FLUXO GEOESTATÍSTICO AUTOMATIZADO PARA MAPEAMENTO DE PRODUTIVIDADE DE SOJA: VALIDAÇÃO K-FOLD E ANÁLISE DE SENSIBILIDADE DE MODELOS VARIOGRÁFICOS
Automated Geostatistical Workflow for Soybean Yield Mapping: K-Fold Validation and Sensitivity Analysis of Variogram Models
AUTORES/AUTHORS
Carlos Alberto Rigo Junior¹; Daiane Luisa Rosso¹; Lúcio de Paula Amaral²
¹ Colégio Politécnico da Universidade Federal de Santa Maria, Programa de Pós-Graduação em Agricultura de Precisão, Santa Maria – RS, Brasil, carlos.rigo@acad.ufsm.br; daianerosso@hotmail.com
² Professor do Programa de Pós-Graduação em Agricultura de Precisão, Colégio Politécnico da Universidade Federal de Santa Maria/UFSM, Avenida Roraima n.º 1000, CEP: 97105-900, Santa Maria – RS, Brasil, amaralufsm@gmail.com
RESUMO
Este trabalho apresenta uma solução automatizada e rastreável para análise geoestatística da produtividade da soja, aplicada ao talhão Silo da Fazenda Irmãos Rigo, em André da Rocha (RS). O pipeline integra pré-processamento, filtragem de outliers, interpolação por krigagem e validação cruzada k-fold (k = 5), parametrizado por talhão e safra. Os scripts processam dados brutos e geram mapas de produtividade, semivariogramas e relatórios técnicos em múltiplos formatos (CSV, PDF, PNG), assegurando reprodutibilidade e adaptação a diferentes contextos dentro da cultura da soja. O modelo variográfico exponencial apresentou desempenho preditivo adequado ao uso operacional (RMSE = 0,6 t ha⁻¹; R² = 0,241), com outputs detalhados e métricas transparentes. A abordagem facilita a tomada de decisão agronômica, reduz erros manuais e pode ser adaptada para novos cenários dentro da cultura da soja, promovendo avanços em agricultura de precisão baseada em dados.
Palavras-chave: Agricultura de precisão. Geoestatística. Krigagem.
ABSTRACT
This work presents an automated and traceable solution for geostatistical analysis of soybean productivity, applied to the Silo field at Irmãos Rigo Farm, in André da Rocha (RS), Brazil. The pipeline integrates preprocessing, outlier filtering, kriging interpolation, and k-fold cross-validation (k = 5), parameterized by field and harvest season. The scripts process raw data and generate productivity maps, semivariograms, and technical reports in multiple formats (CSV, PDF, PNG), ensuring reproducibility and adaptation to different contexts within soybean cultivation. The exponential variogram model showed predictive performance suitable for operational use (RMSE = 0.6 t ha⁻¹; R² = 0.241), with detailed outputs and transparent metrics. The approach facilitates agronomic decision-making, reduces manual errors, and can be adapted to new scenarios within soybean cultivation, promoting advances in data-driven precision agriculture.
Keywords: Precision agriculture. Geostatistics. Kriging.
