Several equipments and methodologies have been developed to make available precision agriculture, especially considering the high cost of its implantation and sampling. An interesting possibility is to define management zones aim at dividing producing areas in smaller management zones that could be treated differently, serving as a source of recommendation and analysis. Thus, this trial used physical and chemical properties of soil and yield aiming at the generation of management zones in order to identify whether they can be used as recommendation and analysis. Management zones were generated by the Fuzzy C-Means algorithm and their evaluation was performed by calculating the reduction of variance and performing means tests. The division of the area into two management zones was considered appropriate for the present distinct averages of most soil properties and yield. The used methodology allowed the generation of management zones that can serve as source of recommendation and soil analysis; despite the relative efficiency has shown a reduced variance for all attributes in divisions in the three subregions, the ANOVA did not show significative differences among the management zones. KEYWORDS:Precision agriculture, spatial variability, fuzzy clustering, management zones, autocorrelation, cross-correlation. DEFINIÇÃO DE UNIDADES DE MANEJO USANDO ATRIBUTOS QUÍMICOS E FÍSICOS DO SOLO EM UMA ÁREA DE SOJA RESUMO:Diversos equipamentos e metodologias vêm sendo desenvolvidos para tornar a agricultura de precisão disponível, especialmente considerando o alto custo de sua implantação e de amostragem. Uma possibilidade interessante é definir a área em unidades menores de produção que podem ser tratadas de maneira diferente, servindo como fonte de recomendação e análise. Assim, o presente estudo utilizou propriedades físicas e químicas do solo e de produtividade visando à geração de unidades de manejo, a fim de identificar se estas podem ser usadas como recomendação e análise. Unidades de manejo foram geradas pelo algoritmo Fuzzy C-Means, e sua avaliação foi realizada por meio da redução da variância e realização de testes de comparação de médias. A divisão da área em duas unidades de manejo foi considerada adequada, e as médias apresentaram-se distintas da maioria das propriedades do solo e produtividade; a metodologia utilizada permitiu a geração de unidades de manejo que podem servir como fonte de recomendação e análise do solo. Apesar de a eficiência relativa demonstrar que houve redução da variância para todos os atributos na divisão em três sub-regiões, a ANOVA não apresentou diferenças significativas entre as unidades de manejo. PALAVRAS-CHAVE:
R ESU M OOs atributos químicos e físicos do solo apresentam, frequentemente, dependência espacial. Portanto, é imprescindível estudar sua variabilidade espacial visando ao manejo mais preciso da lavoura, a redução do impacto ambiental, a otimização do uso de máquinas e o aumento da eficiência das equipes de trabalho. Assim, o objetivo deste trabalho foi avaliar a variabilidade espacial de atributos físicos de um Latossolo Vermelho distroférrico típico após o cultivo de soja. Os dados foram coletados em uma área de 2 ha cultivada sob sistema de plantio direto utilizando-se uma grade amostral de 30 x 33 m, em que foram avaliados os parâmetros: macroporosidade, microporosidade, porosidade total, densidade e umidade do solo, na camada de 0 -0,1 m; após as análises exploratória e geoestatística, os modelos teóricos foram ajustados aos semivariogramas para cada atributo; já a interpolação dos dados foi realizada utilizando-se a krigagem ordinária, verificando-se que todas as variáveis estudadas apresentaram dependência espacial, que variou entre moderada (macroporosidade, porosidade total e umidade do solo) e forte (microporosidade e densidade do solo), em função do coeficiente de efeito pepita. Palavras-chave: geoestatística, porosidade do solo, umidade do solo, densidade do solo Spatial variability of physical attributes of a distroferric Red Latosol after soybean crop A B ST R A C TThe chemical and physical properties of a soil often show a spatial dependence. Thus, it is important to study their spatial variability, aiming to improve the crop management, to reduce the environmental impact, to optimize the machinery use, and to increase the efficiency of staff. So, this study aimed to evaluate the spatial variability of the physical properties of a distroferric Red Latosol (Typic Haplorthox) after soybean crop. The data were collected in an area of 2 ha managed under no tillage system, using a sampling grid of 30 x 33 m, where it was evaluated the macro, micro and the total porosity, the bulk density and the soil water content in 0 -0.1 m layer. After the exploratory and geostatistical analyses, the theoretical models were set to the semivariograms for each attribute. The data interpolation was performed using the ordinary kriging. All the variables showed spatial dependence, which ranged from moderate (macroporosity, total porosity and soil water content) to strong (microporosity and bulk density), according to the nugget effect coefficient.
