Made available in DSpace on 2017-07-10T19:25:11Z (GMT). No. of bitstreams: 1 Ricardo.pdf: 1705247 bytes, checksum: 435e22f6b6cf7bf51e60d35de482adba (MD5) Previous issue date: 2012-04-09 / The agricultural production area has important information to understand the response of a crop yield. Precision agriculture helps the farmers on acquiring and treating in correct way the variations found in the area. Management zones (MZ) provide the precision agriculture implementation in a viable and relatively economical way, since they represent homogeneous regions, which can be treated differently. Thus, this trial aimed at generating MZ with different numbers of variables using fuzzy C-means algorithm, based on attributes spatially correlated with crop yield. The objective was to evaluate the relative efficiency of each management zone and verify if the different ways of variable compositions differ in the generation of MZ. Fifteen designs of MZ were generated and divided from two to five classes, based on attributes as: copper, silt, clay and altitude, which were correlated with crop yield. The copper variable showed the highest spatial correlation with crop yield, which promoted the generation of MZ with good results of relative efficiency and good separation of data among the classes. The relative efficiency did not present in an orderly manner, increasing or decreasing according to the number of variables used in division of MZ. The delineated MZ was based on variables as copper and clay and divided into five classes, so, it showed the highest relative efficiency / A área de produção agrícola contém informações importantes para se entender a resposta quanto à produtividade de uma cultura. A agricultura de precisão proporciona aos agricultores adquirirem e tratarem as variações encontradas na área de forma adequada. Unidades de manejo (UM) proporcionam a implantação da agricultura de precisão de forma viável e relativamente mais econômica, representando regiões homogêneas, que podem ser tratadas de forma diferenciada. Este trabalho consistiu em gerar unidades de manejo com diferentes números de variáveis através do algoritmo fuzzy C-means, baseando-se em atributos correlacionados espacialmente com a produtividade. O objetivo é avaliar a eficiência relativa de cada unidade de manejo e verificar se os diferentes modos de composição de variáveis se diferenciam na geração de UM. Geraram-se 15 delineamentos de UM, divididos de 2 a 5 classes, baseando-se nos atributos cobre, silte, argila e altitude, que foram correlacionados com a produtividade. A variável cobre teve a maior correlação espacial com a produtividade, a qual proporcionou a geração de UM com bons resultados de eficiência relativa e boa separação dos dados entre as classes. A eficiência relativa não se apresentou de forma ordenada, crescente ou decrescente, quanto ao número de variáveis utilizadas no delineamento em UM. A UM delineada a partir das variáveis Cu e argila, dividida em cinco classes, foi a que apresentou maior eficiência relativa

Made available in DSpace on 2017-07-10T19:25:16Z (GMT). No. of bitstreams: 1 Denise.pdf: 4576988 bytes, checksum: e7402e2569d1f12da9ffb8dcadfd665c (MD5) Previous issue date: 2012-02-16 / Soy is one of the main crops in Brazil and in the region of Cascavel / PR, where agricultural production is large, although some factors that affect productivity, monitoring and process management have been diagnosed by geostatistical models for analysis of agricultural data. Studies on the spatial variability of soil attributes associated with soybean yield, provide recommendations for doses o with varied rates, according to the maps created by spatial models. The diagnostic study on influential points is a recommended procedure for studies on spatial variability. Detecting the influential points through local influence allows measuring the changes that these points have influence on and the construction of the thematic map. This paper aims to present studies on local influence in linear spatial models considering as dependent variable soybean yield and as covariates Carbon (C), Calcium (Ca), Potassium (K), Magnesium (Mg), Manganese (Mn) and Phosphorus (P). The study on local influence is held in the response variable and the covariates using additive disturbances. The techniques of local influence diagnostics, according to the final results, were efficient in identifying outliers considered influential variables for the individual linear spatial model / A soja é uma das principais culturas agrícolas do Brasil, em particular da região de Cascavel/PR, onde a produção agrícola é grande, mas com fatores que afetam a produtividade, o monitoramento e o gerenciamento do processo, diagnosticados por modelos geoestatísticos para análise de dados agrícolas. Os estudos de variabilidade espacial dos atributos do solo, associados à produtividade da soja, possibilitam a recomendação da dosagem de insumos com taxas variadas, de acordo com os mapas construídos pelos modelos espaciais. O estudo de diagnóstico de pontos influentes é um procedimento recomendado nos estudos da variabilidade espacial. Detectar os pontos influentes, por meio da influência local, possibilita medir as alterações que esses pontos influenciam nos resultados e na construção do mapa temático. Este trabalho tem como objetivo apresentar estudos de influência local em modelos espaciais lineares, considerando como variável resposta a produtividade da soja e como covariáveis o Carbono (C), o Cálcio (Ca), o Potássio (K), o Magnésio (Mg), o Manganês (Mn) e o Fósforo (P). O estudo da influência local é realizado na variável resposta e nas covariáveis por meio de perturbações aditivas. As técnicas de influência local, de acordo com os resultados obtidos, foram eficientes na identificação de valores atípicos para as variáveis analisadas individualmente e utilizando modelo espacial linear

