Variabilidade espacial e correlações entre atributos de solo e produtividade na agricultura de precisão

Abstract

A análise de mapas de produtividade, no contexto da agricultura de precisão, é um dos recursos utilizados na tentativa de compreender e manejar a variabilidade espacial da produtividade e da qualidade das culturas. Mapas de produtividade de milho e de soja gerados por um sistema comercial de monitoramento de colheita para as safras de 1998, 1999 e 2000 foram estudados e submetidos a um processo de classificação através da técnica de análise de agrupamento para o conjunto de dados dos três anos reunidos em uma imagem composta. Objetivou-se, a partir dos agrupamentos obtidos, associar algumas tendências de variação no comportamento da produtividade que pudessem caracterizar essas regiões com comportamentos diferenciados dentro da área. Com o auxílio de um levantamento de atributos físicos e químicos do solo e outros conjuntos de informações, foi verificada a possibilidade de relacionar a variabilidade desses atributos com as sub-regiões que se pretendia identificar na área, ou se os fatores climáticos, como os índices de precipitação pluviométrica, podiam demonstrar alguma influência na produtividade em virtude da variabilidade espacial dos atributos de solo nestas sub-regiões. Foram utilizados programas geoestatísticos para estudar o nível de dependência e a estrutura da variabilidade espacial dos dados de produtividade e de atributos de solo. As análises de comportamento da produtividade e a sua classificação pela análise de agrupamentos, bem como o mapeamento de atributos do solo, foram realizados com a utilização de um sistema de informação geográfica (SIG). Os resultados obtidos demonstraram que os dados de produtividade expressaram uma dependência espacial bastante... .

Yield maps analysis, into precision farming context, is one of the resources used in order to understand and manage the spatial variability of crop's yield and quality. Corn and soybean yield maps obtained from a commercial yield mapping system for three seasons (1998, 1999 and 2000) were studied and classified by a clustering analysis technique using all seasons dataset mixed in a composite image. The aim of this project was to associate some variation trends on the yield behavior to the clusters obtained, in order to characterize these regions with different behaviors within the area. Using a dataset of physical and chemical soil characteristics from a grid soil survey, it was verified the possibility of relating the soil attributes variability to the sub-regions identified in the area. It was still investigated if rainfall index could demonstrate some influence on yield due to spatial variability of the soil attributes on these sub-regions. It was used a geostatistical software for studying the dependence level and the spatial variability framework of yield and soil attributes data. Soil attributes mapping, as well yield behavior analysis and its classification by the clustering analysis were made using a geographical information system (GIS). The results showed that the yield datasets expressed a consistent spatial dependence, which correlation distances ranged from 30 to 40 meters. The spatial variability degree expressed by the structural semivariance contribution index (%C) achieved a high variability level to Corn on 1998 season and medium variability on Soybean 1999 and Corn 2000 season. The clustering analysis technique applied to the three yield maps datasets became possible split the area in four sub-regions. The combination of the maps classified by yield levels allowed defining four yield behavior classes expressively related to the obtained... (Complete abstract, click electronic address below).