RESUMO:O uso das ferramentas da geoestatística, aliadas à agricultura de precisão permitem o acompanhamento das áreas agrícolas produtoras de soja, estabelecendo as relações de dependência espacial entre os pontos amostrados. A modelagem da estrutura de variabilidade espacial possibilita a construção de mapas temáticos dos atributos estudados, utilizando como método de interpolação a krigagem. Porém, a presença de valores atípicos entre os elementos amostrais pode influenciar na construção e interpretação desses mapas. A distribuição de probabilidades t-Student tem sido utilizada na tentativa de diminuir a influência dos valores atípicos durante a estimativa dos parâmetros de dependência espacial, por ter caudas mais pesadas que a distribuição normal. A detecção dos valores influentes na área em estudo, por meio da análise de diagnósticos de influência local, confere maior confiabilidade na utilização dos mapas gerados, corroborando a aplicação de insumos. Deste modo, o objetivo deste trabalho foi aplicar as técnicas de influência local em dados espacialmente referenciados, com os modelos de perturbação aditiva e utilizando a matriz escala, considerando a distribuição t-Student n-variada. Foi utilizado um modelo espacial linear para o estudo de dados da produtividade da soja em função da altura média de plantas e do número médio de vagens por planta. As técnicas de influência local foram eficientes para detectar pontos que influenciam na escolha do modelo geoestatístico, nas estimativas dos parâmetros e na construção do mapa temático. PALAVRAS-CHAVE: máxima verossimilhança; variabilidade espacial; diagnósticos. LOCAL INFLUENCE IN A LINEAR MODEL SPACE USING SOYBEAN PRODUCTIVITY WITH T-STUDENT DISTRIBUITIONABSTRACT: The use of geostatistical tools combined with precision agriculture, allow the monitoring of agricultural soybean producing areas, establishing relationships of spatial dependence between the sampled points. The modeling of spatial variability structure enables the construction of thematic maps of the attributes studied, using the kriging as the interpolation method. However, the presence of outliers among the elements sampling can influence the construction and interpretation of these maps. The distribution of t-Student probability has been used in attempts to reduce the influence of atypical points in the estimation of parameters of spatial dependence, having heavier tails than the normal distribution of probabilities. The detection of influential points in the study area, through the analysis of local influence diagnostics, provides greater reliability in the use of maps, providing an efficient use of inputs. Then, the objective was to apply the techniques of local influence on spatially referenced data with models of disturbance and using the matrix additive scale, considering the distribution t-Student n-variate. It was used a linear spatial model for the study of soybean yield data as a function of average plant height and number of pods per plant. The local influence techniques were effective to...
Resumo-O sistema de agricultura de precisão considera que as áreas de produção não são homogêneas, necessitando aplicações de corretivos e fertilizantes a taxas variadas de acordo com análises químicas e físicas de solo. A presença de pontos atípicos pode influenciar na construção e interpretação dos mapas levando à taxas inadequadas de aplicação. A distribuição t-Student tem sido utilizada na tentativa de diminuir a influência dos pontos discrepantes durante a estimativa dos parâmetros de dependência espacial. A detecção dos pontos influentes na área em estudo, por meio da análise de Influência Local e técnicas de diagnósticos, confere maior confiabilidade na utilização dos mapas gerados, proporcionando uma eficiente aplicação de insumos. Deste modo, o objetivo foi realizar a análise de influência local em dados espacialmente georeferenciados considerando a distribuição t-Student, utilizando a perturbação aditiva na variável reposta (Y ω = Y + ω). A estimação dos parâmetros que definem a estrutura de variabilidade espacial foi realizada pelo método de máxima verossimilhança. No estudo foi utilizado conjunto de dados de fósforo no solo. As técnicas aplicadas foram eficientes para a detecção de pontos influentes na área em estudo, considerando um processo estocástico com distribuição t-Student.
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
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.