Купить СНПЧ А7 Архангельск, оперативня доставка

crosscheckdeposited

Análise de Experimentos com a Incorporação de Componentes Espaciais

DOI: http://dx.doi.org/10.12702/IV-SGEA-a50

 

downloadpdf

Nogueira1, C. H.; Lima2, R. R.

 

Resumo: O efeito da heterogeneidade espacial entre parcelas experimentais tem forte influência, principalmente na experimentação de campo. No intuito de amenizar essa influência, utiliza-se a aleatorização dos experimentos. Porém, em alguns casos, a mesma é insuficiente para contornar o problema. Assim, técnicas mais refinadas, que considerem a presença desses efeitos, vêm sendo difundidas. Com isso, o presente trabalho tem como objetivo descrever como executar a análise de variância em experimentos que apresentam componentes espaciais não nulas. Para isso, realizou-se a análise de um experimento simulado instalado sob o delineamento inteiramente casualizado. Nesse desenvolvimento, foi considerada a presença de tendência nos dados em função das coordenadas e, a partir da estimação do semivariograma, foi possível modelar a matriz de covariância dos erros por meio de uma abordagem geoestatística. Finalmente, pôde-se concluir que a modelagem espacial dos erros produziu estatísticas mais eficientes para detectar diferenças entre as médias dos tratamentos em experimentos que apresentam heterogeneidade espacial.

Palavras-chave: Semivariograma; análise de variância; erros correlacionados.

 

Abstract: The effect of spatial heterogeneity among experimental plots has a strong influence, especially in the field trial. In order to mitigate this effect, we use randomization of experiments. However, in some cases, it is insufficient to solve the problem. Thus, more refined techniques, to consider the presence of these effects have been used. Therefore, this paper aims to describe how to perform the analysis of variance in experiments that have spatial components. In this development , it was Regarded  a trend in the data as a function of the coordinates and from the estimation of the semivariogram , it was possible to model the error covariance matrix using the Geostatistical approach. Finally, it was concluded that the spatial modeling of errors was more efficient to detect differences between the means of treatments in experiments that show spatial heterogeneity.

Key words: Semivariogram; variance analysis; correlated errors.

 

1 Geógrafa, Mestranda em Geografia, IG/UFU, Uberlândia-MG, ps.rezende@hotmail.com
2 Geógrafo, Mestrando em Qualidade Ambiental, ICIAG/UFU, Uberlândia-MG, diogo_mg1990@yahoo.com.br
3 Eng. Agrícola, Professor Doutor da Faculdade de Matemática, FAMAT/UFU, Uberlândia-MG, ecg@ufu.br
4 Eng. Florestal, Mestranda em Qualidade Ambiental, ICIAG/UFU, Uberlândia-MG, fernandaenge@yahoo.com.br
5 Eng. Agrônomo, Mestrando em Qualidade Ambiental, ICIAG/UFU, Uberlândia-MG, almeidalean26@gmail.com

 

Literatura Citada

BANZATTO, D. A.; KRONKA, S. N.; Experimentação agrícola. 4.ed. Jabuticabal: Funep, 2006. 237p.

CASANOVES, F.; MACCHIAVELLI, R.; BALZARINI, M. Error Variation in multienvironment peanut trials: Within-trial spatial correlation and between-trial heterogeneity. Crop Science, Madison, v.45, p.1927-1933, set./out. 2005.

CAMBARDELLA, C. A. et al. Field scale variability of soil properties in central Iowa soils. Soil Science Society of America Journal, Madison, v. 58, n. 5, p. 1501-1511, 1994.

CRESSIE, N. Statistics for spatial data. 2.ed. New York: J. Wiley, 1993. 900 p.

DUARTE, J. B. Sobre o emprego e a análise estatística do delineamento em blocos aumentados no melhoramento genético vegetal. 2000. 293 p. Tese (Doutorado em Agronomia) – Escola Superior de Agricultura “Luiz de Queiroz”, Piracicaba, 2000.

NOGUEIRA, C. H. Análise de variância com dependência espacial sob uma abordagem geoestatística. 2013. 123 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) – Universidade Federal de Lavras, Lavras, 2013.

PONTES, J. M.; OLIVEIRA, M. S. Uma proposta alternativa para a análise de experimentos de campo utilizando a geoestatística. Ciênc. agrotec. vol.28, n.1, p. 135-141, 2004.

R DEVELOPMENT CORE TEAM. R: a language and environment for statistical computing. Version 2.14.2. Vienna: R Foundation for Statistical Computing, 2014. Disponível em: <http://www.r-project.org<. Acesso em: out. 2014.

SCHLATHER, M. Random Fields: simulation and analysis of random fields. R package version 3.0.10. Dispon__vel em: <http://CRAN.R-project.org/package=RandomFields>. Acesso em: nov. 2014.

STROUP, W. W.; BAENZIGER, P. S.; MULITZE, D. K. Removing spatial variation from wheat yield trials: a comparison of methods. Crop Science, Madison, v.34, p.62-66, 1994.