de acurácia em 2023, e 80% e 81% em 2024. Para estimativa de severidade da doença, o WPMIG atingiu valores de R² de 0,55 a 0,93 na escala de solo e de 0,48 a 0,90 na escala de UAV. Os mapas de WPMIG derivados de UAV, combinados com análise de hot-spot Getis–Ord Gᵢ*, identificaram aglomerados de provável infecção e rastrearam mudanças espaço-temporais em parcelas de pequenos agricultores ao longo de três safras.
Os pesquisadores observaram que um índice espectral específico para doença pode levar o monitoramento de doenças em culturas além da simples comparação de imagens. Ao vincular imagens hiperespectrais de UAV com análise espacial de hot-spot, o método pode ajudar a revelar onde o WPM está surgindo, se expandindo ou diminuindo, oferecendo uma base potencial para alerta precoce e manejo de doenças mais direcionado.
Espectros de folhas foram coletados usando uma câmera hiperespectral portátil, enquanto espectros de dossel foram adquiridos usando um espectrômetro de solo e um UAV DJI M600 equipado com uma câmera hiperespectral Pika L. Análise discriminante linear (ADL) foi usada para selecionar bandas sensíveis e avaliar o desempenho da classificação. O ID foi medido por meio de levantamentos de campo seguindo padrões nacionais. Regressão linear avaliou a relação entre WPMI e ID, enquanto a análise de hot-spot mapeou aglomerados espaciais de infecção a partir de imagens de UAV.
Com validação adicional entre regiões, variedades de trigo, sensores e condições de doença, o monitoramento por UAV baseado em WPMI poderia apoiar a proteção fitossanitária de precisão e sistemas de alerta precoce para a produção de trigo. A abordagem pode ajudar os agricultores a identificar pontos críticos de doença antes de surtos severos ocorrerem, reduzir o uso desnecessário de pesticidas e melhorar a tomada de decisão em nível de campo. De forma mais ampla, essa estratégia fornece uma estrutura para o desenvolvimento de índices de sensoriamento remoto específicos para doenças em outros sistemas cultura-patógeno, contribuindo para um monitoramento agrícola mais inteligente e resiliente.
