Precision agriculture (AP) appears as a permissible tool to manage rationally the spatial and temporal variability of soil chemical attributes in order to effectively maximize the use of agricultural areas. However, in some situations visualized a low correlation between the chemical soil properties and crop productivity, emphasizing the need for development of AP to seek alternatives and tools for the definition of management zones. In recent years, they have gained prominence studies of parameter attributes of plant canopies, and the Vegetation Index (NDVI) the best known. This study aimed to evaluate the use of AP tools to define management zones in the central region of Rio Grande do Sul. The work was conducted with the culture of the agricultural year 2014/15 corn in an area of 15.1 hectares in the municipality of Julio de Castilhos, RS, managed with irrigation center pivot. The spatial variability of soil attributes and plants was characterized based on the collection of information on a sampling grid of 0.5 ha, totaling 32 points in the experimental area. The Landsat satellite images (NDVI) with a spatial resolution of 30 x 30 m were processed enabling the production of productivity map and the definition of management zones in the area. The soil properties have high variance in the standard deviation (S) and coefficient of variation (CV%) of phosphorus (18.16 and 42.46), potassium (38.263 and 25.80), aluminum saturation (4,63 and 130.14) sulfur (6.72 and 40.57) and manganese (7.32 and 30.23). The analysis of the statistical and geostatistical to dry mass (28,10% CV and r2 = 0.96) and corn (11.85% CV and r2 = 0.99). The Pearson correlation was significant positively to productivity of corn kernels indicated the clay, base saturation, calcium, SMP index, magnesium and NDVI; indicated dry weight organic material, SMP index CTC pH7 and magnesium. Among the different methods of zones positive correlation between dry matter areas of stubble and productivity with altitude zone, chemical attributes zone and NDVI zone. The use of satellite images made it possible to guarantee the evaluation of different management zones. / A agricultura de precisão (AP) surge como uma ferramenta permitindo manejar de forma racional a variabilidade espacial e temporal dos atributos químicos do solo com objetivo de maximizar eficientemente o uso das áreas agrícolas. Entretanto, em algumas situações visualiza-se uma baixa correlação entre os atributos químicos do solo e a produtividade das culturas, destacando-se a necessidade da evolução da AP em buscar ferramentas e alternativas para a definição de zonas de manejo. Nos últimos anos, têm ganhado destaque os estudos sobre parametrização de atributos dos dosséis vegetais, sendo o Índice de Vegetação por Diferença Normalizada (NDVI) o mais conhecido. O presente trabalho teve como objetivo avaliar a utilização de ferramentas de AP na definição de zonas de manejo na região central do Rio Grande do Sul. O trabalho foi conduzido com a cultura do milho (Zea mays L.) ano agrícola 2014/15, numa área de 15,1 hectares no município de Júlio de Castilhos, RS, manejada com irrigação por pivô central. A variabilidade espacial de atributos de solo e de plantas foi caracterizada com base na coleta de informações numa malha amostral de 0,5 ha, totalizando 32 pontos na área experimental. As imagens de satélite Landsat (NDVI) com resolução espacial de 30 x 30 m foram processadas possibilitando a confecção de mapa de produtividade e a definição de zonas de manejo da área. Os atributos do solo possuem alta variância no desvio padrão (S) e coeficiente de variação (CV%) do fósforo (18,10 e 42,46), potássio (38,26 e 25,80), saturação por alumínio (4,63 e 130,14), enxofre (6,72 e 40,57) e manganês (7,32 e 30,23). A análise da estatística e geoestatísticos para produção de massa seca (28,10 CV % e r2=0,96) e produtividade grãos de milho (11,85 CV % e r2=0,99). A correlação linear de Pearson foi significativa positivamente para produtividade de grãos de milho indicou a argila, saturação por bases, cálcio, índice SMP, magnésio e NDVI; massa seca indicou matéria orgânica, índice SMP, CTC pH 7 e magnésio. Entre os diferentes métodos das zonas de manejo a correlação positiva entre as zonas de massa seca da resteva e produtividade com zona de altitude, zona atributos químicos e zona de NDVI. A utilização de imagens de satélites possibilitou a garantia da avaliação de diferentes zonas de manejo.

