ads:
DIOGO SANTOS CAMPOS
RESPOSTA ESPECTRAL DO FEIJOEIRO A DIFERENTES DOSES DE
NITROGÊNIO
Tese apresentada à Universidade
Federal de Viçosa, como parte das
exigências do Programa de Pós-
Graduação em Engenharia Agrícola, para
obtenção do título de Doctor Scientiae.
VIÇOSA
MINAS GERAIS – BRASIL
2009
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
DIOGO SANTOS CAMPOS
RESPOSTA ESPECTRAL DO FEIJOEIRO A DIFERENTES DOSES DE
NITROGÊNIO
Tese apresentada à Universidade
Federal de Viçosa, como parte das
exigências do Programa de Pós-
Graduação em Engenharia Agrícola, para
obtenção do título de Doctor Scientiae.
APROVADA: 21 de maio de 2009.
______________________________
Dr. Reinaldo Lúcio Gomide
________________________________
Dr. Trazilbo José de Paula Júnior
______________________________
Prof. Joseph Kalil Khoury Júnior
________________________________
Prof. José Eustáquio de Souza Carneiro
(Co-orientador)
__________________________________
Prof. Daniel Marçal de Queiroz
(Presidente da Banca)
ads:
ii
“A nossa maior glória não reside no fato de nunca cairmos, mas sim em
levantarmo-nos sempre depois de cada queda.”
Confúcio
Filósofo chinês
(551 a.C. - 479 a.C.)
iii
A meus queridos pais Aloísio e Iara,
pelo carinho, exemplo e apoio constante;
e irmãos Suzana e Lucas,
pelo apoio e amizade.
DEDICO
À minha querida esposa Gislaine
e à minha querida filha Giovana,
pela paciência, amor e carinho.
OFEREÇO
iv
AGRADECIMENTOS
A Deus pela vida e todas as oportunidades.
A Universidade Federal de Viçosa e ao Departamento de Engenharia
Agrícola, pela oportunidade de realização do curso.
Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico –
Brasil (CNPq), pela bolsa concedida durante o Curso de Doutorado.
Aos funcionários da Estação Experimental de Coimbra pela colaboração
nos trabalhos de campo.
Ao professor Francisco de Assis de Carvalho Pinto, pela orientação,
dedicação, amizade e paciência.
Ao professor Daniel Marçal de Queiroz, pelos conselhos e sugestões no
decorrer do trabalho.
Ao professor Nerilson Terra Santos, pela colaboração e sugestões no
decorrer do trabalho.
Ao professor José Eustáquio de Souza Carneiro, pela colaboração,
sugestões e experiência na condução do trabalho de campo.
Aos professores do Departamento de Engenharia Agrícola.
Aos funcionários do Laboratório de Mecanização Agrícola e do
Departamento de Engenharia Agrícola.
Aos colegas do Laboratório de Mecanização Agrícola e do Laboratório
de Projetos de Máquinas e Visão Artificial, Gislaine, Leonardo, Mário, Antônio,
Murilo, João Cleber, Alcir, Selma, Danilo, Geice, Ronaldo, Jerson, Francelino,
Douglas, Paula, Vagner, Walter, Renato, Sérgio, Willian, Marcos, Pedro, Élder,
Alisson, Amanda, Ariston e aos estagiários Bruno, Vinícios, Felipe e Odilon.
Às amizades construídas em Viçosa, em especial ao Carlinhos.
v
Aos amigos Dawson e Leonardo, pela amizade, confiança, paciência,
convivência e companheirismo.
A meus pais e irmãos, pelo apoio constante.
À minha esposa Gislaine, pelo amor, cumplicidade, carinho, paciência e
habilidade na condução dos experimentos.
À minha filha Giovana, pela paz a mim transmitida a cada sorriso.
A todos que contribuíram e possibilitaram a realização deste trabalho.
vi
BIOGRAFIA
DIOGO SANTOS CAMPOS, filho de Aloísio Torres de Campos e Iara
Botelho Santos Campos, nasceu no dia primeiro de janeiro de 1978, em
Lavras, M.G.
Em janeiro de 2003, concluiu o curso de Engenharia Agrícola na
Universidade Federal de Lavras.
Em fevereiro de 2005, concluiu o Curso de Mestrado em Engenharia
Agrícola, na área de concentração em Mecanização Agrícola, na Universidade
Federal de Viçosa.
Em março de 2005, iniciou o Curso de Doutorado em Engenharia
Agrícola, na área de concentração em Mecanização Agrícola, na Universidade
Federal de Viçosa.
Em 2008, foi aprovado em concurso público para a classe de Professor
do Ensino Básico, Técnico e Tecnológico, na área de Máquinas Agrícolas do
Centro Federal de Educação Tecnológica de Bambuí, Minas Gerais, onde
exerce o cargo atualmente.
Em maio de 2009, submeteu-se à defesa de tese.
vii
ÍNDICE
RESUMO............................................................................................................x
ABSTRACT....................................................................................................... xii
1. INTRODUÇÃO................................................................................................1
2. REVISÃO DE LITERATURA...........................................................................6
2.1. A importância do nitrogênio na agricultura...............................................6
2.2. Adubação nitrogenada na cultura do feijão..............................................8
2.3. Monitoramento e identificação do nitrogênio nas culturas agrícolas......11
2.3.1. Métodos diretos ...............................................................................11
2.3.2. Métodos indiretos ............................................................................12
2.4. Características do feijão (Phaseolus vulgaris L.)....................................14
2.4.1. Características botânicas.................................................................15
2.4.2. Épocas de plantio ............................................................................16
2.4.3. Sistemas de cultivo..........................................................................17
2.5. Sensoriamento remoto...........................................................................18
2.5.1. Radiometria .....................................................................................19
2.5.2. Índices de vegetação.......................................................................21
2.5.3. Comportamento espectral da vegetação.........................................22
2.5.4. Comportamento espectral do solo...................................................24
3. MATERIAL E MÉTODOS..............................................................................26
3.1. Implantação do experimento..................................................................26
3.2. Aquisição e processamento dos dados..................................................29
3.2.1. Aquisição dos dados radiométricos .................................................29
viii
3.2.2. Estimativa dos teores de clorofila e determinação do teor de
nitrogênio foliar ..........................................................................................31
3.2.3. Estimativa da produtividade de grãos e componentes de rendimento
...................................................................................................................32
3.2.4. Processamento dos dados radiométricos........................................32
3.3. Análise dos dados..................................................................................34
3.3.1. Antes da adubação em cobertura....................................................34
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura,
valores SPAD e teores de nitrogênio foliar................................................34
Comportamento espectral do dossel do feijoeiro submetido a diferentes
doses de nitrogênio aplicadas na semeadura............................................36
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura e
valores médios de índices de vegetação...................................................36
Avaliação da relação entre valores médios de índices de vegetação, teor
de nitrogênio foliar e valores SPAD...........................................................37
3.3.2. Após a adubação em cobertura.......................................................37
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura e
em cobertura, valores SPAD e teor de nitrogênio foliar.............................37
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura e
em cobertura e índices de vegetação........................................................39
Avaliação da relação entre nitrogênio foliar e valores SPAD.....................39
Relação entre doses de nitrogênio aplicadas na semeadura e em cobertura
e produtividade do feijoeiro e seus componentes de rendimento..............39
Relação entre índices de vegetação, produtividade e componentes de
rendimento do feijoeiro ..............................................................................40
4. RESULTADOS E DISCUSSÃO....................................................................43
4.1. Análise dos dados antes da adubação em cobertura.............................43
4.1.1. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e valores SPAD.......................................................................43
4.1.2. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e teores de nitrogênio foliar ....................................................52
4.1.3. Comportamento espectral do dossel do feijoeiro submetido a
diferentes doses de nitrogênio aplicadas na semeadura...........................59
ix
4.1.4. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e valores médios de índices de vegetação.............................66
4.1.5. Avaliação da relação entre valores médios de índices de vegetação,
teor de nitrogênio foliar e valores SPAD....................................................77
4.2. Análise dos dados após a adubação em cobertura................................80
4.2.1. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e valores SPAD..............................................80
4.2.2. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e teor de nitrogênio foliar ...............................84
4.2.3. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e índices de vegetação..................................88
4.2.4. Avaliação da relação entre valores SPAD e teores de nitrogênio
foliar.........................................................................................................115
4.2.5. Relação entre doses de nitrogênio aplicadas na semeadura e em
cobertura e produtividade do feijoeiro e seus componentes de rendimento
.................................................................................................................117
4.2.6. Relação entre índices de vegetação e produtividade do feijoeiro e
seus componentes de rendimento...........................................................126
5. CONCLUSÕES...........................................................................................137
6. REFERÊNCIAS BIBLIOGRÁFICAS............................................................140
7. APÊNDICES...............................................................................................150
Apêndice A..................................................................................................150
Apêndice B..................................................................................................153
Apêndice C..................................................................................................155
Apêndice D..................................................................................................165
Apêndice E..................................................................................................167
Apêndice F..................................................................................................169
Apêndice G..................................................................................................185
x
RESUMO
CAMPOS, Diogo Santos, D.Sc., Universidade Federal de Viçosa, maio de
2009. Resposta espectral do feijoeiro a diferentes doses de nitrogênio.
Orientador: Francisco de Assis de Carvalho Pinto. Co-orientadores: Daniel
Marçal de Queiroz, Nerilson Terra Santos e José Eustáquio de Souza
Carneiro.
A busca por uma agricultura sustentável, com produção de alimentos a
custos competitivos e menor impacto ao meio ambiente, vem levando vários
produtores a adotarem técnicas relacionadas à agricultura de precisão. Assim,
o uso de métodos que propiciam a rápida diagnose do estado nutricional das
plantas é uma necessidade para uma recomendação de adubação otimizada.
O principal objetivo deste trabalho foi avaliar, em condições de campo, a
resposta espectral do feijoeiro submetido a diferentes doses de nitrogênio.
Foram conduzidos dois experimentos (safras “seca” e “inverno” de 2007) onde
os dados foram obtidos do delineamento em blocos casualizados, com três
repetições, distribuídos em esquema fatorial 5 x 6. Os tratamentos foram
constituídos por cinco doses de nitrogênio (N) aplicadas na semeadura e seis
doses de N aplicadas em cobertura, na forma de uréia. Para cada experimento,
foram realizadas sete campanhas radiométricas com uso de
espectroradiômetros. Em cada parcela, paralelamente aos dados
radiométricos, foram feitas leituras com uso de um clorofilômetro portátil
(SPAD). Das mesmas folhas utilizadas para as leituras dos valores SPAD
foram determinados os teores de nitrogênio foliar (NF). Foram determinados,
também, a produtividade e seus componentes de rendimento número de
vagens por planta (NVP), número de grãos por vagem (NGV) e massa de cem
grãos (MCG). A partir dos dados radiométricos foram calculados os valores
médios de reflectância e extraídos os índices de vegetação. Os experimentos
xi
foram divididos em duas etapas, antes e após da adubação em cobertura.
Antes da adubação em cobertura, para cada época, foram feitas análises de
regressão entre as doses de N aplicadas na semeadura e os valores SPAD, NF
e índices de vegetação. Para visualização do comportamento espectral do
dossel do feijoeiro, foram gerados, para cada dose aplicada, gráficos médios
da resposta espectral. O grau de relacionamento entre as variáveis NF, valores
SPAD e valores médios de índices de vegetação, foi avaliado por meio de
análise de correlação. Após à adubação em cobertura, a existência de uma
relação funcional entre as doses de N aplicadas na semeadura e em cobertura
e os valores SPAD, NF, índices de vegetação, produtividade e componentes de
rendimento do feijoeiro, foram feitas por meio de análises de regressão. A
avaliação da relação entre o grupo índices de vegetação e componentes de
rendimento do feijoeiro foi feita por meio de análise de correlação canônica. Os
estudos conduzidos antes da adubação em cobertura permitiram concluir que o
clorofilômetro portátil SPAD 502 e a análise do teor de nitrogênio foliar podem
ser utilizados para avaliação dos níveis de adubação nitrogenada desde que o
solo seja de baixa fertilidade natural. As variações na quantidade de biomassa
do dossel alteraram a resposta espectral do feijoeiro. Os índices SAVI e
WDRVI mostraram-se mais eficientes na identificação da relação funcional
entre doses de N aplicadas na semeadura e os valores médios dos índices de
vegetação, quando comparados com o índice NDVI. Os índices de vegetação
estudados não apresentaram correlação significativa com os valores de NF.
Após a adubação em cobertura foi possível discriminar doses de nitrogênio
aplicadas na semeadura e em cobertura com uso dos valores SPAD, NF e
índices de vegetação, apenas para o solo de baixa fertilidade natural. Para
esse mesmo solo, as doses de adubação nitrogenada na semeadura e em
cobertura incrementaram significativamente a produtividade, o NVP e o NGV.
Por meio de análise de correlação canônica foi possível identificar que, para o
solo de alta fertilidade, os grupos valores médios dos índices de vegetação e o
grupo produtividade do feijoeiro e seu componentes de rendimento foram
independentes. Para o solo de baixa fertilidade natural, os grupos considerados
não se mostraram independentes.
xii
ABSTRACT
CAMPOS, Diogo Santos, D.Sc., Universidade Federal de Viçosa, May of 2009.
Bean spectral response with different nitrogen rates. Adviser: Francisco
de Assis de Carvalho Pinto. Co-Advisers: Daniel Marçal de Queiroz,
Nerilson Terra Santos and José Eustáquio de Souza Carneiro.
The search for sustainable agriculture, with production of food at
competitive cost and less impact to the environment, has led many producers to
adopt techniques related to precision agriculture. The use of methods that
provides rapid diagnosis of the nutritional status of plants is a need for a
recommendation for optimal fertilization. The main objective of this work was to
evaluate, under field conditions, the spectral response of bean canopy
subjected to different nitrogen rates. Two experiments were conducted where
data were obtained from the randomized block design with three replicates,
distributed in a factorial 5 x 6. The treatments consisted of five nitrogen (N)
rates applied at planting and six N rates applied as sidedress using urea-based
fertilizers. For each experiment, there were seven measurements using a
spectrometer. Parallel to the radiometric data, in each parcel readings were
made using a portable chlorophyll meter (SPAD). For the same leaves used for
the determination of SPAD values, the levels of leaf nitrogen were determined.
The yield and yield components of number of pods per plant, number of grains
per pod and one hundred grain mass were determined. From the radiometric
data were calculated average values of reflectance and generated vegetation
indices. The experiments were divided into two stages, before and after
sidedressing nitrogen. Before the sidedressing for each date, the regression
analysis was made between the N rates applied at planting and the SPAD
values, leaf nitrogen and vegetation indices. To visualize the spectral
reflectance of the bean canopy, average spectral response graphics were
xiii
generated for each N rates applied. The quantity of relationship between
variables leaf nitrogen, SPAD values and average values of vegetation indices
was evaluated by correlation analysis. After sidedressing, the existence of a
functional relationship between of N rates applied before and after sidedressing
and the SPAD values, leaf nitrogen, vegetation indices, yield beans and your
components, were made by regression analysis. The evaluation of the
relationship between the group of vegetation indices and yield beans and your
components was made by canonical correlation analysis. Studies conducted
before sidedressing have concluded that the use of SPAD values and leaf
nitrogen may be used to evaluate the rates of nitrogen fertilizer if the soil is of
low natural fertility. Variations in the amount of biomass of the canopy changed
the spectral response of the bean. The vegetation indices WDRVI and SAVI
were more efficient in identifying the functional relationship between N rates
applied at planting and the average vegetation indices, when compared with the
index NDVI. The vegetation indices studied showed no significant correlation
with the values of leaf nitrogen. Only for the soil is of low natural fertility, after
sidedressing the use of SPAD values, leaf nitrogen and vegetation indices could
discriminate N rates applied at planting and sidedressing. For that soil, the N
rates applied at planting and sidedressing increased significantly the yield, the
number of pods per plant and the number of grains per pod. Through analysis
of canonical correlation was identified that for the soil is of high fertility, the
groups the average values vegetation indices and the group bean yield
components were independent. For the soil is of low natural fertility, the groups
considered were not independent.
1
1. INTRODUÇÃO
O atual desenvolvimento da agricultura vem proporcionando avanços
tecnológicos com relação ao aproveitamento do potencial produtivo das
culturas possibilitando a colocação do fertilizante, sementes e dos produtos
agroquímicos em locais específicos. Os produtores, de posse dessas técnicas,
vislumbram uma possível solução para uma agricultura sustentável, com
produção de alimentos a custos competitivos e menor impacto ao meio
ambiente.
Em decorrência da urbanização, a mão-de-obra na agricultura vem se
tornando escassa, o que obrigam os produtores em todo mundo a aumentar a
eficiência do processo produtivo em suas propriedades. Com a questão
ambiental, o problema é mais grave ainda exigindo a otimização do uso de
defensivos e fertilizantes, que, se usados de maneira inadequada, podem
causar sérios problemas de contaminação.
O gerenciamento localizado das culturas agrícolas é uma das
alternativas mais viáveis para o contorno desses problemas na busca do
desenvolvimento de uma agricultura sustentável. A agricultura de precisão
pode ser considerada, segundo Queiroz et al. (2000), como a habilidade em se
monitorar e acessar a atividade agrícola em nível local, com o objetivo de
aumentar a eficiência do processo produtivo. Mesmo com claros benefícios
econômicos e ambientais, a agricultura de precisão não cresceu tão
rapidamente quanto necessária (Moreenthaler et al., 2003).
O feijão comum (Phaseolus vulgaris L.) é cultivado praticamente em
todas as regiões brasileiras por pequenos e grandes produtores e representa
um dos principais alimentos da população do país, especialmente a de baixa
renda. No Brasil, o feijão geralmente é consumido juntamente com o arroz.
2
Essa combinação representa um alimento de baixo custo e elevado valor
nutricional.
Devida à baixa fertilidade dos solos brasileiros, em geral, a adubação
dos solos é fundamental nos cultivos de feijão, uma vez que contribuem para o
aumento da produtividade e desenvolvimento da cultura (Oliveira et al., 2004).
Na agricultura moderna, o uso de métodos que propiciam a rápida diagnose do
estado nutricional das plantas é uma necessidade para uma recomendação de
adubação otimizada.
A adubação nitrogenada é uma prática cultural normalmente utilizada
pelos produtores de feijão, pois o N é fator determinante na produtividade do
feijoeiro. A quantidade de N a ser aplicada, segundo Barbosa Filho et al.
(2005), é aquela que atende aos objetivos de obter altos rendimentos a um
custo baixo e que não polua o ambiente. A recomendação da adubação
nitrogenada no plantio e em cobertura para a cultura do feijão é, geralmente,
realizada por meio de análise visual da lavoura, produtividade esperada, cultura
anteriormente implantada ou baseadas em estudos de recomendação de
experimentos locais e regionais.
Partindo do princípio de que as folhas são os órgãos da planta que
melhor refletem o seu estado nutricional, a diagnose foliar é, segundo Rambo
et al. (2004), um dos principais métodos de avaliação desse estado nas
culturas. Devido ao tempo despendido entre a coleta e o resultado, o método
da análise foliar, além do custo proibitivo, envolve análise laboratorial e
apresenta a desvantagem de não possibilitar a correção da deficiência em
tempo hábil para recuperação das culturas, principalmente as de ciclo curto
como é o caso do feijão (Chagas et al., 2005).
Estes conceitos caminham em sentido oposto aos princípios da
agricultura de precisão, pois, recomendações de adubação com base em
análise visual são subjetivas e podem inferir em erros. Dentro do contexto da
agricultura de precisão, devida à grande taxa de amostragem necessária para
geração de mapas de aplicação, os métodos como os da análise foliar tornam-
se caros e demorados. Desta maneira não compensam as limitações,
aumentam os custos e mesmo com um melhor gerenciamento da área, não
aumentam a eficiência do processo produtivo.
3
O clorofilômetro portátil (SPAD), no monitoramento do nitrogênio para as
plantas, tem sido usado com sucesso por vários pesquisadores para a
determinação da época e quantidade de adubação nitrogenada em diversas
culturas. A utilização desse aparelho em pequenas áreas pode ser eficiente,
porém em grandes áreas, demanda muito tempo e assim como a diagnose
foliar, não permite a correção localizada do déficit de nitrogênio em tempo hábil
para o desenvolvimento da cultura.
O sensoriamento remoto surge, então, como uma promissora ferramenta
dentro do âmbito da agricultura de precisão, pois permite a obtenção não
destrutiva de dados de extensas áreas em curto espaço de tempo. Tais dados
são obtidos por meio de sensores que podem ser utilizados a nível orbital,
aerotransportado, de campo, ou mesmo laboratorial (Steffen et al., 1993). Com
o avanço nas tecnologias em sensoriamento remoto e dos sistemas de
informações geográficas, é uma questão de tempo para que sejam
desenvolvidos modelos que integrem operacionalmente as variáveis espectrais
da vegetação aos modelos de produtividade vegetal.
A radiometria objetiva a compreensão dos processos de interação da
energia radiante com os objetos na superfície terrestre. O conhecimento da
resposta espectral da vegetação associado aos fatores ecofisiológicos que
alteram esta resposta torna possíveis estudos quantitativos que visam inferir
sobre uma determinada cobertura vegetal em relação ao seu estado nutricional
(Fonseca, 2004). A caracterização espectral de um alvo é a representação
gráfica da reflectância em faixas de comprimento de onda estreitas e
adjacentes (Fonseca et al., 2002). Somente por meio dela é possível descobrir
com qual intensidade cada material reflete a radiação eletromagnética nos
diferentes comprimentos de onda do espectro.
O mapeamento da variabilidade espacial em nível de talhão de certos
fatores, notadamente o vigor da cultura ou a sua produtividade, tornou-se uma
necessidade para fim de gerenciamento localizado das culturas agrícolas
(Araújo et al., 2005). A produtividade da cultura pode ser estimada a partir de
sua relação com o vigor da cultura, que por sua vez, pode ser determinado via
sensoriamento remoto, pela sua relação com determinados índices de
vegetação gerados a partir de dados multiespectrais. Em sensoriamento
remoto, diversos índices de vegetação já foram propostos e utilizados,
4
explorando as diferenças na reflectância espectral do dossel das culturas.
Esses índices são formados pela combinação de duas ou mais bandas do
espectro eletromagnético. O uso de imagens multiespectrais para o
mapeamento da variabilidade espacial em nível de talhão para as culturas
agrícolas vem sendo foco de vários pesquisadores. Segundo Meneses (2001),
é praticamente impossível interpretar imagens multiespectrais de sensores
remotos, se não for conhecido o comportamento espectral dos diferentes alvos
na superfície terrestre, tais como solo, vegetação e água. O conhecimento
desse comportamento só é possível com uso da espectroradiometria de
reflectância ou de sensores hiperespectrais.
A deficiência de nitrogênio nas plantas, segundo Malavolta et al. (1997),
provoca sintomas visíveis como o amarelamento e redução do tamanho das
folhas, formação de ângulo agudo entre caule e folha, entre outros. Com base
nesses sintomas, entre outros, foi avaliada, neste trabalho, a hipótese de que é
possível quantificar o estado nutricional do feijoeiro com relação ao elemento
nitrogênio por meio da reflectância da cultura. Segundo os mesmos autores,
outros sintomas de deficiência não visíveis são apontados. Com a deficiência
de nitrogênio tornam-se baixos os teores de clorofila, ocorre diminuição do
crescimento das plantas e redução na síntese de proteínas. Esses sintomas
estão diretamente ligados com a produção do feijoeiro. Assim, foi avaliada a
hipótese de que com as técnicas de sensoriamento remoto torna-se possível
entender a relação entre os componentes de rendimento e a resposta espectral
do feijoeiro.
Com o alto preço dos insumos, principalmente dos fertilizantes
nitrogenados, para o produtor manter-se competitivo, é indispensável a busca
de novas técnicas que compensem as limitações, reduzam os custos e
maximizem a produção. Embora com grande potencial de utilização, há uma
carência em estudos do comportamento espectral com uso de radiometria de
campo para a cultura do feijão. Esses estudos são a base para o
desenvolvimento de modelos e sensores que identifiquem em tempo real o
estado nutricional das plantas e auxiliem os implementos de aplicação de
fertilizantes à taxa variável. A identificação de fatores diretamente ligados à
produção desta cultura com uso de técnicas de sensoriamento remoto pode ser
uma solução para que os produtores possam acessar e monitorar a atividade
5
agrícola em nível local, permitindo uma tomada de decisão com maior nível de
rapidez e precisão. Desta maneira, será possível aumentar a eficiência e os
lucros com base no manejo diferenciado das áreas na cultura do feijão.
O objetivo principal deste trabalho foi avaliar, em condições de campo, a
resposta espectral do feijoeiro submetido a diferentes doses de nitrogênio. Os
objetivos específicos foram:
• Determinar o estádio de desenvolvimento mais adequado para discriminar
as diferentes doses de adubação nitrogenada na semeadura e em
cobertura, utilizando um medidor portátil de clorofila, análises foliares e
radiometria de campo com base na reflectância do dossel do feijoeiro;
• Avaliar o comportamento espectral do dossel da cultura do feijão submetido
a diferentes doses de nitrogênio nos vários estádios da cultura;
• Identificar os índices de vegetação e o estádio de desenvolvimento mais
adequado para obtenção dos dados de radiometria e do clorofilômetro
portátil que apresentem maior relação significativa com o teor de nitrogênio
foliar; e
• Avaliar as correlações canônicas estimadas entre o grupo de variáveis
constituído pelo conjunto de índices de vegetação e o grupo de variáveis
produtividade e componentes de rendimento do feijoeiro.
6
2. REVISÃO DE LITERATURA
2.1. A importância do nitrogênio na agricultura
Em uma agricultura moderna e competitiva, a necessidade de uma boa
produtividade dos solos é indiscutível. Assim, maior rendimento na agricultura
significa maior remoção de nutrientes, e isto deve ser compensado para manter
o equilíbrio do solo. Cada cultura e cada tipo de solo exigem aplicação
específica de nutrientes que devem ainda ser adaptados às características
variáveis climáticas locais (Loureiro & Nascimento, 2003).
Segundo a legislação brasileira (Decreto 86.955, de 18 de fevereiro de
1982), os fertilizantes são definidos como substâncias minerais ou orgânicas,
naturais ou sintéticas, fornecedoras de um ou mais nutrientes para as plantas.
Esses, segundo Dias & Fernandes (2006), possuem a finalidade de manter ou
ampliar o potencial produtivo, tendo como principal função repor ao solo os
elementos retirados em cada colheita.
Os fertilizantes nitrogenados, como o próprio nome indica, têm em sua
composição como nutriente principal o nitrogênio (N), que se origina da
fabricação da amônia anidra (NH
3
), matéria-prima básica de todos os
fertilizantes nitrogenados sintéticos. A NH
3
é um gás obtido pela reação do gás
de síntese, uma mistura de nitrogênio (N) proveniente do ar com o hidrogênio
(H). O hidrogênio pode ser de fontes diversas, tais como gás natural, nafta e
outros derivados de petróleo. O gás natural é o mais usado e também a melhor
fonte de hidrogênio para a produção de fertilizantes nitrogenados (Dias e
Fernandes, 2006).
Nos últimos 40 anos houve uma extraordinária mudança no ciclo
mundial de N. Até a década de 1960, a disponibilidade de N no planeta era
controlada por processos naturais. A criação de fertilizantes nitrogenados
sintéticos e a liberação de nitrogênio com uso de combustíveis fósseis mudou a
7
paisagem do planeta em relação ao N. Mesmo o combustível fóssil sendo a
principal fonte de energia em muitas regiões industriais, a agricultura é o
principal motor dessa mudança global. Os adubos nitrogenados sintéticos
foram os principais componentes da Revolução Verde e a maioria da
população humana é agora absolutamente dependente deste adubo para
sustento alimentar. Esse fato reduziu a fome no planeta, em especial na Ásia
(N-2007).
A uréia é o fertilizante mais usado no mundo e segundo Malavolta e
Moraes (2006), nos últimos 50 anos, o consumo brasileiro de N aumentou mais
de 1.000 vezes, atingindo cerca de 701 mil toneladas em 2005. Dados da IFA,
(International Fertilizer Industry Association, 2008), afirmam que a América
Latina contribui com 3,9% da uréia produzida no planeta e consumiu 5,8% do
total, ou seja, houve a necessidade da importação do produto para suprir o
consumo.
Vários autores afirmam que o N é um dos nutrientes mais limitantes à
produção das culturas agrícolas. Segundo Martinelli (2007), algumas
populações carentes no mundo passam fome por não haver uma quantidade
de N suficiente para suprir a adubação em suas lavouras. Em certas regiões do
planeta terra há um excesso de N, proveniente da aplicação às culturas
agrícolas em quantidades maiores do que a necessária. A presença em
excesso de N desencadeia uma série de reações e processos extremamente
prejudiciais ao meio ambiente.
Segundo Fidelis et al. (2007), o nitrogênio assume grande relevância por
sua atuação no metabolismo, principalmente na síntese de proteínas, sendo
muito importante tanto no incremento da produção de grãos, como na elevação
do teor protéico. Parte do N aplicado nas culturas agrícolas é absorvido pelas
plantas e eventualmente chega às nossas mesas na forma de alimento.
Nem todo o N aplicado ao solo é absorvido pelas plantas, assim, parte
desse N vai se perder para a atmosfera ou para o lençol freático. A parte
perdida para a atmosfera ocorre pelo processo de volatilização da amônia
(NH
3
), que é um gás produzido a partir do amônio (NH
4
), que se encontra
armazenado nas folhas das plantas e no solo. Outro tipo de perda de N ocorre
por meio da lixiviação de nitrato para rios, riachos e reservatórios subterrâneos.
Nas águas superficiais, o excesso de N causa o fenômeno da eutrofização
8
levando a uma proliferação excessiva de algas (Martinelli, 2007) e o
conseqüente aumento da demanda biológica de oxigênio (DBO). Segundo
Hartmann et al. (2007), estes compostos disseminam-se podendo causar uma
série de efeitos prejudiciais para a saúde humana e aos ecossistemas
aquáticos subterrâneos e superficiais além da degradação da qualidade do ar,
acidificação dos solos e reforço da mudança climática global.
Mesmo sendo um dos elementos mais abundantes na natureza, cerca
de 78% dos gases inertes da atmosfera, o N não está diretamente disponível
para as plantas, pois encontra-se na forma combinada de N
2
(Silva, 2005).
Assim, o N é o elemento que mais onera a exploração das culturas, com os
fertilizantes nitrogenados responsáveis por uma das maiores fontes de poluição
ambiental dos sistemas agrícolas (Ruttan, 1991).
2.2. Adubação nitrogenada na cultura do feijão
Os solos brasileiros possuem baixa fertilidade natural, o que tem sido
considerado fator preponderante para o baixo rendimento obtido pelo feijoeiro.
O nitrogênio (N) é um dos nutrientes mais importantes na nutrição das plantas,
pois é constituinte básico da clorofila, dos aminoácidos, das proteínas, dos
ácidos nucléicos e de outros compostos no metabolismo da planta.
A exigência nutricional do feijoeiro, em ordem decrescente, segundo
Andrade et al. (2004), é a seguinte: N, K, Ca, Mg, S, P, Fe, Mn, B, Zn e Cu e a
exportação pelos grãos, da mesma maneira: N, K, P, S, Ca, Mg, Fe, Zn, Mn, B
e Cu. Segundo Vieira (2006), para um rendimento de grãos de 3.000 kg ha
-1
há
uma exportação de aproximadamente 100 kg ha
-1
de N, 50 kg ha
-1
de K, 15 kg
ha
-1
de S, 10 kg ha
-1
de P e 10 kg ha
-1
de Ca. Com esses valores é possível
verificar a expressiva importância do N para a produção da cultura do feijão e
segundo Vieira (2006), a cultura pode ser caracterizada como empobrecedora
do solo.
Os solos de Minas Gerais em sua maioria, principalmente os da região
de vegetação de cerrado, apresentam elevada acidez. Assim, para o cultivo de
feijão, com uso adequado de calcário, além da correção da acidez, há um
estímulo à atividade microbiana, a melhoria da fixação simbiótica de N pelas
leguminosas e aumento da disponibilidade da maioria dos nutrientes para as
plantas (Álvares e Ribeiro, 1999).
9
A recomendação para uso de fertilizantes e corretivos, no estado de
Minas Gerais, é feita, na maioria das vezes com base na 5
a
aproximação
(Ribeiro et al., 1999), preparada pela Comissão de Fertilidade do Solo do
Estado de Minas Gerais. As recomendações propostas no livro compõem um
guia básico para orientação de técnicos e extensionistas possibilitando chegar
a recomendações mais confiáveis e rentáveis.
Segundo Chagas et al. (1999), as recomendações de fertilizantes são
feitas com base nos níveis de tecnologia adotados pelos produtores (NT
1
a
NT
4
), com produtividade esperada variando de 1.200 kg ha
-1
até maiores que
2.500 kg ha
-1
dependendo do nível de tecnologia. A adubação de
macronutrientes, nitrogênio (N), fósforo (P) e potássio (K), segundo Chagas et
al. (1999), no estado de Minas Gerais, é feita de acordo com a Tabela 1.
Tabela 1. Recomendação de adubação com macronutrientes
Disponibilidade de P Disponibilidade de K
Baixa Média Boa Baixa Média Boa
Nível
tecnológico
N
Plantio
Dose de P
2
O
5
Dose de K
2
O
N Cobertura
---------------------------------------------------- Kg ha
-1
-----------------------------------------
NT
1
20 70 50 30 30 20 20 20
NT
2
20 80 60 40 30 20 20 30
NT
3
30 90 70 50 40 30 20 40
NT
4
40 110 90 70 50 40 20 60
Fonte: Adaptado de Chagas et al. (1999).
O N de plantio deve ser aplicado na semeadura, juntamente com o
fósforo e potássio. A adubação de P e K deve ser feita de acordo com os níveis
desses nutrientes obtidos na análise do solo. A adubação de N de cobertura
deve ser feita de 25 a 30 dias após a emergência (DAE) para as doses 20 e 30
kg ha
-1
e para as demais doses, parceladas igualmente aos 20 e 30 DAE
(Chagas et al., 1999).
Segundo Rosolem & Marubayashi (1994), a velocidade de absorção de
nitrogênio é máxima na época de maior exigência e ocorre dos 35 aos 50 dias
da emergência da planta, coincidindo com a época do florescimento do
feijoeiro. Neste período, a planta absorve de 2,0 a 2,5 kg de N ha
-1
por dia.
Devido às controvérsias nas informações sobre dose e parcelamento do
nitrogênio no feijoeiro, Cardoso e Zanini (2003) estudaram o efeito do
parcelamento da fertirrigação nitrogenada no desenvolvimento e produtividade
do feijoeiro irrigado via pivô central. Concluíram que o parcelamento da uréia
10
aplicada via fertirrigação, em duas ou três vezes, não influenciou na
produtividade, na altura de planta, no número de vagens por planta e no
comprimento de vagens para o feijoeiro. Alguns fatores foram citados como
justificativas para os resultados. Para os autores, a dose elevada de N para as
condições do experimento, o alto conteúdo de matéria orgânica no solo e solo
tipicamente argiloso pode ter mascarado o efeito benéfico dos parcelamentos.
Cruciani et al. (1998) conduziram um experimento para avaliar a
aplicação de fertilizante nitrogenado pelo sistema de irrigação por aspersão na
cultura do feijoeiro. A adubação nitrogenada em cobertura, segundo os autores,
aumentou a produção de grãos e a absorção de nitrogênio pela planta. Os
tratamentos, fertirrigação e adubação nitrogenada convencional não
apresentaram diferença para a absorção de nitrogênio e produção de grãos. A
adubação nitrogenada parcelada com uso da água de irrigação proporcionou
melhores resultados em relação à aplicação única e manual.
O nitrogênio é fator determinante na produtividade do feijoeiro. Segundo
Vieira et al. (2000), tem sido realizados estudos para reduzir o uso do
nitrogênio na cultura, pelo processo de fixação simbiótica, porém, os resultados
têm sido inconsistentes em função da influência de fatores fisiológicos e
nutricionais. Entre os fatores nutricionais que interferem na fixação simbiótica
do nitrogênio, destaca-se o papel desempenhado pelos micronutrientes, em
particular o molibdênio. O molibdênio (Mo) no feijoeiro, segundo Vieira et al.
(1998) apud
Ferreira et al. (2003), tem função associada com o metabolismo do
nitrogênio (N), favorecendo a assimilação do N atmosférico. Apesar da
pequena quantidade desse nutriente absorvida pela planta, o molibdênio é
considerado essencial por fazer parte de duas enzimas, a redutase do nitrato e
a nitrogenase. A redutase do nitrato promove a redução do nitrogênio
absorvido na forma nítrica, para posteriormente ser incorporado em compostos
orgânicos e a nitrogenase catalisa a reação de fixação do nitrogênio
atmosférico. A aplicação de molibidênio pode, em alguns casos, substituir a
adubação nitrogenada em cobertura (Vieira et al., 1998).
Segundo Ferreira et al. (2003), devido à deficiência natural de alguns
solos, à exportação pelas sementes mediante elevadas produções e à não
realização de adubação molíbdica pela maioria dos agricultores, aos poucos
estão se exaurindo as reservas naturais do solo, o que pode afetar a
11
capacidade produtiva das culturas. Dessa forma, a aplicação de doses
elevadas de N, pode não resultar em altas produções, provavelmente devido
ao possível acúmulo de nitrato na planta, resultado da nitrificação do amônio e
síntese insuficiente de redutase do nitrato, por falta de Mo. Além disso, a
aplicação foliar de Mo aumenta a redução do acetileno e a remobilização do N
durante o estádio de enchimento de vagens, e os efeitos combinados desses
processos resultam em maior produtividade de grãos (Ascoli et al., 2008). Em
diversos trabalhos, constata-se elevação na produção de grãos de feijão com o
fornecimento de Mo, seja em aplicação no solo, seja nas sementes, como
também em aplicação via foliar. VIEIRA (2006) cita melhora na qualidade
fisiológica das sementes mediante adubação molíbdica.
2.3. Monitoramento e identificação do nitrogênio nas culturas agrícolas
2.3.1. Métodos diretos
As folhas são os órgãos da planta que melhor refletem o seu estado
nutricional e a diagnose foliar é, segundo Rambo et al. (2004), um dos
principais métodos de avaliação desse estado nas culturas. A análise foliar,
embora seja uma excelente ferramenta para determinação do estado
nutricional, é um método que, além de oneroso, demanda tempo entre a coleta
e o resultado. Camacho et al. (1995), avaliando o estado nutricional do feijoeiro
cultivado em solução nutritiva, concluíram que a análise foliar é um excelente
método de avaliação do estado nutricional do feijoeiro.
Para a diagnose foliar do feijoeiro, devem ser coletadas de 30 a 40
folhas da área representativa e colhidas no terço mediano da planta (Rosolem
& Marubayashi, 1994). Essas folhas devem ser sadias, sem manchas ou
ataque de pragas e coletadas na época do florescimento.
Para o caso de N, P e K, a interpretação dos resultados, segundo
Rosolem & Marubayashi (1994), deve ser feita de acordo com a Tabela 2.
