EVALUACIÓN DEL FILTRADO E INTERPOLACIÓN DE DATOS DE PRODUCTIVIDAD EN LA DEFINICIÓN DE ZONAS DE GESTIÓN EN SISTEMAS DE AGRICULTURA DE PRECISIÓN
DOI:
https://doi.org/10.56238/revgeov16n5-302Palabras clave:
Agricultura de Precisión, Filtrado de Datos, Interpolación Espacial, Zonas de Gestión, Monitor de CosechaResumen
La agricultura de precisión se ha consolidado como una de las principales estrategias tecnológicas para mejorar la gestión agrícola, permitiendo la identificación de la variabilidad espacial y temporal de los factores que influyen en la productividad. Sin embargo, la calidad de los datos obtenidos por los monitores de cosecha se ve frecuentemente comprometida por errores de medición y ruido estadístico, lo que convierte el proceso de filtrado en un paso crítico para generar información confiable. Este estudio tuvo como objetivo evaluar la influencia del proceso de filtrado y los métodos de interpolación en los datos de productividad al definir las zonas de manejo (ZM) en dos áreas agrícolas del municipio de Céu Azul (PR), considerando series históricas de 11 años de cultivos de soja, maíz y trigo. Se compararon datos brutos y filtrados, interpolados mediante los métodos de Distancia Cuadrada Inversa (IDQ) y Promedio Móvil (MA). Las zonas de manejo se definieron mediante el método Fuzzy C-Means y se evaluaron mediante índices de calidad (FPI, MPE, VR e ICVI). Los resultados indicaron que los datos filtrados e interpolados mediante el método de Promedio Móvil mostraron una mayor consistencia, con una reducción del 3 al 15 % en el coeficiente de variación, así como una mejor separación entre clases y organización de las zonas. Se concluye que el proceso de filtrado es crucial para la precisión en la delimitación de las zonas de gestión, optimizando la toma de decisiones en la aplicación de insumos.
Descargas
Referencias
BAZZI, C. L.; MARTINS, M. R.; CORDEIRO, B. E.; GEBLER, L.; SOUZA, E. G.; SCHENATTO, K.; PAULA FILHO, P.L. Yield map generation of perennial crops for fresh consumption. Precision Agriculture, v. 1, p.1-14, 2021.
Beck, A.; Searcy, S.; Roades, J. Yield data filtering techniques for improved map accuracy. Engineering a Sustainable Future. v. 17, p. 423-431, 2001. doi: 10.13031/2013.6456
BETZEK, N. M.; SOUZA, E. G.; BAZZI, C. L.; SCHENATTO, K.; GAVIOLI, A.; MAGALHAES, P. S. G. Computational routines for the automatic selection of the best parameters used by interpolation methods to create thematic maps. Computers and Electronics in Agriculture, v.157, p. 49-62, 2019.https://doi.org/10.1016/j.compag.2018.12.004
BEZDEK, J. C. Pattern recognition with fuzzy objective function algorithms. New York, NY: Springer US, 1981. 253 p.
BURROUGH, P. A. Fuzzy mathematical methods for soil survey and land evaluation. European Journal of Soil Science, online, v. 40, n. 3, p. 477-492, 1989.
Byabazaire, J.; O’Hare, G.; Collier, R.; Kulatunga, C.; Delaney, D., “A Comprehensive Approach to Assessing Yield Map Quality in Smart Agriculture: Void Detection and Spatial Error Mapping”, Agronomy, v. 13, p. 1-15, 2023. DOI: 10.3390/agronomy13071943.
