Productivity of soybean in management zones with application of different sowing densities

• Autores: Rafaela Greici da Motta Camicia, Marcio F. Maggi, Eduardo Godoy de Souza, Claudio L. Bazzi, Evandro André Konopatzki, Gabriela Karoline Michelon, José Bruno Santos Pinheiro
• Localización: Ciencia rural, ISSN 0103-8478, Vol. 48, Nº. 12, 2018
• Idioma: inglés
• Títulos paralelos:
  • Produtividade da soja em zonas de manejo com a aplicação de diferentes densidades de semeadura
• Enlaces
  • Texto completo
• Resumen
  • português

    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

  • English

    The present study aimed to assess the efficiency of sowing at variable rates for soybean cultivation in two management zones (MZs) which were defined based on stable attributes and correlated with productivity using the Fuzzy C-means clustering algorithm and the kriging interpolation.Seeding was carried out in the 2015/2016 and 2017/2018 crops with a variation of 20% of seeds and crop row spacing of 0.70m. In each MZ, 8 plots with higher and lower seed density were established. Productivity was measured using a harvest monitor connected to a harvester. Data were filtered and submitted to descriptive analysis. Productivity maps were generated using the inverse square distance interpolation for each seeding density. In the MZ with the highest productive potential (MZ 1), the productivity was 3.39 and 3.18t ha-1, and in the MZ with the lowest productive potential (MZ 2) the productivity was 3.30 and 3.11t ha-1 for the years 2016 and 2018, respectively. Interpolation estimated higher productivity with the application of 15 plants m-1. Based on the economic analysis, it is suggested in this study the application of 214,000 plants ha-1 in both MZs.

    Key words: precision agriculture; grain production; management zones