A computação visual é uma área do conhecimento que estuda o desenvolvimento de sistemas artificiais capazes de detectar e desenvolver a percepção do meio ambiente através de informações de imagem ou dados multidimensionais. A percepção visual e a manipulação são combinadas em sistemas robóticos através de duas etapas "olhar"e depois "movimentar-se", gerando um laço de controle de feedback visual. Neste contexto, existe um interesse crescimente no uso dessas técnicas em veículos aéreos não tripulados (VANTs), também conhecidos como drones. Essas técnicas são aplicadas para posicionar o drone em modo de vôo autônomo, ou para realizar a detecção de regiões para vigilância aérea ou pontos de interesse. Os sistemas de computação visual geralmente tomam três passos em sua operação, que são: aquisição de dados em forma numérica, processamento de dados e análise de dados. A etapa de aquisição de dados é geralmente realizada por câmeras e sensores de proximidade. Após a aquisição de dados, o computador embarcado realiza o processamento de dados executando algoritmos com técnicas de medição (variáveis, índice e coeficientes), detecção (padrões, objetos ou áreas) ou monitoramento (pessoas, veículos ou animais). Os dados processados são analisados e convertidos em comandos de decisão para o controle para o sistema robótico autônomo Visando realizar a integração dos sistemas de computação visual com as diferentes plataformas de VANTs, este trabalho propõe o desenvolvimento de um framework para controle de missão e guiamento de VANTs baseado em visão computacional. O framework é responsável por gerenciar, codificar, decodificar e interpretar comandos trocados entre as controladoras de voo e os algoritmos de computação visual. Como estudo de caso, foram desenvolvidos dois algoritmos destinados à aplicação em agricultura de precisão. O primeiro algoritmo realiza o cálculo de um coeficiente de reflectância visando a aplicação auto-regulada e eficiente de agroquímicos, e o segundo realiza a identificação das linhas de plantas para realizar o guiamento dos VANTs sobre a plantação. O desempenho do framework e dos algoritmos propostos foi avaliado e comparado com o estado da arte, obtendo resultados satisfatórios na implementação no hardware embarcado. / Cumputer Vision is an area of knowledge that studies the development of artificial systems capable of detecting and developing the perception of the environment through image information or multidimensional data. Nowadays, vision systems are widely integrated into robotic systems. Visual perception and manipulation are combined in two steps "look" and then "move", generating a visual feedback control loop. In this context, there is a growing interest in using computer vision techniques in unmanned aerial vehicles (UAVs), also known as drones. These techniques are applied to position the drone in autonomous flight mode, or to perform the detection of regions for aerial surveillance or points of interest. Computer vision systems generally take three steps to the operation, which are: data acquisition in numerical form, data processing and data analysis. The data acquisition step is usually performed by cameras or proximity sensors. After data acquisition, the embedded computer performs data processing by performing algorithms with measurement techniques (variables, index and coefficients), detection (patterns, objects or area) or monitoring (people, vehicles or animals). The resulting processed data is analyzed and then converted into decision commands that serve as control inputs for the autonomous robotic system In order to integrate the visual computing systems with the different UAVs platforms, this work proposes the development of a framework for mission control and guidance of UAVs based on computer vision. The framework is responsible for managing, encoding, decoding, and interpreting commands exchanged between flight controllers and visual computing algorithms. As a case study, two algorithms were developed to provide autonomy to UAVs intended for application in precision agriculture. The first algorithm performs the calculation of a reflectance coefficient used to perform the punctual, self-regulated and efficient application of agrochemicals. The second algorithm performs the identification of crop lines to perform the guidance of the UAVs on the plantation. The performance of the proposed framework and proposed algorithms was evaluated and compared with the state of the art, obtaining satisfactory results in the implementation of embedded hardware.

