INTEGRAÇÃO DE VARIÁVEIS TOPOGRÁFICAS, PRODUTIVIDADE E FERTILIDADE PARA DELIMITAÇÃO DE ZONAS DE MANEJO EM LAVOURA
Integration of topographic variables, yield, and soil fertility for delimiting management zones in a crop field
AUTORES/AUTHORS
Silmar Mateus Dallabrida1; Jean Michel Moura-Bueno1;2; Bruna Trevizan Paese2; Marco Ivan Rodrigues Sampaio1; Maísa Jungbeck1;
RESUMO
O trabalho visou avaliar a correlação entre variáveis do solo e topográficas com a produtividade de grãos e delimitar zonas de manejo (ZM) com o input de diferentes conjuntos de dados para um talhão sob cultivo de soja e milho. O estudo foi realizado em uma área comercial de Pejuçara no estado do Rio Grande do Sul. Foram coletados dados de variáveis de solo (profundidade de solo, nutrientes, matéria orgânica e pH) por meio de uma grade de amostragem com 71 pontos e variáveis topográficas derivadas de um modelo digital do terreno. Esses dados foram correlacionados a mapas de produtividade de soja (2020, 2021, 2023, 2024) e milho (2025). As ZM foram geradas por meio do algoritmo k-means. As variáveis topográficas declividade, fator LS e índice de umidade tiveram forte correlação com a produtividade. A integração de médias históricas de produtividade com variáveis topográficas e variáveis de solo foi a estratégia mais eficiente para definir ZM, visando orientar práticas de manejo.
Palavras-chave: Agricultura de precisão. Áreas de manejo específico. Variabilidade do terreno.
ABSTRACT
This study aimed to (i) evaluate the correlation between soil and topographic variables with grain yield, and (ii) delineate management zones (MZ) using different input datasets in a commercial field cultivated with soybean and maize. The experiment was conducted in Pejuçara, Rio Grande do Sul, Brazil. Soil variables (soil depth, nutrients, organic matter, and pH) were collected through a georeferenced grid with 71 sampling points, while topographic variables were derived from a digital terrain model. These datasets were correlated with yield maps of soybean (2020, 2021, 2023, 2024) and maize (2025). MZ were generated using the k-means algorithm. Topographic variables such as slope, LS factor, and topographic wetness index showed strong correlations with yield. The integration of historical yield averages with topographic and soil variables proved to be the most efficient strategy for defining MZ, providing a basis for site-specific management practices.
Keywords: Precision agriculture. Management zones. Digital terrain mapping.