Made available in DSpace on 2015-03-26T13:23:38Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1452064 bytes, checksum: 3c07661ce61a2de096f75bbba839cfd4 (MD5) Previous issue date: 2011-07-20 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Precision agriculture seeks the management of fields in order to maximize profit and reduce environmental impacts. For this, one must consider the spatial variability of the attributes that define the yield of agricultural crops. The management considering the variability of soil properties provides improvements in the management of inputs, however, a spatial database for this purpose requires a large number of soil samples. To map the soil attributes using direct samples generally is not the option most cost effective. Indirect samplings are preferable, and the apparent soil electrical conductivity (ECa) is a technique with high acceptance in precision agriculture. The objective of this work is to advance the knowledge about this technique by testing it in a Cerrado condition. Therefore, the sampling conditions, the spatial and temporal variability, and the usefulness these information for precision agriculture were evaluated. The results regarding the sampling condition show that when the soil moisture is higher, the ECa correlated most closely with soil attributes and correlated less with soil moisture and was considered to be the best condition for sampling. The spatial variability of ECa generated four classes when used the fuzzy c-means classifier. However, a method of analysis of soil samples within classes combined them in just two, which were distinct for the attributes most correlated with the ECa and the obtained semivariogram showed low discontinuity at the origin. These attributes were the potential of hydrogen (pH), base saturation (V), potential acidity (H + Al), iron (Fe) and full cation exchange capacity (T). The temporal variability of ECa was analyzed by using the principal component technique. The component that best described the temporal variability of ECw explained 18% of the total variability of the data and presented spatial dependence. This component was correlated with altitude, T and electrical conductivity of saturation extract (CEes). In this study the altitude was considered the attribute that most influenced the temporal variability of the ECa. In this study case, the ECa represented a good information for analysis of spatial variability of physical and chemical attributes of soil. / A agricultura de precisão busca o manejo dos campos de forma a maximizar o lucro e reduzir os impactos ambientais. Para tanto, deve-se considerar a variabilidade espacial dos atributos que definem a produtividade das culturas agrícolas. O manejo considerando a variabilidade de propriedades do solo proporciona melhorias no gerenciamento de insumos, entretanto, um banco de dados espacial para essa finalidade necessita de um grande número de amostras de solo. Por esse motivo o mapeamento de atributos do solo por meio de amostras diretas não é a opção com melhor relação custo/benefício. Amostragens indiretas são preferíveis e a condutividade elétrica aparente do solo (CEa) é uma técnica com elevada aceitação em agricultura de precisão. Esse trabalho tem o objetivo de avançar nos conhecimentos a respeito dessa técnica, testando-a em uma condição de Cerrado. Para tanto, foi avaliada as condições de amostragem, a variabilidade espacial, temporal e a utilidade dessas informações para a agricultura de precisão. Os resultados revelam que na condição de amostragem com teor de água no solo mais elevada, a CEa mais se correlaciona com atributos do solo e menos se correlaciona com o teor de água no solo, sendo considerada a melhor condição de amostragem. A variabilidade espacial da CEa gerou quatro classes, quando utilizando o classificador Fuzzy c-means. Entretanto, um método de análise de amostras de solo no interior das classes combinou-as em apenas duas, que foram distintas para os atributos mais correlacionados com a CEa e que apresentaram forte dependência espacial. Esses atributos foram, potencial hidrogeniônico (pH), saturação por bases (V), acidez potencial (H+Al), ferro (Fe) e capacidade total de troca catiônica (T). A variabilidade temporal da CEa foi avaliada por meio da análise de componentes principais. A componente que melhor descreveu a variabilidade temporal da CEa explicou 18 % da variabilidade total dos dados e apresentou dependência espacial. Essa componente correlacionou com a altitude, T e a condutividade elétrica do extrato de saturação (CEes). Nesse estudo, a altitude foi considerada o atributo que mais influenciou a variabilidade temporal da CEa. Para as condições desse trabalho a CEa representou uma boa informação para análise indireta de importantes atributos do solo.

