Spatial analysis of soybean yield in the western mesoregion of Paraná using agrometeorological variables
DOI:
https://doi.org/10.33448/rsd-v11i3.25962Keywords:
Spatial Autocorrelation; Spatial Correlation; Spatial data analysis.Abstract
This paper aimed to analyze the spatial autocorrelation of soybean yield and its bivariate spatial correlation with theagrometeorological variables rainfall, mean temperature, and mean global solar radiation in 2014/2015, 2015/2016, and 2016/2017 crop years in the West of the State of Paraná – Brazil. To achieve this objective, techniques of spatial statistics of areas were used, which, through autocorrelation and spatial correlation indices, sought to identify patterns of association between soybean yield and agrometeorological variables. This research is justified because in addition to the soybean crop being the main source of food protein and vegetable oil in the world and the agrometeorological variables being the factors that most influence it, the western mesoregion of Paraná stands out with the highest production values in the state. Thus, it is important to monitor its development through spatial analysis to obtain information that will support decision making. The global and local Moran’s indices showed that soybean yield is self-correlated in the municipalities of Western Paraná, identifying clusters to the west and east of the mesoregion. The significance of the bivariate spatial correlation indices confirmed the influence of the variables rainfall, mean temperature, and average global solar radiation on soybean yield.
References
Almeida, E. S. (2012). Econometria Espacial Aplicada. Alínea.
Anselin, L. (1995). Local indicators of spatial association–LISA. Geographical Analysis, 27(2), 93-115. doi: https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
Anselin, L. (2003). GeoDa 1.4.6 User’s Guide. University of Illinois.
Anselin, L.; Le Gallo, J.; Jayet, H. (2008). Spatial panel econometrics. In: The econometrics of panel data. Springer, 625-660.
Anselin, L.; Syabri, I.; Kho, Y. (2018). GeoDa Version 1.12. https://geodacenter.github.io-
Araújo, E. C. de; Uribe-Opazo, M. A.; Johann, J. A. (2014). Modelo de regressão espacial para estimativa da produtividade da soja associada a variáveis agrometeorológicas na região oeste do estado do Paraná. Engenharia Agrícola, 34, (2), 286-299. doi:https://doi.org/10.1590/S0100-69162014000200010.
Araujo, M. A.; Souza, J. L. M. de; Tsukahara, R. Y. (2011). Modelos agro-meteorológicos na estimativa da produtividade da cultura da soja na região de Ponta Grossa, Estado do Paraná. Acta Scientiarum. Agronomy, 33(1), 23-31. doi: 10.4025/actasciagron.v33i1.5062.
Barboza, E.N.; Caiana, C.R.A.; Neto, F.C.B. (2020). Rainfall analysis in the Central-South Region of Ceará: A study of the period (1980-2009). Research, Society and Development, 9(6), e18963304. doi: http://dx.doi.org/10.33448/rsd-v9i6.3304.
Braga, G. B.; Marques, M. A. F.; Braga, B. B. (2016). Um diagnóstico da distribuição espacial da atenção primária à saúde no sudeste brasileiro. Journal of Health Sciences, 18(1), 37-47. doi:10.17921/2447-8938.2016v18n1p41-51.
Câmara, G.; Carvalho, M. S.; Cruz, O. G.; Correa, V. (2004). Análise espacial de áreas. Análise espacial de dados geográficos. Embrapa, 157-182.
Campos, R. B. A.; Chagas, A. L. S. (2017). Identificação e caracterização das subcentralidades de emprego no município de São Paulo. Working Paper Series, (33), 1-20. https://ideas.repec.org/p/spa/wpaper/2017wpecon33.html.
Chan-Tack, A.M. (2014). The Case for Spatially-Sensitive Data: How Data Structures Affect Spatial Measurement and Substantive Theory. Historical Social Research, 39(2), 315-346. https://www.ssoar.info/ssoar/handle/document/38487.
Cargnelutti Filho, A.; Matzenauer, R.; Maluf, J. R. T.; Radin, B. (2009). Variabilidade temporal e espacial da precisão das estimativas de elementos meteorológicos no Rio Grande do Sul. Ciência Rural, 39 (4), 962-970. https://www.redalyc.org/pdf/331/33115802039.pdf.
Conab - Companhia Nacional de Abastecimento. (2019). Acompanhamento da safra brasileira. Soja em números, safra 2017/2018. https://www.conab.gov.br/info-agro/safras.
