Produtividade da soja em zonas de manejo com a aplicação de diferentes densidades de semeadura

Camicia, Rafaela Greici da Motta; Maggi, Marcio Furlan; Souza, Eduardo Godoy de; Bazzi, Claudio Leones; Konopatzki, Evandro André; Michelon, Gabriela Karoline; Pinheiro, José Bruno Santos

Acessibilidade / Reportar erro

Brasil
SciELO.org - Rede SciELO
Blog SciELO em Perspectiva

Abrir menu

Brasil

Español English

Ciência Rural

Submissão de manuscritos
Sobre o periódico
Corpo Editorial
Instruções aos autores
Contato

sumário « anterior atual seguinte »

Resumo (Inglês)
Resumo (Português)

Texto (Inglês)

Download PDF (Inglês)

Compartilhe

Compartilhe
E-mail
Facebook
Twitter
Google+
LinkedIn
Reddit
StambleUpon
CiteULike
Mendeley

Sumário

Compartilhe
E-mail
Facebook
Twitter
Google+
LinkedIn
Reddit
StambleUpon
CiteULike
Mendeley

Resumo (Inglês)
Resumo (Português)

Texto (Inglês)

Download PDF (Inglês)

CROP PRODUCTION • Cienc. Rural 48 (12) • 2018 • https://doi.org/10.1590/0103-8478cr20180532 copiar

Produtividade da soja em zonas de manejo com a aplicação de diferentes densidades de semeadura

Autoria SCIMAGO INSTITUTIONS RANKINGS

RESUMO:

O trabalho avaliou a eficiência da semeadura à taxa variada para cultura da soja em duas zonas de manejo (ZMs), as quais foram definidas com base em atributos estáveis e correlacionados com a produtividade, por meio do algoritmo de agrupamento Fuzzy C-means e o interpolador krigagem. A semeadura foi realizada nas safras 2015/2016 e 2017/2018, com variação de 20% de sementes e espaçamento entre linhas de 0,70m. Em cada ZM foram estabelecidas 8 parcelas em que variou-se maior e menor densidade de sementes. A produtividade foi medida com monitor de colheita acoplado em uma colhedora. Os dados foram filtrados e submetidos à análise descritiva, os mapas de produtividade foram gerados utilizando-se o interpolador inverso do quadrado da distância para cada densidade de semeadura. Na ZM com maior potencial produtivo (ZM 1) a produtividade foi de 3,39 e 3,18t ha^-1, na ZM de menor potencial produtivo (ZM 2) foi de 3,30 e 3,11t ha^-1, para os anos de 2016 e 2018, respectivamente. O interpolador estimou maior produtividade com a aplicação de 15 plantas m^-1; pela análise econômica, sugere-se, dentro do estudado, a aplicação de 214.000 plantas ha^-1 nas duas ZMs.

Palavras-chave:
agricultura de precisão; produção de grãos; unidades de manejo

Autoria

Rafaela Greici da Motta Camicia ^*E-mail: rafa_camicia@hotmail.com. *Corresponding author.

Departamento de Matemática e Estatística, Universidade Tecnológica Federal do Paraná (UTFPR), 85884-000, Medianeira, PR, Brasil. Universidade Tecnológica Federal do Paraná (UTFPR)BrazilMedianeira, PR, BrazilDepartamento de Matemática e Estatística, Universidade Tecnológica Federal do Paraná (UTFPR), 85884-000, Medianeira, PR, Brasil.

Programa de Pós-graduação em Engenharia Agrícola (PGEAGRI), Sistemas Biológicos Agroindustriais, Universidade Estadual do Oeste do Paraná (UNIOESTE), Cascavel, PR, Brasil.Universidade Estadual do Oeste do Paraná (UNIOESTE)BrazilCascavel, PR, BrazilPrograma de Pós-graduação em Engenharia Agrícola (PGEAGRI), Sistemas Biológicos Agroindustriais, Universidade Estadual do Oeste do Paraná (UNIOESTE), Cascavel, PR, Brasil.

https://orcid.org/0000-0003-1987-3840

Marcio Furlan Maggi

Eduardo Godoy de Souza

https://orcid.org/0000-0003-3029-8939

Claudio Leones Bazzi

Departamento de Ciência da Computação, Universidade Tecnológica Federal do Paraná (UTFPR), Medianeira, PR, Brasil.Universidade Tecnológica Federal do Paraná (UTFPR)BrazilMedianeira, PR, BrazilDepartamento de Ciência da Computação, Universidade Tecnológica Federal do Paraná (UTFPR), Medianeira, PR, Brasil.