Made available in DSpace on 2017-05-12T14:47:29Z (GMT). No. of bitstreams: 1 HUMBERTO MARTINS_BENEDUZZI .pdf: 2255923 bytes, checksum: d4b88d0d65161bde59b32f36180d59b6 (MD5) Previous issue date: 2015-07-27 / Currently, optimizing the management of nitrogen fertilizers has been one of the great challenges in grain production, since N has the potential to increase yield, but if it is applied in excess, it can cause environmental damage due to the leaching process. Precision agriculture aims at solving this problem by applying fertilizer at different rates, in order to apply the right amount of fertilizer at each point of a certain cropped area. The N estimate is essential at each point and can be carried out by reflectance sensors, which is an equipment with proven efficacy in this task. Passive sensors, however, are directly influenced by solar radiation since they do not have an emission source, thereafter they use solar radiation to perform measurements. On the other hand, the active sensors could, in theory, be used at any time of the day and in different weather conditions, since they have their own emission source. In practice, some researches have already shown that even these devices are influenced by the amount of solar radiation and weather changes. Thus, this paper studied the temporal variability of the NDVI vegetation index, registered by an active reflectance sensor on crops such as maize, soybeans and wheat. The NDVI and irradiation data were collected by a GreenSeeker sensor at every 15 minutes over 12, 14 or 26 hours straight. The NDVI index was negatively influenced by irradiation in all experiments with maize, soybean and wheat. Thus, it has shown higher values at the beginning and end of the day and there also were changes in cloud cover that affected the NDVI in most experiments. / A otimização do manejo de fertilizantes nitrogenados apresenta-se como um dos grandes desafios na produção de grãos, uma vez que o N tem o potencial de elevar a produtividade, mas se aplicado em excesso pode gerar danos ambientais devido ao processo de lixiviação. A agricultura de precisão visa resolver este problema com a aplicação de fertilizantes a taxas variadas, aplicando a quantidade de fertilizante adequada em cada ponto da área cultivada. A estimativa da necessidade de N em cada ponto pode ser feita por sensores de reflectância, equipamentos de eficácia comprovada na realização desta tarefa. Os sensores passivos, porém, sofrem influência direta da irradiação solar, uma vez que não possuem fonte emissora e usam a irradiação solar para realizar medições. Por outro lado, os sensores ativos poderiam, em teoria, ser utilizados em qualquer horário do dia e em diferentes condições atmosféricas, uma vez que possuem a própria fonte emissora. Na prática, pesquisas têm demonstrado que mesmo esses equipamentos sofrem influência da quantidade de irradiação solar e variações climáticas. Por esta razão, este trabalho estudou a variabilidade temporal do índice de vegetação NDVI, registrado por um sensor ativo de reflectância nas culturas de milho, soja e trigo. Os dados de NDVI e de irradiação foram coletados por um sensor GreenSeeker, a cada 15 minutos, ao longo de 12, 14 ou 26 horas consecutivas. O NDVI foi influenciado negativamente pela irradiação em todos os experimentos realizados nas culturas de milho, soja e trigo, e apresentou-se mais elevado no início e no fim do dia. As mudanças na cobertura de nuvens também afetaram o NDVI em grande parte dos experimentos

