Mapeamento da produtividade do cafeeiro a partir de modelos matemáticos de previsão de safra
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Outros Autores: | , , , |
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 |