Made available in DSpace on 2017-05-12T14:48:09Z (GMT). No. of bitstreams: 1 Marcio Paulo de Oliveira.pdf: 1960743 bytes, checksum: 7438fe00d388d47b01b27d6cfdf2e229 (MD5) Previous issue date: 2010-02-04 / The knowledge about soil and plant attributes is important for the improvement of agricultural management. Intense tillage activities may induce not only alterations in the soil attributes but also decrease in productivity. Studies directed to the soil and plant spatial variability identification and the relations amid these variables are tools for agriculture, with the potential to increase productivity. The data set for this study was sampled in a Rhodic Acrudox soil, at a farmland that has been being cultivated for over five years under no-tillage system, with soybean and wheat in crop succession. At 252 m long transect, 84 points were demarcated, with 3 m of spacing between each of them. The relations between soybean productivity and soil water content, micro, macro and total porosity, soil density and soil resistance to penetration at 0,0-0,10 m and 0,10-0,20 m deep layers, were evaluated, as well as the respective variabilities. The relations between soybean productivity and soil attributes were determined using simple and cross correlations, followed by the state space models determinations, compared to linear and multiple regression models. The results have shown that the soybean productivity and soil mechanical resistance variables presented not only autocorrelation structure but also crosscorrelation structure. The state space models, relating to the soybean productivity at a point i, with the same attribute at point i-1, at the two layers, were more efficient than the equivalent models in simple and multiple regression. With geoestatistics, the spatial dependence structure was determined with envelopes and models for the semivariograms, allowing identification and classification of the spatial dependence for the variables under study. The thematic maps were obtained with simple kriging and indicated the soil attributes behavior, related to the soybean productivity. / O conhecimento do comportamento dos atributos do solo e da planta é importante para a melhoria das práticas agrícolas. A intensa atividade de cultivo pode provocar modificações dos atributos do solo e reduzir a produtividade de uma cultura em determinada região. Os estudos que visam identificar a variabilidade espacial dos atributos do solo e da planta e a relação entre esses atributos surgem como um recurso para a agricultura, podendo ser utilizados para realização de um manejo adequado dos recursos disponíveis, ampliando a produtividade e preservando o meioambiente. Os dados para a realização deste estudo foram obtidos em um Latossolo Vermelho distroférrico, em uma área cultivada há mais de cinco anos com alternância entre as culturas de soja e trigo, com o sistema de plantio direto. Em uma transeção de 252 m de comprimento foram demarcados 84 elementos amostrais, espaçados de 3 m entre si. As relações da produtividade da soja com os seguintes atributos físicos e hídricos do solo: teor de água no solo, microporosidade, macroporosidade e porosidade total do solo, densidade do solo e resistência mecânica do solo à penetração, nas camadas 0,0-0,10 m e 0,10-0,20 m, foram avaliadas bem como a variabilidade espacial desses atributos. A relação entre a produtividade da soja e os atributos do solo foi determinada através das correlações simples e cruzada entre os elementos amostrais de cada atributo, seguida da estimação dos modelos em espaço de estados, comparados aos modelos equivalentes em regressão linear múltipla. Os resultados mostraram que as variáveis produtividade da soja e resistência do solo a penetração apresentaram estrutura de autocorrelação e de correlação cruzada entre si. Os modelos estimados em espaço de estados, relacionando a produtividade da soja em um ponto i com a produtividade da soja e resistência do solo a penetração nas duas camadas no ponto i -1 mostraram-se mais eficientes do que os modelos equivalentes estimados em regressão linear simples e múltipla. Por meio da geoestatística, a estrutura de dependência espacial foi avaliada por meio dos envelopes e modelos para os semivariogramas experimentais, permitindo identificar e classificar a dependência espacial das variáveis em estudo. Os mapas temáticos foram obtidos por meio de interpolação por krigagem ordinária e indicaram o comportamento dos atributos do solo ligadas a produtividade da soja.