Martinez et al. (1999) usam o método da faixa de suficiência, que compara a
concentração observada na amostra com faixas consideradas insuficientes,
adequadas ou tóxicas. As faixas de suficiência para N, P e K, segundo os
autores, são correspondentes para os teores adequados desses mesmos
12
macronutrientes contidos na Tabela 2 propostos por Rosolem & Marubayashi
(1994).
Tabela 2. Teores adequados e deficientes de nutrientes em folhas de feijoeiro
na época do florescimento.
Teor
Nutriente
Baixo Médio Adequado
---------------------------------- (%) ----------------------------------
N < 2,0 2,0 - 2,9 3,0 - 3,5
P < 0,2 0,20 - 0,39 0,40 - 0,70
K < 2,0 2,0 - 2,6 2,7 - 3,5
Fonte: Adaptado de Rosolem & Marubayashi (1994).
2.3.2. Métodos indiretos
A busca por métodos alternativos que identifiquem satisfatoriamente o
estado nutricional das culturas, para um gerenciamento de uma agricultura
sustentável, vem sendo objetivo de vários pesquisadores. Esses métodos
visam principalmente à otimização dos custos, avançando na aplicação
racional de insumos e abrandamento de eventuais impactos ambientais
advindos de superdosagens. Por esses motivos, vários trabalhos vêm sendo
desenvolvidos.
O uso do clorofilômetro portátil (SPAD) é um dos principais métodos
indiretos para o monitoramento do nitrogênio nas plantas. Esse aparelho mede
quantitativamente, segundo Gil et al. (2002), a intensidade do verde da folha,
medindo as transmissões de luz a 650 nm, onde ocorre absorção de luz pela
molécula de clorofila e a 940 nm, onde não ocorre absorção. Segundo Silveira
et al. (2003), o comprimento de onda de 650 nm situa-se próximo ao dos dois
comprimentos primários de onda associadas com a atividade da clorofila (645 e
663 nm) e o comprimento de onda de 940 nm serve como referência interna
para compensar diferenças na espessura da folha e no teor de água. Vários
são os trabalhos encontrados na literatura com uso do clorofilômetro para o
monitoramento do N nas plantas.
Argenta et al. (2001) realizaram uma revisão bibliográfica sobre clorofila
na folha como indicador do nível de nitrogênio em cereais. Concluíram, com
respaldo na revisão, que o teor relativo de clorofila na folha, avaliado pelo
medidor portátil de clorofila, evidencia ser um bom parâmetro indicador do nível
de nitrogênio em cereais.
13
A fotografia aérea foi relatada, segundo Gopalapillai et al. (1998), como
uma ferramenta promissora para avaliar a variabilidade espacial do estado de
nitrogênio no campo. Com uso de imagens aéreas infravermelhas de alta
resolução, os autores observaram que a reflectância do dossel da cultura de
milho foi bem correlacionada ao nitrogênio aplicado aos 75 dias após a
semeadura. Concluíram também que a produtividade pode ser predita com um
coeficiente de determinação de 0,96 com uso da reflectância do dossel da
cultura na região do vermelho do espectro.
Varella et al. (2003) adquiriram imagens com uma câmara digital colorida
nas bandas do vermelho, verde, azul e infravermelho-próximo, a uma altura de
aproximadamente 50 centímetros da parte superior das plantas de uma cultura
de milho. Calcularam índices de vegetação para a formação de um vetor de
características para discriminar níveis de N. Com base nos escores dos dois
primeiros componentes principais realizaram uma análise de regressão linear
múltipla para avaliar a predição dos níveis desse nutriente. Concluíram que a
metodologia proposta foi capaz de discriminar os níveis de N nas imagens
estudadas.
Sena Júnior (2005) avaliou a discriminação de doses de nitrogênio (N)
em trigo a partir da resposta espectral do dossel no visível e no infravermelho
próximo por meio de imagens digitais. Verificou que é possível identificar a
dose de N aplicada em cobertura 15 dias após a emergência, antes da época
tradicionalmente utilizada para a realização da segunda adubação que é aos
35 dias após a emergência.
Em um experimento conduzido em um pivô de 64 ha em Minidoka,
Idaho, Wright Jr. et al. (2005) compararam o uso do clorofilômetro portátil com
sensoriamento remoto como métodos de determinação de estresse de
nitrogênio (N). Concluíram que o estresse de nitrogênio na cultura do trigo pode
ser observado com uso de sensoriamento remoto. Os autores ainda afirmaram
que o uso de sensoriamento remoto é muito similar ao uso do clorofilômetro
portátil na identificação do estresse de N.
A relação entre o teor de nitrogênio foliar (NF) e a reflectância do dossel
da cultura de trigo, submetido a diferentes doses de N, foi analisada por Feng
et al. (2008), com uso de um espectroradiômetro. Buscando estabelecer uma
base técnica para o acompanhamento do NF em tempo real, os autores
14
concluíram que o uso do índice mND705, proposto por Sims e Gamon (2002),
pode ser usado como bom indicador para estimar o NF.
Com uso de um espectroradiômetro montado em um trator, Mistele e
Schmidhalter (2008) avaliaram a relação entre a reflectância da cultura do
milho com a produção de matéria seca, quantidade de N aplicado e o teor de
nitrogênio foliar (NF). Foram ajustados modelos com uso de índices de
vegetação. Os resultados mostraram que, com o sistema proposto, o N
aplicado pode ser identificado satisfatoriamente com valores de R² variando de
0,57 a 0,84. A produção de matéria seca, quando apresentou baixos valores,
no intervalo de 0,3 a 4,2 t ha
-1
, foi determinada com os modelos propostos com
valores de R² variando de 0,67 a 0,91. Quando o rendimento foi maior do que 6
t ha
-
1, segundo os autores, a capacidade de identificação da matéria seca foi
drasticamente reduzida. No trabalho, a identificação do NF não foi satisfatória.
Muitos são os trabalhos que vem sendo desenvolvidos explorando a
resposta espectral de culturas agrícolas e sua relação com parâmetros
agronômicos como estado nutricional e produtividade. Assim, para cada
cultura, sob determinadas condições, sejam elas o clima, tipo e fertilidade do
solo, quantidade de água disponível, variedade, entre outros, essas respostas
são diferentes. Esse fato é o desafio para os pesquisadores da área de
sensoriamento remoto na busca de modelos que integrem operacionalmente as
variáveis espectrais da vegetação aos modelos de produtividade vegetal.
2.4. Características do feijão (Phaseolus vulgaris L.)
Por ser a mais antiga e também a mais utilizada nos cinco continentes, o
feijão-comum (Phaseolus vulgaris L.) é a mais importante entre as espécies
cultivadas de feijão. A grande diversidade de países e de ambientes em que é
cultivado faz com que o feijão-comum seja uma das espécies com maior
variabilidade de caracteres agronômicos, como hábito de crescimento, ciclo,
tamanho e cor dos grãos (Santos e Gavilanes, 2006).
Segundo dados da Conab (2008), o rendimento médio do feijão para o
estado de Minas Gerais na safra 2007/08 foi de 1.037, 1.160 e 2.302 kg ha
-1
para o feijão de primeira, segunda e terceira safra, respectivamente. A
produtividade da primeira e segunda safra no estado, está inserida no nível
mais baixo de tecnologia, de acordo com os níveis de tecnologia propostos por
15
Chagas et al. (1999), nas recomendações de adubação para a cultura do feijão
em Minas Gerais. O rendimento médio do feijão no país na mesma safra foi de
1.015, 677 e 930 kg ha
-1
para o feijão de primeira, segunda e terceira safra
respectivamente. Assim, o rendimento médio do estado de Minas Gerais
supera a média do rendimento nacional com maior destaque para o feijão de
terceira safra.
2.4.1. Características botânicas
A planta de feijão é composta por um sistema radicular, caule ou haste
principal, folhas e hastes axilares secundárias, inflorescência, fruto e semente.
Essas partes podem ser melhor visualizadas principalmente em plantas mais
velhas.
O desenvolvimento da planta de feijão é dividido em duas fases, a
vegetativa e a reprodutiva. Essas fases são subdivididas em dez etapas. A fase
vegetativa (V) é constituída das etapas V0, V1, V2, V3 e V4 e a fase
reprodutiva (R), das etapas R5, R6, R7, R8 e R9 (Santos e Gavilanes, 2006).
A fase vegetativa inicia-se com a etapa V0 ou de germinação, que tem
início no dia da semeadura em solo úmido e termina quando os cotilédones
atingem a superfície do solo com duração em torno de cinco dias. A etapa V1,
com duração de aproximadamente dois dias, corresponde à emergência e o
seu final tem como marca a abertura das folhas primárias. Esse momento
marca também o início da etapa V2. Nesta etapa, as folhas primárias e
unifolioladas encontram-se em posição horizontal e simultaneamente a primeira
folha trifoliolada inicia sua abertura e crescimento. O término dessa etapa é
marcado pela abertura total da folha trifoliolada e dura cerca de quatro dias. A
etapa V3, com duração variando de cinco a nove dias, é iniciada com o fim da
etapa V2 e tem seu término marcado quando a segunda folha trifoliolada já se
encontra em pleno crescimento e a terceira se abre, posicionando-se sobre a
primeira. O término da etapa V3 corresponde também ao início da etapa V4.
Nesta etapa, que pode variar de sete a 15 dias, observa-se o desenvolvimento
das primeiras hastes secundárias, que se originam das gemas axilares dos nós
inferiores, e a mais desenvolvida já exibe a sua primeira folha trifoliolada. O
final dessa etapa ocorre com o surgimento do primeiro botão floral ou da
16
primeira inflorescência. Até atingir esse estádio, a haste principal pode
desenvolver-se emitindo outras folhas trifolioladas (Santos e Gavilanes, 2006).
O final da etapa V4, marcada pelo início do florescimento, é também o
início da fase reprodutiva do feijão, que é subdividida em cinco etapas. A
primeira, R5 ou pré-floração, tem duração de aproximadamente 10 dias e
prolonga-se até a abertura da primeira flor. A floração, ou etapa R6,
corresponde ao período que se inicia com a abertura da primeira flor e termina
com a queda da corola, expondo a primeira vagem em início de
desenvolvimento. O período de duração dessa etapa é de quatro a cinco dias.
A próxima etapa, a R7, é considerada a fase de formação de vagens e durante
essa fase ocorre o crescimento longitudinal da primeira vagem até atingir seu
comprimento máximo com duração de aproximadamente oito dias. A etapa R8
é considerada a etapa de enchimento das vagens e corresponde ao período
em que as sementes apresentam maior crescimento. O final dessa etapa é
marcado pela mudança de cor dos grãos de verde para a cor característica do
cultivar com duração de aproximadamente 18 dias. A última etapa da fase
reprodutiva, a R9, tem duração em cerca de 15 dias. Esta etapa compreende
desde o início de descoloração das vagens até a seca total da planta quando o
teor de umidade das sementes é de cerca de 15%, momento que deve ser
realizado a colheita (Santos e Gavilanes, 2006).
2.4.2. Épocas de plantio
O feijão-comum (Phaseolus vulgaris L.) no Brasil é plantado em três
safras anuais. A primeira, denominada de “safra”, ou “feijão das águas”, é
cultivada principalmente nas regiões Sul e Sudeste. A segunda, denominada
“safrinha”, ou “feijão da seca”, é cultivada nas Regiões Sul, Sudeste e Centro-
Oeste e a terceira safra, também conhecida como de “terceira época”, ou “de
inverno”, é cultivada sob irrigação por aspersão, geralmente em sistema pivô
central, concentrada principalmente nas regiões Centro-Oeste e Sudeste do
país (Silva et al., 2004).
Segundo Araújo e Ferreira (2006), a semeadura do feijão no estado de
Minas Gerais ocorre, basicamente, em outubro-novembro (“águas”), fevereiro-
março (“seca”) e abril-junho (“inverno”). Por ter feijão no campo basicamente o
ano inteiro, Vieira e Vieira (1995) apud Araújo e Ferreira (2006) propuseram
17
uma nomenclatura para designar as distintas épocas de plantio chamando-as
de cultivo de primavera-verão (plantio de primavera), cultivo de verão-outono
(plantio de verão), cultivo de outono-inverno (plantio de outono) e cultivo de
inverno-primavera (plantio do inverno).
O primeiro, o plantio de primavera, é o chamado plantio das águas e é
colhido no início do verão. Esse plantio é praticado principalmente por
pequenos produtores consorciado com milho. O plantio de verão é o plantio da
“seca”, que, ao contrário do plantio de primavera, apresenta a vantagem de ser
colhido em uma época praticamente livre de chuvas. O plantio de outono é
realizado nos meses de abril a junho. É a época preferida dos grandes
produtores quando é praticamente obrigatório o uso de irrigação. Nesta época,
com uso de alta tecnologia, a produção é garantida e com altos rendimentos. O
último, o plantio de inverno, é realizado em meados de julho em regiões de
inverno rigoroso. Nesta época, o cultivo tem que ser obrigatoriamente irrigado,
pois neste período não ocorre precipitação suficiente para o desenvolvimento
da cultura (Araújo e Ferreira, 2006).
Em algumas regiões do país, as condições de temperatura e
precipitação diferem em média das demais, portanto a recomendação de época
de plantio não são exatamente as mesmas em decorrência das características
do ambiente local. Isso ocorre porque, segundo Aidar et al. (2002), os efeitos
das altas temperaturas causam queda das flores e abortamento das vagens do
feijão. O vingamento das flores diminui à medida que a temperatura noturna for
superior a 15
o
C, chegando a não haver formação de vagens quando atinge
cerca de 27
o
C.
2.4.3. Sistemas de cultivo
O sucesso de uma lavoura, dentro de cada sistema de produção,
depende da interação de diversos fatores para que as plantas expressem todo
o seu potencial produtivo (Aidar et al., 2002). A escolha da área, o uso de
sementes de qualidade, a profundidade de semeadura e densidade ideal de
plantas são alguns fatores limitantes na obtenção de boas produtividades.
No Brasil, os métodos de preparo de solo em áreas já cultivadas com a
cultura do feijão, podem ser classificados em convencional, reduzido e plantio
direto. O preparo convencional do solo basicamente inclui uma aração e duas
18
gradagens, com a primeira logo após a aração e a segunda imediatamente
antes à semeadura. O preparo reduzido, também conhecido como plantio na
palha, semeadura direta e cultivo zero, visa reduzir o número de operações de
forma a economizar trabalho e combustível com objetivo de reduzir as perdas
de solo e água por meio de uma seqüência de operações (Araújo e Ferreira,
2006).
Os sistemas de cultivo são os solteiros e os consorciados. O cultivo do
feijão solteiro ou monocultura caracteriza-se pelo emprego de tecnologia mais
avançada (Carvalho e Leal, 1991). O cultivo consorciado é uma técnica
utilizada principalmente por pequenos produtores, procurando aproveitar os
recursos disponíveis na propriedade. Segundo Denega et al. (2004), nestes
sistemas, duas ou mais culturas com diferentes ciclos e arquiteturas
vegetativas, são exploradas ao mesmo terreno. As culturas não são
necessariamente semeadas ao mesmo tempo e durante grande parte do
período de desenvolvimento há uma interação entre elas.
São diferentes os sistemas de consórcio. Os cultivos mistos não
apresentam organização das culturas em fileiras distintas. Nos cultivos
intercalares, pelo menos uma das culturas é plantada em fileiras. Nos cultivos
em faixa, as fileiras são plantadas de modo que se possa realizar o manejo
independente entre elas. Nos cultivos de substituição, a plantação de uma
cultura só é realizada depois que a anterior alcançou a fase reprodutiva do
crescimento (Vieira, 2006).
2.5. Sensoriamento remoto
A definição clássica de sensoriamento remoto é o conjunto de técnicas
destinado à obtenção de informação sobre objetos, sem que haja contato físico
com eles. Segundo Galvão (2001), além das definições clássicas, o
sensoriamento remoto pode-se conceituar como um processo de amostragem
do espectro eletromagnético. Essa amostragem pode ser feita por meio de
sensores, que registra, em selecionadas faixas de comprimento de onda, a
quantidade de energia refletida ou emitida por objetos na superfície terrestre.
O conhecimento do comportamento espectral das feições da superfície
terrestre e dos fatores que interferem neste comportamento é necessário para
a obtenção de informações dos dados coletados por meio de sensores
19
remotos. Estas informações são obtidas basicamente com o estudo da
interação da radiação eletromagnética. As interações ocorrem
simultaneamente e com intensidades de energia eletromagnética diferentes em
cada região do espectro. Assim, as principais funções de um sensor remoto
são captar e medir estas quantidades de energia refletida e/ou emitida pelos
alvos em diferentes intervalos do espectro eletromagnético.
2.5.1. Radiometria
Segundo Meneses (2001), a definição de radiometria é a medida
quantitativa da intensidade de qualquer um dos tipos de radiação, seja ela a
radiação eletromagnética emitida pelo sol ou por uma fonte artificial como é o
caso de uma lâmpada. A fonte de energia proveniente da radiação solar é a
base de todos os princípios em que se fundamenta o sensoriamento remoto.
Essa energia é responsável pelos processos físico-químicos e biológicos que
ocorrem em toda superfície terrestre (Moreira, 2005).
A radiação eletromagnética (REM), quando incide sobre uma superfície,
terá parte dela refletida, parte absorvida e parte pode ser transmitida
dependendo da transparência do material (Meneses, 2001). A parte refletida,
definida como reflectância, é definida como a razão entre o fluxo refletido e o
fluxo incidente e não leva em consideração a distribuição espacial destes fluxos
(Moraes et al., 1996). Para se medir a radiação incidente, que é a radiação
emitida pela fonte, usa-se tanto em campo como em laboratório uma placa de
referência, ou seja, um padrão de reflectância conhecido (Meneses, 2001).
Segundo Steffen e Moraes (1993) apud Silva et al. (1996), em
experimentos de campo é difícil a obtenção da reflectância espectral. Na
prática, usa-se uma grandeza equivalente denominada fator de reflectância,
obtido por meio da razão entre a radiância do alvo pela radiância de uma
superfície lambertiana ideal nas mesmas condições de iluminação e
observação (Silva et al., 1996). A obtenção do fator de reflectância é
dependente de uma superfície lambertiana ideal, que na realidade, trata-se de
uma superfície fictícia. Um refletor difuso ideal é aquele que a luz recebida é
refletida igualmente em todas as direções, ou seja, o brilho visto não depende
da direção de visualização. Segundo Jackson et al. (1992), as placas de
20
Spectralon são constituídas de um material sintético de espectro conhecido e
apresenta reflectância próxima de 100%.
Os painéis de Spectralon são considerados como padrões de
reflectância, pois aproximam ao comportamento lambertiano, particularmente
em ângulos de iluminação próximo ao nadir. Esses painéis são usados em
validações de experiências de campo conduzidos com uso de sensoriamento
remoto (Bruegge et al., 2001).
O conceito de espectrorradiometria, segundo Meneses (2001), é a
medida da distribuição da energia radiante proveniente de um objeto. Quando
essa energia for a reflectância, então a espectroradiometria é denominada de
reflectância. Essa técnica tem a função de medir em diferentes comprimentos
de onda, a energia eletromagnética refletida de objetos e apresentá-las na
forma de gráficos que se denomina curva de reflectância espectral.
Ao se fazer medidas espectrorradiométricas, o sensor, o alvo e a fonte
são dispostos em posições relativas que poderão favorecer ou desfavorecer
essas medidas. Assim, o termo fator de reflectância bidirecional (FRB) deve ser
usado, pois o valor da reflectância medido dependerá dos ângulos entre a
posição do sensor e a da fonte em relação à amostra (Meneses, 2001).
Por meio das medidas radiométricas obtidas em laboratório ou em
campo é possível identificar a intensidade que cada objeto reflete a radiação
eletromagnética nos diferentes comprimentos de onda do espectro (Meneses,
2001). A radiação eletromagnética possui diferentes respostas para
determinado comprimento de onda para as diferentes feições na superfície
terrestre. Esse fato torna possível a análise e interpretação da interação da
radiação eletromagnética com os diferentes tipos de alvos. Quando a radiação
eletromagnética recebe a denominação “óptica”, diz-se que ela limita a região
do espectro no intervalo de comprimento de onda de 400 a 2.500 nm, ou seja,
do visível ao infravermelho de ondas curtas.
Segundo Milton (1987), a radiometria de campo é uma técnica de
fundamental importância para o sensoriamento remoto. Somente por meio dela
é possível descobrir com qual intensidade cada material reflete a radiação
eletromagnética nos diferentes comprimentos de onda do espectro.
21
2.5.2. Índices de vegetação
O desenvolvimento de relações funcionais entre as características da
vegetação, tais como culturas agrícolas e florestas, e dados obtidos por
sensores remotos são uns dos principais objetivos dos profissionais dos
setores agrícolas e florestais. Com intuito de minimizar a variabilidade causada
por fatores externos, a reflectância espectral tem sido transformada e
combinada na forma de índices de vegetação (Ponzoni, 2001). Os índices de
vegetação são combinações feitas, geralmente, sob a forma de razões dos
valores de reflectância de diferentes intervalos do espectro eletromagnético.
Eles foram criados para ressaltar o comportamento espectral da vegetação em
relação ao solo e outros alvos na superfície da terra. Desta maneira, esses
índices podem ser conseguidos com uso de dados obtidos por satélites ou por
equipamentos situados próximos ao alvo, como é o caso dos
espectrorradiômetros (Moreira, 2005).
Segundo Pinter Jr. et al. (1985), apud Moreira (2005), o estudo do
comportamento espectral dos alvos agrícolas, com uso de índices de
vegetação, é mais indicado do que o emprego separado de dados espectrais
em cada banda do sensor. Esses índices minimizam os erros introduzidos nas
estimativas da radiância pela resposta lambertiana dos alvos agrícolas.
São encontrados na literatura diversos índices de vegetação. Dentre os
mais citados, podemos destacar, como exemplo o NDVI (Índice de Vegetação
da Diferença Normalizado) proposto Rouse et al. (1974), o GNDVI (Índice de
Vegetação da Diferença de Verde Normalizado) proposto por Gitelson et al.,
(1996) e o SAVI (Índice de Vegetação Ajustador do Solo) proposto por Huete
(1988).
Segundo Ferreira et al. (2008), a lógica por trás dos índices de
vegetação baseia-se no fato de que a energia refletida no vermelho e
infravermelho próximo é diretamente relacionada à atividade fotossintética da
vegetação. Em sua grande maioria, os índices de vegetação utilizam uma
combinação entre a radiância de uma das bandas da região do visível,
principalmente o vermelho, e a radiância na região do infravermelho. Isso
porque, segundo Ponzoni (2001), a radiância no vermelho exibe uma relação
inversa não-linear com a biomassa verde, enquanto que a radiância no
infravermelho próximo, exibe uma relação direta não-linear. Na região do
22
visível, os pigmentos fotossintetizantes ocasionam um processo dominante de
absorção. Já na região do infravermelho próximo, a radiância refletida é
dependente, entre outras, da quantidade de folhas existentes e sua distribuição
e arranjo espacial no dossel.
2.5.3. Comportamento espectral da vegetação
Em todo o mundo têm sido conduzidos experimentos na busca da
caracterização do comportamento espectral de partes de plantas, plantas e
conjunto de plantas (dosséis). Segundo Ponzoni (2001), o objetivo principal
desses estudos é a aquisição de dados compatíveis com modelos matemáticos
destinados à previsão de fenômenos ou à estimativa de parâmetros biofísicos
com uso de sensoriamento remoto.
Segundo Moreira (2005), ao interagir com as plantas, das três
componentes resultantes do fracionamento da radiação solar incidente, a mais
importante do ponto de vista fisiológico e químico é a absorção. Entretanto, a
grande maioria dos sistemas de sensoriamento remoto usam a energia
refletida. Assim, a maioria dos trabalhos vem sendo desenvolvidos buscando a
caracterização da reflectância espectral da vegetação.
Um dossel é constituído por muitos elementos da própria vegetação, tais
como galhos, folhas, frutos e flores. De todos os elementos da vegetação, a
folha constitui o principal deles e na literatura são encontrados diversos
trabalhos relacionados à determinação das propriedades espectrais de folhas.
A Figura 1 ilustra o comportamento espectral de uma folha verde sadia.
Como pode ser observada na Figura 1, a reflectância espectral de uma
folha verde é distinta e bastante variável de acordo com o comprimento de
onda. Nos comprimentos de onda do visível, a pigmentação, em especial a
clorofila, domina a resposta espectral de plantas. Esses pigmentos, clorofila,
carotenos e xantofilas são geralmente encontrados nos cloroplastos e as
percentagens podem variar de espécie para espécie. A clorofila domina essa
concentração com cerca de 65% (Ponzoni, 2001).
A reflectância nas folhas verdes apresenta-se muito baixa, nos
comprimentos de onda do azul e do vermelho. Uma falta relativa de absorção
nos comprimentos de onda entre as duas faixas de absorção de clorofila
23
permite um pico de reflectância para acontecer em torno de 540 nm, que é a
região de comprimento de onda verde (Hoffer, 1978).
Figura 1. Curva de reflectância espectral típica de uma folha verde e sadia.
FONTE: Novo (1992).
Na Figura 1 ainda pode ser observado que estrutura celular domina a
reflectância na região do infravermelho próximo. Essa estrutura pode ser
resumida na relação água-ar no mesófilo. Assim, de maneira geral, quanto
mais lacunosa for a estrutura interna foliar, maior será o espalhamento interno
da radiação incidente e, consequentemente, maior reflectância (Ponzoni,
2001). Nessa faixa, a vegetação verde saudável é caracterizada por uma alta
reflectância, alta transmitância e muito baixa absorbância, em comparação com
os comprimentos de onda visíveis (Hoffer, 1978). A absorção na zona espectral
do infravermelho médio é determinada pela presença de água.
Sabe-se que a reflectância espectral das folhas sofre alteração quando
submetida a efeitos de estresses, tais como hídrico, ataques de insetos,
doenças, problemas fisiológicos e condições ambientais adversas. Nas folhas,
quando atacadas por fungos, a reflectância na região do visível, apresenta-se
maior do que as sadias (Ponzoni, 2001). Esse fato pode ser explicado porque
uma planta quando está sob estresse, a produção de clorofila é diminuída e,
conseqüentemente, terão uma reflectância mais alta, particularmente na porção
vermelha do espectro, parecendo amareladas (Hoffer, 1978). No infravermelho
próximo, em virtude da degradação do mesófilo, a reflectância da vegetação
senil ou morta diminui.
24
É importante notar que, em comparação com a reflectância de uma
única folha as camadas de múltiplas folhas podem causar uma reflectância
muito mais alta (até 85%) na porção do infravermelho próximo do espectro. Isto
é devido à reflectância aditiva, que é a energia transmitida pela primeira
camada de folhas (no lugar mais alto) e refletida de uma segunda camada que
está parcialmente transmitida por trás da primeira camada. A modelagem de
camadas de múltiplas folhas mostra aumentos significantes na reflectância do
infravermelho próximo, quando mais camadas de folha são adicionadas
(Hoffer, 1978).
2.5.4. Comportamento espectral do solo
Geralmente, em relação à vegetação verde, o solo apresenta valores de
reflectância intermediários na faixa do visível e valores inferiores aos da
vegetação em quaisquer condições na faixa do infravermelho próximo. Os
conteúdos de umidade, matéria orgânica e óxido de ferro, bem com as
porcentagens relativas de argila, silte e areia e as características de rugosidade
da superfície do solo influenciam, significativamente, a reflectância espectral de
solos (Hoffer, 1978).
A reflectância espectral, segundo Moreira (2005), pode ser usada na
identificação de solos que contêm diferentes quantidades de óxido de ferro.
Esses óxidos absorvem energia eletromagnética na região do infravermelho
próximo, com máximo de absorção em torno de 900 nm. Na região dos
comprimentos de onda visível, um aumento nas quantidades de óxido de ferro
pode causar uma diminuição significante na reflectância (Hoffer, 1978).
Na porção visível e infravermelho do espectro existe uma diminuição
distinta na reflectância para solo úmido, em comparação com o solo seco
(Moreira, 2005). Assim, a região climática e as condições de drenagem devem
ser levadas em conta, quando se estuda a reflectância espectral dos solos.
A medida da quantidade de radiação solar refletida por um corpo ou uma
superfície é a definição de albedo. Esse termo é frequentemente usado no
estudo do comportamento espectral dos solos. O albedo é calculado como
sendo a razão entre a quantidade de radiação refletida pela quantidade de
radiação recebida.
25
A granulometria na reflectância dos solos, segundo Madeira Netto
(2001), possui relação inversa entre tamanho de partículas e reflectância.
Assim, de maneira geral, quanto menor o tamanho das partículas, maior será o
albedo dos solos.
Alguns padrões de curvas espectrais de solos foram relatados por
Madeira Netto (2001) com base em trabalhos de diversos autores. Assim,
segundo o autor, solos de textura argilosa e com alto teor de matéria orgânica,
apresentam baixo albedo no intervalo de 500 a 1.300 nm. Solos com baixos
teores de matéria orgânica e óxido de ferro, no mesmo intervalo, apresentam
albedos altos. Em solos arenosos com altos teores de matéria orgânica, as
características dos espectros são influenciadas principalmente pela matéria
orgânica. Nos solos com alto teor de óxidos de ferro e textura argilosa, a
reflectância apresenta-se decrescente a partir do comprimento de onda de 750
nm.
As diferentes assinaturas espectrais de cada feição na superfície
terrestre permitem o estudo e desenvolvimento de sistemas capazes de
diagnosticar remotamente os alvos de interesse. Assim, ao se avaliar o dossel
de uma vegetação, pode estar inserida na área amostrada, uma porção
significativa de solo. Entretanto, somente com o conhecimento prévio da
intensidade em cada material reflete a radiação eletromagnética nos diferentes
comprimentos de onda do espectro é possível fazer inferências e ajustar
modelos significativos na avaliação da interação de um dossel com uma
relevante porção de substrato (superfície de solo de fundo).
26
3. MATERIAL E MÉTODOS
3.1. Implantação do experimento
Foram conduzidos, em áreas distintas, dois experimentos na Estação
Experimental de Coimbra, pertencente ao Departamento de Fitotecnia da
Universidade Federal de Viçosa (UFV). O processamento e a análise dos
dados foram feitos no Laboratório de Projetos de Máquinas e Visão Artificial
(PROVISAGRO) do Departamento de Engenharia Agrícola da UFV. A cidade
de Coimbra, onde fica localizada a Estação Experimental, possui coordenadas
geográficas de 20°51’24” latitude sul e 42°48’10” de longitude oeste com 720
metros de altitude média.
O experimento 1 foi conduzido na safra da “seca” de 2007, com a
semeadura realizada no dia 14 de março e a colheita no dia 18 de junho. O
experimento 2 foi instalado no inverno do mesmo ano, com a semeadura
realizada no dia 10 de agosto e a colheita no dia 14 de novembro (Figura 2). As
temperaturas médias no período de condução dos experimentos foram de 19,5
e 20,4ºC para o experimento 1 e 2, respectivamente.
Figura 2. a) Área experimental para o experimento 1, safra “seca”; b) Área
experimental para o experimento 2, safra “inverno”.
a) b)
27
Foi feita a amostragem composta do solo na área experimental para os
dois experimentos. As amostras foram encaminhadas para o Laboratório de
Análise de Solos da Universidade Federal de Viçosa, onde foram realizadas as
análises físico-químicas, antes do preparo do solo para a semeadura. A
determinação da necessidade de calagem foi feita pelo método de saturação
de bases para a cultura do feijão (Alvarez & Ribeiro, 1999). A adubação na
semeadura de fósforo (P) e potássio (K) foi feita de acordo com a
recomendação de Chagas et al. (1999) para a cultura do feijão no nível de
tecnologia 4. Os resultados das análises físico-químicas de solo proveniente da
amostragem realizada antes do preparo para a semeadura nos dois
experimentos são apresentados na Tabela 3.
Tabela 3. Resultados da análise físico-química do solo na camada de 0 a 20
centímetros para os dois experimentos conduzidos
pH P K Ca
2+
Mg
2+
Al
3+
H+Al SB CTC(T) Areia grossa Areia fina Silte Argila
Amostra
(H
2
O) (mg dm
-3
) --------------- (cmol
c
dm
-3
) --------------- ------------------ (dag kg
-1
) ------------------
Exp. 1 4,80 10,80 43 0,70 0,40 0,50 3,63 1,21 4,84 9 9 17 65
Exp. 2 5,30 1,30 26 0,88 0,26 0,05 3,30 1,21 4,51 6 2 18 74
pH em água, KCl e CaCl
2
– Relação 1:2,5
CTC(T) – Capacidade de troca catiônica a pH 7,0
SB – Soma de bases trocáveis
O solo, nos dois experimentos, foi convencionalmente preparado com
uma aração e duas gradagens. A adubação de P e K foi realizada com uso de
um sulcador adubador a uma profundidade de aproximadamente 10
centímetros no dia anterior à semeadura. De acordo com a disponibilidade de P
e K, foram determinadas as doses aplicadas na semeadura para o nível 4 de
tecnologia. Segundo Alvarez et al. (1999), a disponibilidade de P e K teve
classificação boa e média, respectivamente, para o experimento 1 e muito
baixa e baixa respectivamente para o experimento 2. Assim, foram aplicados
1.512,5 e 1.312,5 kg ha
-1
de calcário (PRNT = 80%), 70 e 110 kg ha
-1
de fósforo
(P) e 40 e 50 kg ha
-1
de potássio (K) para os experimentos 1 e 2,
respectivamente.
A semeadura foi realizada em covas, com uso de matracas e sementes
de feijão da cultivar BRSMG Majestoso, pertencente ao grupo Carioca. O
espaçamento utilizado foi de 0,50 metros entre as linhas com
aproximadamente 15 sementes por metro.
28
Os dois experimentos foram instalados segundo o delineamento em
blocos casualizados com três repetições. Os tratamentos foram constituídos
pela combinação fatorial entre cinco doses de N (0, 20, 30, 40 e 50 kg ha
-1
)
aplicadas manualmente na semeadura e seis doses de N (0, 20, 30, 40, 60 e
80 kg ha
-1
) aplicadas manualmente em cobertura na forma de uréia. As doses
20 e 30 kg ha
-1
foram aplicadas em doses únicas aos 26 e 27 dias após a
emergência das plantas (DAE) para o experimento 1 e 2, respectivamente, e
parceladas igualmente para as demais doses. Para o experimento 1, esse
parcelamento ocorreu aos 21 e 32 DAE e para o experimento 2 aos 21 e 34
DAE.
Cada bloco foi composto por duas fileiras de 15 parcelas distanciadas
entre si de um metro. Cada parcela foi constituída por seis linhas de 5 metros.
As duas linhas externas e 0,5 metros de cada uma das extremidades das
linhas foram consideradas como bordaduras (Figura 3). A cultura foi mantida
sob regime de irrigação por aspersão convencional, sendo os demais tratos
culturais e fitossanitários realizados conforme as recomendações para o
feijoeiro na região. A lâmina de água aplicada foi calculada de acordo com a
necessidade de cada ciclo da cultura para que não ocorresse lixiviação do N
aplicado.
3,00 m
5,00 m
0,50 m
4,00 m
Área para a realização das avaliações
Figura 3. Caracterização das parcelas experimentais.
29
3.2. Aquisição e processamento dos dados
3.2.1. Aquisição dos dados radiométricos
A aquisição das leituras de radiometria foi feita por meio de dois
espectroradiômetros intercalibrados da Ocean Optics, modelo SD 2000. Esse
aparelho foi usado na obtenção dos dados de reflectância na região espectral
de 400 a 900 nm com resolução de 0,34 nm. O aparelho foi conectado a um
microcomputador portátil, onde foram armazenados os dados.
Para realização das leituras, a unidade detectora foi instalada em um
suporte desmontável de alumínio, a aproximadamente três metros de altura
sobre o dossel da cultura. Foram utilizadas duas fibras ópticas. A primeira,
com ângulo de visada de 25°, foi apontada verticalmente para baixo para medir
a radiação refletida do dossel da cultura de uma área circular de diâmetro de
aproximadamente 1,35 metros. Uma segunda fibra óptica com um corretor co-
seno de radiação com ângulo de visada de 180° foi apontado verticalmente
para cima simultaneamente à primeira fibra, com a finalidade de medir a
irradiação incidente do sol. A Figura 4a ilustra o sistema de aquisição de dados.
Foi utilizado o programa de aquisição de dados OOIBase32, versão
2.0.5.5. da Ocean Optics. Os dados, para todas as coletas, foram obtidos com
a seguinte configuração: Integration Time (msec): 3; Spectra Averaged: 10; e
Boxcar Smoothing: 10.
Para os dois experimentos, foram realizadas sete campanhas
radiométricas das parcelas: aos 12, 22, 26, 46, 53, 62 e 81 dias após a
emergência (DAE) para o experimento 1 e aos 6, 21, 26, 33, 50, 56 e 69 DAE
para o experimento 2. As observações foram feitas entre 10 e 14 horas, em
condições de céu aberto e intercaladas com medidas de reflectância de um
padrão branco de laboratório, Spectralon (LABSPHERE, USA), de espectro
conhecido (Figura 4b).
O procedimento de realização de medidas intercaladas com um padrão
branco foi necessário para que os valores fossem transformados em fator de
reflectância. Na Figura 5 está ilustrado o espectro do fator de reflectância do
painel padrão de reflectância branco Spectralon.
Para cada comprimento de onda, o cálculo da reflectância do dossel foi
feito com uso da Equação 1 (Gitelson et al., 2003). Nessa equação, o fator de
30
reflectância do painel é introduzido para obtenção da reflectância. Para o
presente trabalho, a região espectral usada situa-se entre 400 e 900 nm. Nesse
intervalo, para o padrão branco Spectralon, os fatores de reflectância não são
inferiores a 99%.
2
5
°
3,0
1,35
180°
Laptop
Espectroradiômetro
Ocean Optics SD2000
Receptor
Co-seno
Figura 4. a) Representação esquemática do sistema de aquisição dos dados
de radiometria de campo; b) Medida de reflectância do padrão
branco Spectralon.
Figura 5. Espectro do fator de reflectância do painel padrão branco de
reflectância Spectralon.
a)
b)
31
p
p
p
f
f
L
E
E
L
λ
λ
λ
λ
λ
λ
ρρ
⋅⋅
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
⋅
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
= 100
(1)
em que,
ρ
λ
= reflectância no comprimento de onda λ (%);
ρ
λ
p
= reflectância do painel (%);
L
λ
f
= intensidade da radiação refletida do feijoeiro (valor digital por unidade de
área);
L
λ
p
= intensidade da radiação refletida no painel (valor digital por unidade de
área);
E
λ
f
= intensidade da irradiação incidente no feijoeiro (valor digital por unidade de
área); e
E
λ
p
= intensidade da irradiação incidente no painel (valor digital por unidade de
área).
Os painéis de Spectralon são considerados como padrões de
reflectância, pois aproximam ao comportamento lambertiano, particularmente
em ângulos de iluminação próximos ao nadir. Esses painéis são usados em
validações de experiências de campo conduzidos com uso de sensoriamento
remoto (Bruegge et al., 2001). Segundo Jackson et al. (1992), as placas de
Spectralon são constituídas de um material sintético de espectro conhecido e
apresenta reflectância próxima de 100%, principalmente na região espectral de
400 a 900 nm usada neste trabalho, como pode ser observado na Figura 5.
