CARACTERIZAÇÃO DOS PADRÕES DE DISTRIBUIÇÃO ESPACIAL DA PRODUTIVIDADE DE GRÃOS POR MEIO DE MÉTODO SUPERVISIONADO E NÃO SUPEVISIONADO
Os mapas de produtividade resultantes das operações de colheita não garantem informações prontamente disponíveis devido a presença de erros e da variabilidade temporal. O uso de técnicas de processamento destes dados para eliminar erros e identificar as regiões com desempenho distinto e consistente deve ser adotado. Os métodos mais simples para o processamento de dados são os supervisionados. Métodos não supervisionados são propostos e entre eles o método MYPA (Blasch et al.2020), que emprega a análise de componentes principais e regressões, além do agrupamento com uso de lógica fuzzy. Sendo assim, o objetivo do trabalho foi avaliar o método MYPA em comparação a um método de referência. Um banco de dados contendo oito mapas das culturas de milho e soja foi utilizado. Pode-se observar que a técnica MYPA apresentou menor variância relativa (0,12) comparado ao método de referência (0,68). Na avaliação da qualidade do agrupamento, realizada através de testes de análise multivariada, o método de referência obteve menor desempenho (Pillai = 0,23; Wilks' λ= 0,78) que MYPA (Pillai = 1,14; Wilks' λ= 0,07). O uso da metodologia requer domínio de técnicas estatísticas trazendo, entretanto, vantagens na regionalização.
CARACTERIZAÇÃO DOS PADRÕES DE DISTRIBUIÇÃO ESPACIAL DA PRODUTIVIDADE DE GRÃOS POR MEIO DE MÉTODO SUPERVISIONADO E NÃO SUPEVISIONADO
-
DOI: 10.22533/at.ed.4592104058
-
Palavras-chave: Mapas de colheita, unidades de produtividade, análise de componentes principais
-
Keywords: Yield map, management zones, principal components analysis.
-
Abstract:
Yield maps resulting from the harvesting operations do not guarantee readily available information due to the presence of errors and temporal variability. Use of techniques of processing this data to eliminate errors and identify regions with distinct and consistent performance should be adopted. The simplest methods for data processing are supervised. Unsupervised methods are proposed and among them the MYPA method (Blasch et al., 2020), which employs principal component analysis and regressions, in addition to grouping using fuzzy logic. Therefore, the aim of this study was to evaluate the MYPA in comparison to a reference method. A database containing eight yield maps of the corn and soybean crops was used. It can be seen that the MYPA showed less relative variance (0.12) compared to the reference method (0.68). In the evaluation of the quality of the cluster, carried out through multivariate analysis tests, the reference method obtained less performance (Pillai = 0.23; Wilks 'λ = 0.78) than MYPA (Pillai = 1.14; Wilks' λ = 0.07). The methodology requires experience with statistical analysis but offers advantages for zones delineation.
-
Número de páginas: 10
- Leandro Maria Gimenez
- Gislaine Silva Pereira
