Export iten: EndNote BibTex

Please use this identifier to cite or link to this item: https://tede.unioeste.br/handle/tede/7462
Full metadata record
DC FieldValueLanguage
dc.creatorSilva, Amilton Luciano Garcia da-
dc.creator.Latteshttp://lattes.cnpq.br/3661267122875312por
dc.contributor.advisor1Opazo, Miguel Angel Uribe-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4179444121729414por
dc.contributor.advisor-co1Dalposso, Gustavo Henrique-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/8040071176709565por
dc.contributor.advisor-co2Guedes, Luciana Pagliosa Carvalho-
dc.contributor.advisor-co2Latteshttp://lattes.cnpq.br/3195220544719864por
dc.contributor.referee1Opazo, Miguel Angel Uribe-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4179444121729414por
dc.contributor.referee2Cima, Elizabeth Giron-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6425282643235095por
dc.contributor.referee3Maltauro, Tamara Cantú-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/1464108924371037por
dc.contributor.referee4Oliveira, Marcio Paulo de-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/3019781365469075por
dc.date.accessioned2025-01-06T16:51:43Z-
dc.date.issued2024-07-23-
dc.identifier.citationSILVA, Amilton Luciano Garcia da. VARIABILIDADE ESPACIAL DA PRODUTIVIDADE DA SOJA E DOS ATRIBUTOS DO SOLO: DIAGNÓSTICO DE INFLUÊNCIA LOCAL UTILIZANDO O MODELO GEOESTATÍSTICO WAVE. 2024. 118 f. Dissertação (Programa de Pós-Graduação em Engenharia Agrícola) - Universidade Estadual do Oeste do Paraná, Cascavel - Paraná.por
dc.identifier.urihttps://tede.unioeste.br/handle/tede/7462-
dc.description.resumoA soja é o principal produto de exportação do agronegócio brasileiro e uma das commodities de maior importância global. Este estudo aborda a importância da produtividade da soja e a necessidade de métodos avançados em Agricultura de Precisão (AP) para otimizar o retorno econômico e reduzir impactos ambientais. A geoestatística surge como um método estatístico essencial na AP, permitindo interpolações precisas para a construção de mapas de produtividade da soja e atributos químicos e físicos do solo, fundamentais para a tomada de decisões agrícolas. O Modelo Geoestatístico Wave destaca-se pela capacidade de caracterizar a dependência espacial nos dados, especialmente quando a semivariância indica o efeito hole effect. Neste trabalho, desenvolveu-se e aplicou-se novas técnicas de diagnóstico de influência local para dados espaciais, especificamente ao utilizar o Modelo Geoestatístico Wave. Essas técnicas permitiram a identificação de observações influentes, que podem distorcer a semivariância e comprometer a precisão da modelagem espacial. Por meio dessas técnicas, foi possível refinar as estimativas dos parâmetros espaciais e melhorar a qualidade dos mapas interpolados, fundamentais para a definição de zonas de manejo mais precisas, otimizando a aplicação de insumos agrícolas e maximizando ganhos econômicos (Artigo 1). Com base nos resultados, observou-se que o Modelo de Wave se destaca por sua capacidade de capturar padrões de dependência espacial mais complexos, como os relacionados a solos heterogêneos, que são frequentemente observados em áreas agrícolas. Além disso, a combinação entre o Método de Interpolação Thin Plate Spline (TPS) e a krigagem com drift externo mostraram-se como estratégias eficazes para melhorar as estimativas em locais não amostrados, aproveitando a informação de covariáveis consideradas fixas (Artigo 2). Ao utilizar essas técnicas, os produtores podem identificar áreas com maior potencial produtivo e aquelas que necessitam de intervenções específicas. Esse tipo de abordagem é fundamental para a otimização do uso de insumos, reduzindo desperdícios, minimizando impactos ambientais e maximizando o retorno econômico.por
dc.description.abstractSoybeans constitute Brazil's primary agribusiness export and rank among the world’s most significant commodities. This study highlights soybean productivity and the growing need for advanced precision agriculture (PA) techniques to maximize economic returns while minimizing environmental impact. Geostatistics, as a core statistical approach in PA, enables accurate interpolations for mapping soybean productivity and soil chemical and physical attributes, which are critical for informed agricultural decision-making. The Wave geostatistical model is emphasized for its unique capacity to depict spatial dependence, particularly when semivariance suggests the presence of a hole effect. In this research, novel diagnostic techniques for local influence on spatial data were developed and tested specifically with the Wave model, allowing the identification of influential observations that may distort semivariance and compromise spatial model accuracy. These techniques refined spatial parameter estimates and enhanced the quality of interpolated maps, which are essential for delineating more precise management zones, optimizing input applications, and boosting economic returns (Article 1). Results demonstrated that the Wave model effectively captures complex spatial dependence patterns, notably those arising from heterogeneous soils commonly found in agricultural settings. Additionally, combining Thin Plate Spline (TPS) interpolation with kriging with external drift proved to be a robust approach to improving estimates in unsampled areas by leveraging data from fixed covariates (Article 2). Through these techniques, producers can identify zones with high productive potential and others needing targeted intervention. This approach is vital for optimizing input usage, reducing waste, lessening environmental impact, and enhancing economic profitability.eng
dc.description.provenanceSubmitted by Neusa Fagundes (neusa.fagundes@unioeste.br) on 2025-01-06T16:51:43Z No. of bitstreams: 1 Amilton Luciano Garcia.pdf: 2220518 bytes, checksum: 3ae0d3cc0c96ef1d73b5da79cfc51fb5 (MD5)eng
dc.description.provenanceMade available in DSpace on 2025-01-06T16:51:43Z (GMT). No. of bitstreams: 1 Amilton Luciano Garcia.pdf: 2220518 bytes, checksum: 3ae0d3cc0c96ef1d73b5da79cfc51fb5 (MD5) Previous issue date: 2024-07-23eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Estadual do Oeste do Paranápor
dc.publisher.departmentCentro de Ciências Exatas e Tecnológicaspor
dc.publisher.countryBrasilpor
dc.publisher.initialsUNIOESTEpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Agrícolapor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectAgricultura de Precisãopor
dc.subjectGeoestatísticapor
dc.subjectKrigagem com drift Externopor
dc.subjectMáxima Verossimilhançapor
dc.subjectThin Plate Splinepor
dc.subjectExternal Drift Krigingeng
dc.subjectGeostatisticseng
dc.subjectMaximum Likelihoodeng
dc.subjectPrecision Agriculturepor
dc.subject.cnpqCIENCIAS AGRARIAS::ENGENHARIA AGRICOLApor
dc.titleVARIABILIDADE ESPACIAL DA PRODUTIVIDADE DA SOJA E DOS ATRIBUTOS DO SOLO: DIAGNÓSTICO DE INFLUÊNCIA LOCAL UTILIZANDO O MODELO GEOESTATÍSTICO WAVEpor
dc.title.alternativeSpatial variability of soybean productivity and soil attributes: local influence diagnosis using the wave geostatical modeleng
dc.typeDissertaçãopor
dc.publisher.campusCascavelpor
Appears in Collections:Mestrado em Engenharia Agrícola (CVL)

Files in This Item:
File Description SizeFormat 
Amilton Luciano Garcia.pdf2.17 MBAdobe PDFView/Open Preview


Items in TEDE are protected by copyright, with all rights reserved, unless otherwise indicated.