Conab - Companhia Nacional de Abastecimento. (2014). Boletim de monitoramento agrícola. Cultivos de verão – Safra 2014/2015. 3 (20). Retrieved October 9, 2021, from https://www.conab.gov.br/info-agro/safras/graos/monitoramento-agricola.
Conab - Companhia Nacional de Abastecimento. (2015a). Boletim de monitoramento agrícola. Cultivos de verão – Safra 2014/2015. 4 (1). https://www.conab.gov.br/info-agro/safras/graos/monitoramento-agricola.
Conab - Companhia Nacional de Abastecimento. (2015b). Boletim de monitoramento agrícola. Cultivos de verão – Safra 2014/2015. 4 (2). https://www.conab.gov.br/info-agro/safras/graos/monitoramento-agricola.
Cutts, A., Grasen, A. (2018). Learn QGIS: Your step-by-step guide to the fundamental of QGIS 3.4. Packt Publishing, 1-272.
Dalposso, G. H.; Uribe-Opazo, M. A.; De Bastiani, F. (2021). Spatial-temporal analysis of soybean productivity Using Geostatistical Methods. Journal of Agricultural Studies 9(2), 283-303. https://econpapers.repec.org/article/mthjas888/v_3a9_3ay_3a2021_3ai_3a2_3ap_3a283-303.htm.
Ecmwf - European Centre for Medium-Range Weather Forecasts. (2018). ECMWF 10-daily data. 2018. https://www.ecmwf.int/en/forecasts/datasets/.
Embrapa – Empresa Brasileira de Pesquisa Agropecuária. (2019). Eventos climáticos adversos e seus impactos para as culturas de soja, milho e trigo no Brasil. Londrina: Embrapa Soja, 48 p.
Embrapa – Empresa Brasileira De Pesquisa Agropecuária. (2013a). Sistema brasileiro de classificação de solos. 3ª Ed. Centro Nacional de Pesquisa de Solos, 1- 412.
Embrapa - Empresa Brasileira De Pesquisa Agropecuária. (2013b). Tecnologias de produção de soja - Região Central do Brasil - 2014. Embrapa Soja.
Ferrante, A. & Mariani, L. (2018). Agronomic management for enhancing plant tolerance to abiotic stresses: High and low values of temperature, light intensity, and relative humidity. Horticulturae, 4, (3), 1-21. doi: https://doi.org/10.3390/horticulturae4030021.
Francisco, H.R.; Coldebella, A.; Corrêia, A.F.; Feiden, A. S. (2020) Spatial analysis of point events to estimate the productive potential of the Nile tilapia (Oreochromis niloticus). Research, Society and Development, 9 (9), e855998038. doi: http://dx.doi.org/10.33448/rsd-v9i9.8038.
Friche, A. A. de L.; Calaffa, W. T.; César, C. C.; Goulart, L. M. de F.; Almeida, M. C. de M. (2006). Indicadores de saúde materno infantil em Belo Horizonte, Minas Gerais, Brasil, 2001: Análise dos diferenciais intra-urbanos. Cadernos de Saúde Pública, 22(9), 1955-1965. doi: https://doi.org/10.1590/S0102-311X2006000900027.
Galeano, E. A. V.; Ferrão, R. G.; Souza, R. C.; Tanques, R. C. (2019). Mudança na Distribuição Espacial da Produtividade da Cafeicultura no Espírito Santo nos Anos 2011-2016. Multi-Science Research (MSR), 2, (1), 88-112. https://biblioteca.incaper.es.gov.br/digital/bitstream/123456789/3827/1/distribuicao-espacial-galeano.pdf.
Grzegozewski, D. M.; Uribe-Opazo, M. A.; Johann, J. A.; Guedes, L. P. C. (2017). Spatial correlation of soybean productivity, enhanced vegetation index (EVI) and agrometeorological variables. Engenharia Agrícola, 37(3), 541-555. doi: https://doi.org/10.1590/1809-4430-eng.agric.v37n3p541-555/2017
Ibge - Instituto Brasileiro de Geografia e Estatística (2016). Produção Agrícola Municipal. Culturas Temporárias Permanentes. from https://biblioteca.ibge.gov.br/visualizacao/periodicos/66/pam_2016_v43_br.pdf
Ipardes-Instituto Paranaense de Desenvolvimento Econômico e Social. (2018). Perfil da região geográfica Oeste Paranaense. from http://www.ipardes.gov.br/perfil_municipal/MontaPerfil. php?codlocal=706&btOk=ok.
