A influência da heterogeneidade do solo na estimativa das diferenças entre os tratamentos é uma preocupação para os pesquisadores de campo. Na busca de alternativas para controlar esse fator e aumentar a precisão das comparações entre os tratamentos, o presente trabalho comparou a análise clássica ANOVA e alguns modelos espaciais que consideram a dependência no espaço entre as parcelas, levando em consideração suas posições geográficas na área experimental. Os modelos espaciais considerados no estudo foram: o modelo proposto por Papadakis, que consiste na adição de uma covariável construída a partir de observações em parcelas vizinhas, o modelo geoestatístico que consiste na adição de um efeito aleatório com correlação, dada por uma função da distância entre parcelas, e o modelo Markoviano que adiciona um efeito aleatório obtido a partir de observações em parcelas vizinhas. Os modelos foram ajustados a dados provenientes de dois ensaios em branco obtidos da literatura, aos quais foram adicionados efeitos arbitrários de tratamentos segundo delineamento inteiramente casualizado. Os efeitos dos tratamentos foram arbitrariamente adicionados a fim de simular um experimento real com o propósito de demonstração, para comparar a análise clássica (ANOVA) e os modelos espaciais. Nestas análises foi verificado que para os dados do ensaio em branco com 25 parcelas o modelo Markoviano forneceu maior precisão às estimativas dos contrastes entre os tratamentos, com grande diferença em relação aos resultados obtidos pelos demais modelos. Para o ensaio em branco, com 225 parcelas, o modelo Markoviano também foi o mais eficiente, porém, seus resultados foram próximos aos obtidos pelos outros modelos. O modelo geoestatístico junto aos métodos de estimação de máxima verossimilhança e máxima verossimilhança restrita foi o segundo melhor entre os modelos espaciais. Para a investigação dos resultados obtidos nos ajustes dos modelos aos dados dos ensaios em branco, foram realizadas simulações com alta, média e baixa dependência espacial entre as parcelas em condições experimentais similares aos dois conjuntos de dados investigados. Os resultados indicaram que os modelos espaciais oferecem uma maior precisão às estimativas dos contrastes entre as médias dos tratamentos, quando comparados à análise clássica, e o modelo geoestatístico junto aos métodos de estimação de parâmetros de máxima verossimilhança e de máxima verossimilhança restrita, foi na maioria das vezes o mais eficiente. O modelo Markoviano, em alguns casos, apresentou resultados mais precisos do que o geoestatístico, porém não foi suficientemente explorado nesse estudo sendo ainda mais trabalhoso do ponto de vista computacional. A fim de investigar se os efeitos dos tratamentos podem ser confundidos com a variação local, foi realizada uma simulação com 5000 diferentes aleatorizações dos efeitos de tratamentos aos dados do ensaio em branco com 25 parcelas, cujos resultados indicaram que os modelos espaciais oferecem estimativas mais precisas aos contrastes entre os tratamentos em comparação à análise clássica ANOVA / Soil heterogeneity's influence on the estimation of the treatment differences is one of the researcher's concerns in this field. The aim of this work is to find alternatives methods to control this problem. This work compares classical ANOVA to some other spatial models which consider the spatial dependence between plots according to their geographical position on the experimental area. Three spatial models were considered: firstly, the model proposed by Papadakis, which adds a covariate derived from observations in neighbours' plots. Secondly, a geostatistical model which includes a random effect with correlation given by a function of the distance between plots, and finally, a Markov model which includes a random effect derived from observations in neighbours' plots. The models were fit to two set of real data, derived from uniformity trials with treatments arbitrary effects added randomly. Treatments arbitrary effects were added to the real data to simulate a real experiment for the purposes demonstration, and to evaluate the classical ANOVA and spatial methods. In these analysis, the Markov model produced more precise estimates of the contrast between treatments, within a dataset of 25 plots. The difference between the models decreased as the dataset size increased, and for a dataset consisting of 225 plots the results were very similar. To investigate the results obtained from the models, data with three different levels of spatial dependence between plots were simulated, reproducing the experimental conditions of the two uniformity trials. The results indicated that spatial models are more precise in the estimation of the treatment effects when compared to the classical ANOVA, and in particular most of the times the geostatistical model together with maximum likelihood and restricted maximum likelihood estimation was the most efficient. The Markov model provided more precise results in some cases, but it was not deeply investigated in this study because it is too computationally demanding. In order to exclude a possible confounding effect due to a local variation, a simulation was carried with 5000 randomizations, and the results indicated that spatial models provided more precise estimates of the treatment contrasts when compare to the classical ANOVA.