3.2.2. Estimativa dos teores de clorofila e determinação do teor de
nitrogênio foliar
Para a estimativa do teor de clorofila das plantas de cada parcela,
próximo à coleta dos dados de radiometria de campo, foi utilizado um medidor
portátil de clorofila denominado Soil Plant Analysis Development (SPAD 502).
As leituras realizadas com o aparelho possuem medidas adimensionais, as
quais se relacionam com o teor de clorofila, que denominaremos valores
SPAD.
O valor SPAD foi obtido com a média da leitura aleatória de 30 folhas na
área útil de cada parcela, coletadas do terço médio das plantas conforme
32
sugerido por Martinez et al. (1999) para diagnose foliar do feijoeiro. As folhas
utilizadas para as leituras dos valores SPAD foram coletadas e acondicionadas
em sacos de papel e encaminhadas ao Laboratório de Solos Florestais do
Departamento de Solos da Universidade Federal de Viçosa para a
determinação do teor de nitrogênio foliar (NF).
Para o experimento 1, foram feitas quatro leituras SPAD das parcelas,
aos 11, 19, 25 e 39 DAE e para o experimento 2, seis, aos 5, 12, 20, 27, 35 e
57 DAE. Assim, por equivalência, foram feitas, para cada experimento, nos
mesmos dias, o mesmo número de análises foliares para determinação do NF
do que leituras SPAD com exceção dos 11 DAE para o experimento 1.
3.2.3. Estimativa da produtividade de grãos e componentes de
rendimento
A produtividade de grãos (kg ha
-1
) foi calculada coletando as plantas de
duas linhas aleatórias na área útil (8 metros) de cada parcela. Foi realizada a
trilha mecânica e determinada a massa dos grãos. Em cada parcela foram
retiradas amostras para determinação da umidade por meio do método padrão
de estufa, 105°C ± 3 por 24 horas (BRASIL, 1992). O valor da massa
observado foi corrigido para a umidade de 12% na base úmida.
Os componentes de rendimento, número de vagens por planta (NVP),
número de grãos por vagem (NGV) e massa de cem grãos (MCG), foram
obtidos coletando todas as plantas de uma linha aleatória na área útil (4
metros) de cada parcela. O número de vagens por planta foi obtido pela
contagem do número total de vagens, dividido pelo número de plantas contido
na linha. O número de grãos por vagem foi obtido por meio da contagem do
número total de grãos e dividido pelo número total de vagens. A massa de cem
grãos foi avaliada tomando-se a massa de todos os grãos também obtidos de
todas as plantas da linha dividida pelo número total de grãos e multiplicado por
100. O valor observado foi corrigido para a umidade de 12% na base úmida.
3.2.4. Processamento dos dados radiométricos
Segundo Moreira (2005), não existe um limite rígido entre as bandas do
espectro. Os limites apresentados na literatura são apenas teóricos. Assim,
para o presente trabalho, foram utilizados os valores de reflectância médio das
33
seguintes bandas, com base nas faixas espectrais dos sensores dos satélites
Ikonos II e QuickBird (Moreira, 2005):
• Banda 1 – Az (azul; 450 a 520 nm);
• Banda 2 – Vd (verde; 520 a 600 nm);
• Banda 3 – Vm (vermelho; 630 a 690 nm); e
• Banda 4 – IV (infravermelho próximo; 760 a 900 nm).
Estes valores foram utilizados para determinação dos índices de
vegetação NDVI (Rouse et al., 1974), GNDVI (Gitelson et al., 1996), SAVI
(Huete, 1988) e WDRVI (Gitelson, 2004) de acordo com as equações de 2 a 5.
Assim, para cada parcela, foram gerados 8 diferentes índices de vegetação.
VmIV
VmIV
NDVI
+
−
=
(2)
em que,
NDVI = índice de vegetação da diferença normalizado;
IV = valor médio de reflectância na banda 4; e
Vm = valor médio de reflectância na banda 3.
Vd
I
V
VdIV
GNDVI
+
−
=
(3)
em que,
GNDVI = índice de vegetação da diferença de verde normalizado; e
Vd = valor médio de reflectância na banda 2.
()
25,050,0,00,1;1. eLondeL
LVmIV
VmIV
SAVI =+
++
−
=
(4)
em que,
SAVI = índice de vegetação ajustador do solo.
20,010,0,05,0;WDRVI eaonde
VmIVa
VmIVa
=
+⋅
−
⋅
=
(5)
em que,
WDRVI = índice de vegetação de larga escala dinâmica.
34
3.3. Análise dos dados
Para efeito de análises estatísticas, os experimentos foram divididos em
duas etapas, antes e após a adubação em cobertura. Na primeira etapa foi
realizada a avaliação do comportamento da cultura sob o efeito do fator doses
de nitrogênio aplicadas na semeadura e identificação da relação entre valores
médios de índices de vegetação, teor de nitrogênio foliar e valores SPAD. Na
segunda etapa foi realizado o estudo do comportamento da cultura sob a
combinação do efeito fator doses de nitrogênio aplicado na semeadura e em
cobertura e avaliação da relação entre valores médios de índices de
vegetação, produtividade e componentes de rendimento do feijoeiro.
3.3.1. Antes da adubação em cobertura
Nesta etapa foi avaliada a resposta da cultura do feijoeiro, onde os
dados foram obtidos do delineamento em blocos casualizados (DBC) com três
repetições. Os tratamentos foram constituídos por cinco doses de nitrogênio
aplicadas na semeadura (0, 20, 30, 40 e 50 kg ha
-1
). Antes da adubação em
cobertura, cada repetição dos dados radiométricos, valores SPAD e NF foi
obtida com média das seis parcelas dentro do mesmo bloco que receberam as
mesmas doses de nitrogênio na semeadura.
Uma metodologia para ser considerada adequada tem que apresentar
baixa variabilidade nas medições obtidas. Portanto, a avaliação da metodologia
de obtenção dos valores SPAD e NF foi feita com base no cálculo do
coeficiente de variação das medições obtidas dentro de um mesmo bloco. A
precisão da metodologia foi avaliada a partir da classificação do valor do
coeficiente de variação segundo o proposto por Gomes (1982).
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura,
valores SPAD e teores de nitrogênio foliar
Para verificar a existência de uma relação funcional entre as doses de N
aplicadas na semeadura e os valores SPAD, foram feitas análises de
regressão. Para o experimento 1, a análise foi realizada aos 11, 19 e 25 DAE e
para o experimento 2 aos 5, 12, 20 e 27 DAE. Assumiu-se que nestas últimas,
aos 25 DAE para o experimento 1 e aos 27 DAE para o experimento 2, as
plantas não responderam à primeira parcela da adubação nitrogenada em
35
cobertura que foi realizada aos 21 DAE para ambos os experimentos. Os dias
após a emergência em que foram realizadas as análises correspondem aos
dias em que foram feitas as medições com uso do clorofilômetro portátil SPAD.
Foi utilizado o programa computacional SAS para o ajuste de modelos
lineares e realizou-se o teste F para falta de ajustamento e análise de variância
da regressão. Os modelos de regressão ajustados foram:
iii
eXY
+
+
=
10
β
β
(6)
iiii
eXXY +++=
2
210
βββ
(7)
em que,
Y
i
= valor observado para a variável dependente Y;
β
0
= valor da constante de regressão;
β
1
e β
2
= valores dos coeficientes de regressão;
X
i
= valor do i-ésimo nível da variável independente X;
e
i
= efeito aleatório associado à observação Y
i
.
A variável dependente Y, representa os valores observados de SPAD ou
NF, enquanto a variável independente X
representa as doses de N aplicadas na
semeadura. Quando a falta de ajustamento foi significativa ao nível de 5% de
probabilidade para o modelo linear de primeiro grau (Equação 6) procedeu-se o
ajuste de um modelo linear de segundo grau (Equação 7). A escolha dos
modelos foi feita com base no critério de não significância do teste F para falta
de ajustamento, significância no teste F para regressão e significância no teste
t das estimativas dos coeficientes de regressão, todos ao nível de 5% de
probabilidade. O coeficiente de determinação R
2
foi determinado pelo
quociente entre a soma de quadrados da regressão e a soma de quadrados de
tratamentos, pois sob o ponto de vista da estatística experimental, quando
temos dados de um delineamento experimental e usamos regressão, é usual
obter esse coeficiente dessa maneira.
Para os dois experimentos, nas mesmas épocas, o mesmo
procedimento foi feito para a verificação da existência de uma relação funcional
entre as doses de N aplicadas na semeadura e os valores de NF. Apenas aos
36
11 DAE para o experimento 1 não foi realizada a análise pois as amostras não
puderam ser entregues ao laboratório.
Comportamento espectral do dossel do feijoeiro submetido a diferentes
doses de nitrogênio aplicadas na semeadura
Para visualização do comportamento espectral do dossel do feijoeiro,
submetidos a diferentes doses de nitrogênio aplicadas na semeadura nas
épocas anteriores à adubação em cobertura, foram gerados, para cada dose
aplicada, gráficos médios da resposta espectral. Esses gráficos foram feitos
para os dados de radiometria coletados aos 12, 22 e 26 DAE para o
experimento 1 e aos 6, 21 e 26 DAE para o experimento 2. Para cada dose de
N aplicada na semeadura, no eixo das abscissas foram plotados os valores dos
comprimentos de onda do espectro (nm) e no eixo das ordenadas a
reflectância média do dossel do feijoeiro (%).
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura e
valores médios de índices de vegetação
Foram feitas análises de regressão para verificar a existência de uma
relação funcional entre as doses de N aplicadas na semeadura e a média dos
valores de índices de vegetação NDVI, GNDVI, SAVI e WDRVI. Para o
experimento 1, a análise foi realizada com uso dos dados obtidos aos 12, 22 e
26 DAE e para o experimento 2 aos 6, 21, e 26 DAE. Assumiu-se que nessa
última, aos 26 DAE para os dois experimentos, as plantas não responderam à
primeira parcela da adubação nitrogenada em cobertura realizada aos 21 DAE.
Para o ajuste dos modelos lineares, foi utilizado o programa
computacional SAS. Realizou-se o teste F para falta de ajustamento e análise
de variância da regressão. Os mesmos modelos apresentados nas Equações 6
e 7 foram adotados, com a variável dependente Y, representando os valores
observados médios de índices de vegetação NDVI, GNDVI, SAVI e WDRVI,
enquanto a variável independente X
representou as doses de N aplicadas na
semeadura. Quando a falta de ajustamento foi significativa ao nível de 5% de
probabilidade para o modelo linear de primeiro grau, procedeu-se o ajuste de
um modelo linear de segundo grau. A escolha de modelos e o cálculo do
37
coeficiente de determinação foram feitos com base nos mesmos critérios
usados para as variáveis SPAD e NF.
Avaliação da relação entre valores médios de índices de vegetação, teor
de nitrogênio foliar e valores SPAD
Para cada experimento, o grau de relacionamento entre as variáveis NF,
valores SPAD e valores médios de índices de vegetação, foi avaliado por meio
de análise de correlação. Assumiu-se que a diferença entre os dias de coleta
dos dados radiométricos e a coleta dos dados de NF e valores SPAD, não foi
suficiente para que esses valores não se alterassem nas folhas.
A análise foi feita com uso do programa computacional SAS e realizado
o teste t para os coeficientes de correlação ao nível de 5% de probabilidade.
Para o experimento 1, a análise foi feita com uso dos dados SPAD obtidos aos
19 e 25 DAE e para o experimento 2 aos 5, 12, 20 e 27 DAE. Para o
experimento 1, a análise não foi realizada aos 11 DAE com a variável NF por
motivos anteriormente supracitados. A análise de correlação entre índices de
vegetação e NF foi feita com uso dos dados radiométricos obtidos aos 22 e 26
DAE para o experimento 1 e aos 6, 21 e 26 DAE para o experimento 2.
3.3.2. Após a adubação em cobertura
Nesta etapa, foi avaliada a resposta da cultura, onde os dados foram
obtidos do delineamento em blocos casualizados com três repetições. Os
tratamentos foram constituídos pela combinação fatorial entre cinco doses de
nitrogênio (0, 20, 30, 40 e 50 kg ha
-1
) aplicadas na semeadura e seis doses de
nitrogênio (0, 20, 30, 40, 60 e 80 kg ha
-1
) aplicadas em cobertura na forma de
uréia em doses únicas para as doses 20 e 30 kg ha
-1
, e parceladas igualmente
para as demais doses.
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura e
em cobertura, valores SPAD e teor de nitrogênio foliar
Para verificar a existência de uma relação funcional entre as doses de N
aplicadas na semeadura e em cobertura e os valores SPAD, foram feitas
análises de regressão. Para o experimento 1, a análise foi realizada aos 39
DAE e para o experimento 2 aos 35 e 57 DAE.
38
Foi utilizado o programa computacional SAS para o ajuste de modelos
lineares e realizou-se o teste F para falta de ajustamento e análise de variância
da regressão. Os modelos estatísticos adotados foram:
iiiiii
eXXXXY
+
+
+
+
=
21322110
β
β
β
β
(8)
iiiiiiii
eXXXXXXY ++++++=
215
2
24
2
1322110
ββββββ
(9)
em que,
Y
i
= valor observado para a variável dependente Y;
β
0
= valor da constante de regressão;
β
1
, β
2
, β
3
, β
4
e β
5
= valores dos coeficientes de regressão;
X
1i
= valor do i-ésimo nível da variável independente X
1
;
X
2i
= valor do i-ésimo nível da variável independente X
2
; e
e
i
= efeito aleatório associado à observação Y
i
.
A variável dependente Y, representa os valores observados de SPAD ou
NF, enquanto as variáveis independentes X
1
e X
2
representam as doses de N
aplicados na semeadura e cobertura, respectivamente. Quando a falta de
ajustamento foi significativa ao nível de 5% de probabilidade para o modelo
expresso na Equação 8 procedeu-se o ajuste do modelo expresso na Equação
9. A escolha dos modelos foi feita com base no critério de não significância do
teste F para falta de ajustamento, significância no teste F para regressão e
significância no teste t das estimativas dos coeficientes de regressão, todos ao
nível de 5% de probabilidade. Quando pelo menos uma das estimativas dos
coeficientes de regressão apresentou valor não significativo no teste t, um novo
modelo foi ajustado sem a presença desta. A avaliação desse modelo foi feita
com base nos mesmos critérios supracitados. O coeficiente de determinação
R
2
foi determinado pelo quociente entre a soma de quadrados da regressão e a
soma de quadrados de tratamentos, pois sob o ponto de vista da estatística
experimental, quando temos dados de um delineamento experimental e
usamos regressão, é usual obter esse coeficiente dessa maneira.
O mesmo procedimento foi feito para a verificação da existência de uma
relação funcional entre as doses de N aplicadas na semeadura e em cobertura
e os valores de NF, para os dois experimentos, nas mesmas épocas.
39
Avaliação da relação entre doses de nitrogênio aplicadas na semeadura e
em cobertura e índices de vegetação
A existência de uma relação funcional entre as doses de N aplicadas na
semeadura e em cobertura e os índices de vegetação NDVI, GNDVI, SAVI e
WDRVI, foram verificadas com análises de regressão. Para o experimento 1, a
análise foi realizada com uso dos dados obtidos aos 46, 53, 62 e 81 DAE e
para o experimento 2 aos 50, 56 e 69 DAE. Para o experimento 2, não foi feita
a avaliação aos 33 DAE, pois, nesta época, a cultura ainda não tinha recebido
a última parcela da adubação em cobertura que foi realizada aos 34 DAE.
Foi utilizado o programa computacional SAS para o ajuste dos modelos
lineares. Realizou-se o teste F para falta de ajustamento e análise de variância
da regressão. Foram adotados os mesmos modelos apresentados nas
Equações 8 e 9 com a variável dependente Y, representando os valores
observados médios de índices de vegetação NDVI, GNDVI, SAVI e WDRVI,
enquanto as variáveis independentes X
1
e X
2
representam as doses de N
aplicados na semeadura e cobertura, respectivamente. Quando a falta de
ajustamento foi significativa ao nível de 5% de probabilidade para o modelo
expresso na Equação 8 procedeu-se o ajuste do modelo expresso na Equação
9. O critério de escolha de modelos foi o mesmo usado para as variáveis SPAD
e NF na avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura.
Avaliação da relação entre nitrogênio foliar e valores SPAD
Após a adubação em cobertura, o grau de relacionamento entre as
variáveis NF e valores SPAD, para cada experimento, foi avaliado por meio de
análise de correlação. A análise foi feita com uso do programa computacional
SAS e realizado o teste t para os coeficientes de correlação ao nível de 5% de
probabilidade. Para o experimento 1, a análise foi feita com uso dos dados
obtidos aos 39 DAE e para o experimento 2 aos 35 e 57 DAE.
Relação entre doses de nitrogênio aplicadas na semeadura e em
cobertura e produtividade do feijoeiro e seus componentes de rendimento
A existência de uma relação funcional entre as doses de N aplicadas na
semeadura e em cobertura, produtividade (PR) e os componentes de
40
rendimento de número de vagens por planta (NVP), número de grãos por
vagem (NGV) e massa de cem grãos (MCG), para os dois experimentos, foram
analisadas por meio de análises de regressão.
O ajuste dos modelos lineares foi feito com uso do programa
computacional SAS e realizado o teste F para falta de ajustamento e análise de
variância da regressão. Os modelos estatísticos adotados foram os mesmos
descritos nas Equações 8 e 9. A variável dependente Y representa os valores
observados de produtividade e componentes de rendimento e as variáveis
independentes X
1
e X
2
representam as doses de N aplicados na semeadura e
cobertura, respectivamente. Quando a falta de ajustamento foi significativa ao
nível de 5% de probabilidade para o modelo expresso na Equação 8 procedeu-
se o ajuste do modelo expresso na Equação 9. O critério de escolha de
modelos foi o mesmo usado para as variáveis SPAD e NF na avaliação da
relação entre doses de nitrogênio aplicadas na semeadura e em cobertura.
Relação entre índices de vegetação, produtividade e componentes de
rendimento do feijoeiro
A avaliação da relação entre o grupo índices de vegetação,
produtividade e componentes de rendimento do feijoeiro foi feita por meio de
análise de correlação canônica. A análise de correlação canônica, segundo
Hair Jr. et. al (2005), pode ser vista como uma extensão lógica da análise de
regressão múltipla. A regressão múltipla envolve uma única variável
dependente enquanto a correlação canônica envolve múltiplas variáveis
dependentes. A existência e a intensidade da associação entre os dois grupos
de variáveis pode ser medida pela correlação canônica. Essa análise é um
procedimento estatístico multivariado, que, segundo Johnson e Wichern (1998),
permite a identificação e quantificação de relações existentes entre dois grupos
de variáveis.
Segundo Hair et al. (2005), tamanhos amostrais muito pequenos não
irão representar bem as correlações, obscurecendo assim quaisquer relações
significativas. Com amostras muito grandes, os pesquisadores terão uma
tendência a indicar significância estatística em todos os casos, mesmo onde
significância prática não é indicada. Assim, os pesquisadores tendem a incluir
muitas variáveis nos dois conjuntos sem perceber as implicações para o
41
tamanho da amostra. Portanto, foi feita uma análise preliminar dos dados por
meio de análise de correlação com uso do programa computacional SAS e
realizado o teste t para os coeficientes de correlação ao nível de 5% de
probabilidade. Essa avaliação foi feita com o objetivo de diminuir o número de
variáveis do grupo índices de vegetação evitando assim, a homoscedasticidade
e a multicolinearidade nesse grupo. Hair et al. (2005) afirmam que, na análise
de correlação canônica, a homoscedasticidade, a partir do ponto que ela
diminui a correlação entre as variáveis, deve ser evitada. Ainda, segundo os
autores, a multicolinearidade, em qualquer conjunto de variáveis irá atrapalhar
a habilidade da técnica em isolar o impacto de qualquer variável, tornando a
interpretação menos confiável.
Segundo Hair et al. (2005), a técnica de correlação canônica produz
variáveis estatísticas para maximizar a correlação entre elas. Uma variável de
qualquer conjunto se relaciona com todas as outras variáveis em ambos os
conjuntos. Esse fato, segundo o autor, permite que a adição ou eliminação de
uma única variável afete a solução inteira. Como os índices SAVI e WDRVI,
nas suas diferentes variações, são altamente correlacionados entre si, foram
considerados na análise de correlação canônica, apenas um índice SAVI e
WDRVI de coeficiente L ou a, respectivamente, que apresentou maior
correlação com os componentes de rendimento.
Assim, foram estimadas as correlações canônicas entre o grupo de
variáveis constituído pelo conjunto de valores médios de índices de vegetação
e o grupo de variáveis produtividade do feijoeiro e seus componentes de
rendimento para os dois experimentos. O grupo valores de índices de
vegetação foi composto pelos índices NDVI, GNDVI, SAVI e WDRVI e o grupo
produtividade do feijoeiro e seus componentes de rendimento composto pela
produtividade (PR), número de vagens por planta (NVP), número de grãos por
vagem (NGV) e massa de cem grãos (MCG). Essa avaliação foi feita com os
dados radiométricos obtidos após a adubação em cobertura aos 46, 53 e 62
DAE para o experimento 1 e aos 50, 56 e 69 DAE para o experimento 2. As
correlações canônicas foram testadas por meio do teste de qui-quadrado (x
2
)
ao nível de 5% de probabilidade.
Para o experimento 1, não foram estimadas as correlações canônicas
entre o grupo valores de reflectância médio das bandas espectrais e o grupo de
42
componentes de rendimento do feijoeiro aos 81 DAE. Nesta época, a cultura se
encontrava no estádio de desenvolvimento R9, a uma semana do início da
colheita, com boa parte das folhas secas e caídas. Assim, a resposta espectral
do dossel da cultura, aos 81 DAE, não foi considerada nessa avaliação.
43
4. RESULTADOS E DISCUSSÃO
Os valores apresentados na Tabela 3 indicam uma superioridade na
fertilidade do solo para os macronutrientes P e K no experimento 1. Esta área é
freqüentemente adubada para a exploração das culturas de milho e feijão,
podendo ser considerada como uma área de produção. Esse fato pode ter
contribuído para um efeito residual dos elementos supracitados. O experimento
em questão foi conduzido logo após a colheita do milho que estava implantado
na área. A área em que foi conduzido o experimento 2 estava, antes do
preparo do solo, sem uso agrícola há mais de dois anos.
A classificação textural dos solos usados na condução dos experimentos
é, segundo Prado (1995), muito argilosa, com teor de argila superior a 60%.
Esse tipo de solo, segundo o autor, é menos suscetível à erosão em áreas não
muito declivosas e com boa drenagem. Como pode ser observado na Figura 2,
as áreas em que foram conduzidos os experimentos são relativamente planas,
o que favorece a não contaminação dos tratamentos nas parcelas vizinhas.
4.1. Análise dos dados antes da adubação em cobertura
4.1.1. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e valores SPAD
Os valores calculados dos coeficientes de variação (CV) médios entre as
repetições para os valores SPAD nas diferentes doses de N aplicadas na
semeadura para os experimentos 1 e 2 são apresentados nas Tabelas 4 e 5,
respectivamente.
Segundo a classificação de Gomes (1982), todos os CV apresentados
foram baixos para ensaios agrícolas de campo, pois seus valores foram
inferiores a 10%. Como os CV foram considerados baixos para todas as doses
44
aplicadas, considera-se que a metodologia utilizada na obtenção das
repetições dos valores SPAD para o experimento 1 foi adequada.
Tabela 4. Valores médios calculados dos CV, em percentagem, para os
valores SPAD nas doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas
na semeadura para o experimento 1 aos 11, 19 e 25 DAE
Doses de N aplicadas na semeadura (kg ha
-1
)
DAE
0 20 30 40 50
11 4,10 3,03 2,84 2,46 4,04
19 7,58 7,05 6,44 10,00 7,01
25 5,40 4,22 4,64 4,17 5,73
Tabela 5. Valores médios calculados dos CV, em percentagem, para os
valores SPAD nas doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas
na semeadura para o experimento 2 aos 5, 12, 20 e 27 DAE
Doses de N aplicadas na semeadura (kg ha
-1
)
DAE
0 20 30 40 50
5 4,35 3,36 2,77 2,78 3,22
12 2,72 3,54 2,34 3,30 2,54
20 5,16 6,24 4,38 4,00 3,31
27 8,24 4,21 5,86 6,40 5,29
Houve uma tendência de aumento dos valores de CV com o
desenvolvimento da cultura, o que era esperado devido ao maior número de
folhas disponíveis para realização da amostragem.
Nas Figuras 6 e 7 são ilustradas o comportamento dos valores SPAD
médios em função do número de dias após a emergência para as cinco doses
de N aplicadas na semeadura para os experimentos 1 e 2, respectivamente.
No experimento 1, dos 11 aos 19 DAE, houve uma tendência de redução
dos valores SPAD para todas as doses de N utilizadas. Essa tendência pode
ser justificada pelo desenvolvimento das plantas, visto que a redução também
foi observada nas parcelas não adubadas. Dos 19 aos 25 DAE, para todas as
doses de N utilizadas, houve uma tendência de acréscimo nos valores SPAD.
Além do acréscimo observado nesse intervalo, aos 25 DAE houve relação
direta entre doses de N aplicadas na semeadura e valores SPAD. Assim,
quanto maior foi a dose de N aplicada na semeadura, maior o valor SPAD.
45
44
45
46
47
48
49
50
51
10 13 16 19 22 25
Dias após a emergência (DAE)
Valores SPAD
0 kg ha-¹
20 kg ha-¹
30 kg ha-¹
40 kg ha-¹
50 kg ha-¹
Figura 6. Valores SPAD médios observados aos 11, 19 e 25 DAE para as doses
0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas na semeadura para o
experimento 1.
28
30
32
34
36
38
40
42
44
4 6 8 10 12 14 16 18 20 22 24 26 28
Dias após a emergência (DAE)
Valores SPAD
0 kg ha-¹
20 kg ha-¹
30 kg ha-¹
40 kg ha-¹
50 kg ha-¹
Figura 7. Valores SPAD médios observados aos 5, 12, 20 e 27 DAE para as
doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas na semeadura para o
experimento 2.
No experimento 2, com exceção das doses 40 e 50 kg ha
-1
, que
apresentaram pouca variação ao longo do tempo, houve uma tendência de
redução dos valores SPAD para as demais doses. Assim como para o
experimento 1 aos 25 DAE, houve relação direta entre doses de N aplicadas na
semeadura e valores SPAD aos 12, 20 e 27 DAE. As doses de N aplicadas na
semeadura, aparentemente influenciaram os valores SPAD. Com as maiores
doses de N (40 e 50 kg ha
-1
), os valores SPAD não sofreram alteração com o
desenvolvimento da cultura. Provavelmente para esses níveis de adubação,
não houve deficiência de N com o desenvolvimento da cultura não afetando os
valores SPAD. Para as menores doses (20 e 30 kg ha
-1
), ocorreu uma provável
deficiência de N, manifestado pela cor e amarelecimento das folhas conforme
46
detectado com uso do clorofilômetro portátil. O maior decréscimo foi verificado
nas parcelas que não foram adubadas. O comportamento de variação dos
valores SPAD durante o desenvolvimento da cultura também foi verificado por
SENA Jr. (2005) utilizando o SPAD para ajuste da adubação nitrogenada em
trigo.
Silveira et al. (2003), em um experimento para verificar o uso do
clorofilômetro como indicador da necessidade de adubação nitrogenada em
cobertura no feijoeiro, verificaram que os valores de leitura do clorofilômetro
foram crescentes para as cultivares Pérola e Jalo Precoce até o início de
florescimento da cultura. Didonet et al. (2005) também verificaram acréscimos
nas leituras SPAD com o desenvolvimento da cultura do feijão. Nos trabalhos,
os autores citam que as leituras foram feitas no último trifólio completamente
expandido de cada planta. Esses comportamentos mostraram-se contrários ao
comportamento apresentado no presente trabalho. Uma possível justificativa
para esse comportamento seria o local de amostragem nas plantas. Nos
trabalhos supracitados, essa amostragem foi realizada nas folhas mais jovens.
Sabe-se que a taxa de absorção e as concentrações dos nutrientes móveis,
como é o caso do nitrogênio, diminuem com a idade da planta devido à
translocação para outros tecidos (Malavolta et al., 1997). No presente trabalho
a amostragem foi feita no terço mediano da planta, conforme sugerido por
Martinez et al. (1999) para diagnose foliar.
A utilização do medidor portátil de clorofila como parâmetro indicador
para o manejo de N em cereais, segundo Argenta et al. (2001), apresenta baixa
precisão quando os teores de N na planta são altos. Comparando as Figuras 6
e 7, pode ser observado que o menor valor SPAD observado para o
experimento 1 supera o maior valor SPAD observado no experimento 2. Esse
fato reforça a hipótese de superioridade na fertilidade do solo usado para a
primeira safra, não apenas para os macronutrientes P e K, confirmados na
Tabela 3, mas também para o N.
Os resultados da análise de variância da regressão com o teste para
falta de ajustamento dos modelos lineares de primeiro grau ajustados entre
doses de N aplicadas na semeadura e valores SPAD, para o experimento 1,
aos 11, 19 e 25 DAE são apresentados na Tabela 6.
47
Tabela 6. Resultados do teste F da análise de variância da regressão para falta
de ajustamento dos modelos lineares de primeiro grau ajustados
entre doses de N aplicadas na semeadura e valores SPAD aos 11,
19 e 25 DAE para o experimento 1
Épocas Falta de Ajuste Regressão
11 DAE 1,36
ns
1,49
ns
19 DAE 3,06
ns
0,38
ns
25 DAE 0,08
ns
25,41 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
No teste para falta de ajustamento de um modelo, segundo Regazzi e
Silva (2004), é sempre desejável um resultado não-significativo. Nos casos em
que a falta de ajustamento for significativa, pode-se concluir que o modelo
utilizado não é apropriado, ou seja, não se ajusta bem aos dados, e outro
modelo deve ser testado.
Todos os modelos lineares de primeiro grau testados, para o
experimento 1, apresentaram-se não significativos ao nível de 5% de
probabilidade no teste para a falta de ajustamento, indicando um bom ajuste
dos modelos aos dados. Assim, não foram testados modelos lineares de
segundo grau. Dessa maneira, procedeu-se à análise de variância dos modelos
de regressão obtidos. Esse procedimento foi realizado para verificar se a
variável independente (doses de N aplicadas na semeadura) teve influência
significativa sobre a variável dependente (SPAD). O teste F da regressão foi
significativo apenas para o modelo linear de primeiro grau ajustado dos valores
SPAD aos 25 DAE ao nível de 5% de significância, confirmando a existência de
uma relação funcional entre essas variáveis.
A Figura 8 ilustra o modelo ajustado e seu respectivo coeficiente de
determinação juntamente com o diagrama de dispersão dos valores SPAD
médios em função das doses de N aplicadas na semeadura para o
experimento 1 aos 25 DAE.
Os resultados da análise de variância da regressão com o teste para
falta de ajustamento dos modelos lineares de primeiro grau ajustados entre
doses de N aplicadas na semeadura e valores SPAD, para o experimento 2,
aos 5, 12, 20 e 27 DAE são apresentados na Tabela 7.
48
SPAD = 8,0 10
-2
N + 46,5
R
2
= 0,9903
43
45
47
49
51
01020304050
Dose de N na semeadura (kg ha
-1
)
Valores SPAD
Figura 8. Diagrama de dispersão dos valores SPAD médios em função das
doses de N aplicadas na semeadura, modelo linear de primeiro grau
ajustado aos 25 DAE e seu respectivo coeficiente de determinação
para o experimento 1.
Tabela 7. Resultados do teste F da análise de variância da regressão para falta
de ajustamento dos modelos lineares de primeiro grau ajustados
entre doses de N aplicadas na semeadura e valores SPAD aos 5,
12, 20 e 27 DAE para o experimento 2
Épocas Falta de Ajuste Regressão
5 DAE 2,11
ns
12,70 **
12 DAE 32,04 ** ---
20 DAE 4,86 * ---
27 DAE 0,33
ns
93,81 **
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
Para o experimento 2, dentre os modelos lineares de primeiro grau
testados, os modelos referentes aos 12 e 20 DAE apresentaram-se
significativos ao nível de 5% de probabilidade no teste para a falta de
ajustamento. No entanto, os modelos referentes aos 5 e 27 DAE, indicaram um
bom ajuste aos dados (falta de ajuste não significativa e regressão
significativa).
As Figuras 9 e 10 ilustram, para o experimento 2, os modelos lineares de
primeiro grau ajustados aos 5 e 27 DAE e seus respectivos coeficientes de
determinação juntamente com o diagrama de dispersão dos valores SPAD
médios em função das doses de N aplicadas na semeadura.
No experimento 1, o modelo ajustado com os valores SPAD aos 25 DAE
apresentou amplitude total de 7,07. Para os modelos ajustados com os valores
SPAD aos 5 e 27 DAE, no experimento 2, observam-se amplitudes totais de
5,23 e 15,40 e coeficientes de determinação de 66,85 e 98,95%,
respectivamente. Os modelos referentes aos 25 DAE (experimento 1) e aos 5
DAE (experimento 2), apresentaram valores de amplitude total relativamente
49
baixos. Essa situação foi relatada por Argenta et al. (2001), como uma das
limitações do uso do clorofilômetro como parâmetro indicador para o manejo de
N em cereais. A maior dispersão observada (amplitude) dos valores SPAD,
obtidos aos 27 DAE (experimento 2), favorece um melhor gerenciamento do N
com uso do clorofilômetro portátil.
SPAD = 4,0 10
-2
N + 40,9
R
2
= 0,6685
38
40
42
44
46
0 1020304050
Dose de N na semeadura (kg ha
-1
)
Valores SPAD
Figura 9. Diagrama de dispersão dos valores SPAD médios em função das
doses de N aplicadas na semeadura, modelo linear de primeiro grau
ajustado para os 5 DAE e seu respectivo coeficiente de determinação
para o experimento 2.
SPAD = 0,2 N + 31,1
R
2
= 0,9895
28
32
36
40
44
01020304050
Dose de N na semeadura (kg ha
-1
)
Valores SPAD
Figura 10. Diagrama de dispersão dos valores SPAD médios em função das
doses de N aplicadas na semeadura, modelo linear de primeiro
grau ajustado para os 27 DAE e seu respectivo coeficiente de
determinação para o experimento 2.
A falta de ajustamento foi significativa ao nível de 5% de probabilidade
para os modelos lineares de primeiro grau ajustados aos 12 e 20 DAE, assim
procedeu-se o ajuste de modelos lineares de segundo grau. Os resultados da
análise de variância da regressão com o teste para falta de ajustamento dos
modelos lineares de segundo grau ajustados entre doses de N aplicadas na
semeadura e valores SPAD, para o experimento 2, aos 12 e 20 DAE são
50
apresentados na Tabela 8. As estimativas dos coeficientes de regressão e o
teste t desses modelos são apresentados na Tabela 9.
Os modelos lineares de segundo grau referentes aos 12 e 20 DAE
indicaram um bom ajuste (falta de ajuste não significativa e regressão
significativa) e as estimativas dos coeficientes de regressão foram significativas
ao nível de 5% de probabilidade. Quanto mais antecipada for a identificação
dos níveis de N, maior a chance de otimização da adubação nitrogenada em
cobertura. O SPAD mostrou-se eficiente na identificação precoce dos níveis de
N no solo, pois aos 20 DAE, o feijoeiro encontrava-se na etapa V4 de
desenvolvimento, que segundo Santos e Gavilanes (2006), corresponde ao
estádio de desenvolvimento em que a terceira folha trifoliolada encontra-se
completamente aberta. Esta época é anterior à proposta por Martinez et al.
(1999) para coleta e análise foliar para a cultura do feijão.
Tabela 8. Resultados do teste F da análise de variância da regressão para falta
de ajustamento dos modelos lineares de segundo grau ajustados
entre doses de N aplicadas na semeadura e valores SPAD aos 12 e
20 DAE para o experimento 2
Épocas Falta de Ajuste Regressão
12 DAE 3,22
ns
585,30 **
20 DAE 0,62
ns
180,31 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 9. Estimativas e teste t dos coeficientes de regressão dos modelos
lineares de segundo grau ajustados aos 12 e 20 DAE entre doses
de N aplicadas na semeadura e valores SPAD médios, para o
experimento 2
Épocas Variáveis Estimativas t
Intercepto 33,3 ----
X 0,3 12,83 **
12 DAE
X
2
-3,3 10
-3
-6,38 **
Intercepto 29,1090 ----
X 0,5 5,47 **
20 DAE
X
2
-3,5 10
-3
-2,18 *
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
As Figuras 11 e 12 ilustram, para o experimento 2, os modelos lineares
de segundo grau ajustados aos 12 e 20 DAE, respectivamente, e seus
respectivos coeficientes de determinação juntamente com os diagramas de
51
dispersão dos valores SPAD médios em função das doses de N aplicadas na
semeadura.
SPAD = -3,3 10
-3
N
2
+ 0,3 N + 33,3
R
2
= 0,9945
32
34
36
38
40
42
44
0 1020304050
Dose de N na semeadura (kg ha
-1
)
Valores SPAD
Figura 11. Diagrama de dispersão dos valores SPAD médios em função das
doses de N aplicadas na semeadura, modelo linear de segundo
grau ajustado para os 12 DAE e seu respectivo coeficiente de
determinação para o experimento 2.
SPAD = -3,5 10
-3
N
2
+ 0,5 N + 29,1
R
2
= 0,9966
28
32
36
40
44
0 1020304050
Dose de N na semeadura (kg ha
-1
)
Valores SPAD
Figura 12. Diagrama de dispersão dos valores SPAD médios em função das
doses de N aplicadas na semeadura, modelo linear de segundo
grau ajustado para os 20 DAE e seu respectivo coeficiente de
determinação para o experimento 2.
Os modelos ajustados com os valores SPAD aos 12 e 20 DAE
(experimento 2) apresentaram amplitudes totais de 9,70 e 16,68 e coeficientes
de determinação de 99,45 e 99,66%, respectivamente. A amplitude total e o
coeficiente de determinação observados para os valores SPAD, aos 20 DAE,
foram os maiores entre as épocas analisadas. Comparando os modelos
ajustados aos 20 e 27 DAE (experimento 2), os valores de amplitudes totais e
coeficientes de determinação superam em apenas 1,28 e 0,71%,
respectivamente, para o modelo ajustado aos 20 DAE. Esses valores são de
pouca representatividade considerando a maior simplicidade do modelo
52
ajustado aos 27 DAE. Assim, a época considerada mais promissora na
discriminação de doses de N aplicadas na semeadura foi aos 27 DAE, para o
experimento 2.
Nas Figuras 11 e 12 pode-se observar uma tendência de estabilização
dos valores SPAD com o aumento das doses de N aplicadas na semeadura. A
recomendação de adubação de N no plantio, segundo Chagas et al. (1999),
para o maior nível de tecnologia (NT
4
), é de 40 kg ha
-1
. Assim, para as épocas
em questão (12 e 20 DAE), a dose de 50 kg ha
-1
não são assimiladas em sua
plenitude pelas plantas, contribuindo para o efeito de estabilização dos valores
SPAD ilustrados nas Figuras 11 e 12.