Koeppen, W. (1948). Climatologia: con un estudio de los climas de la tierra. Fondo de Cultura Económica.
Leite, s. D. (2016). Análise da distribuição espacial da pobreza na região norte do brasil. Revista economia e desenvolvimento, 15 (2), 215-231. doi:https://doi.org/10.22478/ufpb.1517-9354.2016v15n2.36083.
Lopes, P. F.; Chain, C. P.; Menezes, T. P. de; Prado, J. W. do; Carvalho, F. de M. (2017). Gestão de riscos e dependência espacial em seguros agrícolas: uma análise da produtividade da soja. Interciência, 42(8), 503-508. https://www.redalyc.org/journal/339/33952871004/html/.
Qgis Development Team. (2018). QGIS Geographic Information System. Open source geospatial foundation project.
R Core Team. (2014). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna.
Richetti, J.; Johann, J. A.; Uribe-Opazo, M. A. (2021). Crop modeling with less data: The FAO model for soybean yield estimation. Engenharia. Agrícola, 41 (2), 196-203. doi: https://doi.org/10.1590/1809-4430-Eng.Agric.v41n2p196-203/2021
Santos, A. de P.; Rodrigues, D. D.; Santos, N. T.; Gripp Junior, J. (2016). Avaliação da acurácia posicional em dados espaciais utilizando técnicas de estatística espacial: proposta de método e exemplo utilizando a norma brasileira. Boletim de Ciências Geodésicas, 22 (4), 630-650. https://revistas.ufpr.br/bcg/article/view/49633.
Seab - Secretaria Da Agricultura e Abastecimento. (2016). Boletins Informativos -Colheita de soja na reta final. Departamento de Economia Rural (DERAL). http://www.agricultura.pr.gov.br/sites/default/arquivos_restritos/files/qas/4912/soja_29_mar_2016.pdf.
Seab-Secretaria Da Agricultura e Abastecimento. (2017). Boletins Informativos – Produtividade recorde. Departamento de Economia Rural (DERAL). http://www.agricultura.pr.gov.br/sites/default/arquivos_restritos/files/qas/5709/soja_28_julho_2017.pdf.
Seab - Secretaria da Agricultura e Abastecimento. (2018). Produção agrícola por município. Departamento de Economia Rural (DERAL). http://www.agricultura.pr.gov.br/modules/conteudo.
Seffrin, R. (2017). Análise exploratória de dados espaciais aplicada a produtividade de milho no estado do Paraná. 97f. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira.
Simões, R.; Guimarães, C.; Godoy, N.; Velloso, T.; Araújo, T.; Galinari, R.; Chein, F. (2016). Rede urbana da oferta de serviços de saúde: uma análise de clusters espaciais para Minas Gerais. Anais, 1-27.
Silva, E.M.; Gasparin, P.P.; Paludo, A.; Becker, W.R.; Guedes, L.P.C.; Johann, J.A. (2021). Soybean productivity and agrometeorological variables assessed from the perspective of Spatial and Circular Statistics. Journal of Agricultural Studies, 9 (3), 303-325. https://econpapers.repec.org/article/mthjas888/v_3a9_3ay_3a2021_3ai_3a3_3ap_3a303-325.htm
Silva, V.A.; Ribeiro, L.C.S.; Esperidião, F. (2020). Municipal development and infrastructure index and its relationship with child mortality in brazilian municipalities. Research, Society and Development, 9 (6), e169963491, 2020. doi: http://dx.doi.org/10.33448/rsd-v9i6.3491
Vidigal, V. G.; Vidigal, C. B. R.; Parré, J. L. (2018). Distribuição espacial da produtividade da soja no Rio Grande do Sul: um estudo exploratório. Acta Scientiarum: Human & Social Sciences, 40 (2), 1-9. doi: https://doi.org/10.4025/actascihumansoc.v40i2.33652
Zanão Júnior, L. A.; Caramori, P. H.; Faria, R. T. de. (2017). Produtividade da soja no entorno do reservatório de Itaipu. Iapar.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 Caroline Cristina Engel Gabriel; Miguel Angel Uribe Opazo; Gustavo Henrique Dalposso; Elizabeth Giron Cima
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
1) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2) Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3) Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