A citricultura é uma das principais atividades agrícolas do Brasil e o estado de São Paulo concentra a maior área produtora de laranjas do mundo. O conhecimento de padrões da incidência de doenças cítricas no tempo e no espaço é relevante para o setor e permite a descrição da dinâmica dessas doenças, podendo indicar estratégias para controle de epidemias. Neste trabalho são consideradas duas doenças que afetam a cultura de citros, a leprose e a morte súbita dos citros utilizando dados provenientes do monitoramento de talhões. Um aspecto relevante para estudos de doenças como a leprose dos citros, considerada uma grave virose na citricultura brasileira, é a investigação do padrão espacial e dos efeitos temporais da sua incidência dentro do talhão. Métodos exploratórios para determinar se o padrão espacial é ou não agregado são frequentemente utilizados. Entretanto é possível explorar e descrever os dados adotando um modelo explícito, permitindo discriminar e quantificar os efeitos através de parâmetros para co-variáveis que representam os aspectos de interesse. Uma das alternativas é a adoção de modelos autologísticos, que estendem o modelo de regressão logística para acomodar efeitos espaciais. Para implementar esse modelo é necessário que se reuse os dados para extrair co-variáveis espaciais, o que requer extensões na metodologia e algoritmos para avaliar adequadamente a variância das estimativas. Neste trabalho utiliza-se o modelo autologístico na análise de dados de incidência de doenças em plantas cítricas coletados em pontos referenciados no espaço e no tempo em um talhão. é mostrado como o modelo autologístico é apropriado para investigar doenças desse tipo, bem como é feita uma descrição do modelo e dos aspectos computacionais necessários para a estimação do modelo. São abordados métodos de seleção e avaliação de modelos autologísticos que relacionam fatores que afetam a disseminação da doença com padrões espaciais e efeitos temporais. Desta forma é possível realizar avaliações objetivas dos efeitos dos fatores considerados sobre a incidência da doença através dos parâmetros estimados do modelo proposto e quantificar o efeito da presença da doença em diferentes estruturas de vizinhança. A modelagem dos dados identificou dependência espacial entre as plantas e o modelo adotado permitiu quantificar as variações na probabilidade de doença em função do status das plantas na vizinhança. A metodologia apresentada aqui não se restringe a cultura de citros pode ser usada na avaliação de padrões espaço-temporais e efeitos de fatores que afetem doenças de plantas em condições semelhantes. / The citrus industry is a major agricultural activity in Brazil and the state of Sao Paulo concentrates the largest production area of oranges in the world. The knowledge of incidence patterns of citrus diseases in time and space is relevant to the industry and allows the description of the dynamics of these diseases and may indicate strategies for epidemics control. In this work are considered two diseases that affect the cultivation of citrus, leprosis and citrus sudden death using data from the tracking of stands. An important point when studying diseases such as the citrus leprosis, considered a serious viral disease in the Brazilian citrus industry, is the investigation of the spatial pattern and temporal effects of the disease incidence within a stand. Exploratory methods to determine if the spatial pattern is or not added are frequently used. However it is possible to explore and describe the data adopting an explicit model, allowing to discriminate and quantify the effects through parameters for covariates that represent aspects of interest. To implement this model is necessary to reuse the data in order to extract spatial covariates, which requires extensions in the methodology and algorithms to assess properly the variance of estimates. In this work, the autologistic model is used in the analysis of diseases incidence data in citrus plants collected in points referenced in space and time in a stand. It is shown how the autologistic model is appropriate to investigate such diseases, and there is a description of the model and computational aspects needed to estimate the model. Thus it is possible to achieve objective assessments of the effects of the factors considered on the incidence of the disease through the estimated parameters of the proposed model and quantify the disease presence effects in different neighborhood structures. The modeling of the data has identified a spatial dependence between the plants and the adopted model allowed to quantify the changes in the probability of disease according to the status of the plants in the neighbourhood. The methodology presented here is not restricted to the cultivation of citrus. It can be used in the assessment of spatial-temporal patterns and effects of factors that affect the diseases in plants under similar conditions.