Made available in DSpace on 2015-03-26T13:32:11Z (GMT). No. of bitstreams: 1 texto completo.pdf: 446864 bytes, checksum: 1ba8efc18a08b922adc7e2c5eb3dc55c (MD5) Previous issue date: 2011-02-24 / The aim of this study was to evaluate the efficiency of spatial analysis, which considers spatially dependent errors, for classification of common bean families in relation to traditional analysis in randomized blocks and lattice that assuming independent errors. Were considered different degrees of spatial dependence and experimental precision. Were taken as reference to simulate the results of seven experiments carried out in simple square lattice for genetic evaluation of yield (g/plot) of families and bean cultivars of winter crops and water used in 2007 and 2008. From the results presented in the simulation, it was possible to assess the quality of their experiments based on different analysis (Block, lattice and Spatial) and simulated average of 100 families in different scenarios for Spatial Dependence (DE) and Accuracy Selective (AS). In the process of simulation, the average yield (645 g/plot) and the residual variance (7744.00), was defined based on the analysis results of the tests in blocks of bean breeding program at UFV. To make up the four simulated scenarios were considered magnitude of spatial dependence (null, low, medium and high), corresponding to ranges of 0, 25, 50 and 100% of the maximum distance between plots. Were also simulated three classes of selective accuracy (0.95, 0.80 and 0.60), corresponding to the experimental precision very high, high and average, respectively. The actual classification of families was used to evaluate the efficiency of analysis methods tested by Spearman correlation applied to orders and genotypic classification of Selection Efficiency between classifications based on tested methodologies and the actual classification for the selection of 10, 20 and 30% of the best families. To compare the efficiency of adjustment of the models tested, was used the Akaike information criterion (AIC), based on likelihood. Spatial analysis has provided estimates of residual variance very close to the simulated residual variance and higher selective accuracy estimated in all scenarios, indicating greater experimental accuracy. With the reduction in the accuracy and selective increase in spatial dependence, there was greater influence of analysis on the classification of families, and the spatial analysis showed the best results, providing more efficient selection of bean families than traditional analysis of randomized blocks and lattice, mainly for the selection of fewer families. The results for selective accuracy estimated on the basis of F statistics were very close to those obtained with the Spearman correlation between estimated and simulated averages for families, indicating that the accuracy should be used selectively as a measure of experimental precision tests of genetic evaluation. / O objetivo deste trabalho foi avaliar a eficiência da análise Espacial, que considera erros dependentes espacialmente, para classificação de famílias de feijoeiro em relação às análises tradicionais em blocos casualizados e em látice que assumem erros independentes. Considerou-se diferentes graus de dependência espacial e de precisão experimental. Foram tomados como referência para simulação os resultados de sete ensaios instalados em látice quadrado simples para avaliação genética da produtividade de grãos (g/parcela) de famílias e cultivares de feijoeiro das safras de inverno e das águas de 2007 e 2008. A partir dos resultados apresentados na simulação, foi possível avaliar a qualidade dos respectivos experimentos com base nas diferentes análises (Bloco, Látice e Espacial) e médias simuladas das 100 famílias nos diferentes cenários para Dependência Espacial (DE) e Acurácia Seletiva (AS). No processo de simulação, a média de produção (645 g/parcela), bem como a variância residual (7744,00), foi definida com base nos resultados de análises em blocos de ensaios do programa de melhoramento do feijoeiro da UFV. Para a composição dos cenários simulados foram consideradas quatro magnitudes de dependência espacial (nula, baixa, média e alta), correspondendo aos alcances 0, 25, 50 e 100% da distância máxima entre parcelas. Também foram simuladas três classes de acurácia seletiva (0,95, 0,80 e 0,60), correspondente a precisão experimental muito alta, alta e média, respectivamente. A classificação real das famílias foi utilizada para avaliar a eficiência das metodologias de análise testadas através da correlação de Spearman aplicada às ordens de classificação genotípica e da Eficiência de Seleção entre classificações com base nas metodologias testadas e na classificação real, para a seleção de 10, 20 e 30% das melhores famílias. Para comparar a eficiência de ajuste dos modelos testados, foi utilizado o critério de Informação de Akaike (AIC), baseado em verossimilhança. A análise Espacial apresentou estimativas de variância residual muito próxima da variância residual simulada e maior acurácia seletiva estimada em todos os cenários, indicando maior precisão experimental. Com a redução na acurácia seletiva e aumento na dependência espacial, observou-se maior influência do tipo de análise sobre a classificação das famílias, sendo que a análise espacial apresentou os melhores resultados, proporcionando seleção mais eficiente das famílias do feijoeiro do que as análises tradicionais em Látice e em Blocos casualizados, principalmente, para seleção de menor número de famílias. Os resultados para acurácia seletiva estimada em função da estatística F foram muito próximos aos obtidos para a correlação de Spearman entre médias estimadas e simuladas para as famílias, indicando que a acurácia seletiva deve ser utilizada como medida de precisão experimental nos ensaios de avaliação genética.

