Influência local em um modelo espacial linear da produtividade da soja utilizando distribuição t-Student

O uso das ferramentas da geoestatística, aliadas à agricultura de precisão permitem o acompanhamento das áreas agrícolas produtoras de soja, estabelecendo as relações de dependência espacial entre os pontos amostrados. A modelagem da estrutura de variabilidade espacial possibilita a construção de mapas temáticos dos atributos estudados, utilizando como método de interpolação a krigagem. Porém, a presença de valores atípicos entre os elementos amostrais pode influenciar na construção e interpretação desses mapas. A distribuição de probabilidades t-Student tem sido utilizada na tentativa de diminuir a influência dos valores atípicos durante a estimativa dos parâmetros de dependência espacial, por ter caudas mais pesadas que a distribuição normal. A detecção dos valores influentes na área em estudo, por meio da análise de diagnósticos de influência local, confere maior confiabilidade na utilização dos mapas gerados, corroborando a aplicação de insumos. Deste modo, o objetivo deste trabalho foi aplicar as técnicas de influência local em dados espacialmente referenciados, com os modelos de perturbação aditiva e utilizando a matriz escala, considerando a distribuição t-Student n-variada. Foi utilizado um modelo espacial linear para o estudo de dados da produtividade da soja em função da altura média de plantas e do número médio de vagens por planta. As técnicas de influência local foram eficientes para detectar pontos que influenciam na escolha do modelo geoestatístico, nas estimativas dos parâmetros e na construção do mapa temático.

Validação de um modelo de cálculo por elementos finitos do chassi de uma semeadora de quatro linhas

O comportamento estrutural estático de um chassi experimental de semeadora de quatro linhas para agricultura familiar foi testado, utilizando-se da técnica numérica de Análise de Elementos Finitos, onde se levou em consideração os esforços a que a máquina em questão estaria sujeita, quando suspensa do chão, pelos três pontos de engate do trator. Para a validação do modelo usado pelo software SolidWorks Simulation, submeteu-se um protótipo em escala real do chassi a carregamentos de forças verticais, a fim de comparar os deslocamentos reais da estrutura com os deslocamentos calculados pelo software. Dois estudos foram feitos do modelo para o cálculo dos deslocamentos da estrutura: no primeiro, não foram incluídos os suportes dos engates dos três pontos no cálculo, e os deslocamentos medidos não foram comparáveis com os calculados. No segundo estudo, quando foram incluídos os engates no cálculo, verificou-se que os resultados foram comparáveis com os obtidos na prática. Concluiu-se, portanto, que o segundo estudo é válido e que os cálculos da estrutura do chassi que foram realizados pelo software são confiáveis.

Modelo de regressão espacial para estimativa da produtividade da soja associada a variáveis agrometeorológicas na região oeste do estado do Paraná

Este trabalho apresenta o Modelo de Regressão Espacial Autorregressivo Misto (SAR) e Modelo do Erro Espacial (CAR) no intuito de investigar a associação entre a produtividade da soja e as variáveis agrometeorológicas relacionadas à precipitação pluvial, temperatura média e radiação solar global. O estudo foi realizado com os dados das safras dos anos agrícolas de 2005/2006 a 2007/2008, da região oeste do estado do Paraná. Como os dados agrometeorológicos estão disponíveis apenas para oito municípios da região em estudo, as estimativas foram obtidas por meio do uso de Polígonos de Thiessen. A estimativa de parâmetros dos modelos ajustados foi obtida utilizando o método de Máxima Verossimilhança. A avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R²), no máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz (BIC). Este estudo também permitiu verificar a correlação e autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando de técnicas como o índice I de Moran Global e Local uni e bivariado, e os testes de significância. O estudo pôde demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica.