Precision farming (AP) is a technological tool that assesses the attributes of productivity constraints, it aims to reduce the spatial variability of the area, with the increase of productivity, and offering other benefits such as reduced use of fertilizers and liming, with obvious positive actions to the environment. Besides, knowledge of the properties and characteristics of soil are very important to obtain high productivity, a system where the soil is anisotropic, evidenced in the vertical direction, characterized by differentiation of layers, called horizons. The determination of management zones from physical attributes and data productivity enables the farmer to combine informations and consequently handle the area according to its soil conditions. Thereby, this technology intends to homogenize the spatial variability being in the area aiming of increased production, with efficient use of fertilizers, liming, seed and agrochemicals. The objective of this research was to determine, through maps and compression yield maps, different areas of management in clay soils in the region of Coopatrigo´s scope in the city of São Luiz Gonzaga. The research was conducted at many stages, such as georeferenced soil sampling to obtain data for penetration resistance, using equipment of Penetrolog Falker Company. Productivity data were obtained with a harvester equipped with DGPS guidance system and monitor harvest. An analysis of data and interpretation with creating maps of compaction and productivity, with the use of the CR Campeiro. The determination of the management zones was obtained by interpolation of data from the data penetration resistance of productivity, thus defining homogeneous zones with physical characteristics and productivity coincide. According to the results obtained, the correction of the chemical attributes, both pH, phosphorus, potassium, base saturation, through the process of AP provide positive results, making the homogenization of attributes. It was possible to find that the variability increases with depth, apart of the measured variable. The results of the penetration resistance betoken the existence of a compacted layer formed from seven inches depht. Furthermore, prevailing variability in the area indicates areas of superior compression, accurately in the zones where productivity is inferior. With the overlapping of maps of penetration resistance and yield maps was possible to create high, medium and low management zones, considering the interaction of these factors.Thus,the area management could be performed in a localized manner allowing the farmer to intervene improving the physical characteristics of the soil, orby the use of scarification, orby use of cover crop such as fodderturnip. / A agricultura de precisão (AP) é uma ferramenta tecnológica que avalia os atributos condicionantes da produtividade, com o objetivo de diminuir a variabilidade espacial da área, com conseqüente aumento da produtividade, trazendo também outros benefícios, como diminuição da aplicação de fertilizantes e corretivos, com ganhos evidentes ao meio ambiente. Além disso, o conhecimento das propriedades e características de solo é de extrema importância para o almejo de altas produtividades, sendo o solo um sistema anisotrópico, evidenciado na direção vertical, caracterizado pela diferenciação de camadas, denominadas horizontes. A determinação de zonas de manejo a partir de atributos físicos e dados de produtividade permite ao produtor aliar informações e conseqüentemente manejar a área de acordo com suas condições edáficas. Desta forma, esta tecnologia busca homogeneizar a variabilidade espacial existente na área, na busca do aumento da eficiência da produção, com uso eficiente de fertilizantes, corretivos, sementes e agroquímicos. O objetivo do trabalho foi determinar, através de mapas de compactação e mapas de produtividade, zonas diferenciadas de manejo em solos argilosos na região de abrangência da Coopatrigo, no município de São Luiz Gonzaga. O trabalho foi conduzido em várias etapas, sendo: Amostragem de solo georreferenciada, para a obtenção de dados de resistência a penetração, com o auxílio de um equipamento marca Penetrolog da Empresa Falker. Os dados de produtividade foram obtidos com colhedora equipada com sistema de orientação DGPS e monitor de colheita. Análise dos dados e interpretação, com a criação de mapas de compactação e produtividade, com o auxílio do sistema CR Campeiro. A determinação das zonas de manejo foi obtida através da interpolação dos dados de resistência a penetração aos dados de produtividade, definindo assim zonas homogêneas, com características físicas e de produtividade coincidentes. Com base nos resultados obtidos, a correção dos atributos químicos, tanto pH, fósforo, potássio, saturação por bases, através do processo de AP proporcionam resultados positivos, promovendo a homogeinização dos atributos. Foi possível verificar que a variabilidade aumenta com a profundidade, independentemente da variável avaliada. Os resultados de resistência a penetração indicam a existência de uma camada compactada formada a partir de 7 cm de profundidade. Além disso, a variabilidade existente na área indica zonas de maior compactação, justamente nas áreas onde a produtividade é menor. Com a sobreposição dos mapas de resistência a penetração e os mapas de produtividade foi possível criar zonas de manejo, de alta, média e baixa, levando em consideração a interação desses fatores. Assim, o manejo da área pode ser feito de forma localizada, podendo assim, o agricultor interferir para a melhoria das características físicas do solo, seja pela utilização da escarificação, ou pelo uso de plantas de cobertura, como o nabo forrageiro.

