Купить СНПЧ А7 Архангельск, оперативня доставка

Estudo da Variabilidade Espacial da Produtividade e do Rendimento de Óleo de Girassol

DOI: http://dx.doi.org/10.12702/III-SGEA-a29

 

downloadpdf

Enio J. Seidel1, Daniela P. Kener2, Francilene L. Tartaglia3, Gibran S. Alves4 & Marcelo S. Oliveira5

 

Resumo: O objetivo do estudo foi avaliar a variabilidade espacial da produtividade e do rendimento de óleo de girassol, primeiramente, de forma univariada, e também, de forma conjunta, utilizando análise de componentes principais e análise geoestatística. A intenção foi de verificar se a análise por ACP também pode ser eficiente frente à análise univariada. O experimento foi realizado no delineamento experimental de blocos ao acaso, com três repetições em esquema fatorial 2 x 2 x 5. Para georreferenciar o experimento, foi construído um grid de 60 pontos, correspondendo as 60 parcelas utilizadas. Cada ponto amostral do grid foi considerado como sendo o centro da parcela. Foram observadas as variáveis: produtividade (Kg.ha-1) e rendimento de óleo (Kg.ha-1). Primeiramente, foi realizada análise estatística descritiva das duas variáveis. Após, foi aplicada a análise de componentes principais para obter uma “nova” variável como combinação linear das duas variáveis observadas. Por fim, aplicou-se a análise geoestatística para avaliar a variabilidade espacial da produtividade, rendimento de óleo e dessa “nova” variável. Tanto a produtividade, quanto o rendimento de óleo não apresentaram dependência espacial. A primeira componente principal também não apresentou dependência espacial.

Palavras-chave: semivariogramas; estimação

 

Abstract: The objective of this study was to evaluate the spatial variability of productivity and oil yield of sunflower, firstly, using univariate analysis, and also jointly, using principal component analysis and geostatistical analysis. The intent was to verify if the PCA analysis can also be effective front univariate analysis. The experiment was conducted in a randomized block design, with three replications in a factorial 2 x 2 x 5. It was constructed a grid of 60 points to georeference the experiment, corresponding the 60 plots used. Each sample point of the grid was used as the center of the plot. The observed variables were: productivity (kg ha-1) and oil yield (kg ha-1). First of all, the descriptive statistical analysis was performed with two variables. After, it was applied to principal component analysis to obtain a "new" variable as a linear combination of the two variables observed. Finally, it was applied a geostatistical analysis to evaluate the spatial variability of productivity, oil yield and this "new" variable. Both productivity and oil yield showed no spatial dependence. The first principal component also showed no spatial dependence.

Key words: semivariograms; estimation

 

1 Matemático, Universidade Federal do Pampa/Campus Itaqui, Rua Luiz Joaquim de Sá Britto, s/n - Bairro: Promorar - Itaqui - RS - CEP: 97650-000, ejrseidel@hotmail.com
2 Graduanda em Agronomia, Universidade Federal do Pampa/Campus Itaqui, dani_kener@hotmail.com
3 Graduanda em Agronomia, Universidade Federal do Pampa/Campus Itaqui, fran.tartaglia@yahoo.com.br
4 Engº Agrônomo, Universidade Federal do Pampa/Campus Itaqui, gibranalves@yahoo.com.br
5 Engº Agrícola, Universidade Federal de Lavras/Departamento de Ciências Exatas, marcelo.oliveira@dex.ufla.br

 

Literatura Citada

BRIGHENTI, A. M.; CASTRO, C.; OLIVEIRA Jr., R. S.; SCAPIM, C. A.; VOLL, E.; GAZZIERO, D. L. P. Períodos de interferência de plantas daninhas na cultura do girassol. Planta Daninha, v. 22, n. 2, p. 251-257, 2004.

CONAB. Companhia Nacional de Abastecimento. Acompanhamento da Safra Brasileira. Disponível em: http://www.conab.gov.br/OlalaCMS/uploads/arquivos/12_12_06_09_10_01_boletim_portugues_dezembro_2012.pdf. Acesso em 25 de novembro de 2012.

HUSSON, F.; JOSSE, J.; LE, S.; MAZET, J. FactoMineR: Multivariate Exploratory Data Analysis and Data Mining with R. Disponível em: http://cran.r-project.org/package=FactoMineR. Acesso em 20 de dezembro de 2012.

MATHERON, G. Principles of geostatistics. Economic Geology, v. 58, p. 1246-1266, 1963.

MINGOTI, S. A. Análise de dados através de métodos de estatística multivariada: uma abordagem aplicada. Belo Horizonte: Editora UFMG, 2005. PRADO, R. M.; LEAL, R. M. Desordens nutricionais por deficiência em girassol var. Catissol. Pesquisa Agropecuária Tropical, v. 36, n. 3, p.187-193, 2006.

R CORE TEAM. R: a language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2012.

RIBEIRO JR., P. J.; DIGGLE, P. J. geoR: a package for geostatistical analysis. R NEWS, v. 1, n. 2, p. 15-18, 2001.

SILVA, A. S.; LIMA, J. S. S. Avaliação da variabilidade do estado nutricional e produtividade de café por meio da análise de componentes principais e geoestatística. Revista Ceres, v. 59, n. 2, p. 271-277, 2012.

SILVA, A. S.; LIMA, J. S. S.; XAVIER, A. C.; TEIXEIRA, M. M. Variabilidade espacial de atributos químicos de um Latossolo vermelhoamarelo húmico cultivado com café. Revista Brasileira de Ciência do Solo, v. 34, n. 1, p. 15-22, 2010.

SMIDERLE, O. J.; MOURÃO Jr., M.; GIANLUPPI, D. Avaliação de cultivares de girassol em savana de Roraima. ACTA Amazonica, v. 35, n. 3, p. 331-336, 2005.