O estudo da distribuição de pragas em espaço e tempo em sistemas agrícolas fornece informação importante sobre os mecanismos de dispersão das espécies e sua interação com fatores ambientais. Esse tipo de estudos também é de muita ajuda no desenvolvimento de planos de amostragem, na otimização de programas de manejo integrado de pragas e no planejamento de experimentos. O objetivo deste trabalho foi comparar vários modelos hierárquicos na modelagem da variação espaço-temporal da infestação da broca do café visando produzir mapas de risco da infestação que descrevam adequadamente o processo de infestação. Foram usadas diferentes combinações de efeitos aleatórios representando variabilidade não estruturada, com diferentes escolhas de distribuições a priori para os parâmetros e os hiperparâmetros dos modelos. Foram também usados diferentes esquemas de vizinhança para representar a correlação espacial dos dados. O ajuste dos modelos foi feito usando métodos MCMC. A estatística deviance e funções de perda quadrática foram usadas para a comparação entre modelos. Os resultados são apresentados como uma seqüência de mapas de risco de infestação. / Study of agricultural pests distribution in space and time provides important information about the species dispersion mechanisms and its interaction with environmental factors. It also helps the development of sampling plans, the integrated pest management and planning of experiments. The aim of this work was to compare several hierarchical models in modelling the spatio-temporal variation of the coffee berry borer infestation in order to produce risk maps. Different combinations of random effects representing spatially structured and unstructured variability were used, with different prior distributions for the parameters and hyperparameters. Also different neighbourhood schemes were used to represent the spatial correlation of the data. The model fitting was done using MCMC methods and deviance and squared loss function were used for the comparison between models. The results are presented as a sequence of risk maps.

A citricultura é uma das principais atividades agrícolas do Brasil e o estado de São Paulo concentra a maior área produtora de laranjas do mundo. O conhecimento de padrões da incidência de doenças cítricas no tempo e no espaço é relevante para o setor e permite a descrição da dinâmica dessas doenças, podendo indicar estratégias para controle de epidemias. Neste trabalho são consideradas duas doenças que afetam a cultura de citros, a leprose e a morte súbita dos citros utilizando dados provenientes do monitoramento de talhões. Um aspecto relevante para estudos de doenças como a leprose dos citros, considerada uma grave virose na citricultura brasileira, é a investigação do padrão espacial e dos efeitos temporais da sua incidência dentro do talhão. Métodos exploratórios para determinar se o padrão espacial é ou não agregado são frequentemente utilizados. Entretanto é possível explorar e descrever os dados adotando um modelo explícito, permitindo discriminar e quantificar os efeitos através de parâmetros para co-variáveis que representam os aspectos de interesse. Uma das alternativas é a adoção de modelos autologísticos, que estendem o modelo de regressão logística para acomodar efeitos espaciais. Para implementar esse modelo é necessário que se reuse os dados para extrair co-variáveis espaciais, o que requer extensões na metodologia e algoritmos para avaliar adequadamente a variância das estimativas. Neste trabalho utiliza-se o modelo autologístico na análise de dados de incidência de doenças em plantas cítricas coletados em pontos referenciados no espaço e no tempo em um talhão. é mostrado como o modelo autologístico é apropriado para investigar doenças desse tipo, bem como é feita uma descrição do modelo e dos aspectos computacionais necessários para a estimação do modelo. São abordados métodos de seleção e avaliação de modelos autologísticos que relacionam fatores que afetam a disseminação da doença com padrões espaciais e efeitos temporais. Desta forma é possível realizar avaliações objetivas dos efeitos dos fatores considerados sobre a incidência da doença através dos parâmetros estimados do modelo proposto e quantificar o efeito da presença da doença em diferentes estruturas de vizinhança. A modelagem dos dados identificou dependência espacial entre as plantas e o modelo adotado permitiu quantificar as variações na probabilidade de doença em função do status das plantas na vizinhança. A metodologia apresentada aqui não se restringe