A utilização de dados provenientes do sensoriamento remoto é alternativa para otimizar a utilização de insumos, dentre eles o nitrogênio. O presente trabalho teve como objetivo verificar a possibilidade de uso de um sensor hiperespectral em dossel na cultura da cana-de-açúcar, verificando sua capacidade em discriminar a resposta da cultura as diferentes doses de nitrogênio e estimar o teor foliar de nitrogênio, em três áreas experimentais. O trabalho foi dividido em três capítulos: O primeiro capitulo utiliza os dados hiperespectrais somente da variedade SP 81-3250, única comum em todas as áreas, de todas as datas de coleta das três áreas experimentais para verificar o potencial dos dados em diferenciar as doses de nitrogênio aplicado (0, 50, 100 e 150 kg.ha^-1) e qual melhor época. Os dados espectrais foram avaliados pela estatística multivariada da análise discriminante, em que os centroides das diferentes doses foram submetidos a análise de variância. Os resultados obtidos foram que os meses de dezembro, janeiro e fevereiro discriminou todas as doses nas três áreas, o mesmo não ocorreu no mês de agosto. As bandas que apresentaram maiores significância foram na região do verde, red-edge e infravermelho próximo. No segundo capitulo foi avaliado a sensibilidade dos dados hiperespectrais em estimar a biomassa do ponteiro da cana-de-açúcar. Para isso foi utilizado somente os dados de Piracicaba. A análise espectral foi realizada aos 137, 169 e 193 Dias Após o Corte (DAC) e a avaliação biométrica foi realizada aos 345 DAC. Durante o corte de dois metros de linha, realizado manualmente. A biomassa do ponteiro foi submetida ao teste de Shapiro-Wilk, análise de variância pelo Teste F e as médias quando significativas, comparadas pelo Teste de Tukey. Posteriormente foi realizada a análise de correlação de Pearson da biomassa do ponteiro e cada comprimento de onda. Análise mostrou que existe correlação positiva entre a biomassa do ponteiro e a reflectância do dossel aos 137 DAC e 169 DAC, porém aos 193 DAC não houve nenhum comprimento de onda com correlação significativa. O comprimento de onda de 685 nm aos 137 DAC obteve a maior correlação, de 0,33. No terceiro capitulo teve por objetivo selecionar variáveis a partir de dados hiperespectrais de dossel da cana-de-açúcar para geração de modelos para predição do Teor Foliar de Nitrogênio. Para isso foi utilizado os dados das três áreas experimentais, que receberam doses de 0, 50, 100 e 150 kg.ha^-1 de nitrogênio. Para redução da dimensionalidade dos dados foi utilizada a metodologia sparse Partial Least Square (sPLS), posteriormente foi feito a combinação linear das variáveis selecionadas, por meio de Regressão Linear Múltipla por Stepwise (SMLR). O modelo geral teve valores de R^² ajustado e RMSE respectivamente de 0,50 e 1,67 g kg^-1. Os modelos gerados para Piracicaba, Jaú e Santa Maria obtiveram R^² ajustado, respectivamente, de 0,31, 0,53 e 0,54. Sensores hiperespectrais de dossel podem ser utilizados para predição do TFN e monitoramento de aplicação de nitrogênio em cana-de-açúcar.

The use of data from remote sensing is an alternative to optimize the use of agricultural inputs, including nitrogen. The present study aimed to verify the possibility of using a hyperspectral sensor in sugarcane canopy, verifying its ability to discriminate crop response to different rates of nitrogen and estimating leaf nitrogen content in three experimental areas. The work is divided in three chapters: The first chapter uses hyperspectral data of the variety SP 81-3250, which is the only one present in all the areas for all dates of collection in three of experimental areas, to check the potential of the data and the best time to differentiate between rates of nitrogen (0, 50, 100 and 150 kg.ha^-1). Spectral data were evaluated by multivariate discriminant analysis, wherein the centroids of the rates were submitted to an Analysis of Variance. The results showed that the all doses in three areas of study were discriminated for the months of December, January and February, but the same thing hasn't happened in the month of August. The bands that showed statistically significant power difference were found in the green, red, and near-infrared edge spectral regions. In the second chapter, the sensitivity of hyperspectral data was evaluated to estimate the sugarcane biomass (pointes) for the data from Piracicaba. Spectral analysis was performed at 137, 169 and 193 Days After Harvest (DAH) and evaluation of sugarcane yield was performed 345 DAH. Biomass was analyzed using The Shapiro-Wilk test of normality, F test (analysis of variance), respectively, and when significant, compared by the Tukey test. Biomass (pointer) and each wavelength were analyzed by Pearson's correlation analysis. The results showed that there is a positive correlation between biomass (pointer) and the canopy reflectance to 137 DAH and 169 DAH, however there was no wavelength with a significant correlation to 193 DAH. The best power relationship was obtained at 685 nm, at 137 days. The third chapter aimed to select variables from hyperspectral data of sugarcane canopy to generate models for prediction of Foliar Nitrogen Content, for three experimental areas that received nitrogen rates (0, 50, 100 and 150 kg.ha^-1). Sparse Partial Least Square (sPLS) was used to reduce the dimensionality of the data. Subsequently, the linear combination of selected variables was done through Stepwise Multiple Linear Regression (SMLR). The RMSE and adjusted R-squared statistics were 0.50 and 1.67 g.kg^-1, respectively. The models to Piracicaba, Jaú and Santa Maria presented adjusted R-squared 0.31, 0.53, and 0.54, respectively. Hyperspectral sensors for canopy can be used for prediction of the TFN and monitoring of nitrogen application in sugarcane.