Made available in DSpace on 2017-05-12T14:47:39Z (GMT). No. of bitstreams: 1 Henrique_ Felipetto fevereiro 2016.pdf: 7587840 bytes, checksum: f69598c86208aad67f665e687c190146 (MD5) Previous issue date: 2016-01-22 / The use of orbital remote sensing (RS) techniques has come out as a tool for decision making in precision agriculture and has been intensified through time. However, sometimes the high cost of this technology, as well as low temporal and spatial resolution are unfeasible with such technique mainly in small areas. Thus, this study aimed at analyzing thoroughtly the use of an unmanned aerial vehicle UAV, at low cost of development and establishment to determine the green indices of crambe crop in the western region of Paraná. The applied methodology developed up from the purchase of equipment until the UAV setting to determine RNIR NDVI and SAVI green indices, based on the images produced by the equipment. It was carried out a comparative with terrestrial to validate data with an active GreenSeeker sensor and a passive Spectroradiometer. As a result, three indices of vegetation for the three sensors were created and statistically compared using Spearman's correlation coefficient at 5% significance level. The studied equipment showed some satisfactory performance and there was no anomaly, since it followed the National Civil Aviation Agency (ANAC) safety standards. According to the economic viability, it was also positive since the setting and development costs did not exceed 10% value of the most part of the equipment currently sold in Brazil. According to the index values generated by sensors entrained in the UAV, it was possible to determine each stage of cranberry plant development, totaling seven flights during it scropcycle. When the passive sensor coupled to the UAV was compared to active field sensors GreenSeeker and Spectroradiometer, the UAV showed a good performance to determine RNIR, NDVI and SAVI indices. Consequently, there was a significant correlation at 5%level only at haying period, which corresponded to blooming and graining start of crambe, for all indices / O uso de técnicas de sensoriamento remoto (SR) orbital como ferramenta de auxílio à tomada de decisão, na agricultura de precisão, vem se intensificando nos últimos tempos. Entretanto, os altos custos dessa tecnologia e a baixa resolução temporal e espacial acabam por vezes inviabilizando tal técnica, sobretudo em pequenas áreas. O objetivo do estudo foi fazer uma análise detalhada da utilização de um veículo aéreo não tripulado (VANT) de baixo custo de desenvolvimento e implantação, na determinação de índices de vegetação, da cultura de crambe, na região oeste do Paraná. Metodologicamente, o estudo se desenvolveu desde a compra dos equipamentos para a montagem do VANT até a determinação dos índices de vegetação RNIR, NDVI e SAVI, a partir das imagens geradas pelo equipamento. Para a validação dos dados, foi realizado um comparativo com sensores terrestres, sendo um sensor ativo Greenseeker e um sensor passivo Espectroradiômetro. Assim, os três índices de vegetação foram gerados para os três sensores e comparados estatisticamente pelo coeficiente de correlação de Spearman a nível de significância de 5%. O equipamento montado para este estudo apresentou um desempenho satisfatório sem apresentar nenhuma anomalia e atendendo às normas de segurança da ANAC. Do ponto de vista da viabilidade econômica, o resultado também foi positivo, uma vez que os custos de montagem e desenvolvimento não ultrapassaram 10% do valor de grande parte dos equipamentos comercializados atualmente no Brasil. A partir dos valores dos índices gerados pelos sensores embarcados no VANT, foi possível determinar cada etapa do desenvolvimento da planta do crambe, perfazendo sete voos durante o ciclo do cultivo. Quando comparados os sensores passivos acoplados ao VANT com os sensores de campo ativo Greenseeker e passivo Espectroradiômetro, o VANT apresentou um bom desempenho na determinação dos índices RNIR, NDVI e SAVI; entretanto, com correlação significativa ao nível de 5% somente na fase de fenologia correspondente ao florescimento e início da granação do crambe, para todos os índices.