a cultura de citros pode ser usada na avaliação de padrões espaço-temporais e efeitos de fatores que afetem doenças de plantas em condições semelhantes. / The citrus industry is a major agricultural activity in Brazil and the state of Sao Paulo concentrates the largest production area of oranges in the world. The knowledge of incidence patterns of citrus diseases in time and space is relevant to the industry and allows the description of the dynamics of these diseases and may indicate strategies for epidemics control. In this work are considered two diseases that affect the cultivation of citrus, leprosis and citrus sudden death using data from the tracking of stands. An important point when studying diseases such as the citrus leprosis, considered a serious viral disease in the Brazilian citrus industry, is the investigation of the spatial pattern and temporal effects of the disease incidence within a stand. Exploratory methods to determine if the spatial pattern is or not added are frequently used. However it is possible to explore and describe the data adopting an explicit model, allowing to discriminate and quantify the effects through parameters for covariates that represent aspects of interest. To implement this model is necessary to reuse the data in order to extract spatial covariates, which requires extensions in the methodology and algorithms to assess properly the variance of estimates. In this work, the autologistic model is used in the analysis of diseases incidence data in citrus plants collected in points referenced in space and time in a stand. It is shown how the autologistic model is appropriate to investigate such diseases, and there is a description of the model and computational aspects needed to estimate the model. Thus it is possible to achieve objective assessments of the effects of the factors considered on the incidence of the disease through the estimated parameters of the proposed model and quantify the disease presence effects in different neighborhood structures. The modeling of the data has identified a spatial dependence between the plants and the adopted model allowed to quantify the changes in the probability of disease according to the status of the plants in the neighbourhood. The methodology presented here is not restricted to the cultivation of citrus. It can be used in the assessment of spatial-temporal patterns and effects of factors that affect the diseases in plants under similar conditions.

O estudo da distribuição de pragas em espaço e tempo em sistemas agrícolas fornece informação importante sobre os mecanismos de dispersão das espécies e sua interação com fatores ambientais. Esse tipo de estudos também é de muita ajuda no desenvolvimento de planos de amostragem, na otimização de programas de manejo integrado de pragas e no planejamento de experimentos. O objetivo deste trabalho foi comparar vários modelos hierárquicos na modelagem da variação espaço-temporal da infestação da broca do café visando produzir mapas de risco da infestação que descrevam adequadamente o processo de infestação. Foram usadas diferentes combinações de efeitos aleatórios representando variabilidade não estruturada, com diferentes escolhas de distribuições a priori para os parâmetros e os hiperparâmetros dos modelos. Foram também usados diferentes esquemas de vizinhança para representar a correlação espacial dos dados. O ajuste dos modelos foi feito usando métodos MCMC. A estatística deviance e funções de perda quadrática foram usadas para a comparação entre modelos. Os resultados são apresentados como uma seqüência de mapas de risco de infestação. / Study of agricultural pests distribution in space and time provides important information about the species dispersion mechanisms and its interaction with environmental factors. It also helps the development of sampling plans, the integrated pest management and planning of experiments. The aim of this work was to compare several hierarchical models in modelling the spatio-temporal variation of the coffee berry borer infestation in order to produce risk maps. Different combinations of random effects representing spatially structured and unstructured variability were used, with different prior distributions for the parameters and hyperparameters. Also different neighbourhood schemes were used to represent the spatial correlation of the data. The model fitting was done using MCMC methods and deviance and squared loss function were used for the comparison between models. The results are presented as a sequence of risk maps.

