POTENCIAL DO USO IMAGENS DIGITAIS NA CARACTERIZAÇÃO FENOTÍPICA DE PROGÊNIES DE MARACUJAZEIRO AZEDO

Autores

  • Jorge Tadeu Fim Rosas
  • Edilson Marques Junior Universidade Federal de Viçosa https://orcid.org/0000-0003-4216-1980
  • Gabriel Antônio Dalapícula Serafini
  • Rodrigo Monte Lorenzoni
  • Carlos Eduardo Magalhães dos Santos

Resumo

Um gargalo para o melhoramento de plantas é a necessidade de avaliar um elevado número de plantas, a fim de encontrar combinações alélicas favoráveis. A fenotipagem de alto rendimento, com uso de plataformas e processamento de imagens, permite a caracterização, rápida, precisa e de baixo custo de um elevado número de acessos. Assim, o objetivo deste trabalho foi verificar o potencial de imagens digitais RGB na caracterização de progênies de maracujazeiro azedo. Imagens de cinco progênies de maracujazeiro azedo (natureza hibrida, polinização aberta e autofecundação) foram obtidas a partir do sensor CMOS, de 16 megapixels e processadas para obtenção dos valores digitais das bandas RGB, e cálculo dos índices de vegetação para caracterização das progênies. Foi realizada uma análise descritiva nos dados e a análise componentes principais foi empregada para discriminação das progênies. Os valores digitais e os índices foram eficientes na caracterização das progênies. Uma progênie híbrida (HS2) foi a que mais se distinguiu de todas as progênies avaliadas.

Downloads

Não há dados estatísticos.

Biografia do Autor

Edilson Marques Junior, Universidade Federal de Viçosa

Engenheiro Agrônomo - Universidade Federal do Espírito Santo

Mestrando em Genética e Melhoramento - Universidade Federal de Viçosa

Referências

ARAUS, J. L.; KEFAUVER, S. C.; ZAMAN-ALLAH, M.; OLSEN, M. S.; CAIRNS, J. E. Translating high-throughput phenotyping into genetic gain. Trends in plant science, v. 23, n. 5, p. 451-466, 2018.
BENDIG, J.; YU, K.; AASEN, H.; BOLTEN, A.; BENNERTZ, S.; BROSCHEIT, J.; GNYP, M.L.; BARETH, G. Combining UAV-based plant height from crop surface models, visible, and near infrared vegetation indices for biomass monitoring in barley. International Journal of Applied Earth Observation and Geoinformation, v. 39, p. 79-87, 2015.
CERQUEIRA-SILVA, C. B. M.; JESUS, O. N.; OLIVEIRA, E. J.; SANTOS, E. S. L.; SOUZA, A. P. Characterization and selection of passion fruit (yellow and purple) accessions based on molecular markers and disease reactions for use in breeding programs. Euphytica, v. 202, p. 345–359, 2015.
FERNANDEZ-GALLEGO, J. A.; KEFAUVER, S. C.; GUTIÉRREZ, N. A.; NIETO-TALADRIZ, M. T.; ARAUS, J. L. Wheat ear counting in-field conditions: high throughput and low-cost approach using RGB images. Plant methods, v. 14, n. 1, p. 22, 2018.
GE, Y.; BAI, G.; STOERGER, V.; SCHNABLE, J. C. Temporal dynamics of maize plant growth, water use, and leaf water content using automated high throughput RGB and hyperspectral imaging. Computers and Electronics in Agriculture, v. 127, p. 625-632, 2016.
GEBREMEDHIN, A.; BADENHORST, P. E.; WANG, J.; et al. Prospects for Measurement of Dry Matter Yield in Forage Breeding Programs Using Sensor Technologies. Agronomy. v. 9, p. 1-19, 2019.
GITELSON, A. A.; KAUFMAN, Y. J.; STARK, R.; RUNDQUIST, D. Novel algorithms for remote estimation of vegetation fraction. Remote sensing of Environment, v. 80, n. 1, p. 76-87, 2002.
LOUHAICHI, M.; BORMAN, M. M.; JOHNSON, D. E. Spatially located platform and aerial photography for documentation of grazing impacts on wheat. Geocarto International, v. 16, n. 1, p. 65-70, 2001.
MELETTI, L. M. M. Avanços na cultura do maracujá no Brasil. Revista Brasileira de Fruticultura, v. 33, ed. especial, p. 83-91, 2011.
TANGER, P. et al. Field-based high throughput phenotyping rapidly identifies genomic regions controlling yield components in rice. Scientific Reports, v. 7, p. 42839, 2017.
TUCKER, Compton J. Red and photographic infrared linear combinations for monitoring vegetation. Remote sensing of Environment, v. 8, n. 2, p. 127-150, 1979.
VERRELST, J. M. E.; SCHAEPMAN, B.; KOETZ; KNEUBUHLER, M. Angular sensitivity analysis of vegetation indices derived from CHRIS/PROBA data. Remote Sensing of Environment, vol. 112, no. 5, pp. 2341–2353, 2008.
YANG, W.; GUO, Z.; HUANG, C.; WANG, K.; JIANG, N.; FENG, H.; XIONG, L. Genome-wide association study of rice (Oryza sativa L.) leaf traits with a high-throughput leaf scorer. Journal of experimental botany, v. 66, n. 18, p. 5605-5615, 2015.

Downloads

Publicado

2020-05-29

Edição

Seção

Biotecnologia e Melhoramento de Plantas