Made available in DSpace on 2017-05-12T14:47:42Z (GMT). No. of bitstreams: 1 = KELYN .pdf: 4270156 bytes, checksum: b98965e59fc3d3b1268d9d7e57705ee8 (MD5) Previous issue date: 2017-02-16 / The process of generating management zones (MZs) comprises several steps, among them the choice of variables to be used in the grouping process, the choice of the best interpolator, the use of a data normalization method and the choice of an algorithm suitable for the grouping process, as well as adequate evaluation indices. In this work, it was attempted to improve techniques used in the MZs generation process. First, the influence of data normalization techniques in the clustering process was studied using the Fuzzy C-Means algorithm data proposed in the literature. It was also evaluated the use of the producer s experience as a new variable for the generation of the MZs and a piece of software was developed for the purpose of capturing this variable and managing agricultural data. The experiments were carried out with data obtained between the years of 2011 and 2016 from four commercial agricultural areas, located in the State of Paraná, where corn and soybean had been grown. With the experiments concluded, it was possible to assert that the technique of normalization of data influences the process of grouping when more than one variable is used with different scales of values and that the technique that presented better results was the normalization by amplitude. The proposed variable "farmer s experience" showed good results in the generation of the MZs and, with such, it was possible to generate management areas with different productive potential between the classes and thus, it can be used as a new variable to be used combined with the variables of stable soil conditions. Based on the positive results generated by the variable experience of the producer in three agricultural areas, a piece of software was developed that allows the insertion of this variable by the producer. The software called AgData-Mobile also allows the management of field data, allowing the producer to insert data of all the operations performed in each field and to keep a record of their areas. In addition this tool stands out for being free and for using clod storage / O processo de geração de zonas de manejo (ZMs) compreende várias etapas, entre elas a escolha das variáveis a serem utilizadas no processo de agrupamento, a escolha do melhor interpolador, o uso de um método de normalização de dados e a escolha de um algoritmo adequado para o processo de agrupamento, além de índices de avaliação adequados. Neste trabalho, buscou-se melhorar técnicas utilizadas no processo de geração de ZMs e, para isso, primeiro foi estudada a influência de técnicas de normalização de dados no processo de agrupamento utilizando o algoritmo Fuzzy C-Means, em que foram avaliadas as três principais técnicas de normalização de dados propostas na literatura. Avaliou-se também a utilização da experiência do produtor como uma nova variável para a geração das ZMs, e foi desenvolvido um software para fins de definição dessa variável e para gerenciamento de dados agrícolas. Os experimentos foram realizados com dados obtidos entre os anos de 2011 e 2016 de quatro áreas agrícolas comerciais, localizadas no estado do Paraná, nas quais se cultivaram milho e soja. Com os experimentos realizados foi possível concluir que a técnica de normalização de dados exerce influência no processo de agrupamento quando é utilizada mais de uma variável com diferentes escalas de valores e que a técnica que apresentou melhores resultados foi a de normalização pela amplitude dos dados. A variável proposta "experiência do produtor" apresentou bons resultados na geração das ZMs. Fazendo uso dessa variável foi possível gerar zonas de manejo com potencial produtivo distinto entre as classes e, sendo assim, pode ser utilizada como uma nova variável a ser utilizada juntamente com as variáveis estáveis do solo. Com base nos bons resultados obtidos pela variável experiência do produtor em três áreas agrícolas, foi desenvolvido um software que permite a inserção dessa variável pelo produtor. O software chamado AgData-Mobile permite, ainda, realizar o gerenciamento de dados de campo, possibilitando que o produtor insira dados de todas as operações realizadas em cada talhão e mantenha um registro de suas áreas. Além disso, tal ferramenta se destaca por ser de uso gratuito e pelo armazenamento de dados em nuvem