Em um experimento, é comum ocorrerem fatores não controláveis, responsáveis pela heterogeneidade entre as parcelas. Mesmo executando os três princípios básicos da experimentação no planejamento (repetição, casualização e controle local), ainda assim, pode haver correlação nos erros e, portanto, dependência espacial na área estudada. Se for detectada essa estrutura de auto-correlação e se essa informação for utilizada na análise estatística, estimativas mais eficientes dos contrastes entre as médias dos tratamentos são garantidas, mas se tal estrutura for desconsiderada pode impedir que diferenças reais sejam detectadas. Neste trabalho, foram observadas as coordenadas dos centros das parcelas de um delineamento em blocos ao acaso. A variável resposta, deste experimento, é a concentração de carbono orgânico no solo, sendo as avaliações feitas no início do experimento, ou seja, antes da aplicaçao dos tratamentos, portanto, um ensaio em branco, um ano após a aplicação dos tratamentos e, novamente, depois de mais um ano. Para tanto, foram utilizadas as análises clássica e espacial na comparação dos métodos de estimação de contrastes de médias de tratamentos. O método estudado para a análise clássica, em que considera que os erros são não correlacionados, foi o dos mínimos quadrados ordinários. Já para a análise, levando em consideração a dependência espacial, foram utilizados o modelo geoestatístico, em que consiste na adição de um efeito aleatório com correlação, e o modelo de Papadakis, que consiste na adição de uma covariável construída a partir de observações em parcelas vizinhas. No modelo geoestatístico foi verificada a presença da dependência espacial através dos critérios de informação de Akaike e de informação Bayesiano ou de Schwarz e os métodos testados foram o do variograma seguido de mínimos quadrados generalizados e o da máxima verossimilhança. Para o modelo de Papadakis, foi testada a significância da covariável referente duas médias dos resíduos entre as parcelas vizinhas e a própria parcela tanto no modelo em blocos ao acaso quanto no modelo inteiramente casualizado, e o teste não foi significativo em nenhum dos dois casos. Mesmo assim, os cálculos foram realizados para esse método, mostrando que para esse conjunto de dados, este método não é indicado. Fazendo uso de algumas medidas de comparação desses métodos, para os dados em questão, o método de estimação dos contrastes de médias de tratamentos que apresentou as medidas de comparação mais dispersas foi o do modelo de Papadakis e o menos disperso foi o da máxima verossimilhança. Ainda, pelos intervalos de confiança, observou-se que na análise espacial, outros contrastes diferiram de zero significativamente, além daqueles que foram observados na análise clássica, o que se conclui que quando é levada em consideração a autocorrelação dos erros, os contrastes são estimados com maior eficiência / Not controllable factors is common occur in experiments, they are responsible for the heterogeneity among parcels. Even executing the three experimentation basic principles in the design (repetition, randomization and local control), even so, may have correlation in errors and, therefore, spatial dependence in the area of study. If that autocorrelation structure is detected and if this information is used in statistical analysis, estimates more efficient of contrasts among treatments means are guaranteed, but if this structure is disregarded can prevent that real diferences are detected. In this work, the coordinates of parcels centers in a design of random blocks were observed. The concentration of soil organic carbon is the response variable of this experiment, with the available made at the beginning of the experiment, ie, before the treatments application, therefore, a blank, a year after the treatments application and, again, after a year. Then, the classical and spatial analysis were used to compare the methods of estimation of treatments means contrasts. The method studied for the classical analysis, which considers that the errors are not correlated, was the ordinary least squares. For the analysis, considering the spatial dependence, were used the geostatistical model, where consists in the addition of a random effect with correlation, and the Papadakis model, which consists in the addition of a covariate built from observations in neighbouring. In geostatistical model was verified the spatial dependence through the Akaike and Bayesian or Schwarz criteria of information and the methods tested were the variogram followed by generalized least squares and the maximum likelihood. For the Papadakis model, was tested the significance of covariate referring to the average of residuals among neighbouring parcels and own parcel in the random blocks model and in the completely randomized model, and the test was not significant in any of both cases. Still, the calculus were made for this method, showing that for this data set, this method is not indicated. Using some measures to compare these methods, for these data, the method of estimation of treatments means contrasts which presented the measures of comparison more dispersed was the Papadakis model and the less dispersed was the maximum likelihood. Still, in the confidence intervals, it was observed that in spatial analysis other contrasts di®ered from zero significantly, besides of those which were observed in classical analysis, which concludes that when the autocorrelation of errors is considering, the contrasts are estimated with greater e±ciency.