Para os dois experimentos, o primeiro aos 25 DAE e o segundo aos 27
DAE, os modelos ajustados apresentaram-se satisfatórios, verificando a
existência de relação funcional linear simples entre as doses de N aplicadas na
semeadura e os valores SPAD. Essas épocas coincidiram com a etapa R5 ou
pré-floração da fase reprodutiva do feijoeiro. Essa época é anterior a indicada
segundo as orientações propostas por Martinez et al. (1999) para coleta e
análise foliar para a cultura do feijão. Assim, o uso do clorofilômetro portátil
mostrou-se eficiente na identificação precoce das doses de N aplicadas na
semeadura.
4.1.2. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e teores de nitrogênio foliar
Os valores calculados dos coeficientes de variação (CV) médios entre as
repetições para os valores de NF nas diferentes doses de N aplicadas na
semeadura para os experimentos 1 e 2 são apresentados, respectivamente,
nas Tabelas 10 e 11.
Tabela 10. Valores médios calculados dos CV, em percentagem, para os
valores de NF nas doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas
na semeadura para o experimento 1 aos 19 e 25 DAE
Doses de N aplicadas na semeadura (kg ha
-1
)
DAE
0 20 30 40 50
19 4,84 4,04 3,15 6,93 6,94
25 9,28 7,38 9,73 8,50 7,72
53
Tabela 11. Valores médios calculados dos CV, em percentagem, para os
valores de NF nas doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas
na semeadura para o experimento 2 aos 5, 12, 20 e 27 DAE
Doses de N aplicadas na semeadura (kg ha
-1
)
DAE
0 20 30 40 50
5 11,18 8,29 12,68 8,44 5,56
12 13,21 12,59 7,50 6,95 7,53
20 8,25 11,17 12,69 10,48 6,99
27 14,65 14,24 16,13 17,01 10,71
Para o experimento 1, em relação aos 19 DAE, o CV foi maior para
todas as doses aos 25 DAE. Segundo a classificação de Gomes (1982), todos
os coeficientes de variação apresentados, mesmo aos 25 DAE, foram baixos
para ensaios agrícolas de campo, pois seus valores foram abaixo de 10%.
Como os coeficientes de variação foram considerados baixos para todas as
doses aplicadas, considera-se que a metodologia proposta na obtenção das
repetições dos valores de NF para o experimento 1 foi adequada.
Para o experimento 2, observam-se valores de CV acima de 10%.
Segundo o critério de Gomes (1982) os valores de CV situados entre 10 e 20%
são classificados como médios. Portando, a metodologia de obtenção das
repetições dos valores de NF, para o experimento 2, também foi considerada
adequada. O possível efeito residual do elemento N para o experimento 1 pode
ter contribuído para uma uniformização das parcelas, fazendo com que os
valores de CV para o experimento 1 fossem inferiores aos valores do
experimento 2.
Assim como os valores de CV para valores SPAD, a tendência de
aumento dos valores de CV com o desenvolvimento da cultura para os valores
de NF, também era esperada. Como já supracitado, este fato é devido ao maior
número de folhas disponíveis para realização da amostragem com o
desenvolvimento do feijoeiro, aumentando os valores de CV.
Ao se comparar os coeficientes de variação, nos dois experimentos,
para as variáveis valores SPAD e NF, nota-se uma tendência de superioridade
nos valores observados para a variável NF. Esse comportamento pode ser
justificado pelo fato de que os valores SPAD, que medem o teor de clorofila,
são influenciados não somente pelo teor de N contido nas folhas. Rambo et al.
(2004), com base em uma revisão bibliográfica, afirmou que além do NF, outros
fatores podem afetar a intensidade da coloração verde da folha e a respectiva
54
leitura pelo clorofilômetro. Dentre estes, são citados o tipo de híbrido,
irradiação, local de cultivo, ano de cultivo, níveis de outros nutrientes, ataque
de insetos, estresse hídrico, temperatura do ar, estádio de desenvolvimento da
cultura, arranjo de plantas, tipo, espessura e parte da folha onde é realizada a
leitura e aplicação de herbicidas.
As Figuras 13 e 14 ilustram a evolução dos valores de NF para as cinco
doses de N aplicadas na semeadura para os experimentos 1 e 2,
respectivamente.
4,50
5,00
5,50
6,00
6,50
7,00
18 19 20 21 22 23 24 25 26
Dias após a emergência (DAE)
Nitrogênio foliar (%)
0 kg ha-¹
20 kg ha-¹
30 kg ha-¹
40 kg ha-¹
50 kg ha-¹
Figura 13. Valores de NF médios observados aos 19 e 25 DAE para as doses 0,
20, 30, 40 e 50 kg de N ha
-1
aplicadas na semeadura para o
experimento 1.
3,00
4,00
5,00
6,00
7,00
8,00
4 6 8 10121416182022242628
Dias após a emergência (DAE)
Nitrogênio foliar (%)
0 kg ha-¹
20 kg ha-¹
30 kg ha-¹
40 kg ha-¹
50 kg ha-¹
Figura 14. Valores de NF médios observados aos 5, 12, 20 e 27 DAE para as
doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas na semeadura para
o experimento 2.
Os valores de NF tenderam a decrescer com o desenvolvimento da
planta para ambos os experimentos. Na Figura 13 pode ser observado que,
mesmo com a redução de todos os valores de NF entre 19 e 25 DAE, os
55
valores de NF aos 25 DAE não apresentaram nenhuma tendência de
comportamento em função das doses de N aplicadas na semeadura. A
desuniformidade do solo associado ao possível efeito residual do elemento N,
pode ter contribuído para esse comportamento não diferenciando os valores de
NF.
No experimento 2, além do decréscimo observado para todos os
intervalos, com exceção da dose zero, houve relação direta entre doses de N
aplicadas na semeadura e valores de NF. Assim, quanto maior foi a dose de N
aplicada na semeadura, maior foi o valor de NF (Figura 14).
Os resultados da análise de variância da regressão com o teste para
falta de ajustamento dos modelos lineares de primeiro grau ajustados entre
doses de N aplicadas na semeadura e valores de NF, para o experimento1,
aos 19 e 25 DAE, são apresentados na Tabela 12.
O modelo ajustado para os valores de NF aos 19 DAE foi apropriado e
revelou o efeito significativo dos tratamentos (doses de N aplicadas na
semeadura) sobre os valores de NF. Aos 25 DAE, mesmo com a falta de ajuste
não significativa, o teste F da regressão foi não significativo. Na Figura 13
pode-se observar os comportamentos supracitados.
Tabela 12. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares de primeiro grau
ajustados entre doses de N aplicadas na semeadura e valores de
NF aos 19 e 25 DAE para o experimento 1
Épocas Falta de Ajuste Regressão
19 DAE 0,16
ns
18,98 **
25 DAE 0,08
ns
0,53
ns
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Na Figura 15 é ilustrado o modelo ajustado e seu respectivo coeficiente
de determinação juntamente com o diagrama de dispersão dos valores NF
médios em função das doses de N aplicadas na semeadura para o
experimento 1, aos 19 DAE.
Os resultados da análise de variância da regressão com o teste para
falta de ajustamento dos modelos lineares de primeiro grau ajustados entre
doses de N aplicadas na semeadura e valores de NF aos 5, 12, 20 e 27 DAE,
para o experimento 2, são apresentados na Tabela 13.
56
NF = 0,012 N + 5,701
R
2
= 0,9879
5,0
5,5
6,0
6,5
7,0
01020304050
Dose de N na semeadura (kg ha
-1
)
NF (%)
Figura 15. Diagrama de dispersão dos valores NF médios em função das
doses de N aplicadas na semeadura, modelo linear de primeiro
grau ajustado para os 19 DAE e seu respectivo coeficiente de
determinação para o experimento 1.
Tabela 13. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares de primeiro grau
ajustados entre doses de N aplicadas na semeadura e valores de
NF aos 5, 12, 20 e 27 DAE para o experimento 2
Épocas Falta de Ajuste Regressão
5 DAE 0,16
ns
18,88 **
12 DAE 6,54 * ---
20 DAE 0,14
ns
27,02 **
27 DAE 0,44
ns
2,98
ns
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
Para o experimento 2, dentre os modelos lineares de primeiro grau
testados entre doses de N aplicadas na semeadura e valores de NF, somente o
modelo referente aos 12 DAE apresentou-se significativo ao nível de 5% de
probabilidade no teste para a falta de ajustamento. Os demais modelos
referentes aos 5, 20 e 27 DAE indicaram um bom ajuste aos dados. O teste F
da regressão foi significativo para os modelos lineares simples ajustados aos 5
e 20 DAE ao nível de significância em que foi realizado o teste.
As Figuras 16 e 17 ilustram, respectivamente, os modelos lineares de
primeiro grau ajustados aos 5 e 20 DAE e seus respectivos coeficientes de
determinação juntamente com o diagrama de dispersão dos valores de NF
médios em função das doses de N aplicadas na semeadura para o
experimento 2.
Considerando não significativa a diferença entre as épocas 19 e 20 DAE
para os experimentos 1 e 2, respectivamente, o maior valor médio observado
de NF (5,63%) para o experimento 2, supera em apenas 0,13% o menor valor
57
médio observado de NF (5,50%) para o experimento 1. Esse fato reforça a
hipótese de superioridade da fertilidade do solo a respeito do elemento N para
o experimento 1.
NF = 0,015 N + 6,545
R
2
= 0,9739
6,2
6,6
7,0
7,4
7,8
0 1020304050
Dose de N na semeadura (kg ha
-1
)
NF (%)
Figura 16. Diagrama de dispersão dos valores NF médios em função das
doses de N aplicadas na semeadura, modelo linear de primeiro
grau ajustado para os 5 DAE e seu respectivo coeficiente de
determinação para o experimento 2.
NF = 0,028 N + 3,652
R
2
= 0,9861
3,0
4,0
5,0
6,0
01020304050
Dose de N na semeadura (kg ha
-1
)
NF (%)
Figura 17. Diagrama de dispersão dos valores NF médios em função das
doses de N aplicadas na semeadura, modelo linear de primeiro
grau ajustado para os 20 DAE e seu respectivo coeficiente de
determinação para o experimento 2.
O valor de NF tendeu a aumentar com o aumento da disponibilidade de
N no solo. Para os valores SPAD, que apresentam relação com teor de clorofila
foliar, essa situação também foi observada.
Como a falta de ajustamento foi significativa ao nível de 5% de
probabilidade para o modelo linear de primeiro grau ajustado aos 12 DAE,
procedeu-se o ajuste de um modelo linear de segundo grau. Os resultados da
análise de variância da regressão com o teste para falta de ajustamento desse
58
modelo ajustado entre doses de N aplicadas na semeadura e valores de NF,
para o experimento 2, aos 12 DAE são apresentados na Tabela 14. As
estimativas e o teste t dos coeficientes de regressão desse modelo são
apresentados na Tabela 15.
Tabela 14. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear de segundo grau ajustado
entre doses de N aplicadas na semeadura e valores de NF aos 12
DAE para o experimento 2
Época Falta de Ajuste Regressão
12 DAE 1,77
ns
160,16 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 15. Estimativas e teste t dos coeficientes de regressão do modelo linear
de segundo grau ajustados aos 12 DAE entre doses de N aplicadas
na semeadura e valores de NF, para o experimento 2
Variáveis Estimativas t
Intercepto 3,344 ----
X 0,081 6,74 **
X
2
-7,000 10
-4
-2,96 *
** significativo ao nível de 1% de probabilidade;
* significativo ao nível de 5% de probabilidade.
No experimento 2, para o modelo linear de segundo grau ajustado aos
12 DAE, a falta de ajustamento foi não significativa ao nível probabilidade em
que foi realizado o teste, indicando um bom ajuste dos dados. O teste F da
regressão desse modelo revelou o efeito significativo das doses de N aplicadas
sobre os valores de NF, mostrando-se significativo ao nível em que foi
realizado o teste. Para esse modelo, todos as estimativas dos coeficientes de
regressão foram significativos ao nível de 5% de probabilidade.
A Figura 18 ilustra o modelo ajustado e seu respectivo coeficiente de
determinação juntamente com o diagrama de dispersão dos valores de NF
médios em função das doses de N aplicadas na semeadura.
O comportamento quadrático para as variáveis dependentes SPAD e NF
em relação à variável independente doses de N aplicadas na semeadura foi
observado aos 12 DAE para o experimento 2 (Figuras 11 e 18). Para os dois
experimentos estudados, por meio das avaliações dos modelos ilustrados nas
Figuras 15, 16, 17 e 18, antes da adubação em cobertura, é possível concluir
que a cultura respondeu significativamente às doses de N aplicadas na
semeadura.
59
NF = -7,000 N² + 0,081 N + 3,344
R
2
= 0,9889
3,0
4,0
5,0
6,0
0 1020304050
Dose de N na semeadura (kg ha
-1
)
NF (%)
Figura 18. Diagrama de dispersão dos valores NF médios em função das
doses de N aplicadas na semeadura, modelo linear de segundo
grau ajustado para os 12 DAE e seu respectivo coeficiente de
determinação para o experimento 2.
4.1.3. Comportamento espectral do dossel do feijoeiro submetido a
diferentes doses de nitrogênio aplicadas na semeadura
A reflectância média do dossel em função do comprimento de onda nas
diferentes doses de N aplicadas na semeadura e o estádio de desenvolvimento
do feijoeiro, para o experimento 1, aos 12, 22 e 26 dias após a emergência
(DAE) são ilustrados nas Figuras 19, 20 e 21.
Devido ao aumento da absorção de clorofila, com menor exposição do
solo, as curvas espectrais tenderam a diminuir a reflectância com os dias após
a emergência na região do visível, principalmente na porção vermelho do
espectro (630 a 690 nm). Ao contrário da região do visível, na região do
infravermelho próximo, a reflectância tendeu a aumentar com o
desenvolvimento da cultura. Esse fato foi devido ao aumento de biomassa
ocorrido com a evolução da cultura e conseqüentemente maior cobertura do
solo. Na região do infravermelho próximo (760 a 900 nm), a reflectância média
do dossel em função do comprimento de onda na dose 20 kg ha
-1
de N
aplicada na semeadura foi maior para as três épocas estudadas (12, 22 e 26
DAE).
O pico de reflectância que ocorreu próximo aos 550 nm, facilmente
observado nas Figuras 20a e 21a, aos 22 e 26 DAE, respectivamente, mostram
o padrão característico da vegetação verde. Esse comportamento também foi
observado em um trabalho conduzido por Fonseca et al. (2002), caracterizando
60
a resposta espectral de Paspalum notatum em diferentes níveis de adubação
nitrogenada.
0
5
10
15
20
25
400 500 600 700 800 900
COMPRIMENTO DE ONDA (nm)
REFLECTÂNCIA (%)
0 kg / ha
20 kg / ha
30 kg / ha
40 kg / ha
50 kg / ha
Figura 19. a) Reflectância média do dossel em função do comprimento de
onda nas diferentes doses de N aplicadas na semeadura e b)
estádio de desenvolvimento do feijoeiro aos 12 DAE para o
experimento 1.
a)
b)
61
0
5
10
15
20
25
30
35
40
400 500 600 700 800 900
COMPRIMENTO DE ONDA (nm)
REFLECTÂNCIA (%)
0 kg / ha
20 kg / ha
30 kg / ha
40 kg / ha
50 kg / ha
Figura 20. a) Reflectância média do dossel em função do comprimento de
onda nas diferentes doses de N aplicadas na semeadura e b)
estádio de desenvolvimento do feijoeiro aos 22 DAE para o
experimento 1.
a)
b)
62
0
5
10
15
20
25
30
35
40
45
400 500 600 700 800 900
COMPRIMENTO DE ONDA (nm)
REFLECTÂNCIA (%)
0 kg / ha
20 kg / ha
30 kg / ha
40 kg / ha
50 kg / ha
Figura 21. a) Reflectância média do dossel em função do comprimento de
onda nas diferentes doses de N aplicadas na semeadura e b)
estádio de desenvolvimento do feijoeiro aos 26 DAE para o
experimento 1.
A reflectância média do dossel em função do comprimento de onda e o
estádio de desenvolvimento do feijoeiro nas diferentes doses de N aplicadas na
semeadura, para o experimento 2, aos 6, 21 e 26 dias após a emergência
(DAE) são ilustrados nas Figuras 22, 23 e 24.
Assim como para o experimento 1, as curvas espectrais também
tenderam a diminuir a reflectância com os dias após a emergência na região do
visível, principalmente na porção vermelho do espectro (630 a 690 nm). Esse
a)
b)
63
fato ocorreu com o possível aumento da atividade fotossintética, aumentando a
absorção da clorofila, devido ao aumento do índice de área foliar do dossel.
0
5
10
15
20
25
30
400 500 600 700 800 900
COMPRIMENTO DE ONDA (nm)
REFLECTÂNCIA (%)
0 kg / ha
20 kg / ha
30 kg / ha
40 kg / ha
50 kg / ha
Figura 22. a) Reflectância média do dossel em função do comprimento de
onda nas diferentes doses de N aplicadas na semeadura e b)
estádio de desenvolvimento do feijoeiro aos 6 DAE para o
experimento 2.
Observa-se na Figura 22, que a resposta espectral das parcelas teve
influência do solo aos 6 DAE. Esse fato contribuiu para que o comportamento
diferenciasse do padrão característico da vegetação verde. Aos 21 e 26 DAE,
já se observa uma maior cobertura do solo pelo dossel da cultura. Assim, a
reflectância na região do visível, em relação aos 6 DAE, decresceu em função
a)
b)
64
do desenvolvimento da cultura enquanto na região do infravermelho próximo
ela aumentou devido ao aumento de biomassa ocorrido com a evolução da
cultura.
0
5
10
15
20
25
30
400 500 600 700 800 900
COMPRIMENTO DE ONDA (nm)
REFLECTÂNCIA (%)
0 kg / ha
20 kg / ha
30 kg / ha
40 kg / ha
50 kg / ha
Figura 23. a) Reflectância média do dossel em função do comprimento de
onda nas diferentes doses de N aplicadas na semeadura e b)
estádio de desenvolvimento do feijoeiro aos 21 DAE para o
experimento 2.
Os valores de reflectância na faixa do infravermelho próximo tenderam a
aumentar com o aumento da disponibilidade de N no solo. De maneira geral,
com o aumento da disponibilidade de N no solo, há um aumento até certo
ponto, do vigor da cultura e do índice de área foliar (IAF). Assim, a vegetação
a)
b)
65
verde saudável é caracterizada por uma alta reflectância, alta transmitância e
muito baixa absorbância, na faixa compreendida entre os comprimentos de
onda do infravermelho próximo em comparação com os comprimentos de onda
visíveis (Hoffer, 1978). Esse comportamento pode ser observado nas Figuras
23 e 24.
0
5
10
15
20
25
30
35
400 500 600 700 800 900
COMPRIMENTO DE ONDA (nm)
REFLECTÂNCIA (%)
0 kg / ha
20 kg / ha
30 kg / ha
40 kg / ha
50 kg / ha
Figura 24. a) Reflectância média do dossel em função do comprimento de
onda nas diferentes doses de N aplicadas na semeadura e b)
estádio de desenvolvimento do feijoeiro aos 26 DAE para o
experimento 2.
Nas Figuras 23a e 24a, pode-se observar que a reflectância média do
dossel, na dose zero de N aplicada na semeadura, tendeu apresentar a maior
reflectância na região do visível e a menor na região do infravermelho próximo
b)
b)
a)
66
em relação às outras doses. No outro extremo, principalmente aos 21 DAE
(Figura 23a), a reflectância do dossel na maior dose, 50 kg ha
-1
de N aplicada
na semeadura, tendeu a possuir, na região do infravermelho próximo, maior
reflectância. Visualmente, nas Figuras 23a e 24a, a reflectância do dossel nas
doses 20, 30, 40 e 50 kg ha
-1
, na região do visível, não se diferenciaram entre
si.
A nível de planta, a reflectância espectral das folhas sofre alteração quando
submetida a efeitos de estresses na região do visível, apresentando-se maior do
que as folhas sadias (Ponzoni, 2001). Esse fato pode ser explicado considerando
que quando sob estresse, a produção de clorofila é diminuída e,
consequentemente, as suas folhas terão uma reflectância mais alta,
particularmente na porção vermelha do espectro, parecendo amareladas
(Hoffer, 1978). A nível de dossel, essas plantas apresentaram um menor índice
de área foliar, o que integraliza uma menor atividade da clorofila. Esse
comportamento, principalmente para a dose zero foi observado na Figura 23a
referente aos dados obtidos aos 21 DAE para o experimento 2.
Comparando os dois experimentos na mesma época, aos 26 DAE, nas
Figuras 21b e 24b nota-se visualmente uma maior cobertura do solo pelo
dossel do feijoeiro no experimento 1. Esse fato contribuiu para que a
reflectância no visível do experimento 1 tendesse a ser menor do que a do
experimento 2. Ao se comparar, visualmente, essas duas figuras é possível
diferenciar tonalidades de cores entre as parcelas do experimento 2, o que não
acontece no experimento 1. Esse fato influenciou diretamente na diferença das
curvas de reflectância espectral ilustrados nas Figuras 21a e 24a.
4.1.4. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e valores médios de índices de vegetação
Os resultados da análise de variância da regressão com o teste para
falta de ajustamento dos modelos lineares de primeiro grau ajustados entre
doses de N aplicadas na semeadura e valores médios dos índices de
vegetação NDVI, GNDVI, SAVI e WDRVI, para o experimento 1, aos 12, 22 e
26 DAE são apresentados na Tabela 16.
Os modelos lineares de primeiro grau ajustados entre doses de N
aplicadas na semeadura e valores médios de todos os índices de vegetação
67
apresentaram valores não significativos ao nível de 5% no teste F para a falta
de ajustamento, indicando um bom ajuste dos dados para todas as datas. O
teste F da regressão não foi significativo, ao nível de significância em que foi
realizado o teste, para todos os modelos ajustados. Assim, para o experimento
1, em todas as épocas, nenhum índice estabeleceu relação funcional com as
doses de N aplicadas na semeadura, antes da adubação em cobertura.
Tabela 16. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares de primeiro grau
ajustados entre doses de N aplicadas na semeadura e valores
médios dos índices de vegetação NDVI, GNDVI, SAVI e WDRVI
aos 12, 22 e 26 DAE para o experimento 1
12 DAE 22 DAE 26 DAE
Índice de
vegetação
Falta
de
Ajuste
Regressão
Falta
de
Ajuste
Regressão
Falta
de
Ajuste
Regressão
NDVI 0,37
ns
4,82
ns
2,06
ns
2,74
ns
1,69
ns
0,40
ns
GNDVI 0,48
ns
4,28
ns
2,68
ns
1,07
ns
1,94
ns
0,06
ns
SAVI
1,00
0,52
ns
3,40
ns
3,22
ns
2,62
ns
2,09
ns
0,55
ns
SAVI
0,50
0,49
ns
3,64
ns
3,05
ns
2,74
ns
2,05
ns
0,54
ns
SAVI
0,25
0,46
ns
3,92
ns
2,81
ns
2,82
ns
1,98
ns
0,52
ns
WDRVI
0,05
0,36
ns
4,96
ns
1,78
ns
4,41
ns
1,46
ns
1,40
ns
WDRVI
0,10
0,36
ns
4,93
ns
1,92
ns
4,22
ns
1,58
ns
1,09
ns
WDRVI
0,20
0,36
ns
4,91
ns
2,02
ns
3,79
ns
1,65
ns
0,79
ns
ns
não significativo ao nível de 5% de probabilidade.
Como já ressaltado no estudo das variáveis SPAD e NF, o provável
efeito residual do elemento N no solo para este experimento pode ter
contribuído para mascarar o efeito das doses de N aplicadas na semeadura no
desenvolvimento da cultura e conseqüentemente na resposta espectral do
dossel. Desta maneira, aos 12, 22 e 26 DAE, com a análise dos modelos
ajustados, verificou-se que as doses de N aplicadas na semeadura não tiveram
efeitos significativos sobre os valores médios dos índices de vegetação
estudados.
Observa-se aos 12, 22 e 26 DAE, no experimento 1, pela análise de
variância, que, para os índices SAVI e WDRVI, nas suas diferentes variações,
o comportamento dos dados na análise de variância variaram pouco. Assim, as
constantes L e a para os índices SAVI e WDRVI, respectivamente, tenderam a
não influenciarem os resultados destes índices.
68
Os resultados do teste F da análise de variância da regressão com o
teste para falta de ajustamento dos modelos lineares de primeiro grau
ajustados entre doses de N aplicadas na semeadura e valores médios dos
índices de vegetação NDVI, GNDVI, SAVI e WDRVI, para o experimento 2, aos
6, 21 e 26 DAE são apresentados na Tabela 17.
Aos 6 DAE, os modelos lineares de primeiro grau ajustados entre doses
de N aplicadas na semeadura e valores médios de todos os índices de
vegetação apresentaram valores não significativos ao nível de 5% no teste F
para a falta de ajustamento. No entanto, o teste F da regressão não foi
significativo, ao nível de significância em que foi realizado o teste, para todos
os modelos ajustados. Para essa época, a resposta espectral mensurada pelo
espectrorradiômetro apresentou domínio do solo (Figura 22b). Esta pode ter
sido a principal razão pela qual os modelos ajustados não terem sido
significativos, mesmo com uso do índice SAVI, proposto para minimizar o efeito
do solo em todas as suas variações (L=1,00, 0,50 e 0,25).
Tabela 17. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares de primeiro grau
ajustados entre doses de N aplicadas na semeadura e valores
médios dos índices de vegetação NDVI, GNDVI, SAVI e WDRVI
aos 6, 21 e 26 DAE para o experimento 2
6 DAE 21 DAE 26 DAE
Índice de
vegetação
Falta
de
Ajuste
Regressão
Falta
de
Ajuste
Regressão
Falta
de
Ajuste
Regressão
NDVI 2,30
ns
3,62
ns
3,75
ns
48,88 ** 4,34 * ---
GNDVI 2,10
ns
3,43
ns
4,85 * --- 5,13 * ---
SAVI
1,00
1,89
ns
3,12
ns
3,40
ns
53,88 ** 3,75
ns
56,64 **
SAVI
0,50
1,98
ns
3,26
ns
3,48
ns
52,88 ** 3,88
ns
56,88 **
SAVI
0,25
2,08
ns
3,35
ns
3,57
ns
51,72 ** 4,03
ns
57,01 **
WDRVI
0,05
1,97
ns
3,49
ns
1,70
ns
27,18 ** 2,05
ns
29,62 **
WDRVI
0,10
2,02
ns
3,56
ns
1,87
ns
29,15 ** 2,26
ns
32,46 **
WDRVI
0,20
2,05
ns
3,53
ns
2,18
ns
32,66 ** 2,64
ns
37,36 **
** significativo ao nível de 1% de probabilidade; *
significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
No teste F para a falta de ajustamento nos modelos de primeiro grau
ajustados entre doses de N aplicadas na semeadura e valores médios dos
índices de vegetação, o GNDVI foi o único que se apresentou significativo aos
21 DAE. O teste F da regressão foi significativo para todos os outros modelos
69
que apresentaram valores não significativos no teste para a falta de
ajustamento.
Dessa maneira, procedeu-se o ajuste de um modelo linear de segundo
grau para o índice GNDVI, aos 21 DAE. Os resultados da análise de variância
da regressão com o teste para falta de ajustamento e as estimativas e o teste t
dos coeficientes de regressão desse modelo são apresentados nas Tabelas 18
e 19, respectivamente. Este modelo não foi considerado adequado, tendo em
vista que, mesmo apresentando o teste F não significativo para falta de
ajustamento e significativo para o teste F da regressão, as estimativas dos
coeficientes de regressão não foram significativas ao nível de probabilidade em
que foi realizado o teste (Tabela 19).
Tabela 18. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear de segundo grau ajustado
entre doses de N aplicadas na semeadura e valores médios do
índice de vegetação GNDVI aos 21 DAE para o experimento 2
Época Falta de Ajuste Regressão
21 DAE 0,67
ns
52,13 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 19. Estimativas e teste t dos coeficientes de regressão do modelo linear
de segundo grau ajustado aos 21 DAE entre doses de N aplicadas
na semeadura e valores médios do índice de vegetação GNDVI,
para o experimento 2
Variáveis Estimativas t
Intercepto 0,1806 ----
X 5,8000 10
-3
1,95
ns
X
2
-1,0000 10
-4
-1,11
ns
ns
não significativo ao nível de 5% de probabilidade.
Com exceção do índice de vegetação GNDVI, os demais índices, aos 21
DAE, no experimento 2, os modelos revelaram efeitos significativos dos
tratamentos (doses de N aplicadas na semeadura) sobre os valores médios
dos índices de vegetação. As Figuras 25, 26 e 27 ilustram, respectivamente, os
modelos ajustados dos valores médios dos índices de vegetação NDVI, SAVI e
WDRVI em função das doses de N aplicadas na semeadura, para o
experimento 2, aos 21 DAE.
70
NDVI = 3,4000 10
-3
N + 0,1854
R
2
= 0,8127
0,00
0,10
0,20
0,30
0,40
0,50
0 1020304050
Dose de N na semeadura (kg ha
-1
)
NDVI
Figura 25. Diagrama de dispersão dos valores médios do índice de vegetação
NDVI em função das doses de N aplicadas na semeadura, modelo
linear de primeiro grau ajustado para os 21 DAE e seu respectivo
coeficiente de determinação para o experimento 2.
SAVI (L=1,00) = 1,9000 10
-3
N + 0,1037
R
2
= 0,8411
0
,
00
0,10
0,20
SAVI (L=1,00)
SAVI (L=0,50) = 2,3000 10
-3
N + 0,1216
R
2
= 0,8350
0,00
0,10
0,20
0,30
SAVI (L=0,50)
SAVI (L=0,25) = 2,6000 10
-3
N + 0,1410
R
2
= 0,8284
0,00
0,10
0,20
0,30
0 1020304050
Dose de N na semeadura (kg ha
-1
)
SAVI (L=0,25)
Figura 26. Diagramas de dispersão dos valores médios dos índices de
vegetação SAVI com L de valores 1, 0,5 e 0,25 em função das
doses de N aplicadas na semeadura, modelos lineares de
primeiro grau ajustado para os 21 DAE e seus respectivos
coeficientes de determinação para o experimento 2.
71
WDRVI (a=0,05) = 1,1000 10
-3
N - 0,8631
R
2
= 0,8425
-0,95
-0,90
-0,85
-0,80
-0,75
WDRVI (a=0,05)
WDRVI (a=0,10) = 1,8000 10
-3
N - 0,7440
R
2
= 0,8388
-0,85
-0,80
-0,75
-0,70
-0,65
-0,60
WDRVI (a=0,10)
WDRVI (a=0,20) = 2,8000 10
-3
N - 0,5468
R
2
= 0,8369
-0,65
-0,60
-0,55
-0,50
-0,45
-0,40
-0,35
-0,30
0 1020304050
Dose de N na semeadura (kg ha
-1
)
WDRVI (a=0,20)
Figura 27. Diagramas de dispersão dos valores médios dos índices de
vegetação WDRVI com a de valores 0,05, 0,1 e 0,2 em função
das doses de N aplicadas na semeadura, modelos lineares de
primeiro grau ajustado para os 21 DAE e seus respectivos
coeficientes de determinação para o experimento 2.
Comparando os índices que são formados pelas mesmas bandas
espectrais, aos 21 DAE, para o experimento 2, os modelos de primeiro grau
ajustados com os índices SAVI e WDRVI, em todas as suas variações,
apresentaram maiores coeficientes de determinação quando comparados com
o índice NDVI. Pode-se observar, ainda, uma tendência de aumento dos
valores dos coeficientes de determinação com o aumento dos valores dos
coeficientes L, para o índice SAVI, e diminuição dos valores dos coeficientes a,
para o índice WDRVI. A amplitude total para os valores de NDVI, para essa
mesma época e experimento, mesmo ajustando modelo com menor valor de
72
coeficiente de determinação, apresentou maior do que as amplitudes totais
para os valores de SAVI e WDRVI em todas as suas variações.
Aos 26 DAE, para o experimento 2, os modelos de primeiro grau
ajustados entre doses de N aplicadas na semeadura e valores médios dos
índices de vegetação SAVI e WDRVI, em todas as suas variações,
apresentaram valores não significativos no teste F para a falta de ajustamento
e significativos para o teste F da regressão ao nível de 5% de significância
(Tabela 17). Nas Figuras 28 e 29 estão ilustrados os modelos lineares
ajustados aos 26 DAE e seus respectivos coeficientes de determinação
juntamente com o diagrama de dispersão dos valores médios dos índices de
vegetação SAVI e WDRVI, respectivamente, com todas as suas variações, em
função das doses de N aplicadas na semeadura para o experimento 2.
Analogamente aos modelos ajustados aos 21 DAE (experimento 2), para
os índices SAVI e WDRVI, pode-se observar uma tendência de aumento dos
valores dos coeficientes de determinação com o aumento dos valores dos
coeficientes L, para o índice SAVI, e diminuição dos valores dos coeficientes a,
para o índice WDRVI.
73
SAVI (L=1,00) = 2,1000 10
-3
N + 0,1548
R
2
= 0,8347
0,00
0,10
0,20
0,30
SAVI (L=1,00)
SAVI (L=0,50) = 2,4000 10
-3
N + 0,1788
R
2
= 0,8301
0,00
0,10
0,20
0,30
0,40
SAVI (L=0,50)
SAVI (L=0,25) = 2,7000 10
-3
N + 0,2042
R
2
= 0,8251
0,00
0,10
0,20
0,30
0,40
0 1020304050
Dose de N na semeadura (kg ha
-1
)
SAVI (L=0,25)
Figura 28. Diagramas de dispersão dos valores médios dos índices de
vegetação SAVI com L de valores 1, 0,5 e 0,25 em função das
doses de N aplicadas na semeadura, modelos lineares de
primeiro grau ajustado para os 26 DAE e seus respectivos
coeficientes de determinação para o experimento 2.
Aos 26 DAE, para o experimento 2, a falta de ajustamento foi
significativa ao nível de 5% de probabilidade para os modelos lineares de
primeiro grau ajustados entre doses de N aplicadas na semeadura e valores
médios dos índices de vegetação NDVI e GNDVI. Assim, procedeu-se o ajuste
de modelos lineares de segundo grau. Os resultados da análise de variância da
regressão com o teste para falta de ajustamento desses modelos são
apresentados na Tabela 20. As estimativas e o teste t dos coeficientes de
regressão desses modelos são apresentados na Tabela 21. Os dois modelos
ajustados apresentaram no teste F não significativo para falta de ajustamento e
significativos para a regressão. Os dois modelos ajustados apresentaram no
74
teste F não significativo para falta de ajustamento e significativos para a
regressão. Entretanto, nenhuma estimativa dos coeficientes de regressão
apresentou-se significativa ao nível de 5% de probabilidade.
WDRVI (a=0,05) = 1,3000 10
-3
N + 0,8416
R
2
= 0,8276
-0,95
-0,90
-0,85
-0,80
-0,75
-0,70
WDRVI (a=0,05)
WDRVI (a=0,10) = 2,2000 10
-3
N + 0,7067
R
2
= 0,8270
-0,85
-0,80
-0,75
-0,70
-0,65
-0,60
-0,55
-0,50
WDRVI (a=0,10)
WDRVI (a=0,20) = 3,2000 10
-3
N + 0,4893
R
2
= 0,8251
-0,65
-0,55
-0,45
-0,35
-0,25
0 1020304050
Dose de N na semeadura (kg ha
-1
)
WDRVI (a=0,20)
Figura 29. Diagramas de dispersão dos valores médios dos índices de
vegetação WDRVI com a de valores 0,05, 0,1 e 0,2 em função
das doses de N aplicadas na semeadura, modelos lineares de
primeiro grau ajustado para os 26 DAE e seus respectivos
coeficientes de determinação para o experimento 2.
Tabela 20. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares de segundo grau
ajustados entre doses de N aplicadas na semeadura e valores
médios dos índices de vegetação NDVI e GNDVI aos 26 DAE para
o experimento 2
Índice de vegetação Falta de Ajuste Regressão
NDVI 1,92
ns
34,18 **
GNDVI 2,98
ns
56,46 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
75
Tabela 21. Estimativas e teste t dos coeficientes de regressão do modelo linear
de segundo grau ajustados aos 26 DAE entre doses de N aplicadas
na semeadura e valores médios dos índices de vegetação NDVI e
GNDVI, para o experimento 2
Índice de
vegetação
Variáveis Estimativas t
Intercepto 0,2334 ----
X 7,8000 10
-3
2,05
ns
NDVI
X
2
-1,0000 10
-4
-1,20
ns
Intercepto 0,3106 ----
X 5,0000 10
-3
1,80
ns
GNDVI
X
2
-1,0000 10
-4
-0,90
ns
ns
não significativo ao nível de 5% de probabilidade.
O índice de vegetação NDVI apresenta valores mais baixos quanto
maior foi a presença de solo. Isso acontece porque o NDVI é mais sensível na
faixa do vermelho que no infravermelho. A reflectância na faixa do vermelho é
aumentada na presença de solo, diminuindo os valores de NDVI já que a faixa
do vermelho é subtraendo do numerador (Epiphanio & Huete, 1995). Huete
(1988) propôs o índice de vegetação SAVI para amenizar a influência do solo
com a adição da constante L. Esse índice foi criado baseando-se no princípio
de que a curva de vegetação tende a aproximar-se da curva de solo para
baixas densidades de vegetação (L=1), passando por uma mistura de
respostas espectrais para densidades médias (L=0,5) e quase nenhuma
influência do solo para densidades altas de vegetação (L=0,25). Aos 21 DAE,
os modelos ajustados com o índice SAVI apresentaram maiores valores de
coeficiente de determinação quando comparado com o modelo ajustado com o
índice NDVI. A cobertura proporcionada pelo feijoeiro, nesta época (Figura
23b), pode ter minimizado a influência do solo e a constante L contribuiu para o
ajuste de modelos entre doses de N na semeadura e os valores médios do
índice de vegetação SAVI.
A cobertura vegetal do feijoeiro (Figura 24b), aos 26 DAE, assim como
aos 21 DAE, minimizou a influência do solo e a constante L contribuiu para o
ajuste de modelos entre doses de N na semeadura e os valores médios do
índice de vegetação SAVI. Nesta data, o índice SAVI ajustou modelos
significativos, enquanto que, com o índice NDVI, não foi possível o ajuste de
um modelo. Para as duas épocas, 21 e 26 DAE, os maiores valores dos
coeficientes de determinação dos modelos ajustados com uso do índice SAVI,
76
foram obtidos com L de valor um, correspondente ao valor da constante L para
baixas densidades de vegetação (Huete, 1988).