Evandro André Konopatzki

Gabriela Karoline Michelon

Programa de Pós-graduação em Tecnologias Computacionais para o Agronegócio (PPGTCA), Universidade Tecnológica Federal do Paraná (UTFPR), Medianeira, PR, Brasil.Universidade Tecnológica Federal do Paraná (UTFPR)BrazilMedianeira, PR, BrazilPrograma de Pós-graduação em Tecnologias Computacionais para o Agronegócio (PPGTCA), Universidade Tecnológica Federal do Paraná (UTFPR), Medianeira, PR, Brasil.

José Bruno Santos Pinheiro

E-mail: rafa_camicia@hotmail.com. ^*Corresponding author.

DECLARATION OF CONFLICTING INTERESTS

The authors declare no conflict of interest. The founding sponsors had no role in the design of the study; in the collection, analyses, or interpretation of data; in the writing of the manuscript, and in the decision to publish the results.

AUTHORS’ CONTRIBUTIONS

The authors contributed equally to the manuscript.

SCIMAGO INSTITUTIONS RANKINGS

Figuras | Tabelas

Figuras (4)
Tabelas (1)

Thumbnail

Figure 1
Monthly averages of rainfall and temperature for the 2015/2016 and 2017/2018 crops for the municipality of Céu Azul-PR, Brazil. Source: Paraná Meteorological System (SIMEPAR).

Thumbnail

Figure 2
(a) Representation of management units with two classes using the Fuzzy C-means clustering algorithm and the kriging interpolation. (b) Study area divided into plots. Notes: MZ1: Management Zone 1. MZ2: Management Zone 2. Source: Adapted from Schenatto et al. (2016SCHENATTO, K. et al. Data Interpolation in the definition of management zones. Acta Scientiarum Technology, v. 38, n. 1, p. 31-40, 2016. Available from: <Available from: http://periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/view/27745/pdf_128 >. Accessed: Apr. 12, 2016. doi: 10.4025/actascitechnol.v38i1.27745.
http://periodicos.uem.br/ojs/index.php/A... ).

Thumbnail

Figure 3
(a) Soybean productivity map made only with application of 18 plants m-1 in the 2015/2016 harvest; (b) Map of soybean productivity constructed only with results obtained with application of 15 plants m-1 in the 2015/2016 harvest; (c) Map of the difference in soybean yield obtained with the two crop sowing densities in the 2015/2016 harvest; (d) Soybean productivity map made only with application of 15 m-1 plants in the 2017/2018 harvest; (e) Soybean productivity map made only with results obtained with the application of 12 plants m-1 in the 2017/2018 harvest; (f) Map of the soybean yield difference obtained with the two crop densities in the 2017/2018 harvest.

Thumbnail

Figure 4
(a) Relation of the productivity of soybean crop in the 2015/2016 harvest and the cost with seeds with the two densities studied. (b) Soybean population with grain yield and seed costs in the 2017/2018 harvest.

Thumbnail

Table 1
Descriptive analysis of soybean productivity in the years 2015/2016 and 2017/2018.

Figure 1 Monthly averages of rainfall and temperature for the 2015/2016 and 2017/2018 crops for the municipality of Céu Azul-PR, Brazil. Source: Paraná Meteorological System (SIMEPAR).

Figure 2 (a) Representation of management units with two classes using the Fuzzy C-means clustering algorithm and the kriging interpolation. (b) Study area divided into plots. Notes: MZ1: Management Zone 1. MZ2: Management Zone 2. Source: Adapted from Schenatto et al. (2016SCHENATTO, K. et al. Data Interpolation in the definition of management zones. Acta Scientiarum Technology, v. 38, n. 1, p. 31-40, 2016. Available from: <Available from: http://periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/view/27745/pdf_128 >. Accessed: Apr. 12, 2016. doi: 10.4025/actascitechnol.v38i1.27745.
http://periodicos.uem.br/ojs/index.php/A... ).

Figure 3 (a) Soybean productivity map made only with application of 18 plants m-1 in the 2015/2016 harvest; (b) Map of soybean productivity constructed only with results obtained with application of 15 plants m-1 in the 2015/2016 harvest; (c) Map of the difference in soybean yield obtained with the two crop sowing densities in the 2015/2016 harvest; (d) Soybean productivity map made only with application of 15 m-1 plants in the 2017/2018 harvest; (e) Soybean productivity map made only with results obtained with the application of 12 plants m-1 in the 2017/2018 harvest; (f) Map of the soybean yield difference obtained with the two crop densities in the 2017/2018 harvest.