RESUMO:Um dos entraves para a maior expansão da agricultura de precisão está, principalmente, no elevado custo dos equipamentos a serem utilizados. A geração de mapas de produtividade é a fase de mais fácil execução na agricultura de precisão. Entretanto, quando várias colhedoras operam simultaneamente em uma determinada área, nem sempre é possível dispor de monitores de colheita em todas as máquinas. Assim, neste trabalho, foi avaliado o decréscimo da precisão em mapas de produtividade obtidos a partir de áreas onde se utilizaram colhedoras não-equipadas com monitor de colheita associadas a colhedoras monitoradas. Também foram comparados os métodos de interpolação "inverso da distância ao quadrado" e "krigagem". Inicialmente, a interpolação do mapa com todos os pontos de amostragem (original) foi gerada e, a partir dessa, foi feita a eliminação de passadas de modo a obter os mapas simulados. Na comparação entre os mapas simulados e o original, foi utilizado o coeficiente de desvio relativo -CDR, e o índice kappa. O número de passadas eliminadas diminuiu a precisão dos mapas em ambos os métodos de interpolação. Sendo assim, a quantidade mínima necessária de monitores em um conjunto de colhedoras depende da precisão desejada. Portanto, as máquinas devem ser intercaladas de maneira que as amostras sejam coletadas uniformemente por toda a área a ser colhida.PALAVRAS-CHAVE: agricultura de precisão, métodos de interpolação, mapas temáticos. INFLUENCE OF DISTANCE BETWEEN COMBINES EQUIPPED WITH YIELD MONITORS ON THE PRECISION OF YIELD MAPS FOR CORN CROPS ABSTRACT:One of the main obstacles to the larger expansion of precision agriculture is the high cost of the equipments to be used. The generation of yield maps is the easiest step in the sequence of the precision agriculture process. Nevertheless, the availability of yield monitors for all the machines is not always possible when several combines are concomitantly harvesting in a given area. Within this context, this research was carried out aiming to evaluate the decrease of precision of yield maps obtained from data collected in areas where combines not equipped with yield monitors were harvesting concomitantly with combines equipped with such device. Two different interpolation methods, the "inverse of the square distance" and the "kriging", were also evaluated. Initially, the interpolation of the map with all sampling sites (original) was generated, and from that, the elimination of combine steps was performed, therefore originating the simulated maps. To compare the original maps with the simulated ones, the coefficient of relative deviation and the Kappa index were used. The number of eliminated combine steps decreased the precision of yield maps as demonstrated by both interpolation used methods. Therefore, the minimum number of monitors needed in a group of combines depends on the desired precision. Thus, the intercalation of monitored and non-monitored combines should be performed so that the samples are uniformly collected within all the area to be harvested.
A B ST R A C TYield mapping represents the spatial variability concerning the features of a productive area and allows intervening on the next year production, for example, on a site-specific input application. The trial aimed at verifying the influence of a sampling density and the type of interpolator on yield mapping precision to be produced by a manual sampling of grains. This solution is usually adopted when a combine with yield monitor can not be used. An yield map was developed using data obtained from a combine equipped with yield monitor during corn harvesting. From this map, 84 sample grids were established and through three interpolators: inverse of square distance, inverse of distance and ordinary kriging, 252 yield maps were created. Then they were compared with the original one using the coefficient of relative deviation (CRD) and the kappa index. The loss regarding yield mapping information increased as the sampling density decreased. Besides, it was also dependent on the interpolation method used. A multiple regression model was adjusted to the variable CRD, according to the following variables: spatial variability index and sampling density. This model aimed at aiding the farmer to define the sampling density, thus, allowing to obtain the manual yield mapping, during eventual problems in the yield monitor.Key words: precision agriculture, thematic map, spatial variability Estimativa de densidade amostral para elaboração de mapas de produtividade R ESU M O O mapa de produtividade representa a variabilidade espacial das características de uma área cultivada e permite intervir na produção dos anos posteriores, na aplicação diferenciada de insumos. Este trabalho teve por objetivo verificar a influência da densidade amostral e do tipo de interpolação na exatidão dos mapas de produtividade, gerados a partir da amostragem manual de grãos, solução que pode ser adotada quando um monitor não pode ser utilizado. Um mapa de produtividade foi obtido com monitor de colheita comercial em lavoura de milho, a partir do qual foram estabelecidas 84 grades e, por meio de três interpoladores, o inverso da distância ao quadrado, inverso da distância e krigagem geraram-se, assim, 252 mapas de produtividade, que foram então comparados com o original, utilizando-se o coeficiente de desvio relativo (CDR) e o índice kappa. A perda de informação do mapa de produtividade aumentou à medida em que se diminuiu a densidade amostral e foi dependente do método de interpolação utilizado. Um modelo de regressão múltipla foi ajustado à variável CDR, em função das variáveis: índice de variabilidade espacial e densidade amostral. Este modelo teve a finalidade de auxiliar o agricultor na definição da densidade amostral e permitir obter-se, manualmente, o mapa de produtividade, caso ocorram problemas eventuais no monitor de colheita.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.