RESUMO O conceito de conservação de precisão pode ser definido como um conjunto de tecnologias espaciais e outros procedimentos ligados as variáveis ambientais mapeáveis, que podem ser utilizadas para programar práticas de gestão da conservação recursos naturais que levam em consideração a variabilidade dessas variáveis no espaço e tempo dentro de sistemas naturais ou agrícolas. Nesse contexto, considera-se a perda estrutural do solo por meio de atividades antrópicas, como com um processo com variação espacial e temporal. A gestão da condição de agregação do solo pode contribuir para processos agrícolas mais regenerativos e sustentáveis, pois permite a utilização das tecnologias de análise espacial, por meio de indicadores visuais georreferenciados ou mesmo a utilização de sistemas com aprendizado automático, conhecidos como deep learning. Nesse sentido, foi desenvolvido um método visual justaposto com uma análise de lógica fuzzy para a classificação dos agregados quanto à forma, rugosidade superficial e estruturas biogênicas. Assim, numa segunda etapa foi desenvolvido um modelo de rede neural artificial capaz de detectar e classificar diferentes formas de agregados do solo, permitindo dessa maneira, uma breve discussão da temática e seu potencial de aplicação na gestão conservacionista por meio da análise de agregados via sistemas automáticos de classificação. Dessa maneira, são apresentados elementos para a motivação de pesquisas e desenvolvimento em tecnologias adaptativas, no apoio à decisão que possam auxiliar a integração de informações dinâmicas e espaciais no entendimento da condição estrutural do solo com a finalidade de uma conservação dos solos com mais precisão.

ABSTRACT The concept of precision conservation can be defined as a set of space technologies and other procedures linked to mappable environmental variables, which can be used to program conservation management practices for natural resources that consider the variability of these variables in space and time within of natural or agricultural systems. In this context, structural loss of soil through human activities is considered, as with a process with a spatial and temporal variation. The management of soil aggregation conditions can contribute to more regenerative and sustainable agricultural processes. It allows spatial analysis technologies through georeferenced visual indicators or even the use of systems with automatic learning, known as deep learning. In this sense, a fair visual method was developed with an analysis of fuzzy logic to classify aggregates in terms of shape, surface roughness, and biogenic structures. Thus, in a second stage, a model of the artificial neural network was developed, capable of detecting and classifying different forms of soil aggregates, thus allowing a brief discussion of the theme and its potential for application in conservation management through the analysis of aggregates via systems automatic sorting. In this way, elements are presented for the motivation of research and development in adaptive technologies in supporting decision-making that can help integrate dynamic and spatial information in the understanding of the soil’s structural condition to preserve the soil more precisely.

Estudou-se o crescimento vegetativo e o coeficiente de cultura (k c) do feijoeiro (Phaseolus vulgaris L.), relacionando-os ao índice de grausdia acumulados (sigmaG). O delineamento experimental foi o inteiramente casualizado com três tratamentos e quatro repetições. Os tratamentos de densidade populacional de plantas foram: cultura semeada em evapotranspirômetros a uma densidade de 50 plantas m-2, com redução para 25 plantas m-2, quando alcançada a cobertura completa do solo; cultura semeada com densidades populacionais de 14 e 28 plantas m-2 em campo irrigado. Os parâmetros de crescimento da cultura, como a matéria seca total, a porcentagem de cobertura vegetal e o índice de área foliar mostraram uma relação altamente significativa com sigmaG, tendo sido afetada pelos tratamentos e pelas condições de suprimento de água. A relação entre o coeficiente de cultura basal (k cb) e sigmaG foi altamente significativa para a cultura semeada nos evapotranspirômetros. No campo, o molhamento da superfície do solo após a chuva ou irrigação e o déficit hídrico moderado afetaram as correlações (r²) entre k c e sigmaG. Os tratamentos não alteraram os estádios fenológicos da cultura, quando correlacionados com graus-dia acumulados.

The vegetative growth and the crop coefficient (k c) for irrigated beans (Phaseolus vulgaris L.) was studied in relation to accumulated growing-degree-days (sigmaG). A completely randomized design was used with three treatments and four replicates. Population density treatments were: crop sowed in evapotranspirometers at a density of 50 plants m-2 reduced to 25 plants m-2, when the canopy achieved full ground cover; and crop sowed with population densities of 14 and 28 plants m-2 in irrigated field. Crop growth was evaluated considering dry matter, vegetative ground cover and the leaf area index. All traits had a highly significant relationship to sigmaG, even though plant density and water supply conditions affected them. The relationship between the basal crop coefficient (k cb) and sigmaG was highly significant in the evapotranspirometers. In the field, the surface wetting after the rain or irrigation and the mild water deficits affected the correlations (r²) between k c and sigmaG. The phenological events of the plants studied were not affected by the treatment, when related to accumulated growing-degree-days.