Made available in DSpace on 2017-05-12T14:48:27Z (GMT). No. of bitstreams: 1 Ricardo Michelan.pdf: 1556017 bytes, checksum: afb5e635f0be1f33237cf8c8081a3aa1 (MD5) Previous issue date: 2005-06-27 / The automation of the the monitorated harvest ends introducing systematic errors to the process, for this reason, a methodology of filtering of data became necessary for obtaining confident maps and it treats about the mean error factor, which is the delay time. The delay time is that spent between the cutting of the plant by the platform s bar and the passage of the grain by the sensor of productivity and humidity. For its determination, a data set will be analysed with 10 different delay time, from 0 to 27 seconds, in an interval of 3 seconds. The filtering begins by the determination of the time of stuffing and emptying that is the one which all the spaces and internal components of the combine are filled or deflated by the grains mass occurred in each input and output of the combine. In this process were eliminated 5,69% of the total points, being the process more efficient in the elimination of points, because it acts mainly in the plot s heads, where the most errors occurs. For the width error of platform were eliminated only 0,09% of the points of data. At the points having sign fails of GPS differential correction, in average 2,04% were eliminated. In the filtering of data, in average 2,27 % of the points were eliminated. In localization errors, all the points having until one meter of distance were removed, eliminating in average 0,14% of the data. At the end of the filtering process, the subsequent phase was the determination of the correct delay time for the variables humid productivity, humidity and elevation. As the delay time is directly linked with the combine speed inside the transport, areas with homogeneous speed were considerated. Each one of the 12 sub- areas from 10 data sets were submitted to the process of analysis of spatial dependence of the better semivariogram´s adjust. The trend more emphasized in the tabulation of the semivariogram parameters is the linearity of the nugget effect for the factor elevation, originating from own absence of the delay time of this data, since the elevation is passed joinly to the geodetic coordinates by DGPS, for the harvest monitor. The determination method of the delay time and the filtering process were satisfactory, meanly for humid productivity and humidity, despite of the high natural data variability. / A colheita monitorada é feita de vários processos, e nesses, podem ocorrer erros, por isso, uma metodologia de filtragem de dados torna-se necessária para obtenção de mapas confiáveis e ela gira em torno do principal fator de erro, que é o tempo de atraso. O tempo de atraso é aquele despendido entre o corte da planta na barra de corte da plataforma e a passagem do grão pelo sensor de produtividade e umidade. Para determinação destes erros, um conjunto de dados foi analisado com 10 tempos de atraso diferentes, sendo de zero a 27 segundos, com um intervalo de 3 segundos. A filtragem começa pela determinação do tempo de enchimento e esvaziamento, que é o tempo em que todos os espaços e componentes internos da colhedora são preenchidos, ou esvaziados, pela massa de grãos, ocorrida em cada entrada e saída da colhedora. Neste processo foram eliminados 5,69% dos pontos totais, sendo o processo que mais eliminou pontos, pois, atuou principalmente nas cabeceiras do talhão, onde ocorreu a maioria dos erros. Para o erro de largura de plataforma foram eliminados apenas 0,09% dos pontos de dados. Nos pontos com falha do sinal de correção diferencial do GPS, foram eliminados em média 2,04%. Na filtragem de dados de umidade, foram eliminados em média 2,27% dos pontos. Em erros de localização, foram removidos todos os pontos com até um metro de distância, eliminando em média 0,14% dos dados. Ao término do processo de filtragem, a etapa subseqüente foi à determinação do correto tempo de atraso para as variáveis produtividade úmida, umidade e altitude. Consideraram-se 12 zonas com velocidades de deslocamento homogêneas. Cada uma das 12 zonas dos 10 conjuntos de dados foram submetidas ao processo de análise de dependência espacial. O resultado mais marcante na analise espacial dos dados é a linearidade dos efeitos pepita para o fator elevação, proveniente da própria falta do tempo de atraso destes dados, já que a elevação é transmitida juntamente com as coordenadas geodésicas pelo DGPS, para o monitor de produtividade. O método de determinação dos tempos de atraso e o processo de filtragem foram satisfatórios, principalmente para produtividade úmida e umidade, apesar da alta variabilidade natural dos dados.

