Return to search

Modelagem de semivariograma considerando anisotropia e dados discrepantes no estabelecimento de zonas de manejo / Semivariogram modeling considering anisotropy and discrepant data in management zones establishment

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2018-04-06T17:34:46Z
No. of bitstreams: 1
texto completo.pdf: 1408279 bytes, checksum: 352e3e4af60736299206323ceaab03a3 (MD5) / Made available in DSpace on 2018-04-06T17:34:46Z (GMT). No. of bitstreams: 1
texto completo.pdf: 1408279 bytes, checksum: 352e3e4af60736299206323ceaab03a3 (MD5)
Previous issue date: 2018-03-07 / Com o estabelecimento da agriculta de precisão, a heterogeneidade do solo tornou-se um parâmetro expressivo quanto ao seu manuseio. Frente a este cenário, destaca-se a utilização massiva das zonas de manejo (ZM). As ZM são sub-regiões do campo com necessidades específicas quanto as variáveis analisadas, permitindo o controle da heterogeneidade do solo, maximização produtiva e sustentabilidade agrícola. Entretanto, sua aplicabilidade esta condicionada ao mapeamento do padrão de variabilidade espacial dos atributos físico-químicos presentes no solo. Este mapeamento tem sido resultante da utilização contínua de métodos geoestatísticos, dos quais apresentam pressuposições inexploradas em suas aplicações, conduzindo assim, o objetivo desta pesquisa. E consequentemente norteou os específicos objetivos: a) avaliar alterações em mapas de ZM devido à correção da anisotropia e b) avaliar variações em mapas de ZM quanto à utilização de metodologia robusta à outliers. Para tanto, 160 pontos amostrais regularmente espaçados, relativos à condutividade elétrica aparente do solo (CEa), e produtividade de soja foram utilizados. Quanto à verificação de alterações em mapas de ZM devido à correção da anisotropia, os mesmos foram interpolados sem e com correção da anisotropia geométrica para cada variável. Na sequencia foram então utilizados para o delineamento das ZM por meio do método fuzzy k-means. As ZM para cada variável, com e sem correção da anisotropia geométrica, foram avaliadas quanto as suas semelhanças pelo índice kappa. Para a avaliação de variações em mapas de ZM quanto à ocorrência de outliers utilizaram-se dois tipos de análises, robusta a presença de outliers (ARob) e não robusta à outliers (ANRob). Na ARob utilizaram-se estimadores robustos desemivariâncias e o plug-in de krigagem de deriva externa para a geração de mapas de variabilidade espacial da CEa. Para a ANRob utilizou-se o estimador de semivariâncias de Matheron e a krigagem ordinária. Posteriormente os mapas obtidos foram submetidos ao delineamento de zonas de manejo pelo classificador fuzzy k-means. E de maneira conclusiva, os mapas obtidos em ambas as análises (ARob e ANRob) foram confrontados quanto à significância do nível de concordância entre suas classes pelo índice Kappa. Os resultados obtidos na verificação de alterações em mapas de ZM devido à correção da anisotropia foram: a) utilizou-se o modelo gaussiano na constituição dos mapas de variabilidade espacial para a CEa e para a produtividade, tanto para os dados corrigidos à anisotropia quanto aos não corrigidos; b) conforme os índices FPI e MPE, definiram-se duas classes para o delineamento de ZM para os dados corrigidos à anisotropia, quanto aos não corrigidos; c) a comparação entre os mapas (corrigido e não corrigido à anisotropia) pelo índice Kappa apresentou concordância significativa entre classes de ZM a 5% de probabilidade. Concluindo assim que, no caso em estudo, a correção da anisotropia geométrica não apresentou alterações significativas nos mapas de ZM. Os resultados obtidos na avaliação de variações em mapas de ZM quanto à ocorrência de outliers foram: a) na ARob selecionou-se o estimador de semivariâncias de Cressie Hawkins dentre os demais estimadores robustos avaliados. Na predição do mapa de estrutura de variabilidade espacial da CEa utilizou-se o plug-in de krigagem de deriva externa. Os índices FPI, MPE, Fukuyama Sugento e Xie beni definiram duas classes de ZM. b) na ANRob utilizou-se o estimador de semivariâncias de Matheron e a krigagem ordinária na composição do mapa de variabilidade espacial da CEa. Os índices avaliados definiram duas classes de ZM. c) os mapas obtidos em ambas as análises (ARob e ANRob) apresentaram concordância significativa entre classes