This work consists in presenting and discussing a methodology of interpretation of the temporal evolution of the productivity of agricultural cultures, whose harvests were realized by machines equipped with income and geopositioning sensors. From three distinct scenes, the evolution of the productivity of a soy farming was studied, considering three agricultural harvests, 2000/2001, 2002/2003 and 2003/2004 This study made possible to calculate the dimensions and to define the possibilities and limitations that are find in each scene, as well as concluding that the methodology presented for study of temporal dynamics, makes possible the georreferenced spacialization of the variability of the productivity difference between two successive harvests / Este trabalho consiste, em apresentar e discutir uma metodologia de interpretação da evolução temporal da produtividade de culturas agrícolas, cujas colheitas foram realizadas por máquinas equipadas com sensores de rendimento e de geoposicionamento. A partir de três cenários distintos, foi estudada a evolução da produtividade de uma lavoura de soja, considerando-se três safras agrícolas, a safra 2000/2001, a safra 2002/2003 e a safra de 2004/2005. Este estudo possibilitou dimensionar e definir as possibilidades e limitações que se encontram em cada cenário, bem como concluir que a metodologia apresentada para estudo de dinâmica temporal, possibilita a espacialização georreferenciada da variabilidade da diferença de produtividade entre duas safras sucessivas

Agribusiness as a whole has evolved along with the global modernization. Precision Agriculture (PA) is a technology that has been adding in yield of major crops such as soybeans, corn, wheat and coffee. The generation of yield maps and maps of fertility are likely to generate information to make further interventions or remedial applications in crops. Aiming to investigate the relationship between yield maps of soybean with chemical indicators of soil fertility work was undertaken on the property of Seeds Bee the municipality of Coxilha - RS. The study began in 2005 until 2013 in the collection of data on productivity done through maps worked with the aid of Ag Leader SMS software, totaling 5 maps of soybean. The yield maps are generated from information collected in the harvest product. These figures are achieved with devices equipped with GPS, humidity sensor and productivity throughout the harvest generate localized information. From this, the maps was unified into one with three classifications of production zones: high, medium and low. With information from areas of high and low production soil samples were collected up to 1 m deep by 5 points geo-referenced each distinct zone (high and low). In the evaluations of the analysis it was realized that the pH and base saturation and sulfur were the attributes that have higher productivity in relation to depth. The match had a positive influence on productivity up to 0.20 m depth. Organic matter showed no similarities with productivity. In view of this correlation with the factors that influence the production allow the producer a decision which product to apply and how much more needs to be based on georeferenced data from your area. This achieves - rational use of natural resources and therefore the environment can still raise productive crops ceilings. / O Agronegócio como um todo vem evoluindo junto com a modernização global. A agricultura de Precisão (AP) é uma tecnologia que vem agregando na produção de grãos das grandes culturas como soja, milho, trigo e café. A geração de mapas de produtividade e de mapas de fertilidade são possibilidades de gerar informações para posteriormente fazer as intervenções ou aplicações de corretivos nas lavouras. Com o objetivo de Investigar a relação entre mapas de produtividade das culturas de soja com indicadores químicos da fertilidade do solo foi realizado um trabalho na propriedade da Sementes Bee no município de Coxilha RS. O estudo iniciou-se em 2005 até 2013 na coleta de informações de produtividade feito através de mapas trabalhados com auxílio do software SMS Ag Leader, totalizando 5 mapas da cultura da soja. Os mapas de produtividade são gerados a partir de informações coletadas na colheita do produto. Esses dados são conseguidos com equipamentos equipados com GPS, sensor de umidade e de produtividade que no decorrer da colheita geram informações localizadas. A partir disso, unificou-se os mapas em um só com 3 classificações de zonas de produção: alta, média e baixa. Com a informação das zonas de alta e baixa produção foram coletadas amostras de solo até 1 m