Em um experimento, é comum ocorrerem fatores não controláveis, responsáveis pela heterogeneidade entre as parcelas. Mesmo executando os três princípios básicos da experimentação no planejamento (repetição, casualização e controle local), ainda assim, pode haver correlação nos erros e, portanto, dependência espacial na área estudada. Se for detectada essa estrutura de auto-correlação e se essa informação for utilizada na análise estatística, estimativas mais eficientes dos contrastes entre as médias dos tratamentos são garantidas, mas se tal estrutura for desconsiderada pode impedir que diferenças reais sejam detectadas. Neste trabalho, foram observadas as coordenadas dos centros das parcelas de um delineamento em blocos ao acaso. A variável resposta, deste experimento, é a concentração de carbono orgânico no solo, sendo as avaliações feitas no início do experimento, ou seja, antes da aplicaçao dos tratamentos, portanto, um ensaio em branco, um ano após a aplicação dos tratamentos e, novamente, depois de mais um ano. Para tanto, foram utilizadas as análises clássica e espacial na comparação dos métodos de estimação de contrastes de médias de tratamentos. O método estudado para a análise clássica, em que considera que os erros são não correlacionados, foi o dos mínimos quadrados ordinários. Já para a análise, levando em consideração a dependência espacial, foram utilizados o modelo geoestatístico, em que consiste na adição de um efeito aleatório com correlação, e o modelo de Papadakis, que consiste na adição de uma covariável construída a partir de observações em parcelas vizinhas. No modelo geoestatístico foi verificada a presença da dependência espacial através dos critérios de informação de Akaike e de informação Bayesiano ou de Schwarz e os métodos testados foram o do variograma seguido de mínimos quadrados generalizados e o da máxima verossimilhança. Para o modelo de Papadakis, foi testada a significância da covariável referente duas médias dos resíduos entre as parcelas vizinhas e a própria parcela tanto no modelo em blocos ao acaso quanto no modelo inteiramente casualizado, e o teste não foi significativo em nenhum dos dois casos. Mesmo assim, os cálculos foram realizados para esse método, mostrando que para esse conjunto de dados, este método não é indicado. Fazendo uso de algumas medidas de comparação desses métodos, para os dados em questão, o método de estimação dos contrastes de médias de tratamentos que apresentou as medidas de comparação mais dispersas foi o do modelo de Papadakis e o menos disperso foi o da máxima verossimilhança. Ainda, pelos intervalos de confiança, observou-se que na análise espacial, outros contrastes diferiram de zero significativamente, além daqueles que foram observados na análise clássica, o que se conclui que quando é levada em consideração a autocorrelação dos erros, os contrastes são estimados com maior eficiência / Not controllable factors is common occur in experiments, they are responsible for the heterogeneity among parcels. Even executing the three experimentation basic principles in the design (repetition, randomization and local control), even so, may have correlation in errors and, therefore, spatial dependence in the area of study. If that autocorrelation structure is detected and if this information is used in statistical analysis, estimates more efficient of contrasts among treatments means are guaranteed, but if this structure is disregarded can prevent that real diferences are detected. In this work, the coordinates of parcels centers in a design of random blocks were observed. The concentration of soil organic carbon is the response variable of this experiment, with the available made at the beginning of the experiment, ie, before the treatments application, therefore, a blank, a year after the treatments application and, again, after a year. Then, the classical and spatial analysis were used to compare the methods of estimation of treatments means contrasts. The method studied for the classical analysis, which considers that the errors are not correlated, was the ordinary least squares. For the analysis, considering the spatial dependence, were used the geostatistical model, where consists in the addition of a random effect with correlation, and the Papadakis model, which consists in the addition of a covariate built from observations in neighbouring. In geostatistical model was verified the spatial dependence through the Akaike and Bayesian or Schwarz criteria of information and the methods tested were the variogram followed by generalized least squares and the maximum likelihood. For the Papadakis model, was tested the significance of covariate referring to the average of residuals among neighbouring parcels and own parcel in the random blocks model and in the completely randomized model, and the test was not significant in any of both cases. Still, the calculus were made for this method, showing that for this data set, this method is not indicated. Using some measures to compare these methods, for these data, the method of estimation of treatments means contrasts which presented the measures of comparison more dispersed was the Papadakis model and the less dispersed was the maximum likelihood. Still, in the confidence intervals, it was observed that in spatial analysis other contrasts di®ered from zero significantly, besides of those which were observed in classical analysis, which concludes that when the autocorrelation of errors is considering, the contrasts are estimated with greater e±ciency.

