Computational module for generation of application maps based on maps of soil attribute availability

Autor: Beneduzzi, Humberto Martins
Přispěvatelé: Souza, Eduardo Godoy de, Bazzi, Claudio Leones, Nobrega, Lucia Helena Pereira, Gavioli, Alan, Mercante, Erivelto, Bier, Vanderlei Artur
Jazyk: portugalština
Rok vydání: 2020
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações do UNIOESTE
Universidade Estadual do Oeste do Paraná (UNIOESTE)
instacron:UNIOESTE
Popis: Submitted by Neusa Fagundes (neusa.fagundes@unioeste.br) on 2020-10-09T14:25:29Z No. of bitstreams: 2 Humberto_Beneduzzi2020.pdf: 5335120 bytes, checksum: a0d23a511debf658c0672005c53ddf9d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Made available in DSpace on 2020-10-09T14:25:29Z (GMT). No. of bitstreams: 2 Humberto_Beneduzzi2020.pdf: 5335120 bytes, checksum: a0d23a511debf658c0672005c53ddf9d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2020-01-30 The spatial variability of soil attributes, deriving from several factors, directly affects crop yields. The main objective of precision agriculture is to provide technologies to enable the correct management of this variability, contributing to the increase in agricultural production. Therefore, it is necessary to use computational tools capable of properly estimating the demand for crops at each point of the productive areas, considering the variables involved, and recommending the appropriate application for each point. The AgDataBox platform is a joint initiative of LAMAP (UNIOESTE, Cascavel Campus) and AgriLab (UTFPR, Medianeira Campus) which aims to develop a complete environment that allows the management of agricultural data. This platform already has several implemented functionalities, but it did not yet have a module for recommending fertilizers. In this sense, the focus of this work was to develop the AgDataBox-Map-AplicNutrient computational module and integrate it with the AgDataBox web platform for integrating data, software, procedures and methodologies for digital agriculture. The dissertation was divided into three articles: (i) ARTICLE 1 - SYSTEMATIC LITERATURE STUDY: identified 12 methods for recommending nitrogen (N), eight for recommending phosphorus (P) and seven for potassium (K), in addition to five computer programs for precision agriculture that carry out the site-specific recommendation of fertilizers; (ii) ARTICLE 2 - AGDATABOX-MAP-APLICNUTRIENT MODULE: presents the application, which allows the user to import data from chemical analysis of the soil, make the recommendation of nutrients N, P and K, generate thematic recommendation maps and export the maps. The results obtained by the app were equivalent to those obtained by calculations performed in an electronic spreadsheet, but in a faster and easier way, especially for its integration with the AgDataBox platform. (iii) ARTICLE 3 - COMPARISON OF FERTILIZER RECOMMENDATION MAPS: this work evaluated and compared four types of drawing of nutrient application maps: traditional thematic maps (TM) with equal interval division (TTM-EI) and quantile (TTM-QT), application zone maps (AZ) and rectified application zones (AZr). AZs were evaluated using the following indices: Variance Reduction (VR%), Fuzziness Performance Index (FPI), Modified Partition Entropy (MPE), Enhanced Cluster Validation Index (ICVI), Improved Cluster Validation Index (ICVI), Smoothness Index (SI%), Fragmentation Index (FI%), and Global Quality Index (GQI); and the comparison of the maps was performed using the Kappa index (Kp). The best design for AZs was obtained with two classes. The results showed that in the creation of TMs, the division of classes by quantiles is more efficient than the division in equal intervals in most cases and can be an alternative to the creation of AZs when the data are normal. A variabilidade espacial dos atributos do solo, proveniente de vários fatores, afeta diretamente o rendimento das culturas. O principal objetivo da agricultura de precisão é prover tecnologias para possibilitar o correto gerenciamento dessa variabilidade, contribuindo para a elevação da produção agrícola. Para tanto, é necessário o emprego de ferramentas computacionais capazes de estimar, de maneira adequada, a demanda das culturas em cada ponto das áreas produtivas, considerando as variáveis envolvidas e recomendando a aplicação adequada para cada ponto. A plataforma AgDataBox é uma iniciativa conjunta do LAMAP (UNIOESTE, Campus Cascavel) e do AgriLab (UTFPR, Campus Medianeira), que visa desenvolver um ambiente completo, o qual permita o gerenciamento dos dados agrícolas. Essa plataforma já possui diversas funcionalidades implementadas, porém, ainda não possuía um módulo para recomendação de fertilizantes. Nesse sentido, o foco deste trabalho foi desenvolver o módulo computacional AgDataBoxMap-AplicNutrient e integrá-lo à plataforma web AgDataBox de integração de dados, softwares, procedimentos e metodologias para agricultura digital. A tese foi dividida em três artigos: (i) ARTIGO 1 - ESTUDO SISTEMÁTICO DE LITERATURA: identificou 12 métodos de recomendação de N; oito para recomendação de P e sete de K, além de cinco programas de computador para agricultura de precisão, que realizam a recomendação de fertilizantes a taxas variadas; (ii) ARTIGO 2 – MÓDULO AGDATABOX-MAP-APLICNUTRIENT: apresenta o aplicativo, que possibilita ao usuário importar os dados de análise química do solo, fazer a recomendação dos nutrientes N, P e K, gerar mapas temáticos de recomendação e exportar os mapas. Os resultados, obtidos pelo app, foram equivalentes aos obtidos pelos cálculos realizados em planilha eletrônica, porém, de forma mais rápida e facilitada, sobretudo, por sua integração à plataforma AgDataBox. (iii) ARTIGO 3 – COMPARAÇÃO DE MAPAS DE RECOMENDAÇÃO DE FERTILIZANTES: este trabalho avaliou e comparou quatro tipos de construção de mapas de aplicação de nutrientes: mapas temáticos tradicionais com divisão de intervalo igual (TTM-EI) e quantil (TTM-QT), mapas de zona de aplicação (AZ) e zonas de aplicação retificada (AZr). Os AZs foram avaliados, usando os seguintes índices: Redução de Variância (VR%), Índice de Desempenho Fuzziness (FPI), Entropia de Partição Modificada (MPE), Índice de Validação de Cluster Aprimorado (ICVI), Índice de Suavidade (SI%), Índice de Fragmentação (FI%), e Índice Global de Qualidade (GQI); e a comparação dos mapas foi realizada pelo índice Kappa (Kp). O melhor delineamento para as AZs foi obtido com duas classes. Os resultados mostraram que, na criação de TMs, a divisão de classes por quantis é mais eficiente do que a divisão em intervalos iguais, na maioria dos casos, e pode ser uma alternativa à criação de AZs, quando os dados apresentam normalidade.
Databáze: OpenAIRE