Made available in DSpace on 2017-07-10T19:23:44Z (GMT). No. of bitstreams: 1 Kelyn Schenatto.pdf: 4212903 bytes, checksum: 0ba04350cc25aff5e6acb249938e5375 (MD5) Previous issue date: 2014-02-04 / Despite the benefits offered by the technology of precision agriculture (PA), the necessity of dense sampling grids and use of sophisticated equipment for the soil and plant handling make it financially unfeasible in many cases, especially for small producers. With the aimof making viable the PA, the definition of management zones (MZ) consists in dividing the plotin subregions that have similar physicochemical features, where it is possible to work in the conventional manner (without site-specific input application), differing them from the other sub-regions of the field. Thus we use concepts from PA, but adapting some procedures to the reality of the producer, not requiring the replacement of machinery traditionally used.Therefore, yield is usually correlated with physical and chemical properties through statistical and geostatistical methods, and attributes are selected to generate thematic maps, which are then used to define the MZ. In the generation of thematic maps step, are commonly used traditional interpolation methods (Inverse Distance - ID , inverse of the square distance - ISD, and kriging - KRI), and it is important to assess if the quality of thematic maps generated influences in the MZ drafting process and can not justify the interpolation data using robust methods such as KRI. Thus, the present study aimed to evaluate three interpolation methods (ID , ISD and KRI ) for generation of thematic maps used in the generation of MZ by clustering methods K-Means and Fuzzy C-Meas, in two experimental areas (9.9 ha and 15.5 ha), and been used data from four seasons (three crops of soybeans and one of corn). The KRI interpolation and ID showed similar UM. The agreement between the maps decreased when an increase in the number of classes, but with greater intensity with the Fuzzy C-Means method. Clustering algorithms K-Means and Fuzzy C-Means performed similar division on two UM. The best interpolation method was KRI following the ID, what justifies the choice of a more robust interpolation (KRI) to generate UM / Apesar dos benefícios proporcionados pela tecnologia de agricultura de precisão (AP), a necessidade de grades amostrais densas e uso de equipamentos sofisticados para o manejo do solo e da planta tornam o seu cultivo em muitos casos inviável financeiramente, principalmente para pequenos produtores. Com a finalidade de viabilizar a AP, a definição de unidades de manejo (UM) consiste em dividir o talhão em sub-regiões que possuam características físico-químicas semelhantes, onde se pode trabalhar de forma convencional (sem aplicação localizada de insumos), diferenciando-se das outras sub-regiões do talhão. Dessa forma, utilizam-se conceitos de AP, mas adaptam-se alguns procedimentos para a realidade do produtor, não havendo necessidade da substituição de máquinas tradicionalmente utilizadas. Para isso, são geralmente correlacionados atributos físicos e químicos com a produtividade das culturas e, por meio de métodos estatísticos e geoestatísticos, selecionam-se atributos que darão origem a mapas temáticos posteriormente utilizados para definição das UM. Na etapa de geração dos mapas temáticos, são normalmente utilizados métodos tradicionais de interpolação (inverso da distância ID, inverso da distância ao quadrado IDQ e krigagem KRI) e é importante avaliar se a qualidade dos mapas temáticos gerados influencia no processo de definição das UM, podendo desta forma não se justificar a interpolação de dados a partir do uso de métodos robustos como a KRI. O presente trabalho teve como objetivo a avaliação de três métodos de interpolação (ID, IQD e KRI) para definição dos mapas temáticos utilizados na confecção de UM pelos métodos de agrupamento K-Means e Fuzzy C-Means, em duas áreas experimentais (de 9,9 ha e 15,5 ha), sendo utilizados dados de quatro safras (três safras de soja e uma de milho). Os interpoladores ID e KRI apresentaram UM similares. A concordância entre os mapas diminuiu quando houve aumento do número de classes, mas teve maior intensidade com o método Fuzzy C-Means. Os algoritmos de agrupamento K-Means e Fuzzy C-Means se apresentaram similares na divisão em duas UM. O melhor método de interpolação foi a KRI, seguida do ID, o que justifica a escolha do interpolador mais robusto (KRI) na geração de UM