Segundo Gitelson (2004), o índice NDVI chega a saturação em
condições de biomassa moderada a alta. Isso acontece porque a reflectância
na região do vermelho do espectro exibe pouca resposta quando o índice de
área foliar (IAF) excede a dois e a reflectância na região do infravermelho
próximo continua respondendo significativamente a mudanças na densidade de
vegetação com IAF de dois a seis. Entretanto essa alta sensibilidade na região
do infravermelho próximo provoca pouco efeito nos valores NDVI quando a
reflectância nesta faixa do espectro excede 30%. Para minimizar este efeito, o
mesmo autor propôs uma modificação para o índice NDVI colocando um
coeficiente na região do infravermelho próximo (WDRVI - Índice de Vegetação
de Larga Escala Dinâmica), minimizando o efeito de saturação do índice em
condições de biomassa moderada a alta. Pode-se observar na Figura 24a que,
aos 26 DAE, para o experimento 2, na região do infravermelho próximo, com
exceção da dose zero kg ha
-1
, todos os valores de reflectância excederam a
30%. A minimização do pouco efeito que essa situação provoca no índice NDVI
foi eficiente com uso do índice WDRVI no ajuste de modelos.
Ainda segundo Gitelson (2004), o índice WDRVI possui maior
sensibilidade a mudanças no IAF. A mudança no IAF nas diferentes parcelas,
provocada pelas diferentes doses de N, promoveu o ajuste de modelos com
maiores coeficientes de determinação entre doses de N aplicadas na
semeadura e os índices de vegetação WDRVI, quando comparados com os
modelos ajustados como índice NDVI.
Quanto mais antecipada for a identificação dos níveis de N, maior a
chance de otimização da adubação nitrogenada em cobertura. Segundo Wu et
al. (2007), o estádio de desenvolvimento da cultura é de grande importância,
pois, se a identificação da deficiência for tardia, essa informação não será útil
para corrigir a deficiência no mesmo ciclo de produção. Assim, os modelos
lineares ajustados aos 21 DAE, quando comparados aos modelos ajustados
aos 26 DAE, anteciparam significativamente em cinco dias, a existência de
uma relação funcional entre doses de N aplicadas na semeadura e valores
médios de todos os índices de vegetação usados nesse trabalho, com exceção
do índice de vegetação GNDVI.
77
Para o experimento 2, aos 21 DAE, com uso dos valores médios dos
índices de vegetação NDVI, SAVI e WDRVI, e aos 26 DAE, com uso dos
índices SAVI e WDRVI, foi possível estabelecer relações funcionais entre
essas variáveis e as doses de N aplicadas na semeadura. Segundo Li et al.
(2008), as doses de N aplicadas são importantes indicadores para identificação
do estado do N nas plantas. Esses autores, em um trabalho com trigo,
ajustaram modelos entre o N aplicado e índices de vegetação calculados por
meio de espectroradiometria. Encontraram relações exponenciais entre o N
aplicado e os índices NDVI e GNDVI com coeficientes de determinação de 0,74
e 0,77, respectivamente. No mesmo trabalho relações lineares foram
encontradas entre o N aplicado e os índices RVI e GVI (índice de vegetação da
razão do vermelho e índice de vegetação da razão do verde). Segundo os
autores, esses últimos índices citados são obtidos pela razão entre as bandas
do infravermelho próximo e a banda do vermelho e pela razão entre as bandas
do infravermelho próximo e a banda do verde, respectivamente. No presente
trabalho foram encontradas relações significativas entre N aplicado e os índices
de vegetação, com maiores coeficientes de determinação.
4.1.5. Avaliação da relação entre valores médios de índices de
vegetação, teor de nitrogênio foliar e valores SPAD
Os valores dos coeficientes de correlação do NF com valores SPAD, em
todas as épocas de coleta de dados anteriores à adubação em cobertura para
os experimentos 1 e 2 são apresentados na Tabela 22.
No experimento 1, em ambas as épocas analisadas, os coeficientes de
correlação apresentaram-se negativos. Mesmo apresentando baixos valores,
essa situação é contrária aos princípios do clorofilômetro portátil (SPAD), pois a
relação da clorofila com o NF é diretamente proporcional. No experimento 2,
aos 12 e 20 DAE, os valores de correlação foram relativamente altos, 0,85 e
0,75, respectivamente. Furlani Júnior et al. (1996) encontraram uma correlação
positiva no valor de 0,75 entre as leituras do aparelho SPAD e teores de N nas
folhas do feijoeiro, aos 40 DAE. No presente trabalho, a correlação além de ser
maior, antecipou a coleta em 28 dias ressaltando a eficiência do aparelho em
detectar precocemente o estado nutricional das folhas do feijoeiro a respeito do
elemento nitrogênio.
78
Tabela 22. Coeficientes de correlação entre os teores de NF e os valores
SPAD em diferentes épocas de coleta de dados, antes da
adubação em cobertura, para os experimentos 1 e 2
Experimentos Épocas Coeficiente de correlação
19 DAE -0,34*
1
25 DAE -0,21*
05 DAE 0,23*
12 DAE 0,85*
20 DAE 0,75*
2
27 DAE 0,43*
* correlação significativa a 5% de probabilidade;
Foi realizada a correlação dos índices de vegetação com os valores de
NF obtidos na data mais próxima a coleta das imagens. Assim, no experimento
1, os índices de vegetação calculados a partir dos dados radiométricos obtidos
aos 22 e 26 DAE, foram correlacionados com os valores de NF coletados aos
19 e 25 DAE, respectivamente (Tabela 23). No experimento 2, os índices de
vegetação calculados a partir dos dados radiométricos obtidos aos 6, 21 e 26
DAE, foram correlacionados com os valores de NF coletados aos 5, 20 e 27
DAE, respectivamente (Tabela 24).
Tabela 23. Correlação entre os índices de vegetação e NF, aos 22 e 26 DAE,
para o experimento 1
Épocas
Índices de vegetação
22 DAE 26 DAE
NDVI 0,13
ns
-0,11
ns
GNDVI 0,41
ns
-0,35
ns
SAVI
1,0
0,19
ns
-0,29
ns
SAVI
0,50
0,18
ns
-0,26
ns
SAVI
0,25
0,17
ns
-0,23
ns
WRDVI
0,05
0,07
ns
-0,24
ns
WRDVI
0,10
0,09
ns
-0,20
ns
WRDVI
0,20
0,10
ns
-0,16
ns
ns
não significativo ao nível de 5% de probabilidade.
Ao contrário dos valores SPAD, não foi encontrado coeficiente de
correlação significativo para os dois experimentos, em nenhuma época, entre
índices de vegetação e NF. Os valores SPAD são obtidos com a média de
leituras pontuais nas folhas e os valores de reflectância médio das bandas, que
são combinados para formação dos índices de vegetação, são obtidos com a
média de uma região circular (1,35 m). Nessa região existem, além de folhas,
caules, solos, vagens, palha dentre outros. Essa situação pode ter contribuído
79
para que a resposta do dossel, por meio de índices de vegetação, não se
correlacionasse significativamente com o teor de nitrogênio foliar (NF).
Tabela 24. Correlação entre os índices de vegetação e NF, aos 6, 21 e 26
DAE, para o experimento 2
Épocas
Índices de vegetação
6 DAE 21 DAE 26 DAE
NDVI -0,19
ns
0,31
ns
-0,22
ns
GNDVI -0,25
ns
0,28
ns
-0,21
ns
SAVI
1,0
-0,20
ns
0,32
ns
-0,21
ns
SAVI
0,50
-0,20
ns
0,32
ns
-0,22
ns
SAVI
0,25
-0,20
ns
0,32
ns
-0,22
ns
WRDVI
0,05
-0,18
ns
0,26
ns
-0,27
ns
WRDVI
0,10
-0,19
ns
0,27
ns
-0,27
ns
WRDVI
0,20
-0,19
ns
0,28
ns
-0,26
ns
ns
não significativo ao nível de 5% de probabilidade.
Em um trabalho paralelo na mesma área e em datas próximas, Tormen
(2008), com uso de imagens digitais para formação dos mesmos índices
usados neste trabalho, não encontrou correlações significativas entre os teores
de NF e os índices de vegetação.
Feng et al. (2008) usaram um espectrorradiômetro para analisar a
relação entre o teor de nitrogênio foliar (NF) e a reflectância do dossel da
cultura de trigo submetidos a diferentes doses de N. Assim como no presente
trabalho, os autores, com os resultados, esperavam estabelecer uma base
técnica para o acompanhamento do NF em tempo real. Segundo esses
mesmos autores, o uso do índice mND705, proposto por Sims e Gamon
(2002), pode ser usado como bom indicador para estimar o NF. Esse índice
usa a reflectância de dois comprimentos de ondas específicos dentro da faixa
infravermelho próximo, aos 750 e 705 nm, e a reflectância centrada na banda
do azul, aos 445 nm.
Com uso de espectroradiometria, em um trabalho com algodão
submetido a quatro diferentes doses de N, Zhao et al. (2005) avaliaram o
potencial das bandas do vermelho e infravermelho próximo, com uso de índices
de vegetação, em discriminar o estresse nutricional a respeito do elemento N. Os
resultados do trabalho mostraram que o uso das bandas do vermelho e
infravermelho próximo, contradizendo a literatura, não são necessariamente os
melhores na discriminação do estresse de N. Os mesmos autores ainda afirmam
80
que dados provenientes do sensoriamento hiperespectral em comparação com os
dados multiespectrais, podem oferecer maior precisão na identificação do estádio
nutricional a respeito do elemento N.
4.2. Análise dos dados após a adubação em cobertura
4.2.1. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e valores SPAD
A avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e valores SPAD foi feita aos 39 DAE para o
experimento 1. Os resultados da análise de variância da regressão com o teste
para falta de ajustamento do modelo linear expresso na Equação 8 ajustado
entre doses de N aplicadas na semeadura e em cobertura e os valores SPAD
aos 39 DAE, para o experimento 1, são apresentados na Tabela 25. Os
resultados das estimativas e o teste t dos coeficientes de regressão desse
modelo são apresentados na Tabela 26.
Tabela 25. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear de primeiro grau ajustados
entre doses de N aplicadas na semeadura e em cobertura e
valores SPAD aos 39 DAE para o experimento 1
Épocas Falta de Ajuste Regressão
39 DAE 0,73
ns
9,63 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 26. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado aos 39 DAE entre doses de N aplicadas na semeadura e
em cobertura e valores SPAD, para o experimento 1
Variáveis Estimativas t
Intercepto 47,6 ----
X
1
4,4 10
-2
1,79
ns
X
2
1,5 10
-2
0,85
ns
X
1
X
2
4,0 10
-4
0,83
ns
ns
não significativo ao nível de 5% de probabilidade.
A existência da relação funcional entre as doses de N aplicadas na
semeadura e em cobertura e os valores SPAD foram comprovadas na Tabela
25, pois apresentaram não significância do teste F para falta de ajustamento e
significância no teste F para regressão ao nível de significância em que foi
81
realizado o teste. Mesmo com essa relação significativa, os dados expostos na
Tabela 26 indicam que nenhum dos fatores e a interação entre eles tiveram
efeitos significativos. O possível efeito residual a respeito do elemento N,
discutido anteriormente, pode ter influenciado no comportamento dos fatores
doses de N aplicadas na semeadura e em cobertura e no efeito da interação
entre eles. A resposta do feijoeiro ao N foi também influenciada pelos resíduos
de cultura deixados na superfície por cultivos anteriores em um trabalho
conduzido por Barbosa Filho et al. (2005).
Para o experimento 2, a avaliação da relação entre doses de nitrogênio
aplicados na semeadura e em cobertura e valores SPAD foi feita aos 35 e 57
DAE. Na Tabela 27 são apresentados os resultados da análise de variância da
regressão com o teste para falta de ajustamento do modelo linear expresso na
Equação 8 ajustado entre doses de N aplicadas na semeadura e em cobertura
e valores SPAD aos 35 e 57 DAE desse experimento. As estimativas e o teste t
dos coeficientes de regressão desses modelos são apresentados na Tabela 28.
Tabela 27. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares de primeiro grau
ajustados entre doses de N aplicadas na semeadura e em
cobertura e valores SPAD aos 35 e 57 DAE para o experimento 2
Épocas Falta de Ajuste Regressão
35 DAE 0,88
ns
51,67 **
57 DAE 1,40
ns
21,64 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 28. Estimativas e teste t dos coeficientes de regressão dos modelos
lineares ajustados aos 35 e 57 DAE entre doses de N aplicadas na
semeadura e em cobertura e valores SPAD, para o experimento 2
Épocas Variáveis Estimativas t
Intercepto 31,9 ----
X
1
0,2 8,01 **
X
2
7,5 10
-2
4,78 **
35 DAE
X
1
X
2
-1,1 10
-3
-2,23 *
Intercepto 33,2 ----
X
1
-4,2 10
-3
-0,13
ns
X
2
7,1 10
-2
3,17 **
57 DAE
X
1
X
2
8,0 10
-4
1,10
ns
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
82
Conforme a metodologia proposta, o modelo ajustado aos 35 DAE
satisfez os critérios para adoção de modelos. Os efeitos das doses de N
aplicadas na semeadura e em cobertura e a interação entre esses fatores
foram significativos ao nível de 5%. Assim, o efeito da dose de N aplicada em
cobertura depende da dose de N aplicada na semeadura. A superfície de
resposta desse modelo é apresentada na Figura 30.
A Figura 30 ilustra o comportamento dos valores SPAD em função das
doses de N aplicadas na semeadura e em cobertura. Assim, quanto maiores
foram as doses aplicadas na semeadura e em cobertura, maiores foram os
valores SPAD. Em um experimento com milho, Blackmer e Schepers (1995)
também verificaram que o uso do clorofilômetro portátil foi capaz de distinguir
os diferentes tratamentos de fertilizantes nitrogenados que resultaram em
diferentes rendimentos de grãos.
Figura 30. Superfície de resposta do modelo linear ajustado aos 35 DAE dos
valores SPAD em função das doses de N aplicadas na semeadura
e em cobertura para o experimento 2.
Mesmo satisfeitos os critérios de adoção de modelos, falta de
ajustamento não significativa e regressão significativa, aos 57 DAE, somente o
efeito das doses de N aplicadas em cobertura (X
2
) foi significativo. O tempo
decorrido entre a adubação de N na semeadura e a época de avaliação em
83
questão, pode ter sido suficiente para que as plantas não expressassem em
suas folhas os efeitos dessa aplicação. Esse pode ter sido o principal motivo
pelo qual só o efeito das doses de N aplicadas em cobertura foi significativo.
Assim, um novo modelo foi ajustado (Equação 8) somente com uso das
variáveis intercepto e X
2
. Os resultados da análise de variância da regressão
com o teste para falta de ajustamento e as estimativas e o teste t dos
coeficientes de regressão desse modelo são apresentados nas Tabela 29 e 30,
respectivamente.
Tabela 29. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear ajustado entre doses de N
aplicadas em cobertura e valores SPAD médios, aos 57 DAE, para
o experimento 2
Falta de Ajuste Regressão
1,41
ns
61,76 **
** significativo ao nível de 1% de probabilidade; não significativo ao nível de 5% de
probabilidade.
Tabela 30. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado aos 57 DAE entre doses de N aplicadas em cobertura e
valores SPAD médios, para o experimento 2
Variáveis Estimativas t
Intercepto 33,1 ----
X
2
9,3 10
-2
7,86 **
** significativo ao nível de 1% de probabilidade.
O modelo ajustado aos 57 DAE satisfez os critérios para adoção de
modelos e revelou efeito significativo das doses de N aplicadas em cobertura
ao nível de 5%. A Figura 31 ilustra o diagrama de dispersão e o modelo
ajustado dos valores SPAD médios em função das doses de N aplicadas em
cobertura, para o experimento 2, aos 57 DAE. Na Figura 31, são observados
cinco valores para cada dose de N aplicada em cobertura que representam a
média dos níveis de N aplicados na semeadura. Pelo comportamento dos
dados ilustrados nessa figura, visualmente é possível identificar que o efeito
das doses de N aplicadas na semeadura (X
1
) não tiveram influência no
comportamento dos dados.
84
NF = 9,3 10
-2
N + 33,1
R
2
= 0,6097
25
30
35
40
45
020406080
Dose de N em cobertura (kg ha
-1
)
Valor SPAD
Figura 31. Diagrama de dispersão dos valores SPAD médios em função das
doses de N aplicadas em cobertura, modelo linear ajustado para os
57 DAE e seu respectivo coeficiente de determinação para o
experimento 2.
4.2.2. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e teor de nitrogênio foliar
Os resultados da análise de variância da regressão com o teste para
falta de ajustamento do modelo linear expresso na Equação 8 ajustado entre
doses de N aplicadas na semeadura e em cobertura e NF aos 39 DAE, para o
experimento 1, são apresentados na Tabela 31. Na Tabela 32 são
apresentadas as estimativas e o teste t dos coeficientes de regressão desse
modelo.
Tabela 31. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear de primeiro grau ajustados
entre doses de N aplicadas na semeadura e em cobertura e
valores de NF aos 39 DAE para o experimento 1
Épocas Falta de Ajuste Regressão
39 DAE 1,25
ns
3,20 *
* significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 32. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado aos 39 DAE entre doses de N aplicadas na semeadura e
em cobertura e valores de NF, para o experimento 1
Variáveis Estimativas t
Intercepto 5,395 ----
X
1
2,000 10
-4
0,04
ns
X
2
-4,700 10
-3
-1,09
ns
X
1
X
2
2,000 10
-4
1,68
ns
ns
não significativo ao nível de 5% de probabilidade.
85
Da mesma maneira que para os valores SPAD, para essa mesma
época, a existência da relação funcional entre as doses de N aplicadas na
semeadura e em cobertura e NF foram comprovadas na Tabela 31, pois foram
satisfeitos os critérios de adoção de modelos. Desse modelo, ao nível de 5%
de probabilidade, não foi revelado nenhum efeito significativo dos fatores e da
interação entre eles (Tabela 32). A justificativa desse comportamento, nesse
experimento, é que a possibilidade do efeito residual do elemento N, pode ter
influenciado no efeito dos fatores doses de N aplicadas na semeadura e em
cobertura.
Para o experimento 2, os resultados da análise de variância da
regressão com o teste para falta de ajustamento do modelo linear expresso na
Equação 8 ajustado entre doses de N aplicadas na semeadura e em cobertura
e NF aos 35 e 57 DAE são apresentados na Tabela 33. As estimativas e o
teste t dos coeficientes de regressão e os erros padrões desses modelos são
apresentados na Tabela 34.
Tabela 33. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares de primeiro grau
ajustados entre doses de N aplicadas na semeadura e em
cobertura e valores de NF aos 35 e 57 DAE para o experimento 2
Épocas Falta de Ajuste Regressão
35 DAE 0,76
ns
7,85 **
57 DAE 1,03
ns
5,35 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 34. Estimativas e teste t dos coeficientes de regressão dos modelos
lineares ajustados aos 35 e 57 DAE entre doses de N aplicadas na
semeadura e em cobertura e valores de NF, para o experimento 2
Épocas Variáveis Estimativas t
Intercepto 3,713 ----
X
1
6,000 10
-4
0,10
ns
X
2
4,600 10
-3
1,02
ns
35 DAE
X
1
X
2
2,000 10
-4
1,34
ns
Intercepto 2,050 ----
X
1
8,100 10
-3
2,15 *
X
2
8,600 10
-3
3,23 **
57 DAE
X
1
X
2
-1,000 10
-4
-1,71
ns
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
86
Diferente da avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e valores SPAD, aos 35 DAE, no experimento 2,
para a variável NF, não foi revelado nenhum efeito significativo dos fatores e da
interação entre eles, mesmo com a não significância do teste F para falta de
ajustamento e significância no teste F para regressão ao nível de 5 % de
probabilidade (Tabelas 33 e 34).
A existência de uma relação funcional entre as doses de N aplicadas na
semeadura e em cobertura e NF para os dados obtidos aos 57 DAE, para o
experimento 2, foram comprovadas na Tabela 33, pois foram satisfeitos os
critérios de adoção de modelos. Desse modelo, apenas não foi revelado o
efeito significativo da interação entre os fatores doses de N aplicadas na
semeadura e em cobertura (Tabela 34). Foi ajustado um novo modelo
(Equação 8) sem uso da variável interação. Os resultados da análise de
variância da regressão com o teste para falta de ajustamento e as estimativas e
o teste t dos coeficientes de regressão desse modelo são apresentados nas
Tabela 35 e 36, respectivamente.
Tabela 35. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear ajustado entre doses de N
aplicadas na semeadura e em cobertura e NF, sem uso da variável
interação, aos 57 DAE, para o experimento 2
Falta de Ajuste Regressão
1,10
ns
6,57 **
** significativo ao nível de 1% de probabilidade; não significativo ao nível de 5% de
probabilidade.
Tabela 36. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado aos 57 DAE entre doses de N aplicadas na semeadura e
em cobertura e NF, sem uso da variável interação, para o
experimento 2
Variáveis Estimativas t
Intercepto 2,199 ----
X
1
2,700 10
-3
1,30
ns
X
2
4,700 10
-3
3,38 **
** significativo ao nível de 1% de probabilidade; não significativo ao nível de 5% de
probabilidade.
Aos 57 DAE, somente o efeito das doses de N aplicadas em cobertura
(X
2
) foi significativo, na avaliação feita entre doses de N aplicadas na
semeadura e em cobertura e NF (Tabelas 35 e 36). Desta maneira, foi ajustado
87
um novo modelo (Equação 8) somente com uso das variáveis intercepto e X
2
.
Nas Tabelas 37 e 38 são apresentados, respectivamente, os resultados da
análise de variância da regressão com o teste para falta de ajustamento e as
estimativas e o teste t dos coeficientes de regressão desse modelo.
Tabela 37. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear ajustado entre doses de N
aplicadas em cobertura e NF, aos 57 DAE, para o experimento 2
Falta de Ajuste Regressão
1,12
ns
11,46 **
** significativo ao nível de 1% de probabilidade; não significativo ao nível de 5% de
probabilidade.
Tabela 38. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado aos 57 DAE entre doses de N aplicadas em cobertura e
NF, para o experimento 2
Variáveis Estimativas t
Intercepto 2,276 ----
X
2
4,700 10
-3
3,38 **
** significativo ao nível de 1% de probabilidade.
O modelo ajustado aos 57 DAE satisfez os critérios para adoção de
modelos e revelou efeito significativo das doses de N aplicadas em cobertura
ao nível de 5% de probabilidade (Tabelas 37 e 38). O diagrama de dispersão e
o modelo ajustado dos valores de NF em função das doses de N aplicadas em
cobertura, aos 57 DAE, para o experimento 2, é ilustrado na Figura 32. Mesmo
satisfazendo todos os critérios de adoção de modelos, para essa época, o
modelo ajustado apresentou um baixo valor de coeficiente de determinação
(0,2682). Assim, a existência de uma relação funcional entre as doses de N
aplicadas em cobertura e NF para os dados obtidos aos 57 DAE, não foi
considerada satisfatória.
88
NF = 4,700 10
-3
N + 2,276
R
2
= 0,2682
2,0
2,3
2,5
2,8
3,0
0 20406080
Dose de N em cobertura (kg ha
-1
)
NF (%)
Figura 32. Diagrama de dispersão dos valores NF em função das doses de N
aplicadas em cobertura, modelo linear ajustado para os 57 DAE e
seu respectivo coeficiente de determinação para o experimento 2.
4.2.3. Avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e índices de vegetação
A avaliação da relação entre doses de nitrogênio aplicadas na
semeadura e em cobertura e valores médios dos índices de vegetação NDVI,
GNDVI, SAVI e WDRVI foi realizada aos 46, 53, 62 e 81 DAE para o
experimento 1 e aos 50, 56 e 69 para o experimento 2. Os resultados da
análise de variância da regressão com o teste para falta de ajustamento dos
modelos lineares expresso na Equação 8 ajustados entre doses de N aplicadas
na semeadura e em cobertura e valores médios dos índices de vegetação
NDVI, GNDVI, SAVI e WDRVI, aos 46 e 53 DAE são apresentados na Tabela
39, para o experimento 1.
Tabela 39. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares ajustados entre doses
de N aplicadas na semeadura e em cobertura e valores médios
dos índices de vegetação NDVI, GNDVI, SAVI e WDRVI aos 46 e
53 DAE para o experimento 1
46 DAE 53 DAE
Índice de
vegetação
Falta de
Ajuste
Regressão
Falta de
Ajuste
Regressão
NDVI 1,40
ns
1,05
ns
1,27
ns
0,34
ns
GNDVI 2,25 ** --- 0,97
ns
11,24 **
SAVI
1,00
1,14
ns
0,23
ns
0,86
ns
3,63
*
SAVI
0,50
1,15
ns
0,23
ns
0,85
ns
3,67 *
SAVI
0,25
1,19
ns
0,25
ns
0,83
ns
3,64 *
WDRVI
0,05
1,49
ns
1,28
ns
1,13
ns
0,42
ns
WDRVI
0,10
1,46
ns
1,20
ns
1,19
ns
0,37
ns
WDRVI
0,20
1,43
ns
1,14
ns
1,23
ns
0,35
ns
** significativo ao nível de 1% de probabilidade; *
significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
89
Aos 46 e 53 DAE, para o experimento 1, os modelos lineares ajustados
entre doses de N aplicadas na semeadura e em cobertura e valores médios
dos índices de vegetação NDVI, SAVI e WDRVI apresentaram valores não
significativos ao nível de 5% no teste F para a falta de ajustamento, indicando
um bom ajuste do modelo expresso na Equação 8. O teste F da regressão
desses modelos não foi significativo ao nível em que foi realizado o teste.
Como o teste para falta de ajustamento foi significativo para o modelo
ajustado com o índice de vegetação GNDVI, aos 46 DAE, procedeu-se o ajuste
de um novo modelo linear, expresso na Equação 9. Esse modelo apresentou
valor de 1,80 no teste F para a falta de ajustamento da análise de variância da
regressão. Esse valor foi significativo ao nível de 5%, indicando que o modelo
não se ajusta bem aos dados. Assim, pode-se concluir que, para o experimento
1, aos 46 DAE, não foi verificada a existência de relações funcionais entre as
doses de N aplicadas na semeadura e em cobertura e os valores médios dos
índices de vegetação e modelos propostos.
Os índices de vegetação GNDVI e SAVI em todas as suas variações,
aos 53 DAE, satisfizeram os critérios de seleção de modelos. Na Tabela 40 são
apresentadas as estimativas e o teste t dos coeficientes de regressão desses
modelos.
Mesmo com o teste F para a falta de ajustamento não significativa e
regressão significativa, somente o efeito das doses de N aplicadas em
cobertura (X
2
) foi significativo para o índice GNDVI e para o índice SAVI,
nenhum efeito, para todas as variações, foram significativos. Assim, para o
índice de vegetação GNDVI, aos 53 DAE, para o experimento 1, foram
eliminadas as variáveis X
1
e X
1
X
2
e foi ajustado um novo modelo (Equação 8)
somente com uso das variáveis intercepto e X
2
. Os resultados da análise de
variância da regressão com o teste para falta de ajustamento e as estimativas e
o teste t dos coeficientes de regressão desse modelo são apresentados nas
Tabelas 41 e 42, respectivamente.
90
Tabela 40. Estimativas e teste t dos coeficientes de regressão do modelo
ajustado aos 53 DAE entre doses de N aplicadas na semeadura e
em cobertura e valores médios dos índices de vegetação GNDVI e
SAVI para o experimento 1
Índices Variáveis Estimativas t
Intercepto 0,7899 ----
X
1
3,0000 10
-4
1,98
ns
X
2
3,0000 10
-4
2,43 *
GNDVI
X
1
X
2
1,0000 10
-5
-0,01
ns
Intercepto 0,7043 ----
X
1
-5,0000 10
-4
-1,07
ns
X
2
-1,0000 10
-4
-0,34
ns
SAVI
1,00
X
1
X
2
2,0000 10
-5
1,94
ns
Intercepto 0,7713 ----
X
1
-4,0000 10
-4
-1,09
ns
X
2
-1,0000 10
-4
-0,33
ns
SAVI
0,50
X
1
X
2
2,0000 10
-5
1,95
ns
Intercepto 0,8351 ----
X
1
-3,0000 10
-4
-1,09
ns
X
2
-1,0000 10
-4
-0,33
ns
SAVI
0,25
X
1
X
2
1,0000 10
-5
1,93
ns
* significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 41. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear ajustado entre doses de N
aplicadas em cobertura e valores médios do índice de vegetação
GNDVI, aos 53 DAE, para o experimento 1
Falta de Ajuste Regressão
1,34
ns
21,82 **
** significativo ao nível de 1% de probabilidade; não significativo ao nível de 5% de
probabilidade.
Tabela 42. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado aos 53 DAE entre doses de N aplicadas em cobertura e
valores médios do índice de vegetação GNDVI, para o experimento 1
Variáveis Estimativas t
Intercepto 0,7978 ----
X
2
2,0000 10
-4
4,63 **
** significativo ao nível de 1% de probabilidade.
Com uso do índice GNDVI, todos os critérios de adoção de modelos
foram satisfeitos aos 53 DAE, para o experimento 1. A Figura 33 ilustra o
diagrama de dispersão e o modelo ajustado dos valores médios do índice
GNDVI em função das doses de N aplicadas em cobertura, para essa data e
experimento. Mesmo satisfeitos todos os critérios de adoção de modelos, com
91
o baixo coeficiente de determinação apresentado, não foi considerada
satisfatória a existência de uma relação funcional entre as doses de N
aplicadas em cobertura e o índice de vegetação em questão.
NF = 0,0002 N + 0,7978
R
2
= 0,3689
0,75
0,80
0,85
0 20406080
Dose de N em cobertura (kg ha
-1
)
GNDVI
Figura 33. Diagrama de dispersão dos valores médios do índice de vegetação
GNDVI em função das doses de N aplicadas em cobertura, modelo
linear ajustado para os 53 DAE e seu respectivo coeficiente de
determinação para o experimento 1.
Na Tabela 43 são apresentados os resultados da análise de variância da
regressão com o teste para falta de ajustamento dos modelos lineares
expresso na Equação 8 ajustados entre doses de N aplicadas na semeadura e
em cobertura e valores médios dos índices de vegetação NDVI, GNDVI, SAVI e
WDRVI, aos 62 e 81 DAE, para o experimento 1.
Tabela 43. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares ajustados entre doses
de N aplicadas na semeadura e em cobertura e valores médios dos
índices de vegetação NDVI, GNDVI, SAVI e WDRV aos 62 e 81
DAE para o experimento 1
62 DAE 81 DAE
Índice de
vegetação
Falta de
Ajuste
Regressão
Falta de
Ajuste
Regressão
NDVI 1,24
ns
3,79 * 1,32
ns
3,88 *
GNDVI 1,28
ns
7,44 ** 1,19
ns
2,47
ns
SAVI
1,00
0,95
ns
3,85 * 1,16
ns
3,82 *
SAVI
0,50
0,97
ns
3,96 * 1,20
ns
3,92 *
SAVI
0,25
1,00
ns
4,08 * 1,24
ns
4,03 *
WDRVI
0,05
1,44
ns
5,99 ** 1,59
ns
6,44 **
WDRVI
0,10
1,37
ns
5,18 ** 1,58
ns
6,30 **
WDRVI
0,20
1,31
ns
4,53 ** 1,54
ns
5,85 **
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
NF = 2,0000 10
-4
N + 0,7978
R
2
= 0,3689
92
Aos 62 DAE, para o experimento 1, todos os modelos analisados
satisfizeram os critérios de adoção de modelos, ou seja, falta de ajustamento
não significativa e regressão significativa, ao nível de probabilidade em que
foram realizados os testes. Porém, em nenhum deles foi revelado efeitos
significativos das doses de N aplicadas na semeadura (X
1
), doses de N
aplicadas em cobertura (X
2
) e a interação entre eles (X
1
X
2
). Assim como aos
62 DAE, para o experimento 1, com exceção do modelo ajustado com uso do
índice GNDVI, que apresentou valor não significativo na análise para a
regressão, todos os modelos analisados satisfizeram os critérios de adoção de
modelos. Em nenhum desses modelos foi revelado efeitos significativos dos
fatores (X
1
, X
2
) e a interação entre eles. As estimativas e o teste t dos
coeficientes de regressão dos modelos ajustados entre doses de N aplicadas
na semeadura e em cobertura e valores médios dos índices de vegetação
NDVI, SAVI e WDRVI, para o experimento 1, aos 62 e 81 DAE são
apresentadas na Tabela 44.
Aos 81 DAE, a cultura se encontrava na etapa R9 da fase reprodutiva,
antes da colheita, marcada pela descoloração das vagens, amarelecimento e
queda das folhas. Nessa etapa, os grãos se encontravam próximos à
maturação fisiológica e a ligação da planta com a raiz, apenas possuiu função
de sustentação. Portanto, os níveis de N aplicados na semeadura e em
cobertura nessa etapa de desenvolvimento do feijoeiro, não influenciaram na
resposta espectral do dossel da cultura. Esse motivo pode ter contribuído para
que a relação entre doses de nitrogênio aplicadas na semeadura e em
cobertura e valores de reflectância não fosse significativa. Assim, a avaliação
supracitada, para essa época, não foi considerada relevante.
Em todas as épocas, para o experimento 1, após a adubação em
cobertura, não foi verificada a existência de uma relação funcional entre as
doses de N aplicadas na semeadura e em cobertura e os índices de vegetação
analisados. O provável efeito residual do elemento nitrogênio no solo, pode ser
o principal efeito da não observância da existência da relação índices e doses
de N na semeadura e em cobertura.
93
Tabela 44. Estimativas e teste t dos coeficientes de regressão do modelo
ajustado aos 62 e 81 DAE entre doses de N aplicadas na
semeadura e em cobertura e valores médios dos índices de
vegetação NDVI, GNDVI, SAVI e WDRVI, para o experimento 1
62 DAE 81 DAE
Índices de vegetação Variáveis
Estimativas t Estimativas t
Intercepto 0,8882 ---- 0,2065 ----
X
1
-3,0000 10
-4
-0,69
ns
6,0000 10
-4
0,25
ns
X
2
1,0000 10
-4
0,39
ns
2,6000 10
-3
1,49
ns
NDVI
X
1
X
2
1,0000 10
-5
1,37
ns
1,0000 10
-5
1,37
ns
Intercepto 0,6554 ---- ---- ----
X
1
-1,0000 10
-4
-0,15
ns
---- ----
X
2
5,0000 10
-4
1,12
ns
---- ----
GNDVI
X
1
X
2
2,0000 10
-5
1,29
ns
---- ----
Intercepto 0,5426 ---- 5,3700 10
-2
----
X
1
-6,0000 10
-4
-0,72
ns
9,0000 10
-4
0,83
ns
X
2
4,0000 10
-4
0,57
ns
1,3000 10
-3
1,75
ns
SAVI
1,00
X
1
X
2
2,0000 10
-5
1,26
ns
-3,0000 10
-6
-0,14
ns
Intercepto 0,6221 ---- 7,1500 10
-2
----
X
1
-6,0000 10
-4
-0,77
ns
1,0000 10
-3
0,74
ns
X
2
3,0000 10
-4
0,54
ns
1,6000 10
-3
1,67
ns
SAVI
0,50
X
1
X
2
2,0000 10
-5
1,30
ns
-3,0000 10
-6
-0,11
ns
Intercepto 0,7059 ---- 9,7400 10
-2
----
X
1
-6,0000 10
-4
-0,83
ns
1,1000 10
-3
0,70
ns
X
2
3,0000 10
-4
0,40
ns
2,0000 10
-3
1,78
ns
SAVI
0,25
X
1
X
2
2,0000 10
-5
1,35
ns
-2,0000 10
-6
0,07
ns
Intercepto -7,4200 10
-2
---- -0,8613 ----
X
1
-7,0000 10
-4
-0,40
ns
5,3000 10
-4
0,43
ns
X
2
1,0000 10
-3
0,81
ns
1,3000 10
-3
1,47
ns
WDRVI
0,05
X
1
X
2
5,0000 10
-5
1,37
ns
2,0000 10
-5
0,70
ns
Intercepto 0,2628 ---- -0,7385 ----
X
1
-9,0000 10
-4
-0,50
ns
9,0000 10
-4
0,49
ns
X
2
8,0000 10
-4
0,67
ns
2,1000 10
-3
1,65
ns
WDRVI
0,10
X
1
X
2
5,0000 10
-5
1,37
ns
2,0000 10
-5
0,52
ns
Intercepto 0,5461 ---- -0,5332 ----
X
1
-8,0000 10
-4
-0,59
ns
1,2000 10
-3
0,48
ns
X
2
5,0000 10
-4
0,53
ns
2,9000 10
-3
1,75
ns
WDRVI
0,20
X
1
X
2
4,0000 10
-5
1,38
ns
2,0000 10
-5
0,35
ns
ns
não significativo ao nível de 5% de probabilidade.
Para o experimento 2, que foi conduzido na safra de inverno, entre os
meses de agosto e novembro do ano 2007, a avaliação da relação entre doses
de nitrogênio aplicadas na semeadura e em cobertura e valores médios dos
índices de vegetação NDVI, GNDVI, SAVI e WDRVI foi realizada aos 50, 56 e
69 DAE. Os resultados da análise de variância da regressão com o teste para
falta de ajustamento dos modelos lineares expresso na Equação 8 ajustados
entre doses de N aplicadas na semeadura e em cobertura e valores médios
94
dos índices de vegetação NDVI, GNDVI, SAVI e WDRVI, aos 50, 56 e 69 DAE,
para esse experimento, são apresentados na Tabela 45.
Tabela 45. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares ajustados entre doses
de N aplicadas na semeadura e em cobertura e valores médios
dos índices de vegetação NDVI, GNDVI, SAVI e WDRVI aos 50,
56 e 69 DAE para o experimento 2
50 DAE 56 DAE 69 DAE
Índice de
vegetação
Falta
de
Ajuste
Regressão
Falta
de
Ajuste
Regressão
Falta
de
Ajuste
Regressão
NDVI 1,18
ns
42,12 ** 1,04
ns
39,52 ** 0,69
ns
13,33 **
GNDVI 1,11
ns
48,58 ** 0,98
ns
42,92 ** 0,76
ns
11,15 **
SAVI
1,00
1,52
ns
48,40 ** 1,20
ns
45,57 ** 0,62
ns
13,68 **
SAVI
0,50
1,45
ns
48,25 ** 1,18
ns
46,05 ** 0,63
ns
13,85 **
SAVI
0,25
1,37
ns
47,25 ** 1,15
ns
45,44 ** 0,64
ns
13,87 **
WDRVI
0,05
1,63
ns
40,62 ** 1,16
ns
35,51 ** 0,74
ns
10,83 **
WDRVI
0,10
1,50
ns
44,48 ** 1,19
ns
39,37 ** 0,73
ns
11,53 **
WDRVI
0,20
1,47
ns
46,37 ** 1,18
ns
41,71 ** 0,72
ns
12,28 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Ao nível em que foram realizados os testes, todos os modelos
analisados apresentaram falta de ajustamento não significativa e regressão
significativa, nas avaliações feitas aos 50, 56 e 69 DAE, para o experimento 2.
