Defining Management Zones Based on Soil Attributes and Soybean Productivity

Abstract

-Demarcating soil management zones can be useful, for instance, delimiting homogeneous areas and selecting attributes that are generally correlated with plant productivity, but doing so involves several different steps. The objective of this study was to identify the chemical and physical attributes of soil and soybean plants that explain crop productivity, in addition to suggesting and testing a methodological procedure for defining soil management zones. The procedure consisted of six steps: sample collection, data filtering, variable selection, interpolation, grouping, and evaluation of management zones. The samples were collected in an experimental area of 12.5 ha cultivated with soybean during the 2013/14 crop in Dystrophic Red Latosol, in Mato Grosso, Brazil. A total of 117 pairs of plant and soil samples were collected. Student's t-test was used (α = 0.02) to verify that the number of samples was adequate for correlation analysis. Results showed that only the P and Mn content in the grains explained (based on R 2 values) the variation in soybean grain productivity the area. Based on the interpolation of these contents by ordinary kriging, the fuzzy C-means algorithm was used to separate them into groups by similarity. Division into two groups was the best option, which could be differentiated by Mann-Whitney test (P < 0.05), resulting in a map with 10 management zones.Keywords: Glycine max L.. Direct seeding. Precision agriculture. DEFINIÇÃO DE ZONAS DE MANEJOS A PARTIR DE ATRIBUTOS DO SOLO E PRODUTIVIDADE DE SOJARESUMO -Zonas de manejo do solo são usadas, por exemplo, para delimitar áreas homogêneas, selecionando atributos que no geral correlacionam com a produtividade das plantas, mas, defini-las requer diferentes etapas. Objetivou-se neste trabalho identificar atributos químicos e físicos do solo e de plantas de soja que explicaram a produtividade de grãos da cultura e, também, sugerir e testar um procedimento metodológico para definir zonas de manejo do solo. O procedimento consistiu de seis etapas: coleta de amostras, filtragem dos dados, seleção das variáveis, interpolação, agrupamento e avaliação das zonas de manejo. As amostras foram coletadas em uma área experimental de 12,5 ha, cultivada com soja na safra 2013/14, em um Latossolo Vermelho Distrófico, em Mato Grosso, onde foram coletados 117 pares de amostras de plantas e de solo. Utilizando-se o teste de Student (α = 0,02), verificou-se que o número de amostras foi adequado para a análise de correlação. Entretanto, apenas os teores de P e Mn dos grãos explicaram (R 2 ) a variação da produtividade de grãos de soja na área. Com base na interpolação destes teores por krigagem ordinária utilizou-se o algoritmo fuzzy C-means para separá-los em grupos por similaridade, em que a divisão em 2 grupos foi a melhor opção, que diferiram pelo teste de Mann-Whitney (P < 0,05), resultando em um mapa com 10 zonas de manejo. Palavras-chave:Glycine max L.. Plantio direto. Agricultura de precisão.

Geoestatística E Geoprocessamento Na Tomada De Decisão Do Uso De Insumos Em Uma Pastagem

“…Entre essas aplicações pode-se citar: Rodrigues Junior et al (2011), que geraram zonas de manejo para a agricultura com base em determinações realizadas com sensor de clorofila e por análise foliar, e avaliaram as zonas de manejo obtidas usando-se dois métodos de agrupamento; Bazzi et al (2013) que indicaram a lógica fuzzy como uma boa metodologia para definição de unidades de manejo utilizando as propriedades físicas e químicas do solo e de produtividade; Ramos et al (2017), que com base na interpolação de atributos químicos e físicos do solo e de plantas de soja produziram um mapa com dez zonas de manejo para a cultura; e, Santos et al (2017), que utilizando a geoestatística classificaram os atributos químicos de uma área de produção da cacaueiros para a concepção de um mapa de fertilidade do solo, possibilitando a avaliação da sua variabilidade espacial, a qual foi correlacionado com os mapas das estratificações da produtividade.…”

Delineation of Homogeneous Zones Based on Geostatistical Models Robust to Outliers

“…1 the cluster definition, with the resulting maps featuring 2 to 5 clusters. The following indices were used to define the optimal number of clusters: fuzziness performance index (FPI), modified partition entropy (MPE), Fukuyama-Sugeno (FS) and Xie-Beni (Xb) (RAMOS et al, 2017;CÓRDOBA et al, 2016;YAO et al, 2014). The lowest index values were used to define the number of classes.…”

“…The lowest index values were used to define the number of classes. The use of lowest values resulted in better separation among clusters and a higher similarity of values within each cluster (RAMOS et al, 2017;SONG et al, 2009).…”

“…The number of zones to be evaluated varies among studies; in general, two to six zones are used (RAMOS et al, 2017;CÓRDOBA et al, 2016;HAGHVERDI et al, 2015;YAO et al, 2014). Thus, two to five zones were evaluated using the "cmeans" function and weighting exponent of 1.35 (ODEH; CHITTLEBOROUGH;…”

“…Once identified, outliers are excluded from the analysis (RAMOS et al, 2017;CÓRDOBA et al, 2016;FU et al, 2016;PICCINI;MARCHETTI;FRANCAVIGLIA, 2014). Outlier exclusion favours the normal distribution of the data without data transformation (FU et al, 2016) and allows the correct interpolation of the spatial variability map, and thus the correct management decision may be made based on the analysis (TAYLOR; MCBRATNEY; WHELAN, 2007).…”