Made available in DSpace on 2017-07-10T19:25:04Z (GMT). No. of bitstreams: 1 Grazieli_Suszek.pdf: 8578209 bytes, checksum: 412947ba9d6b66d701a0dfec5060f428 (MD5) Previous issue date: 2012-02-08 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The plant nutritional quality influences directly in juice quality. Therefore it is important the knowledge of its spatial and temporary variation in the orchard for a better application and use of the inputs, larger yield and quality of fruit. This way, input maps can be generated for the best use, providing larger yield and better quality of fruits, reduction of the production cost and environmental impact. The objective of this work was to study the spatial variability of soil and plant chemical properties, fruit quality, and orchard yield in Monte Parnaso citrus orchard, by using nutritional sufficiency range and diagnose recommendation integrated system (DRIS). For that, the experiment was driven in an orange-tree orchard (1 ha) of Monte Parnaso variety, located in Nova Laranjeiras/PR. Twenty trees were georeferenced, to collect samples for accomplishment of soil analysis, leaf analysis and quantification of the parameters of fruit quality, in 2009 and 2010. After parameters determination, the results of leaf analysis were evaluated and compared by using sufficiency range and DRIS. For the spatial variability Investigation, it was used the spatial dependence index (IDE) and global correlation of Moran index. The maps were constructed by using geostatistical techniques and compared by using coefficient of relative deviation (CDR). Thus, the sample collection made in branches without fruit (July) presented the best coefficient of determination and the best fit around the trend line for the method DRIS, compared to the samples collected in branches with fruit (January). The ratio (SST/ATT) has better relationship with IBN (nutrient balance index), compared to the productivity and thus presents a better response in the choice of standard population to calculate the DRIS. For the definition of management zones, it is possible to say that the maps were reclassified by DRIS showed best performance since, and greater sensitivity in the diagnosis when compared to bands of sufficiency, which is desirable when seeking to refine the nutritional management. / A qualidade nutricional da planta influencia diretamente na qualidade do suco. Por isso é importante o conhecimento de sua variação espacial e temporal no pomar, para uma melhor aplicação e aproveitamento dos insumos, maior produtividade e qualidade do fruto. Desta forma, mapas podem ser gerados para o melhor aproveitamento de insumos, proporcionando maior produtividade e melhor qualidade dos frutos e redução do custo de produção e do impacto ambiental. O objetivo deste trabalho foi estudar a variabilidade espacial das propriedades químicas do solo e da folha, qualidade do fruto e produtividade em pomar de laranja Monte Parnaso, utilizando faixas de suficiência nutricional e o sistema integrado de diagnose e recomendação (DRIS). Para isso, o experimento foi conduzido em um pomar de laranjeiras (1 ha) da variedade Monte Parnaso, localizado em Nova Laranjeiras/PR. Vinte árvores foram georreferenciadas, visando coletar amostras para a realização da análise de solo, análise foliar e quantificação dos parâmetros de qualidade dos frutos, nos anos de 2009 e 2010. Após a determinação dos parâmetros, os resultados da análise foliar foram avaliados e comparados, utilizando os critérios de faixa de suficiência e o DRIS. Para investigação da variabilidade espacial, utilizou-se o índice de dependência espacial (IDE) e o índice de correlação global de Moran. Os mapas foram construídos utilizando técnicas de geoestatística e comparados através do coeficiente de desvio relativo (CDR). Assim, a coleta de amostras realizadas em ramos sem fruto (julho) apresentou melhor coeficiente de determinação e melhor ajuste em torno da linha de tendência para o método DRIS, quando comparada com a amostragem realizada em ramos com fruto (janeiro). A relação SST/ATT (sólidos solúveis totais/acidez total titulável) apresentou melhor relação com o IBN (índice de balanço nutricional), quando comparado à produtividade e, desta forma, apresenta melhor resposta na escolha da população padrão para o cálculo do DRIS. Para definição das zonas de manejo é possível afirmar que os mapas reclassificados pelo DRIS apresentaram melhor desempenho, visto que mostraram maior sensibilidade no diagnóstico, quando comparados às faixas de suficiência, o que é desejável quando se busca refinar o manejo nutricional.

