A automação do processo de obtenção do mapa de produtividade introduz erros nos dados coletados. Processos de filtragem de dados podem eliminar parte dos erros e elevar a qualidade da informação. Um processo de filtragem foi desenvolvido para as características de cada erro presente em um mapa de produtividade. Tais erros podem ser de posicionamento, produtividades improvavelmente altas e baixas, largura de plataforma incorreta, umidade de grãos, distância entre pontos, intervalo de enchimento e limites estatísticos para dados discrepantes. O filtro foi aplicado a seis conjuntos de dados obtidos de seis diferentes monitores de produtividade comerciais. A análise geoestatística dos conjuntos de dados mostrou que a aplicação do filtro diminuiu o efeito pepita e obteve melhores resultados qualitativos na validação cruzada por krigagem, elevando a qualidade final da informação.

As yield data are collected automatically it allows for errors to be introduced into the data collected. Filtering processes might be able to eliminate part of the errors and improve the quality of yield data. The development of a filtering process may be set up based on the individual characteristics of each error. These errors may be related to incorrect position, too high or too low yield, swath width, grain moisture, null distance between points, filling interval and outliers. The filtering algorithm was implemented on six sets of data generated from six different commercial yield monitors. A geostatistical analysis of the data sets showed that the application of the filtering process decreased the nugget effect and improved the cross validation quality index.

O mapa de produtividade é considerado, por muitos autores, o início da Agricultura de Precisão. A tecnologia para a coleta automatizada de pontos de produtividade proporciona intensa densidade amostral com a inevitável coleta de pontos que contêm erros na medição da produtividade e que podem interferir na análise e na tomada de decisão baseada no mapa. Este trabalho tem por objetivo desenvolver uma metodologia para identificar e caracterizar erros em mapas de produtividade, e aplicá-la para seis diferentes monitores de produtividade comerciais. Nos dados analisados foram encontrados erros de posicionamento, pontos com produtividade nula ou extrema, ausência de medida de umidade dos grãos, largura de plataforma incorretamente registrada pelo operador, dados inconsistentes durante o intervalo referente ao tempo de enchimento e de esvaziamento da colhedora nos inícios e finais de passadas e, também, dados discrepantes. Todos esses erros foram devidamente caracterizados e forneceram bases para a formulação de uma rotina de filtragem de dados brutos.

For many researchers, yield mapping is the start of Precision Farming. Yield monitors measure the yield and collect data in a high frequency allowing the collection of erroneous data that may interfere in the decision-making based on yield maps. The objective of this work was to develop a methodology to identify and characterize errors in yield maps and apply the methodology to a set of data obtained from six different commercial yield monitors. With the analyzed data, errors were found and characterized as positioning errors, null or extremely high yield points with no measurements of grain moisture, swath width errors due to wrong interpretation of the effective cutting width by the operator, time errors and disagreeable data. All these errors were characterized and furnished the basis for the formulation of a routine for filtering the new yield data.

Um grande número de pequenas propriedades rurais no Brasil utiliza semeadoras manuais para a operação de semeadura. O fator limitante para a utilização de tratores e equipamentos de maior rendimento nessas condições são terrenos pedregosos ou declivosos e disponibilidade de capital. As semeadoras manuais existentes no mercado mantêm o mesmo princípio desde o início de sua utilização e não sofreram grandes melhorias. Neste trabalho avaliaram-se semeadoras existentes no mercado, classificando-as quanto à regularidade de vazão dos seus mecanismos dosadores. Para a avaliação estabeleceu-se, como meta, a vazão de duas sementes por ciclo. Algumas semeadoras resultaram em baixo desvio-padrão e média próximo de duas sementes por ciclo, enquanto outras apresentaram desempenho deficiente. Não houve algum tipo de mecanismo dosador que se destacasse, sendo seus efeitos encobertos pela qualidade construtiva das máquinas.

In Brazil, a great number of small farms still use manual planters, especially in hilly and stony areas. These machines have not received significant design improvements since the start of their usage. Some of these planters available in the market have been tested for their seeding performance for corn. Each machine was set up to deliver two seeds each time. Only a few planters resulted in a low standard deviation and number of seeds close to the target. The performance of the seed meter was affected by the manufacturing quality of the machines.