Lettuce (Lactuca sativa) is the most consumed leafy vegetable in the world, with great economic and social importance in Brazil. In breeding programs, selecting genotypes with high agronomic potential is essential to meet market demands and cultivation conditions. In this context, plant phenotyping by means of multispectral imaging emerges as a modern, efficient and non-destructive tool, which enhances the analysis of phenotypic characteristics quickly and accurately. Therefore, the aim of the present study was to group different lettuce situations according to their group using image-based phenotyping, in addition to morphological descriptors and agronomic evaluations. The experiment was carried out in an experimental area of the Federal University of Uberlândia, Campus of Monte Carmelo, MG, Brazil, in randomized blocks with three replicates and 17 treatments (lettuce populations of the F₂ generation, resulting from the cross between different lettuce cultivars and/or lines). Morphological descriptors and agronomic characteristics were obtained in the field. The vegetation indices GLI, NDVI, GNDVI, NGRDI and NDRE were calculated from images acquired at 49 days after transplanting. Means were compared using the Scott–Knott test (p ≤ 0.05), and the results were presented in box plots. Genetic dissimilarity was confirmed by multivariate analysis, which resulted in a cophenetic correlation coefficient of 96.11%. In addition, validation between field-collected data and image-obtained data was performed using heat maps and Pearson’s correlation. Populations UFU 003, UFU 006, UFU 009, UFU 011, UFU 012, UFU 013, UFU 014, UFU 016 and UFU 017 stood out, with high agronomic potential. Image-based phenotyping was correlated with agronomic traits and, therefore, can be considered an alternative to grouping different lettuce populations.

Os sistemas de cultivos são práticas de manejo que têm por objetivo melhorar a produção agrícola. Diante disso, o cultivo convencional é caracterizado por utilizar técnicas tradicionais de preparo do solo, como aração e gradagem e no plantio direto há ocorrência mínima de revolvimento, com o solo sempre coberto por restos culturais. A quantificação da macroporosidade e microporosidade é de extrema importância para a determinação da qualidade física do solo, no entanto, é uma avaliação bastante trabalhosa. Nesse contexto, o objetivo do presente trabalho foi estimar estes atributos físicos a partir de equações propostas na literatura, em um Latossolo Vermelho argiloso em função de diferentes sistemas de manejo e de culturas em pré-safra à produção de soja, a partir de variáveis independentes como a textura e a densidade do solo. O experimento foi conduzido sob delineamento em blocos casualizados em faixas com esquema fatorial 2x6 e quatro repetições, pela combinação de dois sistemas de manejo (plantio direto e cultivo convencional) e cinco plantas de cobertura (crotalária, feijão-guandu, nabo forrageiro, milheto e lab-lab) e um pousio. Os dados foram submetidos à análise de variância e as médias comparadas pelo teste de Tukey, a 5% de significância. Concluiu-se que na camada 0-0,10 m os sistemas de preparo não apresentaram diferenças significativas para os atributos físicos avaliados. Já na camada 0,10-0,20 m o sistema de plantio direto apresentou menor valor de densidade do solo e maior macroporosidade em comparação ao plantio convencional. Dentre as plantas de cobertura, o nabo-forrageiro foi o que mais se destacou quanto a porosidade total e microporosidade do solo, em ambas as camadas avaliadas. Assim, a determinação dos atributos físicos do solo é de grande importância para o conhecimento do solo e aplicação de práticas adequadas de manejo.

A definição da distância mínima da linha de semeadura da soja com o ramo ortotrópico em consórcio com o cafeeiro em formação norteou os objetivos dessa pesquisa. O experimento foi realizado na área demonstrativa da Universidade Federal de Uberlândia, Campus Monte Carmelo, Minas Gerais. O plantio do cafeeiro ocorreu em março de 2021, no espaçamento de 3,5 m entre linhas e 0,6 m entre plantas, utilizando-se a cultivar IPR 100. Executou-se o plantio da soja na entrelinha do cafeeiro em novembro de 2021, cultivar LG 60162IPRO, no espaçamento de 0,4 m entre linhas e 14 sementes por metro linear. Somente o cafeeiro foi irrigado por sistema de gotejamento, com espaçamento entre os gotejadores de 0,6 m e vazão de 2,1 L h-1. O consórcio configurou cinco formas de manejo com linhas de plantio de soja e distância da última linha em relação ao caule ortotrópico: T1: controle sem soja, T2: 2 linhas - 1,55 m, T3: 4 linhas - 1,15 m, T4: 6 linhas - 0,75 m e T5: 8 linhas - 0,35 m do cafeeiro. Cada parcela foi composta por cinco plantas de cafeeiro. Foram avaliados nos cafeeiros das três plantas centrais: comprimento, largura e espessura de duas folhas por planta, índice de clorofila (SPAD 502), temperatura da folha, contagem de estômatos, comprimento de um par de ramos plagiotrópicos localizado no terço médio do cafeeiro, número e distância de entrenós e número de ramos plagiotrópicos primários. A soja na entrelinha do cafeeiro não alterou o padrão de desenvolvimento das folhas e ramos de Coffea arabica L. quando mantidas distâncias superiores a 0,75 m do caule do cafeeiro. Sugere-se que esta seja a distância mínima crítica de tolerância do cafeeiro sem que ela desenvolva mecanismos de evitar sombreamento e alteração do padrão de crescimento.

Phosphorus is essential for potato cultivation; however, its low natural availability and high fixation in the soil require efficient management strategies. In this context, rapid and non-destructive methods for estimating foliar phosphorus content are important to reduce waste and improve production efficiency. This study evaluated the use of multispectral images acquired by a Survey 3 (MAPIR) camera to estimate foliar phosphorus content in potato crops at the tuberization stage, when topdressing fertilization is typically applied. To generate variability in foliar phosphorus levels, an experiment was conducted under greenhouse conditions using a randomized complete block design with eight P₂O₅ rates (0, 50, 100, 200, 400, 800, 1,600, and 3,200 kg ha ⁻¹ ) and 40 replications. Spectral indices (NDVI, GNDVI, and GRVI) were analyzed, and regression models and machine learning algorithms (Random Forest, Multilayer Perceptron, and SMOreg) were applied to predict foliar phosphorus content. NDVI showed a significant inverse correlation with phosphorus content, attributed to the nutritional dilution effect. Among the evaluated methods, Random Forest showed the best performance, with a relative root mean square error of 19.01%. The results demonstrate that the integration of multispectral variables and machine learning techniques increases diagnostic accuracy, highlighting the potential of these technologies for nutritional monitoring of potato crops in precision agriculture.