Made available in DSpace on 2017-05-12T14:48:35Z (GMT). No. of bitstreams: 1 Ricardo.pdf: 1705247 bytes, checksum: 435e22f6b6cf7bf51e60d35de482adba (MD5) Previous issue date: 2012-04-09 / The agricultural production area has important information to understand the response of a crop yield. Precision agriculture helps the farmers on acquiring and treating in correct way the variations found in the area. Management zones (MZ) provide the precision agriculture implementation in a viable and relatively economical way, since they represent homogeneous regions, which can be treated differently. Thus, this trial aimed at generating MZ with different numbers of variables using fuzzy C-means algorithm, based on attributes spatially correlated with crop yield. The objective was to evaluate the relative efficiency of each management zone and verify if the different ways of variable compositions differ in the generation of MZ. Fifteen designs of MZ were generated and divided from two to five classes, based on attributes as: copper, silt, clay and altitude, which were correlated with crop yield. The copper variable showed the highest spatial correlation with crop yield, which promoted the generation of MZ with good results of relative efficiency and good separation of data among the classes. The relative efficiency did not present in an orderly manner, increasing or decreasing according to the number of variables used in division of MZ. The delineated MZ was based on variables as copper and clay and divided into five classes, so, it showed the highest relative efficiency / A área de produção agrícola contém informações importantes para se entender a resposta quanto à produtividade de uma cultura. A agricultura de precisão proporciona aos agricultores adquirirem e tratarem as variações encontradas na área de forma adequada. Unidades de manejo (UM) proporcionam a implantação da agricultura de precisão de forma viável e relativamente mais econômica, representando regiões homogêneas, que podem ser tratadas de forma diferenciada. Este trabalho consistiu em gerar unidades de manejo com diferentes números de variáveis através do algoritmo fuzzy C-means, baseando-se em atributos correlacionados espacialmente com a produtividade. O objetivo é avaliar a eficiência relativa de cada unidade de manejo e verificar se os diferentes modos de composição de variáveis se diferenciam na geração de UM. Geraram-se 15 delineamentos de UM, divididos de 2 a 5 classes, baseando-se nos atributos cobre, silte, argila e altitude, que foram correlacionados com a produtividade. A variável cobre teve a maior correlação espacial com a produtividade, a qual proporcionou a geração de UM com bons resultados de eficiência relativa e boa separação dos dados entre as classes. A eficiência relativa não se apresentou de forma ordenada, crescente ou decrescente, quanto ao número de variáveis utilizadas no delineamento em UM. A UM delineada a partir das variáveis Cu e argila, dividida em cinco classes, foi a que apresentou maior eficiência relativa

Made available in DSpace on 2017-05-12T14:48:41Z (GMT). No. of bitstreams: 1 Denise.pdf: 4576988 bytes, checksum: e7402e2569d1f12da9ffb8dcadfd665c (MD5) Previous issue date: 2012-02-16 / Soy is one of the main crops in Brazil and in the region of Cascavel / PR, where agricultural production is large, although some factors that affect productivity, monitoring and process management have been diagnosed by geostatistical models for analysis of agricultural data. Studies on the spatial variability of soil attributes associated with soybean yield, provide recommendations for doses o with varied rates, according to the maps created by spatial models. The diagnostic study on influential points is a recommended procedure for studies on spatial variability. Detecting the influential points through local influence allows measuring the changes that these points have influence on and the construction of the thematic map. This paper aims to present studies on local influence in linear spatial models considering as dependent variable soybean yield and as covariates Carbon (C), Calcium (Ca), Potassium (K), Magnesium (Mg), Manganese (Mn) and Phosphorus (P). The study on local influence is held in the response variable and the covariates using additive disturbances. The techniques of local influence diagnostics, according to the final results, were efficient in identifying outliers considered influential variables for the individual linear spatial model / A soja é uma das principais culturas agrícolas do Brasil, em particular da região de Cascavel/PR, onde a produção agrícola é grande, mas com fatores que afetam a produtividade, o monitoramento