Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/25489
Type: Artigo de periódico
Title: Análise dos atributos do solo e da produtividade da cultura de cana-de-açúcar com o uso da geoestatística e árvore de decisão
Title Alternative: Analyze the soil attributes and sugarcane yield culture with the use of geostatistics and decision trees
Author: Souza, Zigomar Menezes de
Cerri, Domingos Guilherme Pellegrino
Colet, Marcelo José
Rodrigues, Luiz Henrique Antunes
Magalhães, Paulo Sérgio Graziano
Mandoni, Rafael Junqueira Araújo
Abstract: One of the challenges of precision agriculture is to offer subsidies for the definition of management units for posterior interventions. Therefore, the objective of this work was to evaluate soil chemical attributes and sugarcane yield with the use of geostatistics and data mining by decision tree induction. Sugarcane yield was mapped in a 23ha field, applying the cell criterion, by using a yield monitor that allowed the elaboration of a digital map representing the surface of production of the studied area. To determine the soil attributes, soil samples were collected at the beginning of the harvest in 2006/2007 using a regular grid of 50 x 50m, in the depths of 0.0-0.2m and 0.2-0.4m. Soil attributes and sugarcane yield data were analyzed by using geostatistics techniques and were classified into three yield levels for the elaboration of the decision tree. The decision tree was induced in the software SAS Enterprise Miner, using an algorithm based on entropy reduction. Altitude and potassium presented the highest values of correlation with sugarcane yield. The induction of decision trees showed that the altitude is the variable with the greatest potential to interpret the sugarcane yield maps, then assisting in precision agriculture and, revealing an adjusted tool for the study of management definition zones in area cropped with sugarcane.
Um dos desafios da agricultura de precisão é oferecer subsídios para a definição de unidades de manejo para posteriores intervenções. Portanto, o objetivo deste trabalho foi avaliar os atributos químicos do solo e a produtividade da cultura de cana-de-açúcar por meio da geoestatística e mineração de dados pela indução da árvore de decisão. A produtividade da cana-de-açúcar foi mapeada em uma área de aproximadamente 23ha, utilizando-se o critério de célula, por meio de um monitor de produtividade que permitiu a elaboração de um mapa digital que representa a superfície de produção para a área em estudo. Para determinar os atributos de um Argissolo Vermelho-Amarelo, foram coletadas as amostras no início da safra 2006/2007, utilizando-se uma grade regular de 50 x 50m, nas profundidades de 0,0-0,2m e 0,2-0,4m. Os dados dos atributos do solo e da produtividade foram analisados por meio da técnica de goestatística e classificados em três níveis de produção para indução de árvore de decisão. A árvore de decisão foi induzida no programa SAS Enterprise Miner, sendo utilizado algoritmo baseado na redução de entropia. As variáveis altitude e potássio apresentaram os maiores valores de correlação com a produtividade de cana-de-açúcar. A indução de árvores de decisão permitiu verificar que a altitude é a variável com maior potencial para interpretar os mapas de produtividade de cana-de-açúcar, auxiliando na agricultura de precisão e mostrando-se uma ferramenta adequada para o estudo de definição de zonas de manejo em área cultivada com essa cultura.
Subject: agricultura de precisão
variabilidade espacial
mineração de dados
monitor de produtividade
precision agriculture
spatial variability
data mining
yield monitor
Editor: Universidade Federal de Santa Maria
Rights: aberto
Identifier DOI: 10.1590/S0103-84782010005000048
Address: http://dx.doi.org/10.1590/S0103-84782010005000048
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782010000400015
Date Issue: 1-Apr-2010
Appears in Collections:Unicamp - Artigos e Outros Documentos

Files in This Item:
File Description SizeFormat 
S0103-84782010000400015.pdf127.86 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.