de profundidade em 5 pontos georrefenciados de cada zona distinta (alta e baixa). Nas avaliações das análises percebeu-se que O pH e saturação de bases e enxofre foram os atributos que deram maior relação com a produtividade em profundidade. O fósforo teve influência positiva com a produtividade até os 0,20 m de profundidade. A matéria orgânica não apresentou semelhanças com a produtividade. Em vista disso a correlação com fatores que influenciam na produção possibilitam ao produtor uma decisão de qual produto aplicar e em que quantidade, mais precisa por estar baseada em dados georreferenciados de sua área. Com isso consegue-se racionalizar o uso de recursos naturais e conseqüentemente do meio ambiente podendo ainda elevar os tetos produtivos das lavouras.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This research aim to evaluate the efficiency of variable fertilizer rate in croplands under precision agriculture (PA) in Rio Grande do Sul State with different level of technologies adoption. In the first chapter was evaluated the PF performance in a small farm with 19 ha in which was cropped soybean in 2005/06 and 2006/07 located in central of Rio Grande do Sul State. In this cropland were used the equipments and technology available in this farm. It was determined the spatial variability of soil attributes by grid sampling with 100 x 100 m also the yield map was done by manual sampling of crop and variable fertilizer rates by soil management zones. The PA increased in average 8% the soybean yield.The soil attribute that had better correlation with yield was soil organic matter. The economic analysis show a return of R$ 72,05 ha-1 due inputs save and increase yields. Also, the PA had a 29% increase of fertilizer use efficiency. In the second chapter were evaluated 6 farms totalizing 138 ha of soybean and 96 ha of maize linked to Aquarius Project of PA located in different counties of Alto Jacui, RS. The main activities evaluated were yield map with a Massey Ferguson combine, model MF 34, fertilizer variable rate with centrifuge force distribution Hercules 10.000 from STARA. The average of result shows decrease of 33.1 and 36.8% in fertilizer inputs and increase of 10 and 14% in soybean and maize yields, respectively. The efficiency use of fertilizer was increased in 47.2 and 62.8% allowing a return of R$ 143.34 ha-1 to soybean and R$ 312.44 ha-1 to maize. / Este trabalho teve por objetivo avaliar a eficiência da adubação a taxa variável em áreas manejadas com agricultura de precisão (AP) no Rio Grande do Sul, com diferentes níveis tecnológicos. No capítulo 1 foram analisados 19 ha cultivados com soja nas safras 2005/06 e 2006/07, localizados em uma pequena propriedade no município de Silveira Martins, região central do estado do Rio Grande do Sul. Nessa área foram utilizados os recursos tecnológicos disponíveis na propriedade. Com isso, foram determinadas as variabilidades espaciais dos atributos do solo através de um grid com 100 x 100 m, confeccionados mapas de produtividade de forma manual, aplicados os insumos em diferentes doses por zonas de manejo. O manejo localizado proporcionou uma economia de 17% na quantidade total dos insumos e um aumento de 8% na produtividade da soja, o que representou um retorno financeiro bruto de R$ 72,05 ha-1 e um aumento na eficiência de 29% em relação ao manejo tradicional. No capítulo 2 foram analisados 138 ha com a cultura da soja e 96 ha com a cultura do milho na safra 2006/07, distribuídos em 6 áreas pertencentes a produtores ligados ao Projeto Aquarius de AP e localizadas em diferentes municípios na região do Alto Jacuí RS. A colheita georreferenciada foi realizada com o auxílio de uma colhedora marca Massey Ferguson modelo MF34 e as aplicações, a taxas variáveis de insumos, foram realizadas através do distribuidor centrífugo Hércules 10000, marca Stara. Para realizar a análise da eficiência do uso de fertilizantes foram comparadas as entradas e saídas de fertilizantes e grãos nos talhões com AP, com a estimativa média de entradas e saídas dos talhões com AC que serviram de testemunhas dentro das propriedades correspondentes. Os resultados evidenciam uma redução média de 33,1 e 36,8% no uso dos insumos e um aumento de 10 e 14% no rendimento das culturas da soja e milho, respectivamente. A eficiência do uso de fertilizantes foi incrementada em 47,2 e 55,1% com o uso da AP, quando consideradas as quantidades totais de fertilizantes, passando para 31,3 e 62,8%, quando considerados os recursos financeiros, proporcionando um retorno de R$ 143,34 ha-1 para a cultura da soja e R$ 312,44 ha-1para a cultura do milho.