Made available in DSpace on 2014-08-20T14:36:59Z (GMT). No. of bitstreams: 1 Dissertacao_Leandro_Sanzi_Aquino.pdf: 2633860 bytes, checksum: eeb09c0678ebe75556f513e8a4e089b7 (MD5) Previous issue date: 2010-02-25 / Soil land leveling is a technique used in low land areas and has the objective to improve agricultural use to facilitate the management of water both for irrigation and drainage operations, for the establishment of agricultural practices and crop harvest. However, it causes changes in the physical environment where the plant grows, and many studies have sought to identify the effect of this practice in the structure of soil spatial variability and in the relationship between the hydric-physical and chemical soil attributes. Thus, the objective of this study was to identify and characterize the structure of spatial variability of soil hydric-physical and chemical attributes of a low land soil, before and after land leveling, and to study the relationship between these soil attributes through an autoregressive state space model. In an experimental area of 0.81 ha belongs to Embrapa Clima Temperado situated in Capão do Leão county, state of Rio Grande do Sul, Brazil, was established a regular grid of 100 points spaced 10 m apart in both directions. At each point, soil disturbed and undisturbed samples were collected at the depth of 0-0.20 m to determine, before and after land leveling, the following soil attributes: clay, silt and sand contents, soil macroporosity, soil microporosity and soil total porosity, soil bulk density and soil water content at field capacity and permanent wilting point, soil organic carbon and cation exchange capacity. All data sets were organized into a spreadsheet in the form of a spatial transect consisting of 100 points and they were ordered following the gradient slope area resulting from the soil land leveling. Autocorrelograms and crosscorrelograms were built to evaluate the structure of spatial correlation of all soil attributes having served as a subsidy for the selection of variables in each autoregressive state-space model. The results show that the soil land leveling changed the structure of soil spatial dependence of all variables and between them as well. The soil cation exchange capacity and soil microporosity variables were the variables that made up the largest number of state space models, before and after soil land leveling. The contribution of the each variable at position i-1 to estimate its value at position increased to the sand content, silt content, soil bulk density, soil microporosity, soil macroporosity, soil water content at permanent wilting point, soil organic carbon and cation exchange capacity variables and decreased to soil water content at field capacity variable after land leveling. Soil land leveling improved the state space model performance for soil organic carbon content, sand content, soil bulk density, soil total porosity and soil water content at field capacity and permanent wilting point variables. The worst state space model performances, after soil land leveling, were found taking silt content, soil microporosity and cation exchange capacity variables as response variables. The best state space model performance, before land leveling, was obtained taking the soil total porosity as response variable. / A sistematização do solo é uma técnica utilizada em regiões planas, com características de várzea, e tem por objetivo aperfeiçoar o uso agrícola facilitando o manejo da água tanto de irrigação como de drenagem, as operações de implantação da lavoura, de tratos culturais e de colheita. No entanto, a sistematização do solo provoca alterações no ambiente físico onde a planta se desenvolve, sendo que muitos estudos têm buscado identificar o efeito dessa prática na estrutura de variabilidade espacial e no relacionamento entre os atributos físico-hídricos e químicos do solo. Dessa forma, o objetivo deste trabalho foi identificar e caracterizar a estrutura de variabilidade espacial dos atributos físico-hídricos e químicos de um solo de várzea, antes e depois da sistematização, assim como estudar o relacionamento entre esses atributos por meio de um modelo autoregressivo de espaço de estados. Em uma área experimental de 0,81 ha pertencente a Embrapa Clima Temperado, Capão do Leão-RS, foi estabelecida uma malha regular de 100 pontos, espaçados de 10 m entre si em ambas as direções. Em cada ponto foram coletadas amostras de solo deformadas e com estrutura preservada na profundidade de 0-0,20 m para a determinação, antes e depois da sistematização, dos teores de argila, silte e areia, macroporosidade, microporosidade e porosidade total, densidade do solo, conteúdo de água retido na capacidade de campo e ponto de murcha permanente, carbono orgânico e capacidade de troca de cátions. Os dados foram organizados em uma planilha de cálculo na forma de uma transeção espacial composta de 100 pontos e foram ordenados seguindo o gradiente de declividade da área resultante do processo de sistematização do solo. Para avaliar a estrutura de correlação espacial foram construídos autocorrelogramas e crosscorrelogramas que serviram de subsídio para a seleção de variáveis em cada um dos modelos autoregressivos de espaço de estados. Os resultados mostram que a sistematização do solo alterou a estrutura de dependência espacial tanto da variável como entre as variáveis deste estudo. A capacidade de troca de cátions e a microporosidade do solo foram as variáveis que compuseram o maior número de modelos de espaço de estados, antes e depois da sistematização. A contribuição da variável na posição i-1 na estimativa na posição i, por meio do modelo autoregressivo de espaço de estados, aumentou com a sistematização para as variáveis teor de areia, teor de silte, densidade do solo, microporosidade, macroporosidade, conteúdo de água no solo retido no ponto de murcha permanente, carbono orgânico e da capacidade de troca de cátions; e diminuiu para a variável conteúdo de água no solo retido na capacidade de campo.A sistematização do solo melhorou a estimativa, por meio dos modelos de espaço de estados, das variáveis carbono orgânico, teor de areia, densidade do solo, macroporosidade e do conteúdo de água no solo retido na capacidade de campo e no ponto de murcha permanente, sendo o modelo da variável porosidade total, antes da sistematização, que apresentou o melhor desempenho. Já os piores desempenhos dos modelos, depois da sistematização do solo, foram encontrados quando utilizadas as variáveis teor de silte, microporosidade e capacidade de troca de cátions como resposta.

No description available.