Figure 4 (a) Relation of the productivity of soybean crop in the 2015/2016 harvest and the cost with seeds with the two densities studied. (b) Soybean population with grain yield and seed costs in the 2017/2018 harvest.

Table 1 Descriptive analysis of soybean productivity in the years 2015/2016 and 2017/2018.

MZ	Plot	Number of dot	Average (t ha^-1)	Median error estimate	Standar (t ha^-1)	CV (%)	Mínimum (t ha^-1)	Máximum (t ha^-1)
--------------------------------------------------------------------------2015/2016 harvest---------------------------------------------------------------------
2	1	314	3.45a	0.042	0.75	21.71	1.7	5.2
2	2	915	3.29a	0.021	0.62	18.89	1.7	5.2
1	3	698	3.48a	0.026	0.70	20.20	1.8	5.2
1	4	721	3.41a	0.024	0.63	18.57	1.7	5.2
1	5	1050	3.34a	0.021	0.68	20.52	1.7	5.2
1	6	400	3.28a	0.029	0.58	17.75	1.7	5.2
2	7	438	3.14a	0.024	0.51	16.40	1.7	5.2
2	8	571	3.41a	0.030	0.72	21.26	1.8	5.2
2	9	599	3.37a	0.027	0.66	19.54	1.7	5.2
2	10	484	3.21a	0.031	0.68	21.18	1.7	5.2
1	11	654	3.50a	0.024	0.62	17.71	1.7	5.2
1	12	1209	3.37a	0.016	0.55	16.44	1.7	5.2
1	13	606	3.40a	0.031	0.77	22.52	1.7	5.2
1	14	931	3.37a	0.021	0.64	19.01	1.7	5.2
2	15	454	3.23a	0.025	0.54	16.79	1.7	5.1
2	16	1310	3.35a	0.018	0.67	19.98	1.7	5.2
--------------------------------------------------------------------------2017/2018 harvest---------------------------------------------------------------------
2	1	330	2.50b	0.034	0.62	19.32	1.2	5.1
2	2	905	3.21a	0.020	0.61	19.15	1.4	5.1
1	3	905	3.10ab	0.013	0.38	12.53	2.0	4.1
1	4	571	3.39a	0.023	0.56	15.82	1.9	4.7
1	5	782	3.46a	0.019	0.55	15.98	2.0	5.0
1	6	393	3.16ab	0.019	0.39	12.30	2.1	4.3
2	7	486	3.35a	0.034	0.75	22.40	1.2	5.6
2	8	522	3.39a	0.030	0.68	20.08	1.7	5.2
2	9	551	3.22a	0.027	0.64	19.90	1.6	5.1
2	10	565	3.08ab	0.028	0.66	21.44	1.2	5.1
1	11	617	3.11ab	0.017	0.44	14.20	1.6	4.5
1	12	799	3.51a	0.017	0.49	14.06	2.1	4.9
1	13	601	2.90ab	0.031	0.77	22.82	1.2	5.1
1	14	825	2.78b	0.016	0.46	16.71	1.3	4.2
2	15	448	3.04ab	0.025	0.53	17.08	1.6	4.6
2	16	1273	3.12ab	0.018	0.65	20.92	1.4	5.0

Notes: Zone 1: Higher productive potential, Zone 2: Lower productive potential, tons per hectare (t ha^-1), Percentage (%), Coefficient of variation (CV). Mean values followed by the same letter in the column do not differ from each other by the Tukey test at 5% probability.

Como citar

copiar

Universidade Federal de Santa Maria Universidade Federal de Santa Maria, Centro de Ciências Rurais , 97105-900 Santa Maria RS Brazil , Tel.: +55 55 3220-8698 , Fax: +55 55 3220-8695 - Santa Maria - RS - Brazil
E-mail: cienciarural@mail.ufsm.br

Acompanhe os números deste periódico no seu leitor de RSS

Versão para download de PDF

PDF

Inglês

Versões e tradução automática

Versão original do texto

English

Tradução automática

Google Translator
Microsoft Translator

Como citar

RIS

BIBTEX

Outros formatos de citação e exportação:

SciELO - Scientific Electronic Library Online
Rua Dr. Diogo de Faria, 1087 – 9º andar – Vila Clementino 04037-003 São Paulo/SP - Brasil
E-mail: scielo@scielo.org

Leia a Declaração de Acesso Aberto

Métricas

Produtividade da soja em zonas de manejo com a aplicação de diferentes densidades de semeadura

PlumX

Mensagem

[1] E-mail: rafa_camicia@hotmail.com. ^*Corresponding author.