Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra

Detalhes bibliográficos
Autor(a) principal: Rocha, Hélio Gallo
Data de Publicação: 2016
Outros Autores: Silva, Adriano Bortolotti da, Nogueira, Denismar Alves, Miranda, José Messias, Mantovani, José Ricardo
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/995
http://repositorio.ufla.br/jspui/handle/1/13874
Resumo: Estimar corretamente a produção futura da safra de café auxilia os setores públicos e privados, na tomada de decisão em diversos âmbitos do planejamento e evitam especulações com esta “commodity”, que podem afetar negativamente o setor. Objetivou-se avaliar o uso da geoestatística aplicada à estimativa de safra em dois modelos matemáticos, que utilizaram como parâmetros índices fenológicos na cultura do café (Coffea arabica L.). O experimento foi realizado em área de 1 ha, com a cultivar de café Catuai Vermelho IAC-144, idade de 5 anos. Nesta área, foram coletados 50 pontos amostrais. A estimação de produção e a obtenção da produção real ocorreram no ano de 2013. Procedeu-se à análise das diferenças (resíduos) entre a produção observada (PO) e a produção pelos modelos estimadores, propostos por: Fahl et al. (2005) (M1) e Miranda, Reinato e Silva (2014) (M2). Para estimar o semivariograma teórico, foi utilizado o método dos quadrados mínimos ordinários. Nas condições nas quais esta pesquisa foi conduzida, pode-se afirmar que todos os atributos apresentaram dependência espacial, sendo possível a distinção entre áreas com maior e menor variabilidade, observadas através dos mapas de krigagem. Pela análise da estatística descrita e geoestatística, foi possível verificar que o modelo M2 demonstrou ser superior ao M1, podendo ser empregado para estimativa de produtividade de safra do cafeeiro por produtores e empresas que comercializam no mercado futuro.
id UFLA_4002bf54d7a1a97b32a5a2a9446eba09
oai_identifier_str oai:localhost:1/13874
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safraCoffee productivity mapping from mathematical models for prediction of harvestCafeiculturaEstimativa de safraForecast harvestKrigagemGeoestatísticaGeostatisticsEstimar corretamente a produção futura da safra de café auxilia os setores públicos e privados, na tomada de decisão em diversos âmbitos do planejamento e evitam especulações com esta “commodity”, que podem afetar negativamente o setor. Objetivou-se avaliar o uso da geoestatística aplicada à estimativa de safra em dois modelos matemáticos, que utilizaram como parâmetros índices fenológicos na cultura do café (Coffea arabica L.). O experimento foi realizado em área de 1 ha, com a cultivar de café Catuai Vermelho IAC-144, idade de 5 anos. Nesta área, foram coletados 50 pontos amostrais. A estimação de produção e a obtenção da produção real ocorreram no ano de 2013. Procedeu-se à análise das diferenças (resíduos) entre a produção observada (PO) e a produção pelos modelos estimadores, propostos por: Fahl et al. (2005) (M1) e Miranda, Reinato e Silva (2014) (M2). Para estimar o semivariograma teórico, foi utilizado o método dos quadrados mínimos ordinários. Nas condições nas quais esta pesquisa foi conduzida, pode-se afirmar que todos os atributos apresentaram dependência espacial, sendo possível a distinção entre áreas com maior e menor variabilidade, observadas através dos mapas de krigagem. Pela análise da estatística descrita e geoestatística, foi possível verificar que o modelo M2 demonstrou ser superior ao M1, podendo ser empregado para estimativa de produtividade de safra do cafeeiro por produtores e empresas que comercializam no mercado futuro.Correctly estimate coffee harvests assist public and private sectors in decision making in various areas of planning and avoid speculation with commodity that negatively affect the industry. The present work aimed to evaluate the use of geostatistics applied to harvest estimate two models using parameters such as phenological indices in the culture of coffee (Coffea arabica L.). The experiment was carried out in an area of one hectare cultivated with Red Catuai IAC-144, 5 years-old plants. 50 points of data were collected within this area. Data collection for the estimation models and obtaining the actual production occurred respectively in the months of March and May 2013. Then, the analysis of the residues was done between the observed (PO) and the estimate models, proposed by: Fahl et al. (2005) (M1) and Miranda, Reinato and Silva (2014) (M2). The minimum ordinary squares method was used estimate the theoretical semi variation. After being selected and validated, the model became the plot map of estimated by ordinary kriging. Considering the assumptions this research was conducted, it can be affirmed that all attributes presented spatial dependency, allowing distinction between areas of high and low variability observed in kriging maps. Using descriptive statistical analysis and geo-statistics, it was possible to verify that M2 mathematical model presented more accurate estimates than M1, thus being the best choice for estimating coffee productivity harvest conducted by coffee producers and companies that trade this commodity in future markets.Kriging2016-03-222017-08-01T20:08:42Z2017-08-01T20:08:42Z2017-08-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfapplication/pdfhttp://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/995ROCHA, H. G. et al. Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra. Coffee Science, Lavras, v. 11, n. 1, p. 108-116, jan./mar. 2016.http://repositorio.ufla.br/jspui/handle/1/13874Coffee Science; v. 11, n. 1 (2016); 108 - 116Coffee Science; v. 11, n. 1 (2016); 108 - 116Coffee Science; v. 11, n. 1 (2016); 108 - 1161984-39091809-6875reponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLAporhttp://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/995/pdf_12http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1297http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1298http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1299http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1300Attribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessRocha, Hélio GalloSilva, Adriano Bortolotti daNogueira, Denismar AlvesMiranda, José MessiasMantovani, José RicardoRocha, Hélio GalloSilva, Adriano Bortolotti daNogueira, Denismar AlvesMiranda, José MessiasMantovani, José Ricardo2021-01-27T18:33:05Zoai:localhost:1/13874Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2021-01-27T18:33:05Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
Coffee productivity mapping from mathematical models for prediction of harvest
title Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
spellingShingle Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
Rocha, Hélio Gallo
Cafeicultura
Estimativa de safra
Forecast harvest
Krigagem
Geoestatística
Geostatistics
title_short Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
title_full Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
title_fullStr Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
title_full_unstemmed Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
title_sort Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
author Rocha, Hélio Gallo
author_facet Rocha, Hélio Gallo
Silva, Adriano Bortolotti da
Nogueira, Denismar Alves
Miranda, José Messias
Mantovani, José Ricardo
author_role author
author2 Silva, Adriano Bortolotti da
Nogueira, Denismar Alves
Miranda, José Messias
Mantovani, José Ricardo
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Rocha, Hélio Gallo
Silva, Adriano Bortolotti da
Nogueira, Denismar Alves
Miranda, José Messias
Mantovani, José Ricardo
Rocha, Hélio Gallo
Silva, Adriano Bortolotti da
Nogueira, Denismar Alves
Miranda, José Messias
Mantovani, José Ricardo
dc.subject.por.fl_str_mv Cafeicultura
Estimativa de safra
Forecast harvest
Krigagem
Geoestatística
Geostatistics
topic Cafeicultura
Estimativa de safra
Forecast harvest
Krigagem
Geoestatística
Geostatistics
description Estimar corretamente a produção futura da safra de café auxilia os setores públicos e privados, na tomada de decisão em diversos âmbitos do planejamento e evitam especulações com esta “commodity”, que podem afetar negativamente o setor. Objetivou-se avaliar o uso da geoestatística aplicada à estimativa de safra em dois modelos matemáticos, que utilizaram como parâmetros índices fenológicos na cultura do café (Coffea arabica L.). O experimento foi realizado em área de 1 ha, com a cultivar de café Catuai Vermelho IAC-144, idade de 5 anos. Nesta área, foram coletados 50 pontos amostrais. A estimação de produção e a obtenção da produção real ocorreram no ano de 2013. Procedeu-se à análise das diferenças (resíduos) entre a produção observada (PO) e a produção pelos modelos estimadores, propostos por: Fahl et al. (2005) (M1) e Miranda, Reinato e Silva (2014) (M2). Para estimar o semivariograma teórico, foi utilizado o método dos quadrados mínimos ordinários. Nas condições nas quais esta pesquisa foi conduzida, pode-se afirmar que todos os atributos apresentaram dependência espacial, sendo possível a distinção entre áreas com maior e menor variabilidade, observadas através dos mapas de krigagem. Pela análise da estatística descrita e geoestatística, foi possível verificar que o modelo M2 demonstrou ser superior ao M1, podendo ser empregado para estimativa de produtividade de safra do cafeeiro por produtores e empresas que comercializam no mercado futuro.
publishDate 2016
dc.date.none.fl_str_mv 2016-03-22
2017-08-01T20:08:42Z
2017-08-01T20:08:42Z
2017-08-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/995
ROCHA, H. G. et al. Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra. Coffee Science, Lavras, v. 11, n. 1, p. 108-116, jan./mar. 2016.
http://repositorio.ufla.br/jspui/handle/1/13874
url http://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/995
http://repositorio.ufla.br/jspui/handle/1/13874
identifier_str_mv ROCHA, H. G. et al. Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra. Coffee Science, Lavras, v. 11, n. 1, p. 108-116, jan./mar. 2016.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/995/pdf_12
http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1297
http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1298
http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1299
http://www.coffeescience.ufla.br/index.php/Coffeescience/article/downloadSuppFile/995/1300
dc.rights.driver.fl_str_mv Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv Coffee Science; v. 11, n. 1 (2016); 108 - 116
Coffee Science; v. 11, n. 1 (2016); 108 - 116
Coffee Science; v. 11, n. 1 (2016); 108 - 116
1984-3909
1809-6875
reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1815439139584081920