BLACKMORE, S. The interpretation of trends from multiple yield maps. v.26, p.37-51, 2000. https://doi.org/10.1016/S0168-1699(99)00075-7
DOERGE, T. A. Yield Map Interpretation. Journal of Production Agriculture, v.12 p. 54-61, 2013.https://doi.org/10.2134/jpa1999.0054
GAVIOLI, A.; SOUZA, E. G.; BAZZI, C. L.; SCHENATTO, K.; BETZEK, N. M. Identification of management zones in precision agriculture: An evaluation of alternative cluster analysis methods. v.181, p.86-102, 2019. https://doi.org/10.1016/j.biosystemseng.2019.02.019
GETAHUN, S.; KEFALE, H.; GELAYE, Y. Application of Precision Agriculture Technologies for Sustainable Crop Production and Environmental Sustainability: A Systematic Review. The Scientific World Journal. v.1 p.1-12. 2024. DOI: https://doi.org/10.1155/2024/2126734
KHAN, H.; FAROOQUE, A.; ACHARYA, B.; ABBAS, F.; ESAU, T.; ZAMAN, Q. U. Delineation of Management Zones for Site-Specific Information about Soil Fertility Characteristics through Proximal Sensing of Potato Fields. Agronomy, v.12, 2020. https://doi.org/10.3390/agronomy10121854
LI, Y.; SHI, Z.; WU, H.; LI, F.; LI, H. Definition of management zones for enhancing cultivated land conservation using combined spatial data. Environmental Management, online, v. 52, n. 4, p. 792-806, 2013.
MORAL, F. J.; TERRÓN, J. M.; SILVA, J. R. M. Delineation of management zones using mobile measurements of soil apparent electrical conductivity and multivariate geostatistical techniques. Soil & Tillage Research, online, v. 106, n. 2, p. 335-343, 2010.
PACCIORETTI, Pablo Ariel; CÓRDOBA, Mariano; BALZARINI, Mónica Graciela. FastMapping: Software to create field maps and identify management zones in precision agriculture. Computers and Electronics in Agriculture, v. 175, art. 105556, 2020. DOI: 10.1016/j.compag.2020.105556.
SCHENATTO, K.; SOUZA, E. G.; BAZZI, C. L.; BIER, V. A.; BETZEK, N. M.; GAVIOLI, A. Data interpolation in the definition of management zones. Acta Scientiarum, v.38, p.31-40, 2016. 10.4025/actascitechnol.v38i1.27745
SCHENATTO, K.; SOUZA, E. G.; BAZZI, C. L.; GAVIOLI, A. BETZEK, N. M.; BENEDUZZI, H. M. Normalization of data for delineating management zones. Computers and Electronics in Agriculture, v.43, p. 238-248, 2017 https://doi.org/10.1016/j.compag.2017.10.017
SOBJAK, R., SOUZA, E. G. DE, BAZZI, C. L., & HACHISUCA, A. M. M. AgDataBox-Map – Uma aplicação web para criação de mapas temáticos e zonas de manejo: avaliação dos usuários. Revista Caderno Pedagógico, 21(12), p. 1–24, 2024. https://doi.org/10.54033/cadpedv21n12-068.
ODEH, I. O. A.; MCBRATNEY, A. B.; CHITTLEBOROUGH, D. J. Soil pattern recognition with fuzzy c-means: application to classification and soil-landform interrelationship. Soil Science Society America Journal, online, v. 56, n. 2, p. 505-516, 1992.
ZERAATPISHEH, Mojtaba; BAKHSHANDEH, Esmaeil; EMADI, Mostafa; LI, Tengfei; XU, Ming. Integration of PCA and Fuzzy Clustering for Delineation of Soil Management Zones and Cost-Efficiency Analysis in a Citrus Plantation. Sustainability, Basel, v. 12, n. 14, art. 5809, 19 jul. 2020. DOI: 10.3390/su12145809.
ZHANG, Z.; LÜ, X.; LV, N.; CHEN, J.; FENG, B.; LI, X. W.; MA, L. Defining agricultural management zones using Gis techniques: Case study of Drip-irrigated cotton fields. Information Technology Journal, online, v. 12, n. 21, p. 6241-6246, 2013.
