الملخص
ABSTRACT: This study evaluated the variability and characterizedthe spatial dependence between some soil attributes in the Eastern Cariri microregion of Paraíba,and analyzed the spatial correlations in order to identify the interactions between such attributes in cowpea bean(Vigna unguiculata L. Walp)production. Harvest data of the agricultural years of 2000-2017 in the Eastern Cariri microregion of Paraíba were analyzed. Parameters of the fitted models wereestimated using the Maximum Likelihood method and the performance of the models was evaluated based on coefficients of determination(R2), maximum log-likelihood function, and Schwarz's Bayesian information criterion (BIC). Correlation and spatial autocorrelation between the cowpea productivity and agrometeorological elements was detected through the spatial analysis, using techniques such as the Moran's index I. The study showed that, according to the performance indicators used, the spatial error model offered better results in relation to the classical multiple regression models and the self-regressive spatial models, indicating that the inclusion of spatial dependence in the models improves the estimate of productivity of cowpea in the microregion of Cariri Oriental da Paraíba.
RESUMO: O estudo tem por finalidade avaliar a variabilidade e caracterizar a dependência espacial entre alguns atributos dos solos na microrregião do Cariri Oriental da Paraíba, bem como estudar as correlações espaciais para identificar as interações entre tais atributos na produção do feijão-caupi. O estudo foi realizado com os dados das safras dos anos agrícolas de 2000-2017, da microrregião do Cariri Oriental da Paraíba. A estimativa de parâmetros dos modelos ajustados foi obtida utilizando o método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz (BIC). Este estudo também permitiu verificar a correlação e autocorrelação espacial entre a produtividade do feijão e dos elementos agrometeorológicos, por meio da análise espacial, usando de técnicas como o índice I de Moran. O estudo mostrou que, de acordo com os indicadores de desempenho utilizados, o modelo de erro espacial ofereceu melhores resultados em relação aos modelos clássicos de regressão múltipla e aos modelos espaciais autorregressivos, indicando que a inclusão da dependência espacial nos modelos melhora a estimativa da produtividade do feijão-caupi em a microrregião do Cariri Oriental da Paraíba.
الملخص
ABSTRACT: The water-driven AquaCrop model to simulate yield response has been calibrated and validated for soybean cultivated under different water levels irrigation in Matopiba region, Brazil. The crop was submitted to seven irrigation treatments during the dry season and a dry treatment in the rainy season. The model was parameterized and calibrated by using soybean yield data collected at field level. Model performance was evaluated by using the following statistical parameters: prediction error (Pe), Nash-Sutcliffe efficiency index (E), coefficient of determination (R2), mean absolute error (MAE), root mean square error normalized (RMSEN) and Willmott's index (d). The statistical analyses of the AquaCrop model calibrated for the Matopiba region disclosed error acceptable for yield prediction of soybean grown under tropical climate conditions. Results also indicated that the C2 soybean cultivar is more resistant to water stress than the C1 soybean grown in the Matopiba region, Brazil. In the treatments when the crop was well supplied with water, at least in one phase, the yield was greater than those with drought stress at last in one phase.
RESUMO: O modelo AquaCrop foi calibrado e validado para simular a produtividade da soja cultivada sob diferentes lâminas de irrigação na região de Matopiba, Brasil. A cultura foi submetida a sete tratamentos de irrigação durante a estação seca e um tratamento de sequeiro na estação chuvosa. O modelo foi parametrizado e calibrado utilizando dados de produtividade de soja coletados diretamente em campo. O desempenho do modelo foi avaliado utilizando os seguintes parâmetros estatísticos: erro de predição (Pe), índice de eficiência de Nash-Sutcliffe (E), coeficiente de determinação (R2), erro médio absoluto (EMA), raiz quadrática do erro médio normalizado (EQEMN) e índice de Willmott (d). As análises estatísticas do modelo AquaCrop calibrado para a região de Matopiba apresentaram erros aceitáveis na predição da produtividade de soja cultivada sob condições climáticas tropicais. Os resultados também indicaram que a cultivar de soja C2 é mais resistente ao estresse hídrico do que a soja C1 cultivada na região de Matopiba, Brasil. Nos tratamentos durante os quais a cultura foi bem abastecida com água, em pelo menos em uma fase, a produtividade foi maior, em vista do estresse hídrico que ocorre em uma fase.