No description available.

This thesis concerns Precision Agriculture (PA) technology which involves methods developed to optimise grain yield by examining data quality and modelling protein/yield relationship of wheat and sorghum fields in central and southern Queensland. An important part of developing strategies to optimisise grain yield is the understanding of PA technology. This covers major aspects of PA which includes all the components of Site- Specific Crop Management System (SSCM). These components are 1. Spatial referencing, 2. Crop, soil and climate monitoring, 3. Attribute mapping, 4. Decision suppport systems and 5. Differential action. Understanding how all five components fit into PA significantly aids the development of data analysis methods. The development of PA is dependent on the collection, analysis and interpretation of information. A preliminary data analysis step is described which covers both non-spatial and spatial data analysis methods. The non-spatial analysis involves plotting methods (maps, histograms), standard distribution and statistical summary (mean, standard deviation). The spatial analysis covers both undirected and directional variogram analyses. In addition to the data analysis, a theoretical investigation into GPS error is given. GPS plays a major role in the development of PA. A number of sources of errors affect the GPS and therefore effect the positioning measurements. Therefore, an understanding of the distribution of the errors and how they are related to each other over time is needed to complement the understanding of the nature of the data. Understanding the error distribution and the data give useful insights for model assumptions in regard to position measurement errors. A review of filtering methods is given and new methods are developed, namely, strip analysis and a double harvesting algoritm. These methods are designed specifically for controlled traffic and normal traffic respectively but can be applied to all kinds of yield monitoring data. The data resulting from the strip analysis and double harvesting algorithm are used in investigating the relationship between on-the-go yield and protein. The strategy is to use protein and yield in determining decisions with respect to nitrogen managements. The agronomic assumption is that protein and yield have a significant relationship based on plot trials. We investigate whether there is any significant relationship between protein and yield at the local level to warrent this kind of assumption. Understanding PA technology and being aware of the sources of errors that exist in data collection and data analysis are all very important in the steps of developing management decision strategies.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The crop productivity mapping is an important precision farming tool enabling more efficient spatial management of agricultural areas. In this sense, the objective of this work was to identify and analyze zones with different grain yield potential (Article I), check the association of chemical and physical properties of the soil with the yield zones (Article II), and evaluate the agronomic performance of six soybean cultivars in zones with different grain yield potential. For the definition of the yield zones were used three harvest maps of different cultures in two experimental areas. The maps were filtered and the defined zones and grouped from the overlap of crops (Article I). The search for chemical and physical atributes of the soil associated with grain yield was performed by systematic soil collection, according to grain yield zones (high, medium and low) (Article II), and analyzed 80 chemical variables and 33 physical variables by using descriptive statistics and ranked by principal component analysis (PCA). The agronomic performance of soybean cultivars in different grain yield zones (Article III) was evaluate in two agricultural areas, being allocated experiments in the random block design in factorial 3x6, with three grain yield zones (high, medium