Identificar o estresse nutricional na folha do milho, por meio de métodos baseados em espectrorradiometria, pode auxiliar no diagnóstico de deficiências e na tomada de decisão. Sendo assim, este trabalho visa empregar dados hiperespectrais no monitoramento das variações nutricionais do milho submetido a diferentes doses de nitrogênio. O intuito é avaliar a capacidade dos dados radiométricos em diferenciar e predizer teores foliares em diferentes estádios. O experimento foi composto pelas doses de 0, 60, 120, 180 e 240 kg ha^-1 de nitrogênio. Foram coletados dados correspondentes à altura do milho, diâmetro do colmo, área foliar, diâmetro e comprimento das espigas, produtividade e curvas espectrais. Os dados biométricos e produtivos foram organizados em Boxplot. Para os dados espectrais foram aplicados Análise de Componentes Principais (PCA) para averiguar possíveis formas de grupos com comportamento semelhante e Análise de Regressão por Mínimos Quadrados Parciais (PLSR - Partial Least Square Regression) para buscar comprimentos de onda que estejam mais correlacionados com o nitrogênio e estimar o teor de nitrogênio foliar. Na PCA, a segunda e terceira coleta apresentaram melhores resultados havendo separação entre as doses de 240 kg ha^-1 e 0 kg ha^-1, ao mesmo tempo que se observou o agrupamento da dose de 240 kg ha^-1 na segunda coleta e uma separação mais visível entre os dois primeiros tratamentos 0 e 60 kg ha^-1 das demais doses (120, 180 e 240 kg ha^-1) na terceira coleta. É possível observar ainda, um agrupamento da dose de 60 kg ha^-1 na terceira coleta. As PLSRs apresentaram poder de predição razoáveis para as coletas 1 (25 DAE, V4), 2 (35 DAE, V7) e 3 (50 DAE, V10) com R² e RMSE correspondendo a 0,63 e 1,44; 0,56 e 1,14; e, 0,62 e 1,86, respectivamente. Já a coleta 4 (65 DAE, Início do florescimento) gerou melhor predição com R² de 0,67 e RMSE de 1,62. Os resultados gerais indicaram que é possível predizer o teor de nitrogênio foliar no milho durante seu desenvolvimento por meio dos dados espectrais, servindo como ferramenta eficiente no monitoramento da nutrição na cultura do milho.

Identifying nutritional stress in the corn leaf, through methods based on spectroradiometry, can help in the diagnosis of deficiencies and in decision making. Therefore, this work aims to use hyperspectral data to monitor the nutritional variations of maize submitted to different doses of nitrogen. The aim is to evaluate the ability of radiometric data to differentiate and predict leaf contents at different stages. The experiment consisted of doses of 0, 60, 120, 180 and 240 kg ha^-1 of nitrogen. Data corresponding to corn height, stem diameter, leaf area, ear diameter and length, productivity and spectral curves were collected. Biometric and productive data were organized in Boxplot. For the spectral data, Principal Component Analysis (PCA) was applied to investigate possible forms of groups with similar behavior and Partial Least Squares Regression Analysis (PLSR - Partial Least Square Regression) to look for wavelengths that are more correlated with nitrogen and estimate the leaf nitrogen content. In the PCA, the second and third collections showed better results, with a separation between the doses of 240 kg ha^-1 and 0 kg ha^-1, while the grouping of the dose of 240 kg ha^-1 was observed in the second collection and a more visible separation between the first two treatments 0 and 60 kg ha^-1 from the other doses (120, 180 and 240 kg ha^-1) in the third collection. It is also possible to observe a dose grouping of 60 kg ha-1 in the third collection. The PLSRs showed reasonable predictive power for collections 1(25 DAE, V4), 2 (35 DAE, V7) and 3 (50 DAE, V10) with R² and RMSE corresponding to 0.63 and 1.44; 0.56 and 1.14; and, 0.62 and 1.86, respectively. Collection 4 (65 DAE, Beginning of flowering) generated the best prediction with an R² of 0.67 and RMSE of 1.62. The general results indicated that it is possible to predict the leaf nitrogen content in maize during its development through spectral data, serving as an efficient tool for monitoring nutrition in maize.