Na Tabela 46 são apresentadas as estimativas e o teste t dos coeficientes de
regressão dos modelos ajustados entre doses de N aplicadas na semeadura e
em cobertura e valores médios dos índices de vegetação NDVI, GNDVI, SAVI e
WDRVI, para esses modelos.
Com exceção do fator interação, aos 50 DAE, para o modelo ajustado
com o índice de vegetação WDRVI (a=0,05), todos apresentaram efeitos
significativos dos fatores doses de N aplicadas na semeadura (X
1
), doses de N
aplicadas em cobertura (X
2
) e a interação entre eles (X
1
X
2
). Portanto, para o
experimento 2, para o índice de vegetação WDRVI (a=0,05), aos 50 DAE, foi
eliminada a variável interação (X
1
X
2
)
e um novo modelo foi ajustado (Equação
8). Nas Tabelas 47 e 48 são apresentados, respectivamente, os resultados da
análise de variância da regressão com o teste para falta de ajustamento e as
estimativas e o teste t dos coeficientes de regressão desse modelo.
95
Tabela 46. Estimativas e teste t dos coeficientes de regressão dos modelos
ajustados aos 50, 56 e 69 DAE entre doses de N aplicadas na
semeadura e em cobertura e valores médios dos índices de
vegetação NDVI, GNDVI, SAVI e WDRVI, para o experimento 2
50 DAE 56 DAE 69 DAE
Índices de
vegetação
Variáveis
Estimativas t Estimativas t Estimativas t
Intercepto 0,4035 ---- 0,5061 ---- 0,5040 ----
X
1
8,8000 10
-3
7,46 ** 6,8000 10
-3
7,26 ** 4,3000 10
-3
3,37 **
X
2
6,1000 10
-3
7,22 ** 5,0000 10
-3
7,56 ** 4,0000 10
-2
4,38 **
NDVI
X
1
X
2
-1,0000 10
-5
-3,92 ** -1,0000 10
-4
-4,27 ** -1,0000 10
-4
1,97
ns
Intercepto 0,2718 ---- 0,3452 ---- 0,3346 ----
X
1
5,8000 10
-3
6,74 ** 4,4000 10
-3
4,52 ** 2,0000 10
-3
2,03 *
X
2
4,6000 10
-3
7,44 ** 3,9000 10
-3
5,71 ** 2,7000 10
-3
3,76 **
GNDVI
X
1
X
2
-1,0000 10
-4
-3,16 ** -1,0000 10
-4
-2,44 * -2,0000 10
-5
-1,08
ns
Intercepto 0,2227 ---- 0,2512 ---- 0,2913 ----
X
1
5,6000 10
-3
6,64 ** 5,9000 10
-3
7,13 ** 2,9000 10
-3
3,11 **
X
2
4,2000 10
-3
6,96 ** 4,4000 10
-3
7,58 ** 2,9000 10
-3
4,41 **
SAVI
1,00
X
1
X
2
-5,0000 10
-5
-2,74 ** -6,6000 10
-5
-3,72 ** -3,7000 10
-5
-1,83
ns
Intercepto 0,2619 ---- 0,3034 ---- 0,3390 ----
X
1
6,4000 10
-3
6,93 ** 6,3000 10
-3
5,14 ** 3,3000 10
-3
3,18 **
X
2
4,7000 10
-3
7,14 ** 4,7000 10
-3
5,43 ** 3,2000 10
-3
4,43 **
SAVI
0,50
X
1
X
2
-6,1000 10
-5
-3,06 ** -7,9000 10
-5
-2,76 ** -4,1000 10
-5
-1,86
ns
Intercepto 0,3047 ---- 0,3625 ---- 0,3902 ----
X
1
7,2000 10
-3
7,18 ** 6,6000 10
-3
7,44 ** 3,6000 10
-3
3,25 **
X
2
5,2000 10
-3
7,25 ** 4,9000 10
-3
7,81 ** 3,5000 10
-3
4,44 **
SAVI
0,25
X
1
X
2
-7,3000 10
-5
-3,38 ** -7,8700 10
-5
-4,11 ** -4,6000 10
-5
-1,90
ns
Intercepto -0,8205 ---- -0,7693 ---- -0,7037 ----
X
1
1,1600 10
-2
5,74 ** 1,1000 10
-2
5,45 ** 4,0000 10
-3
2,13 *
X
2
8,4000 10
-3
5,86 ** 8,6000 10
-3
6,01 ** 4,8000 10
-3
3,60 **
WDRVI
0,05
X
1
X
2
-1,0000 10
-4
-1,95
ns
-1,0000 10
-4
-2,79 ** -4,0000 10
-5
-1,06
ns
Intercepto -0,6420 ---- -0,5551 ---- -0,4942 ----
X
1
1,4600 10
-2
6,49 ** 1,3200 10
-2
6,58 ** 5,6000 10
-3
2,43 *
X
2
1,0400 10
-2
6,53 ** 1,0200 10
-2
7,14 ** 6,2000 10
-3
3,80 **
WDRVI
0,10
X
1
X
2
-1,0000 10
-4
-2,60 * -2,0000 10
-4
-3,51 ** -1,0000 10
-4
-1,27
ns
Intercepto -0,3683 ---- -0,2488 ---- -0,2089 ----
X
1
1,5400 10
-2
7,08 ** 1,3300 10
-2
7,01 ** 6,6000 10
-3
2,77 **
X
2
1,0800 10
-2
7,02 ** 1,0100 10
-2
7,50 ** 6,8000 10
-3
4,02 **
WDRVI
0,20
X
1
X
2
-2,0000 10
-4
-3,21 ** -2,0000 10
-4
-3,88 ** -1,0000 10
-4
-1,50
ns
** significativo ao nível de 1% de probabilidade;
* significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
O modelo ajustado com o índice de vegetação WDRVI (a=0,05), sem
uso da variável interação, satisfez todos os critérios de seleção de modelos,
falta de ajustamento não significativa, regressão significativa e apresentaram
efeitos significativos dos fatores doses de N aplicadas na semeadura (X
1
) e em
96
cobertura (X
2
). Nas Figuras 34 a 41 estão ilustrados, respectivamente, o
comportamento dos valores médios dos índices de vegetação NDVI, GNDVI,
SAVI e WDRVI, na forma de superfícies de resposta, em função das doses de
N aplicadas na semeadura e em cobertura, para os 50 DAE.
Tabela 47. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear ajustado entre doses de N
aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação WDRVI (a=0,05), sem uso da variável interação, aos
50 DAE, para o experimento 2
Falta de Ajuste Regressão
1,52
ns
59,02 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 48. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado aos 50 DAE entre doses de N aplicadas na semeadura e
em cobertura e valores médios dos índices de vegetação WDRVI
(a=0,05), sem uso da variável interação, para o experimento 2
Variáveis Estimativas t
Intercepto -0,7293 ----
X
1
8,3000 10
-3
7,33 **
X
2
6,0000 10
-3
8,03 **
** significativo ao nível de 1% de probabilidade.
Figura 34. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação NDVI em função das doses
de N aplicadas na semeadura e em cobertura para o experimento 2.
97
Figura 35. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação GNDVI em função das
doses de N aplicadas na semeadura e em cobertura para o
experimento 2.
Figura 36. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação SAVI com L=1,00 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
98
Figura 37. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação SAVI com L=0,50 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Figura 38. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação SAVI com L=0,25 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
99
Figura 39. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação WDRVI com a=0,05 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Figura 40. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação WDRVI com a=0,10 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
100
Figura 41. Superfície de resposta do modelo linear ajustado aos 50 DAE dos
valores médios do índice de vegetação WDRVI com a=0,20 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Da mesma maneira de que aos 50 DAE, aos 56 DAE, para o
experimento 2, todos os modelos analisados satisfizeram os critérios de
adoção de modelos, ao nível de 5% de probabilidade. Esses modelos
revelaram efeitos significativos dos fatores doses de N aplicadas na semeadura
(X
1
), doses de N aplicadas em cobertura (X
2
) e a interação entre eles (X
1
X
2
).
O comportamento dos valores médios dos índices de vegetação NDVI,
GNDVI, SAVI e WDRVI, em função das doses de N aplicadas na semeadura e
em cobertura, para os modelos ajustados aos 56 DAE, do experimento 2, estão
ilustrados, respectivamente, na forma de superfícies de resposta nas Figuras
42 a 49.
Com as superfícies de respostas ilustradas nas figuras referentes aos
modelos ajustados aos 56 DAE, do experimento 2, é possível identificar,
visualmente, que os valores dos índices de vegetação alteram-se pouco
quando os valores das doses de N aplicadas em cobertura estão próximos do
valor máximo (80 kg ha
-1
). Essa dose, 80 kg ha
-1
, supera em 20 kg ha
-1
o valor
da recomendação proposta por Chagas et al. (1999). Assim, devido a esse
consumo de luxo, as plantas não respondem a esse excesso,
101
conseqüentemente os valores dos índices de vegetação também não são
alterados próximos ao valor máximo (80 kg ha
-1
). Para a análise realizada entre
doses de N aplicadas na semeadura e em cobertura e o NF, aos 57 DAE, essa
situação não foi observada. Segundo Malavolta et al. (1997), é sabido que a
taxa de absorção e as concentrações dos nutrientes móveis, como é o caso do
nitrogênio, diminuem com a idade da planta devido à translocação para outros
tecidos. No presente trabalho a amostragem foi feita no terço mediano da
planta, conforme sugerido por Martinez et al. (1999) para diagnose foliar.
Assim, a resposta do dossel mensurada pelo espectrorradiômetro incluiu, além
das folhas do terço mediano, também as folhas mais novas. Esse pode ter sido
o principal motivo pelo qual a resposta do NF não apresentou comportamento
semelhante aos índices de vegetação.
Figura 42. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação NDVI em função das doses
de N aplicadas na semeadura e em cobertura para o experimento 2.
102
Figura 43. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação GNDVI em função das
doses de N aplicadas na semeadura e em cobertura para o
experimento 2.
Figura 44. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação SAVI com L=1,00 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
103
Figura 45. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação SAVI com L=0,50 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Figura 46. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação SAVI com L=0,25 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
104
Figura 47. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação WDRVI com a=0,05 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Figura 48. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação WDRVI com a=0,10 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
105
Figura 49. Superfície de resposta do modelo linear ajustado aos 56 DAE dos
valores médios do índice de vegetação WDRVI com a=0,20 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Os modelos analisados aos 69 DAE, para o experimento 2,
apresentaram falta de ajustamento não significativa e regressão significativa.
Entretanto, para todos os modelos ajustados, somente o efeito da interação (X
1
X
2
) entre doses de N aplicadas na semeadura e em cobertura não foram
significativos. Segundo Gomes (1982), essa situação geralmente acontece em
experimentos de adubação. Foram ajustados novos modelos (Equação 8), para
todos os índices, sem uso da variável interação. Os resultados da análise de
variância da regressão com o teste para falta de ajustamento desses modelos
são apresentados na Tabela 49. As estimativas e o teste t dos coeficientes de
regressão dos modelos ajustados entre doses de N aplicadas na semeadura e
em cobertura e valores médios dos índices de vegetação NDVI, GNDVI, SAVI e
WDRVI, para esses modelos, são apresentadas na Tabela 50.
106
Tabela 49. Resultados do teste F da análise de variância da regressão para
falta de ajustamento dos modelos lineares ajustados entre doses
de N aplicadas na semeadura e em cobertura, sem uso da
interação (X
1
X
2
) e valores médios dos índices de vegetação NDVI,
GNDVI, SAVI e WDRVI, aos 69 DAE, para o experimento 2
69 DAE
Índice de vegetação
Falta de Ajuste Regressão
NDVI 0,81
ns
18,06 **
GNDVI 0,77
ns
16,74 **
SAVI
1,00
0,72
ns
18,81 **
SAVI
0,50
0,73
ns
19,03 **
SAVI
0,25
0,75
ns
19,00 **
WDRVI
0,05
0,75
ns
15,68 **
WDRVI
0,10
0,77
ns
16,50 **
WDRVI
0,20
0,78
ns
17,29 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
Tabela 50. Estimativas e teste t dos coeficientes de regressão dos modelos
ajustados aos 69 DAE entre doses de N aplicadas na semeadura e
em cobertura e valores médios dos índices de vegetação NDVI,
GNDVI, SAVI e WDRVI, para o experimento 2
69 DAE Índices de
vegetação
Variáveis
Estimativas t
Intercepto 0,5625 ----
X
1
2,2000 10
-3
0,57 **
NDVI
X
2
2,5000 10
-3
2,20 10
-3
**
Intercepto 0,3595 ----
X
1
1,1000 10
-3
2,01 *
GNDVI
X
2
2,0000 10
-3
5,43 **
Intercepto 0,3309 ----
X
1
1,5000 10
-3
2,85 **
SAVI
1,00
X
2
1,9000 10
-3
5,44 **
Intercepto 0,3833 ----
X
1
1,7000 10
-3
2,92 **
SAVI
0,50
X
2
2,1000 10
-3
5,43 **
Intercepto 0,4391 ----
X
1
1,9000 10
-3
2,99 **
SAVI
0,25
X
2
2,2000 10
-3
5,39 **
Intercepto -0,6577 ----
X
1
2,4000 10
-3
2,23 *
WDRVI
0,05
X
2
3,6000 10
-3
5,14 **
Intercepto -0,4263 ----
X
1
3,2000 10
-3
2,46 *
WDRVI
0,10
X
2
4,5000 10
-3
5,20 **
Intercepto -0,1261 ----
X
1
3,6000 10
-3
2,71 **
WDRVI
0,20
X
2
4,6000 10
-3
5,22 **
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
107
Nas Tabelas 49 e 50, pode-se observar que, ao nível em que foram
realizados os testes, todos os modelos analisados satisfizeram os critérios de
adoção de modelos, falta de ajustamento não significativa, regressão
significativa e efeitos significativos dos fatores doses de N aplicadas na
semeadura (X
1
) e em cobertura (X
2
). As superfícies de respostas dos valores
médios dos índices de vegetação NDVI, GNDVI, SAVI e WDRVI em função das
doses de N aplicadas na semeadura e em cobertura, não levando em
consideração os efeitos das interações, são ilustrados, respectivamente, nas
Figuras 50 a 57.
Figura 50. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação NDVI em função das doses
de N aplicadas na semeadura e em cobertura para o experimento 2.
108
Figura 51. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação GNDVI em função das
doses de N aplicadas na semeadura e em cobertura para o
experimento 2.
Figura 52. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação SAVI com L=1,00 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
109
Figura 53. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação SAVI com L=0,50 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Figura 54. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação SAVI com L=0,25 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
110
Figura 55. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação WDRVI com a=0,05 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
Figura 56. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação WDRVI com a=0,10 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
111
Figura 57. Superfície de resposta do modelo linear ajustado aos 69 DAE dos
valores médios do índice de vegetação WDRVI com a=0,20 em
função das doses de N aplicadas na semeadura e em cobertura
para o experimento 2.
De maneira geral, os valores dos índices de vegetação ilustrados nas
figuras correspondentes aos modelos ajustados aos 50, 56 e 69 DAE, para o
experimento 2, aumentam, de certa forma, com o aumento das doses de N
aplicadas na semeadura e em cobertura. Esse comportamento era esperado,
pois, geralmente, os valores dos índices de vegetação são maiores quanto
maior for o vigor vegetativo do dossel avaliado. Esse fato se justifica, pois, de
acordo com Ponzoni (2001), a reflectância nas folhas quando submetida a
efeitos de estresses, tais como doenças, problemas fisiológicos e condições
ambientais adversas, nos comprimentos de onda do visível, apresenta-se maior
do que folhas sadias. Segundo Hoffer (1978), a produção de clorofila é
diminuída quando uma planta está sob estresse, assim, a reflectância na região
do visível será mais alta, particularmente na porção vermelha do espectro.
Analogamente, pode se concluir que quando uma planta está submetida a
menores doses de adubação, estará, consequentemente, submetida a maiores
tensões quando comparadas às que receberam maiores doses. Em
comparação com os comprimentos de onda visíveis, na faixa do infravermelho
próximo, a vegetação verde saudável é caracterizada por uma alta reflectância,
112
alta transmitância e muito baixa absorbância (Hoffer, 1978). A diferença entre
os valores de reflectância, nos distintos comprimentos de onda, combinados
para formação dos índices de vegetação, fazem com que os valores desses
índices alterem-se de acordo com a situação do dossel vegetativo.
Os valores dos coeficientes de determinação dos modelos ajustados aos
50, 56 e 69 DAE, para o experimento 2, entre doses de N aplicadas na
semeadura e em cobertura e valores médios dos índices de vegetação NDVI,
GNDVI, SAVI e WDRVI, são apresentados na Tabela 51.
Visualmente, na Tabela 51, é possível verificar que aos 69 DAE, os
valores dos coeficientes de determinação foram menores, quando comparados
aos 50 e 56 DAE. Como pode ser observado na Figura 58, aos 69 DAE, a
cultura estava em processo inicial de amarelecimento das folhas, na etapa de
transição entre R8 e R9 da fase reprodutiva. A desuniformidade na cor do
dossel da cultura, provocada pelo amarelecimento das folhas, não ocorreu ao
mesmo tempo para todas as parcelas. Esse fato sucedeu pela alteração do
desenvolvimento das plantas causado pelas diferentes doses de N aplicadas
nas diferentes parcelas. Assim, além dos coeficientes de determinação
mostrarem-se inferiores às outras épocas avaliadas, a avaliação da relação
entre doses de nitrogênio aplicadas na semeadura e em cobertura e valores de
reflectância, nessa época, não foi considerada satisfatória.
Tabela 51. Valores dos coeficientes de determinação dos modelos ajustados aos 50,
56 e 69 DAE, para o experimento 2, entre doses de N aplicadas na
semeadura e em cobertura e valores médios dos índices de vegetação
NDVI, GNDVI, SAVI e WDRVI
Época
Índice de vegetação
50 DAE 56 DAE 69 DAE
NDVI 0,8046 0,8137 0,6226
GNDVI 0,8353 0,8348 0,6155
SAVI
1,00
0,7856 0,8145 0,6586
SAVI
0,50
0,7933 0,8182 0,6585
SAVI
0,25
0,7996 0,8201 0,6524
WDRVI
0,05
0,7660 0,7801 0,6064
WDRVI
0,10
0,7736 0,7929 0,6147
WDRVI
0,20
0,7839 0,8035 0,6216
Aos 50 DAE a cultura estava na etapa R7, considerada a fase de
formação de vagens e aos 56 DAE, na etapa R8, caracterizada como a etapa
113
de enchimento de vagens (Santos e Gavilanes, 2006). A Figura 59 ilustra a
situação da cultura aos 50 DAE para o experimento 2.
Figura 58. Fase inicial de amarelecimento das folhas do feijoeiro aos 69 DAE
para o experimento 2.
Figura 59. Situação do feijoeiro na etapa R7 de desenvolvimento (fase de
formação de vagens).
Segundo Souza et al. (2005), o nitrogênio é importante componente da
molécula de clorofila, dos aminoácidos e dos hormônios vegetais, estando,
portanto, diretamente associado à atividade fotossintética, aos processos de
multiplicação e expansão celular, bem como à fixação de vagens e ao
enchimento dos grãos. A cultura, aos 50 DAE, não tinha revelado todo o seu
potencial produtivo, pois ainda estava na fase de formação de vagens. Aos 56
DAE, na etapa R8, de acordo com Souza et al. (2005), a cultura ainda
necessitava do elemento nitrogênio para o processo de enchimento dos grãos.
114
Apesar de bem próximos, é possível verificar uma tendência de maiores
valores de coeficientes de determinação aos 56 DAE, quando comparados com
os valores aos 50 DAE. Assim, a avaliação feita aos 56 DAE, para o
experimento 2, foi considerada a mais promissora no estabelecimento de uma
relação funcional entre os valores médios dos índices de vegetação NDVI,
GNDVI, SAVI, WDRVI e as doses de N aplicadas na semeadura e em cobertura.
Para Gitelson et al. (1996), o GNDVI tem uma escala dinâmica mais
larga do que o NDVI e é, na média, ao menos cinco vezes mais sensível à
concentração de clorofila. Aos 50 e 56 DAE, os valores dos coeficientes de
determinação dos modelos ajustados com o índice GNDVI foram maiores que
os demais. O índice GNDVI utiliza a banda do verde na sua formação. Em um
trabalho com objetivo de discriminar estágios nutricionais na cultura do trigo
proporcionados por doses de nitrogênio a partir da estimativa da resposta
espectral do dossel por meio de um sistema de visão artificial, Sena Jr. et al.
(2008), também ressaltaram a importância da banda verde no processo de
classificação. Resultados parecidos foram obtidos por Silva Jr. et al. (2008). Os
autores concluíram que os índices calculados com a banda verde, extraídos de
imagens digitais, mostraram-se mais eficientes na relação com o teor de N
foliar de pastagem, do que aqueles que utilizaram a banda vermelha, em todos
os períodos estudados.
O índice NDVI, segundo Gitelson (2004), chega a saturação em
condições de biomassa moderada a alta. Isso acontece porque a reflectância
na região do vermelho do espectro exibe pouca resposta quando o índice de
área foliar (IAF) excede a dois e a reflectância na região do infravermelho
próximo continua respondendo significativamente a mudanças na densidade de
vegetação com IAF de dois a seis. Entretanto essa alta sensibilidade na região
do infravermelho próximo provoca pouco efeito nos valores NDVI quando a
reflectância nesta faixa do espectro excede 30%. Para minimizar este efeito, o
mesmo autor propôs uma modificação para o índice NDVI colocando um
coeficiente na região do infravermelho próximo (WDRVI - Índice de Vegetação
de Larga Escala Dinâmica), minimizando o efeito de saturação do índice em
condições de biomassa moderada a alta. Pela Tabela 51, pode-se observar
que todos os modelos ajustados com o índice WDRVI, em todas suas
variações, apresentaram valores menores de coeficiente de variação quando
115
comparados com os modelos ajustados com os outros índices avaliados. Pode-
se observar ainda que, para todos os DAE, à medida que se aumenta o valor
de a, o valor do coeficiente de determinação tende a aumentar para os
modelos ajustados com esse índice. Ainda segundo Gitelson (2004), este
índice possui maior sensibilidade a mudanças no IAF. A densidade do feijoeiro
avaliado pode não ter influenciado o uso desse índice para o ajuste de modelos
entre doses de N na semeadura e em cobertura e os valores médios do índice
de vegetação WDRVI em todas suas variações.
4.2.4. Avaliação da relação entre valores SPAD e teores de
nitrogênio foliar
Os valores calculados dos coeficientes de variação (CV) médios entre as
repetições para os valores de SPAD e NF nas diferentes doses de N aplicadas
na semeadura e cobertura para o experimento 1, aos 39 DAE e aos 35 e 57
DAE para o experimento 2 são apresentados nas Tabelas 52, 53 e 54,
respectivamente.
Tabela 52. Valores médios calculados dos CV, em percentagem, para os
valores de SPAD e NF nas doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas na semeadura e 0, 20, 30, 40, 60 e 80 kg ha
-1
aplicadas
em cobertura para o experimento 1, aos 39 DAE
Doses de N aplicadas em cobertura (kg ha
-1
)
Variável
0 20 30 40 60 80
0 10,12 2,89 2,85 7,79 7,90 2,42
20 5,72 3,85 9,58 9,11 5,50 2,66
30 6,72 6,80 3,92 6,64 2,58 1,59
40 3,95 3,68 3,59 3,45 3,07 4,13
SPAD
50 4,75 9,31 9,98 1,87 3,04 4,39
0 22,14 5,51 8,87 21,92 12,51 7,95
20 17,05 7,67 11,29 21,83 19,79 21,82
30 15,97 11,70 11,40 24,62 17,29 7,27
40 17,60 17,17 16,13 9,33 9,91 11,51
NF
Doses de N aplicadas na
semeadura (kg ha
-1
)
50 4,99 18,36 22,32 10,11 10,35 19,43
Pode-se observar, para todas as épocas nos dois experimentos, uma
tendência de superioridade nos valores de CV para a variável NF. Observa-se
ainda que, segundo a classificação de Gomes (1982), a maioria dos valores de
CV para a variável SPAD e NF em todas as épocas e experimentos, foram
116
classificados como baixos e altos, respectivamente, para ensaios agrícolas de
campo. Os maiores valores de CV, para a variável NF, podem ser justificados
pelo fato de que, apesar de altamente correlacionados, os valores obtidos pelo
clorofilômetro portátil não são influenciados somente pelo conteúdo de N
contido nas folhas.
Tabela 53. Valores médios calculados dos CV, em percentagem, para os
valores de SPAD e NF nas doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas na semeadura e 0, 20, 30, 40, 60 e 80 kg ha
-1
aplicadas
em cobertura para o experimento 2, aos 35 DAE
Doses de N aplicadas em cobertura (kg ha
-1
)
Variável
0 20 30 40 60 80
0 12,21 2,62 9,29 7,39 3,03 2,15
20 5,49 1,20 6,23 3,67 1,79 3,26
30 6,91 2,83 6,34 7,08 2,21 5,95
40 2,78 5,65 8,80 0,86 1,24 6,18
SPAD
50 8,97 5,03 9,56 4,52 1,69 1,12
0 6,84 16,12 8,64 8,15 21,54 7,71
20 13,49 8,84 17,22 16,83 5,95 15,76
30 13,40 6,63 16,42 14,28 10,77 11,58
40 21,21 19,38 38,00 9,01 5,46 13,58
NF
Doses de N aplicadas na
semeadura (kg ha
-1
)
50 10,50 19,93 6,11 22,80 4,25 2,31
Tabela 54. Valores médios calculados dos CV, em percentagem, para os
valores de SPAD e NF nas doses 0, 20, 30, 40 e 50 kg de N ha
-1
aplicadas na semeadura e 0, 20, 30, 40, 60 e 80 kg ha
-1
aplicadas
em cobertura para o experimento 2, aos 57 DAE
Doses de N aplicadas em cobertura (kg ha
-1
)
Variável
0 20 30 40 60 80
0 3,00 4,33 5,11 2,26 8,99 8,73
20 11,10 6,03 10,00 8,95 2,60 8,57
30 13,22 5,76 9,78 7,16 5,06 5,88
40 13,85 7,13 7,08 8,97 14,82 10,17
SPAD
50 7,45 1,42 10,58 2,25 1,31 8,53
0 11,07 16,80 28,15 10,73 12,57 10,36
20 22,82 4,56 20,80 19,80 19,66 15,89
30 14,94 19,36 24,02 11,45 8,70 28,50
40 20,82 20,05 23,84 10,28 22,13 37,70
NF
Doses de N aplicadas na
semeadura (kg ha
-1
)
50 9,37 4,09 15,19 7,78 8,16 28,37
117
Os valores dos coeficientes de correlação entre NF e valores SPAD,
para todas as épocas de coleta de dados posteriores à adubação em cobertura
para os experimentos 1 e 2 são apresentados na Tabela 55.
Tabela 55. Coeficientes de correlação entre os teores de NF e os valores
SPAD em nas diferentes épocas de coleta de dados
Experimentos Épocas Coeficiente de correlação
1 39 DAE 0,67 *
35 DAE 0,40 *
2
57 DAE 0,27 *
* correlação significativa a 5% de probabilidade.
Para o experimento 1, o coeficiente de correlação aos 39 DAE tendeu a
ser maior do que os coeficientes para o experimento 2 aos 35 e 57 DAE. Essa
situação mostrou-se contrária às análises anteriormente realizadas ressaltando
o possível efeito residual de N no solo. Após a adubação em cobertura, o uso
do clorofilômetro portátil SPAD 502, para a verificação de uma relação
funcional entre os valores SPAD e o NF, não se mostrou eficaz. Os altos
valores de CV para a variável NF influenciado pela difícil realização de uma
amostragem satisfatória, já que, nas épocas analisadas, o feijoeiro se
encontrava com muitas folhas, pode ser a justificativa para a não verificação de
correlação entre valores SPAD e NF.
Como já ressaltado, segundo Vieira (2006), a adubação nitrogenada em
cobertura deve ser feita de 15 a 30 dias após a emergência, caso contrário tem
pequeno efeito ou é inútil. A identificação tardia, ou seja, 30 dias após a
emergência, teria aplicação apenas em um possível diagnóstico de uma queda
na produção por deficiência de nitrogênio ou previsão da produção e não de
correção.
4.2.5. Relação entre doses de nitrogênio aplicadas na semeadura e
em cobertura e produtividade do feijoeiro e seus componentes de
rendimento
Os valores calculados da produtividade média (kg ha
-1
) corrigidos para a
umidade de 12% na base úmida, para as diferentes doses de N aplicadas na
semeadura e em cobertura são apresentados nas Tabelas 56 e 57 para os
experimentos 1 e 2 respectivamente.
118
Tabela 56. Valores calculados da produtividade média (kg ha
-1
) corrigidos para
a umidade de 12% na base úmida, para as diferentes doses de N
aplicadas na semeadura e em cobertura para o experimento 1
Doses de N na semeadura (kg ha
-1
) Doses de N em cobertura
(kg ha
-1
)
0 20 30 40 50
0 1895,57 2396,51 2337,99 2063,77 2440,45
20 1958,75 2049,06 2240,91 2506,98 2196,48
30 2165,84 2174,05 2439,27 1801,73 2165,67
40 2165,50 2384,15 1879,26 2640,95 2350,13
60 2408,76 2122,57 2778,65 2417,53 1731,02
80 2853,08 2026,56 2780,28 2318,63 2628,89
Para o experimento 1, o menor valor observado de produtividade foi de
1.731,02 kg ha
-1
, para as doses 50 kg ha
-1
de N aplicados na semeadura e 60
kg ha
-1
de N aplicados em cobertura. Este valor, segundo dados da Conab
(2008), supera o rendimento médio do feijão, correspondente a essa safra,
para o estado de Minas Gerais e do Brasil na safra 2007/08 que foram de 1.160
e 677 kg ha
-1
respectivamente. O maior valor observado, para esse mesmo
experimento, foi 2.853,08 kg ha
-1
, para as doses zero kg ha
-1
de N aplicados na
semeadura e 80 kg ha
-1
de N aplicados em cobertura.
Os valores de produtividade para o experimento 1 não apresentam
coerência de acordo com os tratamentos. O efeito residual dos macronutrientes
já discutido anteriormente juntamente com ocorrência da doença mofo-branco
podem ter contribuído para esse efeito. O mofo-branco é a doença do feijoeiro
mais destrutiva em áreas irrigadas no Brasil e é responsável por elevadas
perdas nos últimos anos (Paula Júnior e Zambolim, 2006).
Tabela 57. Valores calculados da produtividade média (kg ha
-1
) corrigidos para
a umidade de 12% na base úmida, para as diferentes doses de N
aplicadas na semeadura e em cobertura para o experimento 2
Doses de N na semeadura (kg ha
-1
) Doses de N em cobertura
(kg ha
-1
) 0 20 30 40 50
0 1195,94 1804,53 1304,06 2367,29 2204,84
20 1519,59 1367,18 2372,30 2330,41 2388,99
30 1425,28 2257,77 2238,78 2413,78 2624,64
40 2385,17 2219,41 2775,79 2757,71 3103,29
60 2170,41 3030,74 2644,76 3575,87 2971,14
80 2883,79 3094,85 2765,97 3408,97 3840,07
No experimento 2, os menores e maiores valores de produtividade,
ocorreram, como era esperado, respectivamente, para as menores e maiores
119
doses de N aplicadas na semeadura e em cobertura. Esses valores, 1.195,94 e
3.840,07 kg ha
-1
, estão inseridos nos níveis mais baixo e mais alto de
tecnologia, de acordo com os níveis propostos por Chagas et al. (1999), nas
recomendações de fertilizantes para a cultura do feijão em Minas Gerais.
Segundo dados da Conab (2008), para o estado de Minas Gerais e para o
Brasil, o rendimento médio do feijão, correspondente a essa safra, foi de 2.302
e 930 kg ha
-1
respectivamente. Assim, o menor valor de produtividade
observado foi menor que o rendimento médio para o estado e maior que para o
país.
Na Tabela 58 são apresentados os resultados da análise de variância da
regressão com o teste para falta de ajustamento dos modelos lineares
(Equação 8) ajustados na avaliação da relação entre doses de nitrogênio
aplicadas na semeadura e em cobertura e a produtividade para os dois
experimentos estudadas.
Para os dois experimentos, os modelos ajustados entre doses de N
aplicadas na semeadura e em cobertura e valores calculados da produtividade
(kg ha
-1
) apresentaram valores não significativos ao nível de 5% no teste F
para a falta de ajustamento, indicando um bom ajuste dos dados. No teste F da
regressão, apenas o modelo ajustado para o experimento 2 foi significativo ao
nível de probabilidade em que foi realizado o teste. Na Tabela 59 são
apresentadas as estimativas dos coeficientes de regressão e o teste t do
modelo ajustado para o experimento 2.
Tabela 58. Resultados do teste F da análise de variância da regressão para falta
de ajustamento do modelo linear ajustado entre doses de N aplicadas
na semeadura e em cobertura e valores calculados da produtividade
(kg ha
-1
) corrigidos para a umidade de 12% na base úmida para os
dois experimentos
Experimento Falta de Ajuste Regressão
1 0,75
ns
1,54
ns
2 1,00
ns
43,10 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Os efeitos dos fatores doses de N aplicadas na semeadura e em
cobertura, no teste t, apresentaram-se significativos para o modelo ajustado. A
interação não foi significativa, e segundo Gomes (1982), essa situação
120
geralmente acontece em experimentos de adubação. Portanto, para o
experimento 2, foi eliminada a variável interação (X
1
X
2
)
e um novo modelo foi
ajustado (Equação 8). Nas Tabelas 60 e 61 são apresentados,
respectivamente, os resultados da análise de variância da regressão com o
teste para falta de ajustamento e as estimativas e o teste t dos coeficientes de
regressão com desse modelo.
Tabela 59. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura
e valores calculados da produtividade (kg ha
-1
) corrigidos para a
umidade de 12% na base úmida, para o experimento 2
Variáveis Estimativas t
Intercepto 1115,30 ----
X
1
21,73 4,01 **
X
2
20,54 5,35 **
X
1
X
2
-5,89 10
-2
-0,50
ns
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 60. Resultados do teste F da análise de variância da regressão para falta
de ajustamento do modelo linear ajustado entre doses de N aplicadas
na semeadura e em cobertura e valores calculados da produtividade
(kg ha
-1
) corrigidos para a umidade de 12% na base úmida, sem uso
da variável interação, para o experimento 2
Falta de Ajuste Regressão
0,97
ns
64,53 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 61. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura
e valores calculados da produtividade (kg ha
-1
) corrigidos para a
umidade de 12% na base úmida, sem uso da variável interação,
para o experimento 2
Variáveis Estimativas t
Intercepto 1178,51 ----
X
1
19,47 6,38 **
X
2
18,89 9,40 **
** significativo ao nível de 1% de probabilidade.
O modelo ajustado sem uso da variável interação, satisfez todos os
critérios de seleção de modelos, falta de ajustamento não significativa,
regressão significativa e apresentaram efeitos significativos dos fatores doses
de N aplicadas na semeadura (X
1
) e em cobertura (X
2
). Assim, conclui-se que a
121
produtividade respondeu significativamente, para o experimento 2, aos
tratamentos doses de N aplicadas na semeadura e em cobertura. O incremento
significativo da produtividade com a adubação nitrogenada também foi
observado por Calvache et al. (1997). A Figura 60 ilustra a superfície de
resposta do modelo ajustado entre doses de N aplicadas na semeadura e em
cobertura e valores calculados da produtividade.
Foi analisada a existência de relações funcionais entre os componentes
de rendimento número de vagens por planta (NVP), número de grãos por
vagem (NGV) e massa de cem grãos (MCG) e os tratamentos doses de N
aplicadas na semeadura e em cobertura por meio de análises de regressão. Os
resultados da análise de variância da regressão com o teste para falta de
ajustamento dos modelos lineares ajustados nessa avaliação, para os
experimentos 1 e 2, são apresentados na Tabela 62.
Figura 60. Superfície de resposta do modelo linear ajustado entre doses de N
aplicadas na semeadura e em cobertura e valores calculados da
produtividade (kg ha
-1
) corrigidos para a umidade de 12% na base
úmida, para o experimento 2.
Os modelos ajustados entre doses de N aplicadas na semeadura e em
cobertura e valores dos componentes de rendimento apresentaram valores não
significativos ao nível de 5% no teste F para a falta de ajustamento, para o
experimento 1. Assim como para os dados de produtividade, nenhum modelo
122
ajustado com uso dos componentes de rendimento, nesse experimento, foi
significativo no teste F da regressão.
Tabela 62. Resultados do teste F da análise de variância da regressão para
falta de ajustamento do modelo linear ajustado entre doses de N
aplicadas na semeadura e em cobertura e valores dos
componentes de rendimento (CR) número de vagens por planta
(NVP), número de grãos por vagem (NGV) e massa de cem grãos
(MCG), para os experimentos 1 e 2
Experimento 1 Experimento 2
Componente de
rendimento
Falta de
Ajuste
Regressão
Falta de
Ajuste
Regressão
NVP 0,70
ns
1,97
ns
0,61
ns
54,95 **
NGV 0,95
ns
1,11
ns
1,78 * ----
MCG 1,23
ns
0,26
ns
0,67
ns
2,84 *
** significativo ao nível de 1% de probabilidade; *
significativo ao nível de 5% de probabilidade
ns
não significativo ao nível de 5% de probabilidade.
Para o experimento 2, os modelos ajustados com uso dos componentes
de rendimento NVP e MCG apresentaram, ao nível de 5% de probabilidade,
valores no teste F não significativos para a falta de ajustamento e significativos
para regressão. As estimativas e o teste t dos coeficientes de regressão desses
modelos são apresentados na Tabela 63.
Tabela 63. Estimativas e teste t dos coeficientes de regressão dos modelos
lineares ajustados entre doses de N aplicadas na semeadura e em
cobertura e valores dos componentes de rendimento número de
vagens por planta (NVP) e massa de cem grãos (MCG), para o
experimento 2
CR Variáveis Estimativas t
Intercepto 4,09 ----
X
1
5,43 10
-2
3,87 **
X
2
4,68 10
-2
4,71**
NVP
X
1
X
2
2,00 10
-4
0,69
ns
Intercepto 25,37 ----
X
1
-1,59 10
-2
-1,02
ns
X
2
9,00 10
-3
0,81
ns
MCG
X
1
X
2
2,00 10
-4
0,72
ns
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Pela Tabela 63 pode-se observar que os efeitos dos fatores doses de N
aplicadas na semeadura e em cobertura, no teste t, apresentaram-se
significativos para o modelo ajustado com uso do componente de rendimento
123
NVP. Para esse modelo, apenas o efeito da interação não foi significativo. Para
o componente de rendimento MCG, os efeitos dos fatores doses de N
aplicadas na semeadura e em cobertura e a interação entre eles não foram
significativos. Assim, para o componente de rendimento NVP, foi eliminada a
variável interação (X
1
X
2
)
e um novo modelo foi ajustado (Equação 8). Os
resultados da análise de variância da regressão com o teste para falta de
ajustamento e as estimativas e o teste t dos coeficientes de regressão desse
modelo são apresentados nas Tabelas 64 e 65, respectivamente.