and low) and six soybean cultivars (BMX Ativa RR, Fundacep 65 RR, FPS Urano RR, FPS Júpiter RR, Nidera 5909 RG and BMX Força RR), with three replications. The results showed that the use of a historical series of harvest maps is an efficient tool to characterize sites with different grain yield potential, in addition to serving as a base for improving the spatial management of agricultural areas. The systematic soil sampling was able to reveal explanatory variables for grain yield, and the order for intervention in chemical attributes in the área is: Liming, phosphate fertilization and potassium fertilization. The presence of attributes of difficult management in the short time (organic matter and clay) associated with grain yield potential suggests the crop management in the management zones. The yield zones influenced the grain yield of soybean cultivars, and the cultivar BMX Força RR presented its highest grain yield in the ZB, whereas NA 5909 RG was more productive in the ZA and ZM. The cultivar BMX Ativa RR was on average more productive and more stable. The results indicate that the positioning of soybean cultivars in accordance with management zones is a important strategy for the precision agriculture and characterized as a new concept of the ―multi-cultivars‖ sowing. / O mapeamento da produtividade das culturas é uma importante ferramenta da agricultura de precisão permitindo o manejo espacial e temporal mais eficiente das áreas agrícolas. Neste sentido, o trabalho teve por objetivo identificar e analisar zonas com diferentes potenciais de rendimento de grãos (Artigo I), verificar a associação de atributos químicos e físicos do solo com as zonas de rendimento (Artigo II) e, avaliar o desempenho agronômico de seis cultivares de soja em zonas de alto (ZA), médio (ZM) e baixo (ZB) potencial de rendimento de grãos. Para a definição das zonas de rendimento foram utilizados três mapas de colheita de diferentes culturas em duas áreas experimentais. Os mapas foram filtrados e as zonas definidas e agrupadas a partir da sobreposição das safras (Artigo I). A busca por atributos químicos e físicos do solo associados ao rendimento de grãos foi procedida por meio da coleta sistemática do solo, de acordo com as zonas de rendimento (alto, médio e baixo) (Artigo II), sendo analisadas 80 variáveis químicas e 33 variáveis físicas por meio da estatística descritiva e ranqueadas por meio da análise de componentes principais (ACP). O desempenho agronômico de cultivares de soja nas diferentes zonas de rendimento (Artigo III) foi avaliado em duas áreas agrícolas, sendo os experimentos alocados em delineamento de bloco aos acaso em esquema fatorial 3x6, com três zonas de rendimento (alto, médio e baixo) e seis cultivares de soja (BMX Ativa RR, Fundacep 65 RR, FPS Urano RR, FPS Júpiter RR, NA 5909 RG e BMX Força RR), com três repetições. Os resultados comprovaram que o uso de uma série histórica de mapas de colheita é uma ferramenta eficiente para caracterizar locais com diferentes potenciais de rendimento, além de servir como base para a melhoria da gestão espacial das áreas agrícolas. A amostragem sistemática do solo foi capaz de revelar variáveis explicativas para o rendimento de grãos, sendo a ordem para intervenção em atributos químicos na área: calagem, fertilização fosfatada e fertilização potássica. A presença de atributos de difícil manejo em curto prazo (matéria orgânica e argila) associados ao rendimento de grãos sugere o manejo das culturas por zona de manejo. As zonas influenciaram o rendimento de grãos das cultivares de soja, sendo que a cultivar BMX Força RR apresentou seu maior rendimento na ZB, enquanto que NA 5909 RG, foi mais produtiva em ZA e ZM. A cultivar BMX Ativa RR foi em média a mais produtiva e mais estável. Os resultados indicam que o posicionamento de cultivares de soja de acordo com zonas de manejo é uma importante estratégia para a agricultura de precisão e se caracteriza como um novo conceito de semeadura ―multi-cultivares‖

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 .

