Купить СНПЧ А7 Архангельск, оперативня доставка

Diagnósticos de Influência Local Usando a Distribuição T-Student Aplicados em Dados de Fósforo no Solo

DOI: http://dx.doi.org/10.12702/III-SGEA-a11

 

downloadpdf

Naimara V. Prado1 & Miguel A. U. Opazo2

 

Resumo: O sistema de agricultura de precisão considera que as áreas de produção não são homogêneas, necessitando aplicações de corretivos e fertilizantes a taxas variadas de acordo com análises químicas e físicas de solo. A presença de pontos atípicos pode influenciar na construção e interpretação dos mapas levando à taxas inadequadas de aplicação. A distribuição t-Student tem sido utilizada na tentativa de diminuir a influência dos pontos discrepantes durante a estimativa dos parâmetros de dependência espacial. A detecção dos pontos influentes na área em estudo, por meio da análise de Influência Local e técnicas de diagnósticos, confere maior confiabilidade na utilização dos mapas gerados, proporcionando uma eficiente aplicação de insumos. Deste modo, o objetivo foi realizar a análise de influência local em dados espacialmente georeferenciados considerando a distribuição t-Student, utilizando a perturbação aditiva na variável reposta (Yω = Y + ω). A estimação dos parâmetros que definem a estrutura de variabilidade espacial foi realizada pelo método de máxima verossimilhança. No estudo foi utilizado conjunto de dados de fósforo no solo. As técnicas aplicadas foram eficientes para a detecção de pontos influentes na área em estudo, considerando um processo estocástico com distribuição t-Student.

Palavras-chave: Máxima verossimilhança; Variabilidade espacial; Krigagem

 

Abstract: The precision agriculture system considers that the production areas are not homogeneous, and it demands applications of correctives and fertilizer in variable-rates according to chemical and physical soil analysis . The presence of atypical points can influence the confeccion and interpretation of the maps, leading to inadequate rates of application. The t-Student distribution has been used to reduce the influence of outliers when estimating the parameters of spatial dependence. The detection of influential points in the study area through the analysis of the Influence local and diagnostic techniques, gives greater reliability for the maps, providing an efficient application of agricultural inputs. The goal of this study was perform the analysis of influence local in spatially referenced data, considering the Student-t distribution and using the additive disturbance on the response variable (Y ω = Y + ω). The estimation of the parameters that define the structure of spatial variability was performed by the method of maximum likelihood. Data sets were used phosphorous in soil. The techniques applied were effective for detecting the influential points in the study area, considering a stochastic process with t-Student distribution.

Key words: Maximum likelihood; Spatial variability; Kriging.

 

1 Doutoranda em Estatística e Experimentação Agronômica, ESALQ/USP, Piracicaba - SP, naimaraprado@gmail.com
2 Prof. Dr. Programa de Pós Graduação em Engenharia Agrícola, PGEAGRI/UNIOESTE, mopazo@unioeste.br

 

Literatura Citada

COOK, R. D. Assessment of Local Influence (with discussion). Journal of the Royal Statistical Society, Series B, London, v.48, n. 2, p. 133-169, 1986.

CYSNEIROS, F. J.; PAULA, G. A.; GALEA, M. Modelos simétricos aplicados. 9ª Escola de Modelos de Regressão, Águas de São Pedro, SP, 2005, 100 p.

EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. Centro Nacional de Pesquisa de Solos. Sistema brasileiro de classificação de solos. Brasília, DF, 2006. 412 p.

FARACO, M. A.; URIBE-OPAZO, M. A.; SILVA, E. A. A.; JOHANN, J. A.; BORSSOI, J. A. Seleção de modelos de variabilidade espacial para elaboração de mapas temáticos de atributos físicos do solo e produtividade da soja. Revista Brasileira de Ciência do Solo, Viçosa, v. 32, n.2, p. 463-476, 2008.