O modelo ajustado sem uso da variável interação, satisfez todos os
critérios de seleção de modelos, concluindo que o NVP respondeu
significativamente, para o experimento 2, aos tratamentos doses de N
aplicadas na semeadura e em cobertura. No trabalho de Calvache et al. (1997),
além do incremento significativo da produtividade, o número de vagens por
planta também teve a mesma resposta com a adubação nitrogenada. A
superfície de resposta do modelo ajustado entre doses de N aplicadas na
semeadura e em cobertura e os valores de NVP, sem uso da variável
interação, é apresentada na Figura 61.
Tabela 64. Resultados do teste F da análise de variância da regressão para falta
de ajustamento do modelo linear ajustado entre doses de N
aplicadas na semeadura e em cobertura e valores do componente
de rendimento NVP, sem uso da variável interação, para o
experimento 2
Falta de Ajuste Regressão
0,60
ns
82,19 **
** significativo ao nível de 1% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Tabela 65. Estimativas e teste t dos coeficientes de regressão do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura
e valores do componente de rendimento NVP, sem uso da variável
interação, para o experimento 2
Variáveis Estimativas t
Intercepto 3,87 ----
X
1
0,06 7,89 **
X
2
0,05 10,11 **
** significativo ao nível de 1% de probabilidade.
Para o modelo ajustado com uso do componente de rendimento NGV
(Tabela 62), o teste F para falta de ajustamento, para o experimento 2,
124
mostrou-se significativo. Assim, foi ajustado outro modelo representado na
Equação 9. O modelo ajustado com uso do componente de rendimento NGV
apresentou, na análise de variância da regressão, valores 1,59 e 7,80 no teste
F para a falta de ajustamento e regressão, respectivamente. Esses valores
foram não significativo para falta de ajustamento e significativo para a
regressão ao nível em que foi realizado o teste. Na Tabela 66 são
apresentadas as estimativas e o teste t dos coeficientes de regressão desse
modelo.
Figura 61. Superfície de resposta do modelo linear ajustado entre doses de N
aplicadas na semeadura e em cobertura e valores de NVP para o
experimento 2.
Para o componente de rendimento NGV, observa-se que o efeito do
fator doses de N aplicadas na semeadura foi significativo, no teste t, apenas na
forma simples. Para o fator doses de N aplicadas em cobertura, foram
significativos os efeitos nas formas simples e quadráticas. Nesse mesmo
modelo, o efeito da interação entre doses de N aplicadas na semeadura e em
cobertura não foi significativo ao nível de 5% de probabilidade. Essas variáveis
foram eliminadas e foi ajustado um novo modelo (Equação 9).
Após a retirada das variáveis supracitadas, ao nível de 5% de
probabilidade, o modelo ajustado com uso do componente de rendimento NGV
125
apresentou, na análise de variância da regressão, valor não significativo (1,68)
e significativo (11,18) no teste F para a falta de ajustamento e regressão,
respectivamente. Todas as variáveis usadas nesse modelo apresentaram, no
teste t, valores significativos dos coeficientes de regressão (Tabela 67). Além
do incremento significativo da produtividade e do número de vagens por planta,
para o número de grãos por vagem, o incremento significativo com a adubação
nitrogenada também foi observado no trabalho de Calvache et al. (1997). A
Figura 62 ilustra a superfície de resposta do modelo ajustado entre doses de N
aplicadas na semeadura e em cobertura e os valores de NGV.
Tabela 66. Estimativas e teste t dos coeficientes de regressão do modelo
ajustado entre doses de N aplicadas na semeadura e em
cobertura e valores do componente de rendimento número de
grãos por vagens (NGV), para o experimento 2
Variáveis Estimativas t
Intercepto 4,42 ----
X
1
0,02 3,44 **
X
2
0,01 3,17 **
X
1
2
-2,00 10
-4
-1,99
ns
X
2
2
-1,00 10
-4
-2,05 *
X
1
X
2
-1,00 10
-4
-1,23
ns
** significativo ao nível de 1% de probabilidade; *
significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
Tabela 67. Estimativas e teste t dos coeficientes de regressão do modelo
ajustado entre doses de N aplicadas na semeadura e em
cobertura e valores do componente de rendimento número de
grãos por vagens (NGV), para o experimento 2
Variáveis Estimativas t
Intercepto 4,55 ----
X
1
6,30 10
-3
4,33 **
X
2
9,50 10
-3
2,93 **
X
2
2
-1,00 10
-4
-2,05 *
** significativo ao nível de 1% de probabilidade; *
significativo ao nível de 5% de probabilidade.
126
Figura 62. Superfície de resposta do modelo linear ajustado entre doses de N
aplicadas na semeadura e em cobertura e valores de NGV para o
experimento 2.
4.2.6. Relação entre índices de vegetação e produtividade do
feijoeiro e seus componentes de rendimento
Na Tabela 68 são apresentados os valores dos coeficientes de
correlação entre os índices de vegetação NDVI, GNDVI, SAVI e WDRVI,
produtividade do feijoeiro (PR) e seus componentes de rendimento número de
vagens por planta (NVP), número de grãos por vagem (NGV) e massa de cem
grãos (MCG) para o experimento 1 aos 46, 53 e 62 DAE.
Pode-se observar na Tabela 68, baixos valores dos coeficientes de
correlação, para o experimento 1, em todas as épocas analisadas. Aos 46
DAE, a correlação apresentou valores significativos ao nível de 5%, somente
para o componente de rendimento MCG e os índices NDVI e WDRVI com a
constante a nos valores 0,10 e 0,20. Para o componente de rendimento NVP,
somente o índice SAVI apresentou coeficientes de correlação significativos
para todas as suas variações. Aos 46 DAE, houve uma tendência de aumento
dos valores dos coeficientes de correlação com a diminuição dos valores da
constante L, e aumento dos valores da constante a, para os índices SAVI e
WDRVI, respectivamente. Assim, para essa época, foram descartados da
127
análise de correlação canônica, os índices SAVI com L de valores 1,00 e 0,50 e
o WDRVI com a de valores 0,05 e 0,10.
Tabela 68. Coeficientes de correlação entre índices de vegetação,
produtividade do feijoeiro e seus componentes de rendimento,
para o experimento 1
Componentes de rendimento
Épocas Índices de vegetação
PR NVP NGV MCG
NDVI -0,2661
ns
-0,1789
ns
0,1310
ns
-0,3923
*
GNDVI 0,0216
ns
0,1595
ns
0,1500
ns
-0,2948
ns
SAVI
1,00
-0,2109
ns
-0,3850 * 0,2337
ns
-0,2294
ns
SAVI
0,50
-0,2199
ns
-0,3834 * 0,2375
ns
-0,2472
ns
SAVI
0,25
-0,2319
ns
-0,3780 * 0,2395
ns
-0,2712
ns
WDRVI
0,05
-0,2695
ns
-0,1631
ns
0,0861
ns
-0,3587
ns
WDRVI
0,10
-0,2694
ns
-0,1724
ns
0,1055
ns
-0,3736 *
46 DAE
WDRVI
0,20
-0,2677
ns
-0,1761
ns
0,1188
ns
-0,3831 *
NDVI -0,0696
ns
0,0678
ns
-0,1392
ns
0,1149
ns
GNDVI 0,2284
ns
0,2870
ns
0,1396
ns
0,0499
ns
SAVI
1,00
0,0109
ns
-0,1883
ns
0,1930
ns
0,0252
ns
SAVI
0,50
0,0098
ns
-0,1843
ns
0,1851
ns
0,0312
ns
SAVI
0,25
0,0044
ns
-0,1729
ns
0,1663
ns
0,0422
ns
WDRVI
0,05
-0,0796
ns
0,1368
ns
-0,2039
ns
0,1735
ns
WDRVI
0,10
-0,0771
ns
0,1061
ns
-0,1755
ns
0,1487
ns
53 DAE
WDRVI
0,20
-0,0738
ns
0,0864
ns
-0,1572
ns
0,1319
ns
NDVI 0,3160
ns
0,2143
ns
0,1644
ns
0,2764
ns
GNDVI 0,3654 * 0,2968
ns
0,2170
ns
0,2432
ns
SAVI
1,00
0,3418
ns
0,3438
ns
0,1910
ns
0,2469
ns
SAVI
0,50
0,3438
ns
0,3265
ns
0,1917
ns
0,2576
ns
SAVI
0,25
0,3437
ns
0,3038
ns
0,1907
ns
0,2682
ns
WDRVI
0,05
0,3722 * 0,2580
ns
0,2017
ns
0,2521
ns
WDRVI
0,10
0,3560
ns
0,2438
ns
0,1903
ns
0,2614
ns
62 DAE
WDRVI
0,20
0,3399
ns
0,2311
ns
0,1793
ns
0,2689
ns
* significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Aos 53 DAE, não foi verificado nenhum valor significativo do coeficiente
de correlação. Os valores dos coeficientes de correlação para o índice SAVI
tenderam a aumentar com o aumento dos valores da constante L. Já para o
WDRVI, esses valores diminuíram com o aumento da constante a.
Como os índices SAVI e WDRVI, nas suas diferentes variações, são
altamente correlacionados entre si, foram considerados na análise de
correlação canônica, apenas um índice SAVI e WDRVI de coeficiente L ou a,
respectivamente, que apresentou maior correlação com os componentes de
rendimento. Para a realização da análise de correlação canônica aos 53 DAE,
128
para esse experimento, foram descartados do grupo índices de vegetação os
índices SAVI com L de valores 0,50 e 0,25 e o WDRVI com a de valores 0,10 e
0,20.
Para os dados obtidos aos 62 DAE, valores significativos de correlação
foram observados apenas para a produtividade e os índices GNDVI e WDRVI
(a=0,05) com valores de 0,3654 e 0,3722, respectivamente. Em um
experimento paralelo, na mesma área experimental, Tormen (2008) com uso
dos mesmos índices de vegetação extraídos de imagens obtidas a
aproximadamente três metros sobre o dossel da cultura, correlacionou estes
índices com os valores de produtividade. O valor de correlação para o índice
GNDVI foi de 0,52, com uso de imagens obtidas aos 64 DAE, para esse
mesmo experimento e o índice WDRVI não apresentou correlação significativa.
Assim como aos 53 DAE, os valores dos coeficientes de correlação do índice
SAVI tenderam a aumentar com o aumento do valor da constante L. Para o
índice WDRVI, os valores dos coeficientes de correlação tenderam a ser
maiores com a diminuição dos valores da constante a. Foram descartados do
grupo índices de vegetação os índices SAVI com L de valores 0,50 e 0,25 e os
índices WDRVI com valores de 0,10 e 0,20 para a constante a na avaliação
das correlações canônicas realizada aos 62 DAE.
Nas Tabelas 69, 70 e 71 são apresentadas as estimativas das
correlações canônicas e os pares canônicos entre o grupo valores médios dos
índices de vegetação (NDVI, GNDVI, SAVI, WDRVI) e o grupo produtividade do
feijoeiro e seus componentes rendimento do feijoeiro (PR, NVP, NGV, MCG)
para o experimento 1, aos 46, 53 e 62 DAE respectivamente.
Para o experimento 1, as primeiras correlações canônicas não foram
significativas ao nível de significância em que foram realizados os testes.
Assim, para esse experimento, aos 46, 53 e 62 DAE, conclui-se que os grupos
considerados, valores dos índices de vegetação e produtividade do feijoeiro e
seus componentes de rendimento são independentes. Como já discutido
anteriormente, a ocorrência da doença mofo-branco no feijoeiro, pode ter
contribuído para que os grupos considerados, em todas as épocas, para o
experimento 1, se mostrassem independentes.
129
Tabela 69. Correlações canônicas e pares canônicos entre valores médios dos
índices de vegetação e produtividade do feijoeiro e seus
componentes de rendimento para o experimento 1, aos 46 DAE
Pares canônicos
Variáveis
1º 2º 3º 4º
NDVI 4,0660 -11,3840 12,9487 -18,1317
GNDVI 1,1020 -0,1071 0,7121 0,7808
SAVI
0,25
-0,8360 0,4849 0,6681 0,8078
WDRVI
0,20
-4,6217 10,2721 -14,0503 17,3944
PR 0,3875 -0,0926 0,4032 -1,2507
NVP 0,8178 -0,0712 -0,2065 0,7827
NGV -0,3866 0,4373 0,9870 0,9388
MCG -0,3557 1,2669 0,2519 0,8009
r 0,6092 0,4532 0,3357 0,0042
X² 19,9292
n.s.
--- --- ---
ns
não significativo ao nível de 5% de probabilidade.
Tabela 70. Correlações canônicas e pares canônicos entre valores médios dos
índices de vegetação e produtividade do feijoeiro e seus
componentes de rendimento para o experimento 1, aos 53 DAE
Pares canônicos
Variáveis
1º 2º 3º 4º
NDVI 1,7473 -2,4750 -2,2960 2,4623
GNDVI 1,7550 0,1047 0,4023 0,1553
SAVI
1,00
-1,3888 -0,2682 0,8462 -0,0992
WDRVI
0,05
-2,7421 2,9574 1,9879 -1,6817
PR 0,7225 -0,5948 -0,4162 -0,9146
NVP 0,4697 0,9058 0,2186 0,4901
NGV -0,1510 -0,3391 1,3226 0,5561
MCG -0,7186 0,3345 1,3383 -0,1312
r 0,7029 0,4885 0,3139 0,0048
X² 25,9174
ns
--- --- ---
ns
não significativo ao nível de 5% de probabilidade.
Os valores dos coeficientes de correlação dos índices de vegetação
NDVI, GNDVI, SAVI e WDRVI com a produtividade do feijoeiro (PR) e seus
componentes de rendimento número de vagens por planta (NVP), número de
grãos por vagem (NGV) e massa de cem grãos (MCG) para o experimento 2
aos 50, 56 e 69 DAE, são apresentados na Tabela 72.
PR, NVP e NGV apresentaram coeficientes de correlação significativos a
5% com todos os índices de vegetação para todas as épocas estudadas. Com
exceção do coeficiente de correlação com o índice GNDVI aos 56 DAE
(0,4149), o componente de rendimento MCG, para as épocas 50 e 56 DAE,
130
não apresentou correlação significativa com os demais índices de vegetação
analisados ao nível de significância em que foi realizado o teste.
Tabela 71. Correlações canônicas e pares canônicos entre valores médios dos
índices de vegetação e produtividade do feijoeiro e seus
componentes de rendimento para o experimento 1, aos 62 DAE
Pares canônicos
Variáveis
1º 2º 3º 4º
NDVI -0,8530 -3,6666 -4,0733 -0,2538
GNDVI 3,0468 -2,7734 2,4579 -3,6018
SAVI
1,00
1,1172 -1,4914 0,4935 1,5326
WDRVI
0,05
-2,4131 8,0824 0,6224 2,4008
PR -0,2756 1,2460 0,2485 0,4419
NVP 0,7396 -0,6300 0,5701 0,2454
NGV 0,9394 -0,1037 -0,5905 -0,9769
MCG 0,8576 -0,4508 -1,2176 -0,1236
r 0,6476 0,4238 0,3633 0,0554
X² 21,7130
ns
--- --- ---
ns
não significativo ao nível de 5% de probabilidade.
Em relação aos 50 e 56 DAE, aos 69 DAE, para o experimento 2, os
coeficientes de correlação foram menores para PR e os componentes de
rendimento NVP, NGV e maiores para o componente de rendimento MCG, com
todos os índices estudados. Aos 69 DAE, para esse experimento, a cultura
encontrava-se em processo inicial de amarelecimento das folhas, na etapa de
transição entre R8 e R9 da fase reprodutiva (Figura 58). Esse fato pode ter
influenciado na elevação dos valores dos coeficientes de correlação para o
componente de rendimento MCG, pois com o amarelecimento e senescência
das folhas do feijoeiro, nessa época, foi ressaltado o aparecimento das vagens.
Ao contrário do presente trabalho, Tormen (2008), no experimento
paralelo, com uso de imagens, concluiu que a correlação entre os índices de
vegetação e a produtividade foi maior com o avanço dos dias após a
emergência, tendo a última época de avaliação aos 68 DAE. O mesmo autor
obteve maior correlação com a produtividade usando os índices GNDVI e
WDRVI. As maiores correlações com a produtividade, no presente trabalho
também foram obtidas com esses índices e o SAVI, aos 50 e 56 DAE. O índice
GNDVI utiliza a banda do verde na sua formação. Silva Jr. et al. (2008), em um
trabalho com uso de imagens digitais, concluíram que, na formação do índice
131
de vegetação da diferença normalizada, a banda verde mostrou-se mais
eficiente na relação com a estimativa da produtividade de massa seca de
pastagem do que a banda vermelha.
Tabela 72. Coeficientes de correlação entre índices de vegetação,
produtividade do feijoeiro e seus componentes de rendimento,
para o experimento 2
Componentes de rendimento
Épocas Índices de vegetação
PR NVP NGV MCG
NDVI 0,8443 ** 0,8182 ** 0,7035 ** 0,2476
ns
GNDVI 0,9016 ** 0,8798 ** 0,6878 ** 0,3307
ns
SAVI
1,00
0,9026 ** 0,8708 ** 0,7043 ** 0,2923
ns
SAVI
0,50
0,8944 ** 0,8630 ** 0,7076 ** 0,2848
ns
SAVI
0,25
0,8827 ** 0,8523 ** 0,7089 ** 0,2753
ns
WDRVI
0,05
0,9026 ** 0,8656 ** 0,6986 ** 0,3025
ns
WDRVI
0,10
0,8926 ** 0,8549 ** 0,7074 ** 0,2971
ns
50 DAE
WDRVI
0,20
0,8788 ** 0,8430 ** 0,7104 ** 0,2866
ns
NDVI 0,8557 ** 0,8201 ** 0,6905 ** 0,2895
ns
GNDVI 0,9067 ** 0,8794 ** 0,6457 ** 0,4149 *
SAVI
1,00
0,8964 ** 0,8578 ** 0,6782 ** 0,3184
ns
SAVI
0,50
0,8915 ** 0,8522 ** 0,6840 ** 0,3138
ns
SAVI
0,25
0,8839 ** 0,8447 ** 0,6885 ** 0,3079
ns
WDRVI
0,05
0,8916 ** 0,8457 ** 0,6511 ** 0,3511
ns
WDRVI
0,10
0,8896 ** 0,8427 ** 0,6690 ** 0,3434
ns
56 DAE
WDRVI
0,20
0,8825 ** 0,8373 ** 0,6817 ** 0,3303
ns
NDVI 0,8261 ** 0,8109 ** 0,5166 ** 0,4533 *
GNDVI 0,7912 ** 0,7863 ** 0,3866 * 0,5408 **
SAVI
1,00
0,8327 ** 0,8198 ** 0,4615 * 0,4452 *
SAVI
0,50
0,8354 ** 0,8217 ** 0,4753 ** 0,4491 *
SAVI
0,25
0,8359 ** 0,8214 ** 0,4893 ** 0,4521 *
WDRVI
0,05
0,8126 ** 0,7914 ** 0,3877 * 0,4908 **
WDRVI
0,10
0,8212 ** 0,7995 ** 0,4177 * 0,4892 **
69 DAE
WDRVI
0,20
0,8276 ** 0,8068 ** 0,4523 * 0,4827 **
** significativo ao nível de 1% de probabilidade; * significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de probabilidade.
Como já exposto anteriormente no item 4.1.4. (Avaliação da relação
entre doses de nitrogênio aplicadas na semeadura e valores médios de índices
de vegetação), o índice de vegetação WDRVI é uma modificação do índice
NDVI colocando um coeficiente na região do infravermelho próximo para
minimizar o efeito de saturação do índice em condições de biomassa moderada
a alta (Gitelson, 2004). Pela Tabela 72, pode-se observar que os coeficientes
de correlação entre o índice WDRVI e PR e seu componente de rendimento
NVP são maiores quando comparados com o NDVI aos 50 e 56 DAE. Pode-se
132
observar ainda que, nessas épocas, à medida que se aumenta o valor de a, o
valor do coeficiente de correlação tende a diminuir. Este índice, segundo
Gitelson (2004), possui maior sensibilidade a mudanças no IAF e será valioso,
para a agricultura de precisão, no acompanhamento da vegetação em
condições de densidade de moderada a alta. Na época 50 DAE o feijoeiro
encontrava-se na etapa R7 e aos 56 DAE, na R8. Essas épocas são
coincidentes com a maior densidade e vigor de vegetação do feijoeiro, o que
justifica os maiores valores de correlação encontrados com uso do índice
WDRVI.
Aos 50 e 56 DAE, para o índice SAVI, os valores dos coeficientes de
correlação apresentaram tendência de ser maiores com o aumento da
constante L. Assim, para essas épocas, foram descartados do grupo índices de
vegetação, os índices WDRVI com valores de 0,10 e 0,20 para a constante a e
os índices SAVI com valores 0,50 e 0,25 para a constante L na avaliação das
correlações canônicas realizada nessas épocas.
Ao contrário dos valores dos coeficientes de correlação na análise
realizada para os dados aos 50 e 56 DAE, para o índice WDRVI, aos 69 DAE,
esses valores tenderam a ser menores com a diminuição dos valores da
constante a. Para o índice SAVI, os valores dos coeficientes de correlação
tenderam a ser menores com a diminuição da constante L. Portanto, na
avaliação das correlações canônicas para essa época, foram descartados os
índices WDRVI com 0,05 e 0,10 para os valores da constante a e os índices
SAVI com valores 1,00 e 0,50 para a constante L.
As estimativas das correlações canônicas e os pares canônicos entre o
grupo valores médios dos índices de vegetação (NDVI, GNDVI, WDRVI e
SAVI) e o grupo PR e seus componentes de rendimento (PR, NVP, NGV,
MCG) para o experimento 2, aos 50 DAE, são apresentadas na Tabela 73.
Conclui-se, pela Tabela 73, que os grupos considerados, valores médios
dos índices de vegetação e produtividade do feijoeiro e seus componentes de
rendimento são correlacionados. A primeira correlação canônica foi significativa
ao nível de 5% de probabilidade. Analogamente, o primeiro par canônico foi
estatisticamente relevante. Com base nesses resultados, verifica-se que os
valores dos grupos considerados são fortemente correlacionados, pois a
correlação do primeiro par canônico é superior a 0,95. A análise das variáveis
133
do primeiro par canônico apresenta, do lado da produtividade do feijoeiro e
seus componentes de rendimento, predomínio da produtividade, e do lado dos
valores dos índices de vegetação, os índices GNDVI e NDVI foram os que
apresentaram maiores contribuições. Ainda, pode-se afirmar que, a
contribuição dos índices SAVI e WDRVI, do lado dos índices de vegetação, são
desprezíveis.
Tabela 73. Correlações canônicas e pares canônicos entre valores médios dos
índices de vegetação e produtividade do feijoeiro e seus
componentes de rendimento para o experimento 2, aos 50 DAE
Pares canônicos
Variáveis
1º 2º 3º 4º
NDVI -2,3096 5,2281 1,7380 1,8701
GNDVI 3,2886 -7,9986 3,4624 0,9567
SAVI
1,00
-0,0176 2,6043 -2,3011 -8,8444
WDRVI
0,05
-0,0690 0,6171 -2,8019 6,1408
PR 0,7828 -0,3478 -4,3008 0,5594
NVP 0,2374 0,0911 3,5019 -1,4992
NGV -0,1057 0,9534 1,0520 0,7784
MCG 0,1237 -0,6335 0,3449 0,8531
r 0,9531 0,6437 0,2585 0,0928
X² 73,5691 * 15,0174
ns
--- ---
* significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Na Tabela 74, são apresentadas as estimativas das correlações
canônicas e os pares canônicos entre o grupo valores médios dos índices de
vegetação (NDVI, GNDVI, WDRVI) e o grupo produtividade do feijoeiro (PR) e
seus componentes de rendimento (NVP, NGV, MCG) para o experimento 2,
aos 56 DAE.
Pela análise das correlações canônicas entre os grupos considerados,
aos 56 DAE, para o experimento 2, conclui-se que esses grupos não são
independentes. As duas primeiras correlações canônicas foram significativas
ao nível de probabilidade em que foi realizado o teste. Assim, os dois primeiros
pares canônicos são estatisticamente relevantes com a correlação do primeiro
par canônico próximo a 0,95. Portanto, os valores dos índices de vegetação e a
produtividade do feijoeiro e seus componentes de rendimento são fortemente
correlacionados.
134
Tabela 74. Correlações canônicas e pares canônicos entre valores médios dos
índices de vegetação e produtividade do feijoeiro e seus
componentes de rendimento para o experimento 2, aos 56 DAE
Pares canônicos
Variáveis
1º 2º 3º 4º
NDVI -1,7801 2,9245 -0,0938 4,6776
GNDVI 2,5359 -4,8713 -3,0447 -0,0225
SAVI
1,00
0,8532 2,9643 -3,1292 -9,0553
WDRVI
0,05
-0,7105 -0,6266 6,3580 4,6374
PR 0,8460 -0,3583 4,3400 -0,1253
NVP 0,1511 0,3431 -3,6884 -0,9716
NGV -0,1596 0,8157 -0,9172 1,0506
MCG 0,2195 -0,7366 -0,2390 0,7841
r 0,9429 0,6981 0,3494 0,1969
X² 74,4078 *
20,5294 * 4,1592
ns
---
* significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
Assim como para os dados coletados aos 50 DAE, aos 56 DAE, para o
experimento 2, o exame das variáveis do primeiro par canônico, que
apresentou maior correlação, apresenta do lado da produtividade do feijoeiro e
seus componentes de rendimento, predomínio da produtividade e do lado dos
valores dos índices de vegetação predomínio do índice GNDVI. Pela análise do
segundo par canônico, verifica-se que o número de grãos por vagem (NGV),
apresenta predomínio no lado da produtividade do feijoeiro e seus
componentes de rendimento e se correlaciona negativamente com o índice
GNDVI e positivamente com os índices NDVI e SAVI do lado dos índices de
vegetação.
Para o experimento 2, as estimativas das correlações canônicas e os
pares canônicos entre o grupo valores médios dos índices de vegetação (NDVI,
GNDVI, WDRVI) e o grupo produtividade do feijoeiro (PR) e seus componentes
de rendimento (NVP, NGV, MCG), aos 69 DAE, são apresentadas na Tabela
75.
Pode-se concluir que os grupos considerados não são independentes
(Tabela 75). As duas primeiras correlações canônicas foram significativas ao
nível de 5% de probabilidade. Assim, por analogia, os dois primeiros pares
canônicos foram estatisticamente relevantes. A correlação do primeiro par
canônico é superior a 0,85. Portanto, os valores dos índices de vegetação e os
componentes de rendimento do feijoeiro, são fortemente correlacionados.
135
Assim como as análises feitas aos 50 e 56 DAE, a análise das variáveis do
primeiro par canônico apresenta, do lado dos componentes de rendimento,
predomínio da produtividade, e do lado dos valores dos índices de vegetação,
o índice NDVI foi o que apresentou maior contribuição. Analisando o segundo
par canônico, verifica-se que a produtividade, ao lado do número de grãos por
vagem (NGV), apresentaram maiores contribuições no grupo produtividade do
feijoeiro e seus componentes de rendimento. No lado dos índices de
vegetação, os índices GNDVI seguido pelo NDVI, foram os que apresentaram
maiores contribuições. Pode-se observar ainda que os índices SAVI e WDRVI,
apresentaram pouca contribuição. Tormen (2008), no experimento paralelo,
com uso de imagens, aos 68 DAE, obteve maiores correlações com a
produtividade usando os índices GNDVI e WDRVI.
Tabela 75. Correlações canônicas e pares canônicos entre valores médios dos
índices de vegetação e produtividade do feijoeiro e seus
componentes de rendimento para o experimento 2, aos 69 DAE
Pares canônicos
Variáveis
1º 2º 3º 4º
NDVI -1,4841 -3,4614 5,9078 -3,8643
GNDVI -0,0209 3,5721 3,9457 1,3001
SAVI
0,25
1,2932 -0,4665 -4,2647 7,6991
WDRVI
0,20
1,1853 0,2469 -5,3478 -5,1664
PR 1,5381 1,2003 -3,2241 -2,3440
NVP -0,3400 -0,9268 2,3199 2,8865
NGV -0,4559 -1,1703 -0,9808 -0,3107
MCG 0,1326 0,4612 -0,8511 -0,5550
r 0,8718 0,6440 0,4648 0,1901
X² 54,9566 *
19,9915 * 6,8651
ns
---
* significativo ao nível de 5% de probabilidade;
ns
não significativo ao nível de 5% de
probabilidade.
As análises de correlação canônica indicam superioridade de correlação
para os dados obtidos aos 50 e 56 DAE, para o experimento 2. Como já
discutido no item 4.2.3. (Avaliação da relação entre doses de nitrogênio
aplicadas na semeadura e em cobertura e índices de vegetação), aos 69 DAE,
a cultura estava em processo inicial de amarelecimento das folhas no final da
etapa R8 de desenvolvimento. A alteração do desenvolvimento das plantas
causado pelas diferentes doses de N aplicadas nas parcelas provocou a
desuniformidade na cor do dossel da cultura. Esse pode ter sido o principal
136
motivo pelo qual a avaliação da relação entre os grupos considerados, por
meio de análises de correlação canônica, nessa época, foi inferior às demais
épocas analisadas para o experimento 2.
Os índices SAVI e WDRVI, aos 50 e 56 DAE, apresentaram, do lado do
grupo índices de vegetação, baixa contribuição nas análises das variáveis
canônicas. O índice GNDVI apresentou nessas mesmas épocas, maiores
contribuições para os dois primeiros pares canônicos, ressaltando a sua
importância também na correlação com o grupo produtividade do feijoeiro e
seus componentes de rendimento, em especial a produtividade. O índice
GNDVI utiliza a banda do verde na sua formação. Silva Jr. et al. (2008), em um
trabalho com uso de imagens digitais, concluíram que, na formação do índice
de vegetação da diferença normalizada, a banda verde mostrou-se mais
eficiente na relação com a estimativa da produtividade de massa seca de
pastagem do que a banda vermelha.
137
5. CONCLUSÕES
Os estudos conduzidos antes da adubação em cobertura permitiram
concluir que:
• O clorofilômetro portátil SPAD 502 e a análise do teor de nitrogênio foliar
podem ser utilizados para avaliação dos níveis de adubação nitrogenada
desde que o solo seja de baixa fertilidade natural.
• O estádio de desenvolvimento mais adequado para discriminação de doses
de nitrogênio aplicadas na semeadura com uso do clorofilômetro portátil
SPAD 502 foram aos 25 e 27 DAE, para solos de alta e baixa fertilidade
natural, respectivamente.
• O estádio de desenvolvimento mais adequado para discriminação de doses
de nitrogênio aplicadas na semeadura com uso da análise do teor de
nitrogênio foliar foram aos 19 e 20 DAE, para solos de alta e baixa
fertilidade natural, respectivamente.
• A resposta espectral do feijoeiro seguiu os padrões típicos da vegetação
verde e foi alterada conforme as variações na quantidade de biomassa do
dossel, causadas pelas diferentes doses de nitrogênio.
• O incremento da quantidade de biomassa no feijoeiro diminuiu a
reflectância na porção visível e aumentou a reflectância na porção do
infravermelho próximo do espectro.
• A resposta espectral da reflectância do dossel do feijoeiro foi influenciada
pelas doses de nitrogênio aplicadas na semeadura aos 21 e 26 DAE,
indicando ser um bom discriminante de doses de nitrogênio em solos de
baixa fertilidade natural.
138
• Para o solo de alta fertilidade, não foi verificada relação funcional entre
doses de nitrogênio aplicadas na semeadura e os valores médios dos
índices de vegetação estudados.
• O estádio de desenvolvimento mais adequado para discriminação de doses
de nitrogênio aplicadas na semeadura com uso dos valores médios dos
índices de vegetação foi aos 21 DAE, para solo com baixa fertilidade
natural.
• Os índices SAVI e WDRVI mostraram-se mais eficientes na identificação da
relação funcional entre doses de nitrogênio aplicadas na semeadura e os
valores médios dos índices de vegetação, quando comparados com o
índice NDVI.
• Para o solo de baixa fertilidade natural, com uso do SPAD 502 foi possível
obter altos valores de correlação entre valores SPAD e o teor de nitrogênio
foliar (NF), aos 12 e 20 DAE, respectivamente.
• Os índices de vegetação estudados não apresentaram correlação
significativa com os valores de NF.
Os estudos conduzidos após a adubação em cobertura permitiram
concluir que:
• Com o uso do SPAD 502 foi possível discriminar doses de nitrogênio
aplicadas na semeadura e em cobertura aos 35 DAE em solo de baixa
fertilidade natural.
• É possível estabelecer relações funcionais entre doses de nitrogênio
aplicadas na semeadura e em cobertura e os valores médios dos índices de
vegetação estudados, desde que o solo seja de baixa fertilidade natural.
• O índice de vegetação GNDVI foi o que apresentou melhor ajuste na
discriminação entre doses de nitrogênio aplicadas na semeadura e em
cobertura, aos 56 DAE, em solo de baixa fertilidade natural.
• O uso do SPAD 502 não foi eficiente para a verificação de uma relação
funcional entre os valores SPAD e o NF.
• As doses de adubação nitrogenada na semeadura e em cobertura
incrementaram significativamente a produtividade, o número de vagens por
139
planta (NVP) e número de grãos por vagem (NGV) somente para o solo de
baixa fertilidade natural.
• Os grupos valores médios dos índices de vegetação e o grupo
produtividade do feijoeiro e seus componentes de rendimento foram
independentes para o solo de alta fertilidade.
• No solo de baixa fertilidade natural, os grupos valores médios dos índices
de vegetação e o grupo produtividade do feijoeiro e seus componentes de
rendimento mostram-se dependentes.
• O índice GNDVI, aos 50 e 56 DAE, no solo de baixa fertilidade natural,
apresentou maiores contribuições nos primeiros pares canônicos,
ressaltando a sua importância na correlação com o grupo produtividade do
feijoeiro e seus componentes de rendimento, em especial a produtividade.
140
6. REFERÊNCIAS BIBLIOGRÁFICAS
ASCOLI, A.A.; SORATTO, R.P.; MARUYAMA, W.I. Aplicação foliar de
molibdênio, produtividade e qualidade fisiológica de sementes de feijoeiro
irrigado. Bragantia, Campinas, v.67, n.2, p.377-384, 2008.
AIDAR, H; KLUTHCOUSKI, J.; THUNG, M. Sistema de produção do feijoeiro
comum em várzeas tropicais: Estabelecimento da cultura. Santo Antônio
de Goiás: Embrapa Arroz e Feijão, 2002. (Circular Técnica, 56).
ALVAREZ, V.H.; NOVAIS, R.F. de; BARROS, N.F. de; CANTARUTTI, R.B.;
LOPES, A.S. Interpretação dos resultados das análise de solos. In: RIBEIRO,
A.C.; GUIMARÃES, P.T.G; ALVAREZ V., V.H. (Ed.) Recomendações para o
uso de corretivos e fertilizantes em Minas Gerais, 5
a
aproximação.
Comissão de Fertilidade do Solo do Estado de Minas Gerais. Viçosa:
CFSEMG, 1999. cap. 5, p.26-32.
ALVAREZ, V.H.; RIBEIRO, A.C. Calagem. In: RIBEIRO, A.C.; GUIMARÃES,
P.T.G; ALVAREZ V., V.H. (Ed.) Recomendações para o uso de corretivos e
fertilizantes em Minas Gerais, 5
a
aproximação. Comissão de Fertilidade do
Solo do Estado de Minas Gerais. Viçosa: CFSEMG, 1999. cap. 8, p. 43-66.
AMBROSANO, E.J., WUTKE, E.B., AMBROSANO, G.M.B.; BULISANI, E.A.;
BORTOLETTO, N.; MARTINS, A.L.M.; PEREIRA, J.C.V.N.A.; SORDI, G. de.
Efeito do nitrogênio no cultivo de feijão irrigado no inverno. Scientia Agricola,
Piracicaba, v. 53, n. 2-3, p.338-343, 1996.
ANDRADE, C.A. de B.; PATRONI, S.M.S.; CLEMENTE, E.; SCAPIM, C.A.
Produtividade e qualidade nutricional de cultivares de feijão em diferentes
adubações. Ciência e Agrotecnologia, Lavras, v. 28, n. 5, p. 1077-1086,
2004.
ARAÚJO, G.A.A.; FERREIRA, A.C.B. Manejo do solo e plantio. In: VIEIRA, C.;
PAULA JÚNIOR, T.J. de; BORÉM, A. (Ed.). Feijão, 2. ed. Viçosa: Atual, Ed.
UFV, 2006. cap. 5, p. 87-114.
ARGENTA, G.; SILVA, P.R.F.; BORTOLINI, G.C. Clorofila na folha como
indicador do nível de nitrogênio em cereais. Ciência Rural, Santa Maria, v.31,
n.4, p.715-722, 2001.
141
BAESSO, M.M.; PINTO, F.A.C.; QUEIROZ, D.M.; VIEIRA, L.B.; ALVES, E.A.
Determinação do “status” nutricional de nitrogênio no feijoeiro utilizando
imagens digitais coloridas. Engenharia Agrícola, Jaboticabal, v.27, n.2, p.520-
528, 2007.
BALASTREIRE, L.A. Histórico, definições e conceitos básicos. In:
BALASTREIRE, L.A. (ed.). Agricultura de precisão. Piracicaba:
BALASTREIRE, L.A., 1998. p.1-8.
BARBOSA FILHO, M.P.; COBUCCI, T.; MENDES, P.N. Adubação nitrogenada
no cultivo do feijoeiro comum irrigado sob plantio direto. Circular Técnica,
Santo Antônio de Goiás, Embrapa, n. 70, 8p., 2005.
BARBOSA FILHO, M.P.; FAGERIA, N.K.; SILVA, O.F. Fontes, doses e
parcelamento da adubação nitrogenada em cobertura para feijoeiro comum
irrigado. Ciência e Agrotecnologia, Lavras, v. 29, n.1, p.69-76, 2005.
BLACKMER, T.M., SCHEPERS, J.S. Use of a chlorophyll meter to monitor
nitrogen status and schedule fertigation for corn. Journal of Production
Agriculture, 1995, v. 8, n. 1, p. 55-60.
BORÉM, A.; CARNEIRO, J.E.S. A cultura. In: VIEIRA, C.; PAULA JÚNIOR, T.J.
de; BORÉM, A. (Ed.). Feijão, 2. ed. Viçosa: Atual, Ed. UFV, 2006. cap. 1, p. 13-
18.
BRUEGGE, C.; CHRIEN, N.; HANER, D. A Spectralon BRF data base for MISR
calibration applications. Remote Sensing of Environment, v. 76, p. 354-366,
2001.
CALVACHE, A.M., REICHARDT, K., MALAVOLTA, E. et al. Efeito da
deficiência hídrica e da adubação nitrogenada na produtividade e na eficiência
do uso de água em uma cultura do feijão. Sci. agric., 1997, v. 54, n. 3, p.232-
240.
