DESARROLLO DE APLICACIONES ESTAD��STICAS PARA LA AGRICULTURA DE PRECISI��N. STATISTICAL APPLICATIONS FOR PRECISION AGRICULTURE

A partir de las ��ltimas d��cadas se ha impulsado el desarrollo y la utilizaci��n de los Sistemas de Informaci��n Geogr��ficos (SIG) y los Sistemas de Posicionamiento Satelital (GPS) orientados a mejorar la eficiencia productiva de distintos sistemas de cultivos extensivos en t��rminos agron��micos, econ��micos y ambientales. Estas nuevas tecnolog��as permiten medir variabilidad espacial de propiedades del sitio como conductividad el��ctrica aparente y otros atributos del terreno as�� como el efecto de las mismas sobre la distribuci��n espacial de los rendimientos. Luego, es posible aplicar el manejo sitio-espec��fico en los lotes para mejorar la eficiencia en el uso de los insumos agroqu��micos, la protecci��n del medio ambiente y la sustentabilidad de la vida rural. En la actualidad, existe una oferta amplia de recursos tecnol��gicos propios de la agricultura de precisi��n para capturar variaci��n espacial a trav��s de los sitios dentro del terreno. El ��ptimo uso del gran volumen de datos derivado de maquinarias de agricultura de precisi��n depende fuertemente de las capacidades para explorar la informaci��n relativa a las complejas interacciones que subyacen los resultados productivos. La covariaci��n espacial de las propiedades del sitio y el rendimiento de los cultivos ha sido estudiada a trav��s de modelos geoestad��sticos cl��sicos que se basan en la teor��a de variables regionalizadas. Nuevos desarrollos de modelos estad��sticos contempor��neos, entre los que se destacan los modelos lineales mixtos, constituyen herramientas prometedoras para el tratamiento de datos correlacionados espacialmente. M��s a��n, debido a la naturaleza multivariada de las m��ltiples variables registradas en cada sitio, las t��cnicas de an��lisis multivariado podr��an aportar valiosa informaci��n para la visualizaci��n y explotaci��n de datos georreferenciados. La comprensi��n de las bases agron��micas de las complejas interacciones que se producen a la escala de lotes en producci��n, es hoy posible con el uso de ��stas nuevas tecnolog��as. Los objetivos del presente proyecto son: (l) desarrollar estrategias metodol��gicas basadas en la complementaci��n de t��cnicas de an��lisis multivariados y geoestad��sticas, para la clasificaci��n de sitios intralotes y el estudio de interdependencias entre variables de sitio y rendimiento; (ll) proponer modelos mixtos alternativos, basados en funciones de correlaci��n espacial de los t��rminos de error que permitan explorar patrones de correlaci��n espacial de los rendimientos intralotes y las propiedades del suelo en los sitios delimitados. From the last decades the use and development of Geographical Information Systems (GIS) and Satellite Positioning Systems (GPS) is highly promoted in cropping systems. Such technologies allow measuring spatial variability of site properties including electrical conductivity and others soil features as well as their impact on the spatial variability of yields. Therefore, site-specific management could be applied to improve the efficiency in the use of agrochemicals, the environmental protection, and the sustainability of the rural life. Currently, there is a wide offer of technological resources to capture spatial variation across sites within field. However, the optimum use of data coming from the precision agriculture machineries strongly depends on the capabilities to explore the information about the complex interactions underlying the productive outputs. The covariation between spatial soil properties and yields from georeferenced data has been treated in a graphical manner or with standard geostatistical approaches. New statistical modeling capabilities from the Mixed Linear Model framework are promising to deal with correlated data such those produced by the precision agriculture. Moreover, rescuing the multivariate nature of the multiple data collected at each site, several multivariate statistical approaches could be crucial tools for data analysis with georeferenced data. Understanding the basis of complex interactions at the scale of production field is now within reach the use of these new techniques. Our main objectives are: (1) to develop new statistical strategies, based on the complementarities of geostatistics and multivariate methods, useful to classify sites within field grown with grain crops and analyze the interrelationships of several soil and yield variables, (2) to propose mixed linear models to predict yield according spatial soil variability and to build contour maps to promote a more sustainable agriculture.