Determination of management zones from normalized and standardized equivalent produtivity maps in the soybean culture

Suszek, Grazieli; Souza, Eduardo Godoy de; Uribe-Opazo, Miguel Ángel; Nóbrega, Lúcia Helena Pereira

doi:10.1590/s0100-69162011000500007

Cited by 9 publications

(11 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…These questions are the focus of much research worldwide, aiming not only at answering them, but developing techniques and procedures that make affirmative answers to these questions. Thus, new forms of research on how to apply this technology study on lower sampling costs associated with sample size and the definition of management zones (TAYLOR et al, 2007;ROUDIER et al, 2008;RODRIGUES JR. et al, 2011;SUSZEK et al, 2012) emerges for making practical and economic PA.…”

Section: Introductionmentioning

confidence: 99%

Management zones definition using soil chemical and physical attributes in a soybean area

et al. 2013

Self Cite

View full text Add to dashboard Cite

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:

show abstract

Section: Introductionmentioning

confidence: 99%

Management zones definition using soil chemical and physical attributes in a soybean area

et al. 2013

Self Cite

View full text Add to dashboard Cite

show abstract

“…Para Molin (2002) é necessário haver consistência temporal para a definição correta de unidades de manejo diferenciadas; portanto, a análise individual de mapas é restritiva e pode não representar, com autoridade, tais zonas. Desta forma, o uso de vários mapas de produtividade para a definição e consolidação de zonas com distintos potenciais produtivos parece ser a maneira mais eficiente para caracterizar a variabilidade das lavouras (Molin, 2002;Milani et al, 2006;Suszek et al, 2011).…”

Section: Introductionunclassified

Definição de zonas de produtividade em áreas manejadas com agricultura de precisão

Santi

Amado

Eitelwein

et al. 2013

Agraria

View full text Add to dashboard Cite

RESUMOO objetivo do estudo foi remover erros dos dados de produtividade e, por meio da sua análise temporal, definir zonas com distintos potenciais produtivos de grãos em áreas manejadas com agricultura de precisão. O estudo foi conduzido em Palmeira das Missões -RS e Não-Me-Toque -RS, contendo seis e quatro eventos de colheita, respectivamente. A coleta das informações foi realizada por colhedora dotada de sistema específico de monitoramento de produtividade. Os dados brutos foram filtrados e reduzidos em quadrículas de 17 m, determinando a produtividade média de cada quadrícula. Para a análise temporal dos dados, as médias de produtividade das quadriculas foram relativizadas em relação à média geral da cultura, em cada evento de colheita. A sobreposição de pelo menos três mapas de produtividade proporciona a diferenciação de áreas com produtividades semelhantes ao longo dos anos. A filtragem de dados é essencial para a remoção de erros e análise temporal dos mapas.Palavras-chave: mapas de produtividade, remoção de erros, variabilidade produtiva, zonas de manejo Definition of yield zones in areas managed with precision agriculture ABSTRACTThe objective of this study was to remove errors in the productivity data and through temporal analysis to define zones with different grain yield potential in areas managed with precision agriculture. The study was conducted in Palmeira das Missões -RS and Não-Me-Toque -RS, containing six and four collection events, respectively. Data collection was performed by harvester equipped with specific system of monitoring productivity. The raw data were filtered and reduced in squares of 17m, determining the mean productivity of every raster. For the temporal analysis of the data, the mean productivity of the squares were relativized in relation to overall mean crop yield in each event. The overlapping of at least three maps of productivity proportionated differentiation of areas with similar yields over the years. Filtering of data is essential to remove errors and temporal analysis of the maps.

show abstract

“…Similarly, Suszek, Souza, Uribe-Opazo, and Nobrega (2011) and Bazzi, Souza, Uribe-Opazo, Nobrega, and Rocha (2013) in their assays with soybean; Moral, Terrón, and Marques da Silva (2010) with apparent soil electrical conductivity; and Tagarakis, Liakos, Fountas, Koundouras, and Gemtos (2013), in the cultivation of grapes and soil attributes.…”

Section: Introductionmentioning

confidence: 90%

<b>Data interpolation in the definition of management zones

et al. 2016

View full text Add to dashboard Cite

Determination of management zones from normalized and standardized equivalent produtivity maps in the soybean culture

Cited by 9 publications

References 9 publications

Management zones definition using soil chemical and physical attributes in a soybean area

Management zones definition using soil chemical and physical attributes in a soybean area

Definição de zonas de produtividade em áreas manejadas com agricultura de precisão

<b>Data interpolation in the definition of management zones

Contact Info

Product

Resources

About