e o gerenciamento do processo, diagnosticados por modelos geoestatísticos para análise de dados agrícolas. Os estudos de variabilidade espacial dos atributos do solo, associados à produtividade da soja, possibilitam a recomendação da dosagem de insumos com taxas variadas, de acordo com os mapas construídos pelos modelos espaciais. O estudo de diagnóstico de pontos influentes é um procedimento recomendado nos estudos da variabilidade espacial. Detectar os pontos influentes, por meio da influência local, possibilita medir as alterações que esses pontos influenciam nos resultados e na construção do mapa temático. Este trabalho tem como objetivo apresentar estudos de influência local em modelos espaciais lineares, considerando como variável resposta a produtividade da soja e como covariáveis o Carbono (C), o Cálcio (Ca), o Potássio (K), o Magnésio (Mg), o Manganês (Mn) e o Fósforo (P). O estudo da influência local é realizado na variável resposta e nas covariáveis por meio de perturbações aditivas. As técnicas de influência local, de acordo com os resultados obtidos, foram eficientes na identificação de valores atípicos para as variáveis analisadas individualmente e utilizando modelo espacial linear

Movido pelo crescimento populacional, a visão de sistemas sustentáveis tem despertado a atenção de diversos setores. Sendo um dos principais domínios economicamente ativo do país, a agropecuária vem buscando meios para se adequar a essa realidade. Nesse contexto, surgem as Boas Práticas Agropecuárias, das quais pode-se citar a Agricultura de Precisão, o pastejo rotacionado e o manejo ambiental, os quais se implementados em conjunto proporcionam um melhor gerenciamento da área de interesse. Assim, objetivou-se, aplicar conceitos de geoestatística e geoprocessamento para a obtenção de zonas de manejo de uma área de pastagem de capim Tanzânia, em São Carlos - SP, e delimitação de unidades de manejo para aplicação de calagem e adubação, com base no melhor método de interpolação. Com os resultados de análise de solo foram realizadas análises geoestatísticas para avaliação da dependência espacial dos atributos químicos, e a Validação Cruzada dos modelos adotados. Os mapas foram obtidos pelo método de interpolação por Krigagem Ordinária e a definição das zonas de manejo foi realizada por meio de lógica fuzzy. A partir dos mapas dos parâmetros químicos do solo gerou-se o mapa de zonas de manejo resultando em cinco zonas sendo: 0,02 ha (1,2% da área total) considerada como \"muito baixa\" fertilidade; 0,3 ha (18%) \"baixa\" fertilidade; 0,75 ha (44%) como \"média\" fertilidade; 0,55 ha (32%) como \"alta\" fertilidade e, 0,08 ha (4,8%) como \"muita alta\" fertilidade. A comparação dos métodos de interpolação demonstrou que a Krigagem Ordinária foi a melhor metodologia para o estudo. A geoestatística e o geoprocessamento demonstraram ser técnicas que auxiliam nas decisões estratégicas e complexas em relação ao gerenciamento do sistema de produção agrícola. / Movin by population growth, the vision of sustainable systems has attracted the attention of various sectors. Being one of the main areas economically active of the country, agriculture has been seeking ways to adapt to this reality. In this context, emerge the Good Farming Practices, which among them we can mention the Agriculture of Precision, the rotate pasture and environmental management, which if implemented together will provide a better management of the area of interest. The present study aimed to apply the concepts of geostatistics and gis to obtain areas of management of an area of pasture grass, Tanzania, São Carlos – SP, and delimitation of management units for the application of liming and fertilization, based on the best interpolation method. With the analysis results of the soil analyses were performed geo-statistical for evaluation of the dependence on the spatial attributes of chemicals. The maps were obtained by the method of interpolation by Kriging Ordinary and the definition of zones for the management was performed by fuzzy logic. From the maps of chemical parameters of the soil has resulted from the management zone map, resulting in five areas being: 0.02 ha (1.2% of total area) regarded as \"very low\" fertility; and 0.3 ha (18%) \"low\" fertility; 0.75 ha (44%) as \"average\" fertility; 0.55 ha (32%) as \"high\" fertility and, 0.08 ha (4.8%) as \"very high\" fertility. The comparison of the interpolation methods showed that Kriging Ordinary was the best methodology for the study. The geostatistics and gis have proved to be techniques that help with strategic and complex decisions in relation to the management of the agricultural production system.