Resumo: O objetivo deste trabalho foi desenvolver e fornecer um aplicativo da web gratuito, capaz de gerar mapas temáticos. A iniciativa visa incorporar as funcionalidades do aplicativo Software para Definição de Unidades de Manejo (SDUM) desktop, que provou ser adequado para trabalhar com mapas temáticos e zonas de manejo, mas que estava disponível apenas para computadores desktop. O aplicativo da web desenvolvido foi testado com dados reais de duas áreas agrícolas localizadas no estado do Paraná. Mapas temáticos dos atributos do solo e das plantas relevantes para a agricultura de precisão foram criados através dos seguintes métodos de interpolação: inversa da distância, média móvel e vizinho mais próximo. Os resultados obtidos mostram que o uso dessa ferramenta da web permite identificar áreas com o mesmo comportamento em relação às variáveis do solo, o que possibilita ao usuário ter uma visão melhor e mais precisa sobre a área a ser trabalhada e identificar possíveis causas de variação na produtividade. Por estar instalado em um servidor com recursos sob demanda, o software possui desempenho satisfatório do ponto de vista funcional e pode ser acessado em qualquer ambiente da web.

Abstract: The objective of this work was to develop and provide a free web application able to generate thematic maps. The initiative aims to incorporate the functionalities of the “Software para Definição de Unidades de Manejo” (SDUM) desktop application, which has proven to be suitable for working with thematic maps and management zones, but that was only available for desktop computers. The developed web application was tested with real data from two agricultural fields located in the state of Paraná, Brazil. Thematic maps of soil and plant characteristics relevant to precision agriculture were created through the following interpolation methods: inverse distance, moving average, and nearest neighbor. The obtained results show that the usage of this web tool allows identifying areas with the same behavior toward soil variables, making it possible for the user to have a better and more accurate vision of the area to be worked on and to identify possible causes of variation in productivity. Because it is installed in a server with on-demand features, the software has a satisfactory performance from a functional point of view and can be accessed from any web environment.

RESUMO. O presente estudo visou identificar áreas com correlação e autocorrelação espacial para a produtividade de milho e suas variáveis preditoras (temperatura média, precipitação pluvial, radiação solar, potencialidade agrícola do solo e altitude), e também, verificar o modelo de regressão espacial mais adequado para a explicação da cultura. O estudo foi realizado utilizando dados de municípios do estado do Paraná referente a safras de verão dos anos agrícolas de 2011/2012, 2012/2013 e 2013/2014. Para determinar o modelo de regressão mais apropriado para a estimativa da produtividade de milho, foi adotado o diagnóstico estatístico do modelo de regressão OLS - Ordinary Least Square. Para todos anos agrícolas foi recomendado a utilização do modelo de regressão espacial SAR - Spatial Lag Model, sendo que apenas para o ano agrícola 2013/2014 pode ser recomendado o modelo Spatial Error Model (CAR). A regressão espacial (SAR e CAR) adotada para a estimativa da produtividade de milho em diferentes anos, obteve melhores resultados quando comparada com os resultados da regressão que não incorpora a autocorrelação espacial dos dados (OLS). O coeficiente de determinação R², os critérios de informação bayesiano (BIC) e o máximo valor do logaritmo da função verossimilhança (Log-likelihood), apresentou melhora significativa na estimação da produtividade do milho quando utilizado SAR e CAR.

ABSTRACT. This study aimed to identify areas that showed spatial autocorrelation for corn yield and its predictive variables (i.e., average air temperature, rainfall, solar radiation, soil agricultural potential and altitude) and to determine the most appropriate spatial regression model to explain this culture. The study was conducted using data from the municipalities of the state of Paraná relating to the summer harvests in 2011/2012, 2012/2013, and 2013/2014. The statistical diagnostic of the OLS (Ordinary Least Square regression model) was employed to determine the most suitable regression model to predict corn yield. The SAR (Spatial Lag Model) was recommended for all crop years; however, the Spatial Error Model (CAR) was recommended only for the 2013/2014 crop year. The SAR and CAR spatial regressions chosen to predict corn yield in the various years had better results when compared to a regression model that does not incorporate data spatial autocorrelation (OLS). The coefficient of determination (R²), the Bayesian information criteria (BIC) and the maximum value of the logarithm of likelihood function proved to be better for the estimation of corn yield when SAR and CAR were used.

RESUMO: 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.

ABSTRACT: 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.