Precision agriculture has been used to assist farmers to choose the best management strategies, by identifying variability present in the area and from that, to determine the limiting factors and propose different management alternatives, according to the needs of each zone. It is important to create instruments that respond to one of the main issues, common to all of those who have ambition to the adoption and implementation of production modernization techniques: the technical and economic viability of modern production agriculture. The aim of this study was to relate stability maps for yield productivity and stability maps by Normalized Difference Vegetation Index (NDVI) for determination of management zones. The study was based on an analysis of five years of crop yield data and five satellite images Landsat 5 and Landsat 8 for Vegetation Index (NDVI) data for 2007 (wheat), 2008 (soybean), 2009 (soybean), 2013 (wheat) and 2014 (soybean). With processed data, stability maps for yield productivity and stability maps by Normalized Difference Vegetation Index (NDVI) were generated, following data parameters and coefficient of variation. Both maps were compared and validated by the Kappa index. As a result, we obtained a weak Kappa index relationship (0.2623), but 57.48% of the area could be classified correctly, when comparing the correlation maps. We concluded that crossing data of areas classified by productivity yield and NDVI is valid and that the zoning method for NDVI method is a way to determines areas, but with greater emphasis in areas classified as "Stable High." / A agricultura de precisão surge para auxiliar o produtor na escolha das melhores estratégias de manejo, permitindo identificar a variabilidade presente na área e, a partir disso, averiguar os fatores limitantes e propor alternativas de manejo diferenciado, de acordo com as necessidades de cada zona de manejo. É necessário criar instrumentos que respondam a uma das principais questões, comum a todos aqueles que têm ambição à adoção e aplicação de técnicas de modernização da produção: a viabilização técnica-econômica da produção moderna na agricultura. O objetivo deste trabalho foi relacionar mapas de Estabilidade de Rendimento por produtividade e de Estabilidade de Rendimento por Índice de Vegetação por Diferença Normalizada para determinação de zonas de manejo. O estudo foi baseado na análise de cinco anos de dados de produtividade, em rendimento absoluto, e consecutivamente, cinco imagens de satélite Landsat 5 e Landsat 8, para Índice de Vegetação por Diferença Normalizada (NDVI), dados referentes aos anos de 2007 (cultura do trigo), 2008 (cultura de soja), 2009 (cultura de soja), 2013 (cultura de trigo) e 2014 (cultura de soja). Com esses dados processados foram gerados os mapas de Estabilidade de Rendimento por Produtividade e Estabilidade de Rendimento por NDVI, seguindo parâmetros de dados relativizados e coeficiente de variação. Com os dois mapas de Estabilidade processados, foi feito o comparativo e validação dos dados através do índice Kappa. Como resultado obteve-se um índice Kappa de fraca relação com valor de 0,2623, porém 57,48% da área pode ser classificada corretamente quando comparando zonas geradas por mapas de produtividade com zonas geradas por mapas de NDVI. Concluiu-se, assim, que o cruzamento dos dados das zonas classificadas em Estabilidade de Rendimento por Produtividade e Estabilidade de Rendimento por NDVI é válido e que o método de definição de zonas por Estabilidade de Rendimento por NDVI permite determinar zonas, porém com maior ênfase em zonas classificadas como Estável Alta .