Atributos do solo e componentes produtivos da cultura da pupunha : uma abordagem linear, geoestatística e multivariada

• Main Author: Montanari, Rafael.
• Other Authors: Universidade Estadual Paulista "Júlio de Mesquita Filho" Faculdade de Engenharia (Campus de Ilha Solteira).
• Format: Others
• Language: Portuguese; Portuguese
• Published: Ilha Solteira, 2016
• Subjects: Solos - Manejo.; Agricultura de precisão.; Krigagem.; Precision farming
• Online Access: http://hdl.handle.net/11449/140270

Banca: Ricardo Antônio Ferreira Rodrigues === Banca: Salatiér Buzetti === Banca: Paulo Leonel Libardi === Banca: Carlos Roberto Espindola === Banca: Edson Eiji Matsura === Resumo: Por se tratar de um cultivo perene, a pupunheira se torna bastante exigente quanto aos atributos físico-químicos do solo, refletindo de forma mais imediata ao efeito causado pelo manejo que é adotado. O objetivo do presente trabalho foi identificar por meio de análises lineares, geoestatísticas e multivariadas os atributos do solo que melhor expliquem a variabilidade linear e espacial da cultura da pupunha em Registro, SP. Em 2014, foi analisado os componentes produtivos da cultura da pupunha em função de alguns atributos físicos e químicos de um Cambissolo eutrófico. Foi demarcada a malha geoestatística, com 54 pontos amostrais, numa área de 1 ha. Quanto ao ponto de vista linear, diâmetro do caule e altura da planta foi explicada pelo modelo potencial direto e exponencial, o que foi altamente significativa, devido à resistência mecânica à penetração. A classificação em grupos foi feita por três métodos: método de agrupamentos hierárquico, método não-hierárquico k-means e análise de componentes principais. Assim, pode se concluir que a análise multivariada por meio da análise de componentes principais permitiu identificar dois grupos que explicam 67,8 % da variabilidade total dos dados, onde estes grupos são constituídos pelos atributos físicos densidade do solo, porosidade total, umidade gravimétrica e resistência mecânica à penetração que se mostraram com maior poder de explicação da variação do diâmetro do caule da pupunha. Já para os atributos químicos a classificação em grupos foi feita por três métodos: método de agrupamentos hierárquico, método não-hierárquico k-means e análise de componentes principais. Pode se concluir que a análise multivariada por meio da análise de componentes principais permitiu identificar dois grupos que explicam 56,62 % da variabilidade total dos dados, onde estes grupos são constituídos pelos atributos químicos matéria orgânica, potássio, magnésio.. === Abstract: Because it is a perennial crop, peach palm becomes quite demanding as physico-chemical soil properties, reflecting more immediately the effect caused by the management that is adopted. The objective of this study was to identify through linear analysis, geostatistics and multivariate soil attributes that best explain the linear and spatial variability of the culture of peach palm in Registro, SP. In 2014, was analyzed productive components of the culture of peach palm due to some physical and chemical attributes of a eutrophic Cambisol. It was demarcated the geostatistical grid with 54 sampling points in an area of 1 ha. As the linear point of view, stem diameter, and plant height was explained by the potential direct and exponential model, which was highly significant due to the mechanical resistance. Classification into groups was made by three methods: method of hierarchical clusters, non-hierarchical k-means method and principal component analysis. Thus, it can be concluded that the multivariate analysis using principal component analysis allowed us to identify two groups that explain 67.8% of the total variability of the data, where these groups are made up of the physical attributes of the soil density, total porosity, humidity and gravimetric penetration resistance that demonstrated greater explanatory power of the variation of peach palm stem diameter. As for the chemical attributes the classification in groups was made by three methods: method of hierarchical clusters, non-hierarchical k-means method and principal component analysis. It can be concluded that the multivariate analysis using principal component analysis allowed us to identify two groups that explain 56.62% of the total variability of the data, where these groups are made up of the chemical attributes organic matter, potassium, magnesium, aluminum, exchange capacity cation and aluminum saturation stood out as main components that demonstrated greater explanatory power...