de ZM pelo índice Kappa a 1% de probabilidade. Com isso, de maneira conclusiva, para o caso em estudo, o uso da ARob não apresentou variações significativas no estabelecimento das ZM. / With the precision agriculture establishment, soil heterogeneity became an expressive parameter for its handling. In front this scenario, the massive use management zones is highlighted. The ZM are field sub-regions with specific needs as the variables analyzed. Therefore, ZM allows control of soil heterogeneity, productive maximization and agricultural sustainability. Therefore, ZM allows control of soil heterogeneity, productive maximization and agricultural sustainability. However, its applicability is conditioned to spatial variability pattern mapping of the physico-chemical attributes in soil present. This mapping, has been result of the continuous use of geostatistical methods of which present untapped assumptions of these methods have been unexplored in their applications, thus conducting the purpose of this research. And consequently guided the specific objectives: a) evaluate alterations in ZM maps due to anisotropy correction and b) evaluate variations in ZM maps regarding use of a outliers robust methodology. Therefore, 160 regularly spaced sampling points, relative to soil apparent electrical conductivity (CEa), and soybean productivity, in different periods, were used. As for the verification of alterations in ZM maps due to the anisotropy correction, they were interpolated without and with correction of the geometric anisotropy for each variable. In sequence was then used for ZM delineation by fuzzy K-means method. The ZM for each attribute, with and without geometric anisotropy correction, were evaluated as similarities by Kappa Index. For the evaluation of variations in ZM maps for the occurrence of outliers, two types of analysis were used, robust to outliers (ARob) and non-robust to outliers (ANRob). In ARob we used robust semivariance estimators and the external drift kriging plug-in to generate spatial variability maps of CEa. For the ANRob, the Matheron semivariance estimator and the ordinary kriging were used. Afterwards the maps obtained were submitted to the management zones delineation by the fuzzy k-means classifier. And conclusively, the maps obtained in both analyzes (ARob and ANRob) were statistically compared, using Kappa index, in relation their zones composition. The results obtained in the verification of alterations in ZM maps due to anisotropy correction were: a) the Gaussian model was used in the constitution of spatial variability maps for CEa and productivity, both for anisotropy-corrected and uncorrected data; b) the FPI and MPE indices defined two classes for ZM delineation for corrected data for the anisotropy and the uncorrected; c) the comparison between the maps (corrected and uncorrected to the anisotropy) by the Kappa index showed significant concurrence between ZM classes at 5% probability. In conclusion, in this case, the geometric anisotropy correction did not present significant concurrence in the ZM maps. The results obtained in the evaluation of variations in ZM maps regarding the occurrence of outliers were the following: a) in ARob was selected the semivariances estimator Cressie Hawkins among the other robust estimators evaluated. In the prediction of the spatial variability structure map of the CEa, the external drift kriging plug- in was used. The FPI, MPE, Fukuyama Sugento and Xie beni indices defined two classes of ZM. b) in the ANRob was used the Matheron's semivariance estimator and the ordinary kriging in the spatial variability map of the CEa. The evaluated indices defined two classes of ZM. c) the maps obtained in both analyzes (ARob and ANRob) showed significant agreement between ZM classes by Kappa index at 1% probability. Thus, for the case under study, the use of ARob did not show significant differences in the establishment of the ZM maps.

Identiferoai:union.ndltd.org:IBICT/oai:localhost:123456789/18684
Date07 March 2018
CreatorsBarbosa, Danilo Pereira
ContributorsBottega, Eduardo Leonel, Guimarães, Wellington Donizete, Santos, Gerson Rodrigues dos, Santos, Nerilson Terra
PublisherUniversidade Federal de Viçosa
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Sourcereponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0031 seconds