In this work were investigated the spatial variability existent on the soil attributes utilized for soil fertility evaluation and its grade of participation on the yield crop variability. An experiment was conducted over five years (2000 to 2005) in an area of 57 ha in the municipality of Palmeira das Missões in a Latossolo Vermelho distrófico típico (EMBRAPA, 1999). Geopositioned soil samples were collected in May 2002, with a regular grid of 100x100 meters and at a depth of 0 to 10 cm. Yield data of soybean 2000/01, corn 2001/02, wheat 2002, soybean 2002/03, wheat 2003, soybean 2003/04 and corn 2004/05 were analyzed. The yield data was collected with a machine equipped with a system that take and register georeferenced data. Yield averages for each soil sample point were calculated, using yield data collected at a radius of 30 meters around the point. The yield and soil data were analyzed using the Pearson correlation Matrix. Average quadratic polynomial equations were calculated for the yields of soybean 2001/02 and 2003/03, where the nutrient pH, Organic Mater (OM), Phosphorus (P) and yield average were divided into five categories: very low (VL), low (L), mean (M), high (H) and very high (VH). For P was used categories proposed by Schlindwein (2003), for pH and OM are used categories adapted from Comissão (2004). Maximum efficiency technical (MET) and maximum economical efficiency (MEE)considering 90% of relative yield are calculated using the adjusted equations. A small correlation was found between the soil chemical attributes and the yield productivity. A negative correlation from 0,25 to 0,46 was found between the clay texture and corn yield 2005 and soybean yield 2004 respectively. The average soybean yield response to soil attributes curves shows the values of maximum technical efficiency (MTE) of the attributes in the soil. The MTE for P, pH and OM are 14,4 mg dm-3; 5.9 and 4.1%, respectively. Higher values of MTE can reduce the crop yield. The MEE for P, pH and OM are 4,4 mg dm -3; 5.5 e 3.2%, respectively. / Neste trabalho foi investigada a variabilidade espacial existente nos atributos do solo utilizados na avaliação da fertilidade dos solos, bem como seu grau de participação na variabilidade da produtividade das culturas. Foi conduzido um experimento por 5 anos (2000 a 2005) em uma área comercial de 57 ha no município de Palmeira das Missões em um Latossolo Vermelho distrófico típico (EMBRAPA, 1999). Em maio de 2002 foram coletadas amostras de solo georeferenciadas em malha regular de 100 x 100 metros a uma profundidade de 0 a 10 cm. As safras de soja 2000/01, milho 2001/02, soja 2002/03, trigo 2003, soja 2003/04 e milho 2004/05 foram analisadas. Os dados de produtividade foram coletados com uma colhedoura com sistema de tomada e registro de informações georeferenciadas. Para cada ponto de coleta de solo foi calculada uma produtividade média utilizando-se os dados num raio de 30 m ao redor do ponto. Os dados de produtividade e solo foram analisadas pela matriz de correlação de Pearson. Para a cultura da soja nas safras de 2000/01 e 2002/03 foram determinadas equações polinomiais quadráticas médias, onde se determinou os valores médios do pH, matéria orgânica (MO), fósforo (P) e da produtividade para cinco classes: muito baixa (MB), baixa (B), média (M), alta (A) e muito alta (MA). Para o fósforo foram adotadas as classes propostas por Schlindwein, (2003) e para pH e MO usou-se classes adaptadas da Comissão (2004). Através das equações ajustadas foi calculado a máxima eficiêcia técnica (MET) e a máxima eficiencia economica MEE) que foi obtida considerando 90 % do rendimento relativo. Os atributos químicos do solo e a produtividade apresentaram baixas correlações. A argila apresentou correlação negativa de 0.25 a 0.46 com as produtividades de milho 2005 e soja 2004 respectivamente. Os valores de MET para P, pH e MO foram de 14,4 mg dm-3; 5,9 e 4,1%, respectivamente. Valores acima destes, podem incorrer em decréscimo de produtividade. A MEE para P, pH e MO foram de 4,4 mg dm-3; 5,5 e 3,2%, respectivamente.