Made available in DSpace on 2017-05-12T14:48:26Z (GMT). No. of bitstreams: 1 Grazieli_Suszek.pdf: 8578209 bytes, checksum: 412947ba9d6b66d701a0dfec5060f428 (MD5) Previous issue date: 2012-02-08 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The plant nutritional quality influences directly in juice quality. Therefore it is important the knowledge of its spatial and temporary variation in the orchard for a better application and use of the inputs, larger yield and quality of fruit. This way, input maps can be generated for the best use, providing larger yield and better quality of fruits, reduction of the production cost and environmental impact. The objective of this work was to study the spatial variability of soil and plant chemical properties, fruit quality, and orchard yield in Monte Parnaso citrus orchard, by using nutritional sufficiency range and diagnose recommendation integrated system (DRIS). For that, the experiment was driven in an orange-tree orchard (1 ha) of Monte Parnaso variety, located in Nova Laranjeiras/PR. Twenty trees were georeferenced, to collect samples for accomplishment of soil analysis, leaf analysis and quantification of the parameters of fruit quality, in 2009 and 2010. After parameters determination, the results of leaf analysis were evaluated and compared by using sufficiency range and DRIS. For the spatial variability Investigation, it was used the spatial dependence index (IDE) and global correlation of Moran index. The maps were constructed by using geostatistical techniques and compared by using coefficient of relative deviation (CDR). Thus, the sample collection made in branches without fruit (July) presented the best coefficient of determination and the best fit around the trend line for the method DRIS, compared to the samples collected in branches with fruit (January). The ratio (SST/ATT) has better relationship with IBN (nutrient balance index), compared to the productivity and thus presents a better response in the choice of standard population to calculate the DRIS. For the definition of management zones, it is possible to say that the maps were reclassified by DRIS showed best performance since, and greater sensitivity in the diagnosis when compared to bands of sufficiency, which is desirable when seeking to refine the nutritional management. / A qualidade nutricional da planta influencia diretamente na qualidade do suco. Por isso é importante o conhecimento de sua variação espacial e temporal no pomar, para uma melhor aplicação e aproveitamento dos insumos, maior produtividade e qualidade do fruto. Desta forma, mapas podem ser gerados para o melhor aproveitamento de insumos, proporcionando maior produtividade e melhor qualidade dos frutos e redução do custo de produção e do impacto ambiental. O objetivo deste trabalho foi estudar a variabilidade espacial das propriedades químicas do solo e da folha, qualidade do fruto e produtividade em pomar de laranja Monte Parnaso, utilizando faixas de suficiência nutricional e o sistema integrado de diagnose e recomendação (DRIS). Para isso, o experimento foi conduzido em um pomar de laranjeiras (1 ha) da variedade Monte Parnaso, localizado em Nova Laranjeiras/PR. Vinte árvores foram georreferenciadas, visando coletar amostras para a realização da análise de solo, análise foliar e quantificação dos parâmetros de qualidade dos frutos, nos anos de 2009 e 2010. Após a determinação dos parâmetros, os resultados da análise foliar foram avaliados e comparados, utilizando os critérios de faixa de suficiência e o DRIS. Para investigação da variabilidade espacial, utilizou-se o índice de dependência espacial (IDE) e o índice de correlação global de Moran. Os mapas foram construídos utilizando técnicas de geoestatística e comparados através do coeficiente de desvio relativo (CDR). Assim, a coleta de amostras realizadas em ramos sem fruto (julho) apresentou melhor coeficiente de determinação e melhor ajuste em torno da linha de tendência para o método DRIS, quando comparada com a amostragem realizada em ramos com fruto (janeiro). A relação SST/ATT (sólidos solúveis totais/acidez total titulável) apresentou melhor relação com o IBN (índice de balanço nutricional), quando comparado à produtividade e, desta forma, apresenta melhor resposta na escolha da população padrão para o cálculo do DRIS. Para definição das zonas de manejo é possível afirmar que os mapas reclassificados pelo DRIS apresentaram melhor desempenho, visto que mostraram maior sensibilidade no diagnóstico, quando comparados às faixas de suficiência, o que é desejável quando se busca refinar o manejo nutricional.