CARDOSO, S.S.; ZANINI, J.R. Parcelamento de nitrogênio aplicado por
fertirrigação via pivô central em feijoeiro (Phaseolus vulgaris L.). Engenharia
Agrícola, Jaboticabal, v.23, n.3, p.441-449, 2003.
CARVALHO, H.W.L.; LEAL, M.L.S. Cultivares de milho e feijão em monocultivo
e em consórcio. Pesquisa Agropecuária Brasileira, Brasília, v. 26, n. 9, p.
1467-1473, set. 1991.
CARVALHO, M.A.C.; FURLANI JUNIOR, E.; ARF, O.; SÁ, M.E.; PAULINO,
H.B.; BUZETTI, S. Doses e épocas de aplicação de nitrogênio e teores foliares
deste nutriente e de clorofila em feijoeiro. Revista Brasileira de Ciência do
Solo, Viçosa, n.27, p.445-450, 2003.
142
CHAGAS, J.M.; CARNEIRO, J.E.S.; SALGADO, L.T.; FIGUEIREDO, T.T. Uso
do clorofilômetro portátil na avaliação da produção de feijão influenciado por
doses de nitrogênio e molibdênio. In: CONGRESSO NACIONAL DE
PESQUISA DE FEIJÃO, 8.; 2005, Goiania. Anais... Santo Antônio de Goiás:
Embrapa Arroz e Feijão, 2005. p. 1109-1111.
CHAGAS, J.M.; BRAGA, J.M.; VIEIRA,C.; SALGADO, L.T.; JUNQUEIRA
NETO, A.; ARAÚJO, G.A. de A.; ANDRADE, M.J.B. LANA, R.M.Q.; RIBEIRO,
A.C. Feijão. In: RIBEIRO, A.C.; GUIMARÃES, P.T.G; ALVAREZ V., V.H. (Ed.)
Recomendações para o uso de corretivos e fertilizantes em Minas Gerais,
5
a
aproximação. Comissão de Fertilidade do Solo do Estado de Minas Gerais.
Viçosa: CFSEMG, 1999. cap. 18, p. 306-307.
CONAB. Acompanhamento da safra brasileira: grãos: sexto levantamento,
março 2008 / Companhia Nacional de Abastecimento. Brasília: Conab, 2008.
Disponível em: http://www.conab.gov.br/, acesso em 25 de março de 2008.
CONAB. Acompanhamento da safra brasileira: grãos: quarto levantamento,
janeiro 2009 / Companhia Nacional de Abastecimento. Brasília: Conab, 2009.
Disponível em: http://www.conab.gov.br/, acesso em 12 de fevereiro de 2009.
CRUCIANI, D.E.; MAIA, P.C.S.; PAZ, V.P.S.; FRIZZONE, J.A. Fertirrigação
nitrogenada na cultura do feijoeiro (Phaseolus vulgaris L.) por sistema de
irrigação por aspersão. Revista Brasileira de Engenharia Agrícola e
Ambiental, Campina Grande, v. 2, p. 63-67, 1998.
DENEGA, S.; JADOSKI, S.O.; MALLMANN, N. Avaliação da produtividade no
consórcio de milho e feijão. Guairacá, Guarapuava, n. 20, p. 17-31. 2004.
DIAS, V.P.; FERNANDES, E. Fertilizantes: Uma visão global sintética. BNDES
Setorial, Rio de Janeiro, n. 24, p. 97-138, set. 2006.
DRAPER, N.R.; SMITH, H. Applied Regression Analysis. New York: John
Wiley, 1981. 709p.
EPIPHANIO, J.C.N.; GLERIANI, J.M.; FORMAGGIO, A.R.; RUDORFF, B.F.T.
Índices de vegetação no sensoriamento remoto da cultura do feijão. Pesquisa
Agropecuária Brasileira, Brasília, v. 31, n. 6, p. 445-454, jun. 1996.
EPIPHANIO, J. C. N. ; HUETE, A. R. . Influence of Sun and sensor geometry
on the relationship between vegetation indices and fapar in alfalfa. Remote
Sensing of Environment, v. 51, p. 351-360, 1995.
FENG, W.; YAO, X.; ZHU, Y.; TIAN, Y.C.; CAO, W.X. Monitoring leaf nitrogen
status with hyperspectral reflectance in wheat. European Jornal of Agronomy.
v. 28, p. 394–404, 2008.
143
FERREIRA, A.C.B.; ARAÚJO, G.A.A.; CARDOSO, A.A.; FONTES, P.C.R.;
VIEIRA, C. Características agronômicas do feijoeiro em função do molibdênio
contido na semente e da sua aplicação via foliar. Acta Scientiarum:
Agronomy, Maringá, v.25, n.1, p.65-72, 2003.
FERREIRA, A.C.B.; ARAÚJO, G.A.A.; CARDOSO, A.A.; FONTES, P.C.R.;
VIEIRA, C. Diagnose do estado nutricional molíbdico do feijoeiro em razão do
molibdênio contido na semente e da sua aplicação foliar. Revista Brasileira de
Agrociência, v. 9, n. 4, p. 397-401, out./dez. 2003.
FERREIRA, L.G.; FERREIRA, N.C.; FERREIRA, M.E. Sensoriamento remoto
da vegetação: evolução e estado estado-da da-arte. Acta Sci. Biol. Sci.
Maringá, v. 30, n. 4, p. 379-390, 2008.
FIDELIS, R.R.; MIRANDA, G.V.; SANTOS, I.C.; GALVÃO, J.C.C.; PELUZIO,
J.M.; LIMA, S.O. Fontes de Germoplasma de Milho para Estresse de Baixo
Nitrogênio. Pesquisa Agropecuária Tropical, Goiânia, v. 37, n. 3, p. 147-153,
set. 2007.
FONSECA, E.L. da; ROSA, L.M.G.; FONTANA, D.C. Caracterização espectral
de Paspalum notatum em diferentes níveis de adubação nitrogenada.
Pesquisa agropecuária brasileira, BrasÌlia, v. 37, n. 3, p. 365-371, mar. 2002.
FONSECA, E. L. da. Uso de dados de sensoriamento remoto para o
monitoramento do estresse das culturas agrícolas. In: SIMPÓSIO REGIONAL
DE GEOPROCESSAMENTO E SENSORIAMENTO REMOTO, 2. 2004,
Aracaju. Anais... Aracaju: 2004. p8.
FORMAGGIO, A. R.; EPIPHANIO, J. C. N.; VALERIANO, M. M.; OLIVEIRA, J.
B. Comportamento espectral (450-2450 nm) de 14 classes de solos tropicais
brasileiros. Revista Brasileira de Ciência do Solo, v. 20, p. 467 - 474, 1996.
FURLANI JÚNIOR, E.; NAKAGAWA, J.; BULHÕES, L. J.; MOREIRA, J. A. A.;
GRASSI FILHO, H. Correlação entre leituras de clorofila e níveis de nitrogênio
aplicados em feijoeiro. Bragantia, Campinas, v. 55, n.1, p. 171-175, 1996.
GALVÃO, L.S. Espectro eletromagnético amostrado com sensores
hiperespectrais. In: MENESES, P.R.; NETTO, J.S.M. (Org.) Sensoriamento
remoto – reflectância dos alvos naturais. Brasília: UnB; Planaltina: Embrapa
Cerrados, 2001. cap. 8, p.251-262.
GIL, P.T.; FONTES, P.C.R.; CECON, P.R.; FERREIRA, F.A. Índice SPAD para
o diagnóstico do estado de nitrogênio e para o prognóstico da produtividade da
batata. Horticultura Brasileira, Brasília, v. 20, n. 4, p. 611-615, dezembro
2002.
GITELSON, A.A.; KAUFMAN, Y.J.; MERZLYAK, M.N. Use of a green chanel in
remote sensing of global vegetatition from EOS-MODIS. Remote Sensing of
Enviroment, v.58, p.289-298, 1996.
144
GITELSON, A.A.; VIÑA, A.; ARKEBAUER, T.J.; RUNDQUIST, D.C.; KEYDAN,
G.; LEAVITT, B. Remote estimation of leaf area index and green leaf biomass
in maize canopies. Geophysical Research Letters, v. 30, n.5, 4p., 2003.
GITELSON, A.A. Wide Dynamic Range Vegetation Index for remote
quantification of biophysical characteristics of vegetation. Journal Plant
Physiology, n. 161, p. 165-173, set. 2004.
GOMES, F.P. Curso de estatística experimental. Piracicaba: ESALQ/USP,
1982, 430p.
GOPALAPILLAI, S.; TIAN, L.; BEAL, J. Detection of nitrogen stress in corn
using digital aerial imaging. ASAE Meeting, n. 983030, 1998.
HAAG, H.P.; MALAVOLTA, E.; GARGANTINI, H.; GARCIA BLANCO, H.
Absorção de nutrientes pela cultura do feijoeiro. Bragantia, v.26, p.381-391,
1967.
HAIR JR, J.F.; ANDERSON, R.E.; TATHAM, R.L.; BLACK, W.C. Análise
multivariada de dados. 5 ed. Tradução: SANT’ANNA, A.S.; CHAVES NETO,
A. Editora Bookman. São Paulo, 2005. 593 p.
HARTMANN, M.; HEDIGER, W.; PETER, S. Reducing nitrogen losses from
agricultural systems – an integrated economic assessment. In: 47th annual
conference of the GEWISOLA (German Association of Agricultural Economists)
and the 17th annual conference of the ÖGA (Austrian Association of Agricultural
Economists). 2007, Freising/Weihenstephan, Germany, September. Anais…
2007. 12 p.
HUETE, A.R. A soil-adjusted vegetation index (SAVI). Remote Sensing of
Enviroment, v. 25, p. 295-309, ago. 1988.
HOFFER, R.M. Biological and physical considerations in applying computer-
aied analysis techniques to remote sensor data. In: SWAIN, P.H.; DAVIS, S.M.
(ed.). 1978. Remote Sensing: The Quantitative Approah. New York, McGraw
Hill. p.227-265.
IFA STATISTICS. Production, exports, imports, for nitrogen, phosphates,
potash and sulphur products from 1999 to 2006 (calendar year) by region.
Disponível em: www.fertilizer.org. Acesso em: 11 de janeiro de 2008.
JACKSON, R.D.; CLARKE, T.R.; MORAN, M.S. Bidirectional calibration results
for 11 spectralon and 16 BaSo
4
reference reflectance panels. Remote Sensing
of Ennvironment, v. 40, n. 3, p. 231-239, jun. 1992.
JINHENG, Z.; KE, C. New vegetation index for estimating nitrogen
concentration using fresh leaf spectral reflectance.Transactions of the CSAE.
v. 24, n.3, mar/2008.
145
JOHNSON, R.A.; WICHERN, D.W. Applied multivariate statistical analysis.
4th edition. Prentice Hall, New Jersey, 1998. 816 p.
LABSPHERE. Reflectance characteristics of Spectralon panels. Reflectance
Calibration Laboratory. Labsphere Inc., Sutton, NH, USA, 9 p., 1998.
LI, F.; GNYP, M.L.; JIA, L.; MIAO, Y.; YU, Z.; KOPPE, W.; BARETH, B.; CHEN,
X.; ZHANG, F. Estimating N status of winter wheat using a handheld
spectrometer in the North China Plain. Field Crops Research. n.106, p. 77–85,
2008.
LOUREIRO, F.E.L.; NASCIMENTO, M. Importância e função dos fertilizantes
numa agricultura sustentável. Série estudos e documentos. CETEM / MCT,
2003. n.53, 75 p.
MADEIRA NETTO, J. S. Comportamento espectral dos solos. In: MENESES, P.
R.; MADEIRA NETTO, J. S. (Ed.). Sensoriamento remoto: reflectância dos
alvos naturais. Brasília: UnB; Planaltina: Embrapa Cerrados, 2001. cap. 4. p.
125-154.
MALAVOLTA, E.; MORAES, M.F. de. O nitrogênio na agricultura brasileira.
Série estudos e documentos. CETEM / MCT, 2006. n.70, 72 p.
MALAVOLTA, E.; VITTI, G.C.; OLIVEIRA, S.A. Avaliação do estado
nutricional das plantas. Princípios e aplicações. POTAFÓS, Piracicaba,
1997. 319p.
MARTINELLI, L.A. Os caminhos do nitrogênio – Do fertilizante ao poluente.
Informações agronômicas. Conferência N2007, n. 118, 10p, Jun. 2007.
MARTINEZ, H.E.P.; CARVALHO, J.G. de; SOUZA, R.B. de. Diagnose Foliar.
In: RIBEIRO, A.C.; GUIMARÃES, P.T.G; ALVAREZ V., V.H. (Ed.)
Recomendações para o uso de corretivos e fertilizantes em Minas Gerais,
5
a
aproximação. Comissão de Fertilidade do Solo do Estado de Minas Gerais.
Viçosa: CFSEMG, 1999. cap. 17, p. 144-168.
MENESES, P. R. Fundamentos da Radiometria Óptica Espectral. In:
MENESES, P. R.; MADEIRA NETTO, J. S. (Ed.). Sensoriamento remoto:
reflectância dos alvos naturais. Brasília: UnB; Planaltina: Embrapa Cerrados,
2001. cap. 1. p. 15-39.
MILTON, E.J. Principles of field spectroscopy. International Journal of
Remote Sensing, Londres, v. 8, n. 12, p. 1807-1827, dez. 1987.
MISTELE, B.; SCHMIDHALTER, U. Estimating the nitrogen nutrition index
using spectral canopy reflectance measurements. European Journal of
Agronomy.
v.29, n. 4, p. 184-190, nov/2008.
146
MISTELE, B.; SCHMIDHALTER, U. Spectral measurements of the total aerial N
and biomass dry weight in maize using a quadrilateral-view optic. Field Crops
Research. n. 106, p. 94–103, 2008.
MORAES, E.C.; NOGUEIRA, J.L.M.; ESPOSITO, E.S.C.; BASTOS, E.J.B.;
FREIRE, M.L.F. Comparação entre placas de referência de sulfato de bário
(pintada e prensada). In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 8.; 1996, Salvador. Anais... Salvador: INPE, 1996. p. 927-931.
MOREENTHALER, G.W.; KHATIB, N.; KIM, B. Incorporating a constrained
optimization algorithm into remote sensing/precision agriculture methodology.
Acta Astronautica, v. 53, n. 4-10, p. 429-437, Ago/Nov. 2003.
MOREIRA, M.A. Fundamentos do sensoriamento remoto e metodologias
de aplicação. 3 ed. Atualizada e Ampliada.Viçosa. Editora UFV, 2005. 320 p.
MORGANO, M.A. ; QUEIROZ, S.C.N.; FERREIRA, M.M.C. Aplicação da
Análise Exploratória na Diferenciação de Vegetais. Braz. J. Food Technol.,
2(1,2) p. 73-79, 1999.
NOVO, E. M. L. Sensoriamento remoto: princípios e aplicações. 2. ed. São
Paulo: Edgard Blucher, 1992. 308p.
OLIVEIRA, R.M.B.; OLIVEIRA, F.A.; GUEDES, K. Fertilização nitrogenada e
irrigação na cultura do feijão (Phaseolus vulgaris L.) em casa de vegetação.
Revista de Biologia e Ciências da Terra, v. 4, n. 2, 6p., 2004.
PAULA JÚNIOR, T.J. de; ZAMBOLIM, L. Doenças. In: VIEIRA, C.; PAULA
JÚNIOR, T.J. de; BORÉM, A. (Ed.). Feijão, 2. ed. Viçosa: Atual, Ed. UFV,
2006. cap. 13, p. 359-414.
PONZONI, F. J. Comportamento espectral da vegetação. In: MENESES, P. R.;
MADEIRA NETTO, J. S. (Ed.). Sensoriamento remoto: reflectância dos alvos
naturais. Brasília: UnB; Planaltina: Embrapa Cerrados, 2001. cap. 5. p. 157-
195.
PRADO, H. do. A pedologia simplificada. Potafos. Arquivo do agrônomo, n. 1,
2 ed. dez/1995. 6 p.
PRASAD, A.K.; CHAI, L.; SINGH, R.P.; KAFATOS, M. Crop yield estimation
model for Iowa using remote sensing and surface parameters. International
Journal of Applied Earth Observation and Geoinformation. 2005. 8p.
QUEIROZ, D.M.; DIAS, G.P.; MANTOVANI, E.C. Agricultura de precisão na
produção de grãos. In: BORÉM, A.; GIUDICE, M.P.; QUEIROZ, D.M.;
MANTOVANI, E.C.; FERREIRA, L.R.; VALLE, F.X.R.; GOMIDE, R.L. (Ed.)
Agricultura de Precisão. Viçosa: UFV, 2000. p.1-41.
147
RAMBO, L.; SILVA, P.R.F. da; ARGENTA, G.; SANGOI, L. Parâmetros de
planta para aprimorar o manejo da adubação nitrogenada de cobertura em
milho. Ciência Rural, Santa Maria, v. 34, n. 5, p. 1637-1645, set/out. 2004.
REGAZZI, A.J.; SILVA, C.H.O. Teste para verificar a igualdade de parâmetros
e a identidade de modelos de regressão não-linear. I. Dados no delineamento
inteiramente casualizado. Revista de Matemática e Estatística, São Paulo,
v.22, n.3, p. 33-45, 2004.
RIBEIRO, A.C.; GUIMARÃES, P.T.G; ALVAREZ V., V.H. (Ed.)
Recomendações para o uso de corretivos e fertilizantes em Minas Gerais,
5
a
aproximação. Comissão de Fertilidade do Solo do Estado de Minas Gerais.
Viçosa: CFSEMG, 1999. 359 p.
ROSOLEM, C.A.; MARUBAYASHI, O.M. Seja doutor do seu feijoeiro. Potafos.
Arquivo do agrônomo, n. 7, Encarte de informações agronômicas – n. 68 -
dez/94. 4 p.
ROUSE, J.W.; HAAS, R.H.; SCHELL, J.A.; DEERING, D.W.; HARLAN, J.C.
Monitoring the vernal advancement of retrogradation (greenwave effect)
of natural vegetation. NASA/GSFC, Type III, Final Report, Greenbelt, MD,
1974, 371 p.
RUTTAN, V.W. Constraints on sustainable growth in agricultural into 21st
century. Outlook on Agriculture, Elmsford, v. 20, p. 225-234, 1991.
SANTOS, A.O.; PALLONE FILHO, W.J.; UNGARO, M.R.G; LINO, A.C.L.;
RADIN, B. Prospecção de zonas potenciais para manejo diferenciado em
agricultura de precisão utilizando-se padrões de solo-planta-clima. Revista
Brasileira de Engenharia Agrícola e Ambiental, v.7, n.3, p.463-468, 2003.
SANTOS, J.B. dos; GAVILANES, M.L. Botânica. In: VIEIRA, C.; PAULA
JÚNIOR, T.J. de; BORÉM, A. (Ed.). Feijão, 2. ed. Viçosa: Atual, Ed. UFV,
2006. cap. 3, p. 41-65.
SCHEPERS, J.S.; BLACKMER, T.M.; WILHELM, W.W.; RESENDE, M.
Transmittance and reflectance measurements of corn leaves from plants with
different nitrogen and water supply. Journal Plant Physiology, Stuttgart,
n.148, p.523-529, 1996.
SEELAN, S.K.; LAGUETTE, S.; CASADY, G.M.; SEIELSTAD, G.A. Remote
sensing applications for precision agriculture: A learning community approach.
Remote Sensing of Environment, v. 88, n. 1 p.157–169, nov. 2003.
SENA JÚNIOR, D.G. de. Utilização de técnicas de visão artificial para
ajuste da adubação nitrogenada em trigo. 2005. 149p. Tese (Doutorado em
Engenharia Agrícola) – Departamento de Engenharia Agrícola, Universidade
Federal de Viçosa, Viçosa.
148
SENA JÚNIOR, D.G.; PINTO, F.A.C.; QUEIROZ, D.M.; SANTOS, N.T.;
KHOURY JÚNIOR, J.K. Discriminação entre estágios nutricionais na cultura do
trigo com técnicas de visão artificial. Eng. Agríc., Jaboticabal, v.28, n.1, p.187-
195, jan./mar. 2008.
SILVA, D.A.; MORAES, E.C.; MÁXIMO, O.A.; VIEIRA, P.R. Metodologia de
aferição espectral para espectrorradiômetro. In: SIMPÓSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, 8.; 1996, Salvador. Anais... Salvador: INPE,
1996. p. 957-964.
SILVA, E.C. Manejo da adubação nitrogenada e utilização do nitrogênio
(
15
N) da uréia, do milheto e da crotalária pelo milho sob semeadura direta
em solo de cerrado. 2005. 111p. Tese (Doutorado em Ciências) – Centro de
Energia Nuclear na Agricultura da Universidade de São Paulo, Piracicaba.
SILVA JÚNIOR, M.C.; PINTO, F.A.C.; FONSECA, D.M.; QUEIROZ, D.M.;
MACIEL, B.F. Detecção do efeito da adubação nitrogenada em Brachiaria
decumbens Stapf. utilizando um sistema de sensoriamento remoto. R. Bras.
Zootec., v.37, n.3, p.411-419, 2008.
SILVA, O.F. da; FARIA, L.C. de; MELO, L.C.; DEL PELOSO, M.J. Sistemas e
custos de produção de feijoeiro comum (Phaseolus vulgaris L.) em
diferentes épocas e regiões de cultivo. Santo Antônio de Goiás: Embrapa
Arroz e Feijão, 2004, 40 p. (Documentos, 168).
SILVEIRA, P.M.; BRAZ, A.J.B.P.; DIDONET, A.D. Uso do clorofilômetro como
indicador da necessidade de adubação nitrogenada em cobertura no feijoeiro.
Pesquisa Agropecuária Brasileira, Brasília, v. 38, n. 9, p. 1083-1087, set.
2003.
SIMS, D.A.; GAMON, J.A. Relationships between leaf pigment content and
spectral reflectance across a wide range of species, leaf structures and
developmental stages. Remote Sensing of Environment. v. 81, p. 331–354.
2002.
SOUZA, F.F.; RAMALHO, A.R.; NUNES, A.M.L. Cultivo do feijão comum em
Rondônia. Sistemas de Produção, v. 8 Versão Eletrônica Dez./2005.
STEFFEN, C.A.; MORAES, E.C.; GAMA, F.F. Tutorial de radiometria. In:
SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 7.; 1993, Curitiba.
Anais... Curitiba: 1993. p. 10-14.
The Fourth International Nitrogen Conference in Brasil: N-2007. Agriculture,
Development, and Nitrogen. A problem of too little or too much.
TORMEN, G.P. Caracterização do teor de nitrogênio foliar e produtividade
do feijoeiro com técnicas de visão artificial. 2008. 89p. Tese (Mestrado em
Engenharia Agrícola) – Departamento de Engenharia Agrícola, Universidade
Federal de Viçosa, Viçosa.
149
VARELLA, C.A.A.; KHOURY JUNIOR, J.K.; PINTO, F.A.C.; FRANÇA, G.E.
Estimativa da deficiência de nitrogênio na cultura do milho utilizando
características de imagens digitais para uso em sensoriamento remoto. In:
SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 6.; 2003, Belo
Horizonte. Anais... Belo Horizonte: INPE, 2003. p. 2391-2398.
VIEIRA, C. Adubação mineral e calagem. In: VIEIRA, C.; PAULA JÚNIOR, T.J.
de; BORÉM, A. (Ed.). Feijão, 2. ed. Viçosa: Atual, Ed. UFV, 2006. cap. 6, p.
115-142.
VIEIRA, C. Cultivos consorciados. In: VIEIRA, C.; PAULA JÚNIOR, T.J. de;
BORÉM, A. (Ed.). Feijão, 2. ed. Viçosa: Atual, Ed. UFV, 2006. cap. 17, p. 493-
528.
VIEIRA, S.M.; RONZELLI JÚNIOR, P.; DAROS, E.; KOEHLER, H.S.;
PREVEDELLO, B.M.S. Nitrogênio, molibdênio e inoculante para a cultura do
feijoeiro. Scientia Agraria, v.1, n. 1-2, p. 63-66, 2000.
ZHAO, D.H.; LI, J.L.; QI, J.G. Identification of red and NIR spectral regions and
vegetative indices for discrimination of cotton nitrogen stress and growth stage.
Computers and Electronics in Agriculture, n. 48, p. 155–169, 2005.
WRIGHT JR., D.L.; RASMUSSEN JR., V.P.; RAMSEY, R.D. Comparing the use
of remote sensing with traditional techniques to detect nitrogen stress in wheat.
Geocarto Internacional, v. 20, n.1, p. 63-68, 2005.
WU, J.; WANG, D.; C.J. ROSEN, C.J.; BAUER, M.E. Comparison of petiole
nitrate concentrations, SPAD chlorophyll readings, and QuickBird satellite
imagery in detecting nitrogen status of potato canopies. Field Crops Research,
Amsterdam, v.101, n.1, p.96-103, 2007.
150
7. APÊNDICES
Apêndice A
Resultados das análises na avaliação da relação entre doses de
nitrogênio aplicadas na semeadura e valores SPAD
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores SPAD, para o
experimento 1
11 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,6685 0,6685 1,49 0,2563
Falta de ajustamento 3 1,8231 0,6077 1,36 0,3229
Tratamentos (4) (2,4916)
Blocos 2 29,1546
Resíduo 8 3,5778 0,4472
Total 14 35,2239
19 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,4549 0,4549 0,38 0,5534
Falta de ajustamento 3 10,9152 3,6384 3,06 0,0915
Tratamentos (4) (11,3700)
Blocos 2 73,6205
Resíduo 8 9,5108 1,1889
Total 14 94,5014
25 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 28,7723 28,7723 25,41 0,0010
Falta de ajustamento 3 0,2841 0,0947 0,08 0,9671
Tratamentos (4) (29,0564)
Blocos 2 19,3993
Resíduo 8 9,0571 1,1321
Total 14 57,5128
151
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores SPAD, para o
experimento 2
5 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 7,7818 7,7818 12,70 0,0074
Falta de ajustamento 3 3,8711 1,2904 2,11 0,1779
Tratamentos (4) (11,6530)
Blocos 2 5,1464
Resíduo 8 4,9035 0,6129
Total 14 21,7029
12 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 140,5204
Falta de ajustamento 3 12,4959 4,1653 32,04 <0,0001
Tratamentos (4) (153,0163)
Blocos 2 1,5571
Resíduo 8 1,0399 0,1300
Total 14 155,6133
20 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 349,1720
Falta de ajustamento 3 14,6538 4,8846 4,86 0,0328
Tratamentos (4) (363,8258)
Blocos 2 24,5058
Resíduo 8 8,0431 1,0054
Total 14 396,3747
27 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 239,0064 239,0064 93,81 <0,0001
Falta de ajustamento 3 2,5316 0,8439 0,33 0,8033
Tratamentos (4) (241,5380)
Blocos 2 1,2473
Resíduo 8 20,3828 2,5479
Total 14 263,1682
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
segundo grau ajustado entre doses de N aplicadas na semeadura e valores SPAD, para o
experimento 2
12 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 152,1782 76,0891 585,30 <0,0001
Falta de ajustamento 2 0,8382 0,4191 3,22 0,0940
Tratamentos (4) (153,0163)
Blocos 2 1,5571
Resíduo 8 1,0399 0,1300
Total 14 155,6133
152
20 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 362,5726 181,2863 180,31 <0,0001
Falta de ajustamento 2 1,2532 0,0,6266 0,62 0,5603
Tratamentos (4) (363,8258)
Blocos 2 24,5058
Resíduo 8 8,0431 1,0054
Total 14 396,3747
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado entre
doses de N aplicadas na semeadura e valores SPAD médios, para o experimento 2
12 DAE
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 33,3208 -------- ---- ----
X 0,3380 0,0263 12,83 <0,0001
X
2
-0,0033 0,0005 -6,38 <0,0001
20 DAE
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 29,1081 -------- ---- ----
X 0,4520 0,0826 5,47 0,0001
X
2
-0,0035 0,0016 -2,18 0,0498
153
Apêndice B
Resultados das análises na avaliação da relação entre doses de
nitrogênio aplicadas na semeadura e teores de nitrogênio foliar
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores de NF, para o
experimento 1
19 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,66690 0,6690 18,98 0,0009
Falta de ajustamento 3 0,0086 0,0029 0,16 0,9221
Tratamentos (4) (0,6777)
Blocos 2 0,6997
Resíduo 8 0,1475 0,0184
Total 14 1,5249
25 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0134 0,0134 0,53 0,4891
Falta de ajustamento 3 0,0063 0,0021 0,08 0,9676
Tratamentos (4) (0,0198)
Blocos 2 0,4642
Resíduo 8 0,2043 0,0255
Total 14 0,6883
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores de NF, para o
experimento 2
5 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 1,0250 1,0250 18,88 0,0025
Falta de ajustamento 3 0,02647 0,0088 0,16 0,9186
Tratamentos (4) (1,0514)
Blocos 2 0,1843
Resíduo 8 0,4342 0,0543
Total 14 1,6700
12 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 9,7348
Falta de ajustamento 3 0,6290 0,2097 6,54 0,0151
Tratamentos (4) (10,3638)
Blocos 2 0,3368
Resíduo 8 0,2563 0,0320
Total 14 10,9569
20 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 3,4440 3,4440 27,02 0,0008
Falta de ajustamento 3 0,0486 0,0162 0,13 0,9414
Tratamentos (4) (3,4927)
Blocos 2 0,4703
Resíduo 8 1,0198 0,1275
Total 14 4,9828
154
27 DAE
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,3204 0,3204 2,98 0,1227
Falta de ajustamento 3 0,1424 0,0475 0,44 0,7298
Tratamentos (4) (0,4629)
Blocos 2 0,8399
Resíduo 8 0,8607 0,1076
Total 14 2,1635
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
segundo grau ajustado entre doses de N aplicadas na semeadura e valores de NF aos 12 DAE
para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 10,2503 5,1252 160,16 <0,0001
Falta de ajustamento 2 0,1135 0,0567 1,77 0,2308
Tratamentos (4) (11,0635)
Blocos 2 0,33368
Resíduo 8 0,2563 0,0320
Total 14 10,9569
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 12
DAE entre doses de N aplicadas na semeadura e valores de NF, para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 3,3422 -------- ---- ----
X 0,0805 0,0119 6,74 <0,0001
X
2
-0,0007 0,0002 -2,96 0,0119
155
Apêndice C
Resultados das análises para a avaliação da relação entre doses de
nitrogênio aplicadas na semeadura e valores médios de índices de
vegetação
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação, aos 12 DAE, para o experimento 1
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0104 0,0104 4,82 0,0594
Falta de ajustamento 3 0,0024 0,0008 0,37 0,7800
Tratamentos (4) (0,0128)
Blocos 2 0,0045
Resíduo 8 0,0173 0,0022
Total 14 0,0345
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0041 0,0041 4,28 0,0724
Falta de ajustamento 3 0,0014 0,0005 0,48 0,7047
Tratamentos (4) (0,0054)
Blocos 2 0,0063
Resíduo 8 0,0076 0,0009
Total 14 0,0194
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0017 0,0017 3,40 0,1024
Falta de ajustamento 3 0,0008 0,0003 0,52 0,6808
Tratamentos (4) (0,0025)
Blocos 2 0,0018
Resíduo 8 0,0041 0,0005
1,00
Total 14 0,0084
Regressão 1 0,0027 0,0027 3,64 0,0930
Falta de ajustamento 3 0,0011 0,0004 0,49 0,6985
Tratamentos (4) (0,0038)
Blocos 2 0,0023
Resíduo 8 0,0059 0,0007
0,50
Total 14 0,0120
Regressão 1 0,0042 0,0042 3,92 0,0830
Falta de ajustamento 3 0,0015 0,0005 0,46 0,7209
Tratamentos (4) (0,0056)
Blocos 2 0,0029
Resíduo 8 0,0085 0,0033
0,25
Total 14 0,0170
156
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0014 0,0014 4,96 0,0566
Falta de ajustamento 3 0,0003 0,0001 0,36 0,7841
Tratamentos (4) (0,0018)
Blocos 2 0,0007
Resíduo 8 0,0023 0,0004
0,05
Total 14 0,0048
Regressão 1 0,0041 0,0041 4,93 0,0571
Falta de ajustamento 3 0,0009 0,0003 0,36 0,7846
Tratamentos (4) (0,0050)
Blocos 2 0,0019
Resíduo 8 0,0066 0,0008
0,10
Total 14 0,0135
Regressão 1 0,0088 0,0088 4,91 0,0575
Falta de ajustamento 3 0,0019 0,0006 0,36 0,7841
Tratamentos (4) (0,0107)
Blocos 2 0,0041
Resíduo 8 0,0143 0,0019
0,20
Total 14 0,0290
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação, aos 22 DAE, para o experimento 1
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0080 0,0080 2,74 0,1365
Falta de ajustamento 3 0,0181 0,0060 2,06 0,1838
Tratamentos (4) (0,0261)
Blocos 2 0,0667
Resíduo 8 0,0234 0,0029
Total 14 0,1163
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0013 0,0013 1,07 0,3307
Falta de ajustamento 3 0,0095 0,0032 2,68 0,1175
Tratamentos (4) (0,0108)
Blocos 2 0,0063
Resíduo 8 0,0095 0,0012
Total 14 0,0912
157
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0028 0,0028 2,62 0,1443
Falta de ajustamento 3 0,0105 0,0035 3,22 0,0828
Tratamentos (4) (0,0133)
Blocos 2 0,0219
Resíduo 8 0,0087 0,0011
1,00
Total 14 0,0439
Regressão 1 0,0038 0,0038 2,74 0,1367
Falta de ajustamento 3 0,0127 0,0042 3,05 0,0920
Tratamentos (4) (0,0165)
Blocos 2 0,0294
Resíduo 8 0,0111 0,0014
0,50
Total 14 0,0570
Regressão 1 0,0049 0,0049 2,82 0,1317
Falta de ajustamento 3 0,0148 0,0049 2,81 0,1076
Tratamentos (4) (0,0198)
Blocos 2 0,0389
Resíduo 8 0,0140 0,0018
0,25
Total 14 0,0728
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0544 0,0544 4,41 0,0688
Falta de ajustamento 3 0,0657 0,0219 1,78 0,2294
Tratamentos (4) (0,1201)
Blocos 2 0,2387
Resíduo 8 0,0986 0,0123
0,05
Total 14 0,4574
Regressão 1 0,0706 0,0706 4,22 0,0740
Falta de ajustamento 3 0,0962 0,0321 1,92 0,2055
Tratamentos (4) (0,1668)
Blocos 2 0,3517
Resíduo 8 0,1338 0,0167
0,10
Total 14 0,6523
Regressão 1 0,0573 0,0573 3,79 0,0873
Falta de ajustamento 3 0,0915 0,0305 2,02 0,1898
Tratamentos (4) (0,1489)
Blocos 2 0,3357
Resíduo 8 0,1208 0,0151
0,20
Total 14 0,6053
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação, aos 26 DAE, para o experimento 1
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0016 0,0016 0,40 0,5438
Falta de ajustamento 3 0,0196 0,0065 1,69 0,2465
Tratamentos (4) (0,0212)
Blocos 2 0,0060
Resíduo 8 0,0310 0,0039
Total 14 0,0583
158
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0001 0,0001 0,06 0,8160
Falta de ajustamento 3 0,0094 0,0031 1,94 0,2014
Tratamentos (4) (0,0095)
Blocos 2 0,0018
Resíduo 8 0,0130 0,0016
Total 14 0,0243
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0017 0,0017 0,55 0,4807
Falta de ajustamento 3 0,0192 0,0064 2,09 0,1794
Tratamentos (4) (0,0209)
Blocos 2 0,0027
Resíduo 8 0,0244 0,0031
1,00
Total 14 0,0480
Regressão 1 0,0019 0,0019 0,54 0,4830
Falta de ajustamento 3 0,0214 0,0071 2,05 0,1854
Tratamentos (4) (0,0233)
Blocos 2 0,0014
Resíduo 8 0,0278 0,0035
0,50
Total 14 0,0525
Regressão 1 0,0020 0,0020 0,52 0,4916
Falta de ajustamento 3 0,0225 0,0075 1,98 0,1951
Tratamentos (4) (0,0245)
Blocos 2 0,0003
Resíduo 8 0,0303 0,0038
0,25
Total 14 0,0550
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0696 0,0696 1,40 0,2708
Falta de ajustamento 3 0,2176 0,0725 1,46 0,2970
Tratamentos (4) (0,2871)
Blocos 2 0,0549
Resíduo 8 0,3978 0,0497
0,05
Total 14 0,7398
Regressão 1 0,0533 0,0533 1,09 0,3263
Falta de ajustamento 3 0,2309 0,0770 1,58 0,2690
Tratamentos (4) (0,2842)
Blocos 2 0,0606
Resíduo 8 0,3901 0,0488
0,10
Total 14 0,7350
Regressão 1 0,0256 0,0256 0,79 0,3992
Falta de ajustamento 3 0,1601 0,0534 1,65 0,2531
Tratamentos (4) (0,1857)
Blocos 2 0,0445
Resíduo 8 0,2583 0,0323
0,20
Total 14 0,4885
159
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação, aos 6 DAE, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0008 0,0008 3,62 0,0937
Falta de ajustamento 3 0,0016 0,0005 2,30 0,1544
Tratamentos (4) (0,0024)
Blocos 2 0,0437
Resíduo 8 0,0018 0,0002
Total 14 0,0479
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0006 0,0006 3,43 0,1011
Falta de ajustamento 3 0,0011 0,0004 2,10 0,1780
Tratamentos (4) (0,0017)
Blocos 2 0,0507
Resíduo 8 0,0014 0,0002
Total 14 0,0539
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0002 0,0002 3,12 0,1155
Falta de ajustamento 3 0,0005 0,0001 1,89 0,2100
Tratamentos (4) (0,0007)
Blocos 2 0,0136
Resíduo 8 0,0006 0,0001
1,00
Total 14 0,0149
Regressão 1 0,0004 0,0004 3,26 0,1088
Falta de ajustamento 3 0,0006 0,0002 1,98 0,1959
Tratamentos (4) (0,0010)
Blocos 2 0,0187
Resíduo 8 0,0008 0,0001
0,50
Total 14 0,0205
Regressão 1 0,0005 0,0005 3,35 0,1046
Falta de ajustamento 3 0,0009 0,0003 2,08 0,1818
Tratamentos (4) (0,0013)
Blocos 2 0,0252
Resíduo 8 0,0011 0,0001
0,25
Total 14 0,0276
160
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 <0,0001 <0,0001 3,49 0,0987
Falta de ajustamento 3 <0,0001 <0,0001 1,97 0,1968
Tratamentos (4) (0,0001)
Blocos 2 0,0014
Resíduo 8 0,0001 <0,0001
0,05
Total 14 0,0015
Regressão 1 0,0001 0,0001 3,56 0,0959
Falta de ajustamento 3 0,0002 0,0001 2,02 0,1895
Tratamentos (4) (0,0003)
Blocos 2 0,0046
Resíduo 8 0,0002 <0,0001
0,10
Total 14 0,0051
Regressão 1 0,0003 0,0003 3,53 0,0970
Falta de ajustamento 3 0,0004 0,0001 2,05 0,1856
Tratamentos (4) (0,0007)
Blocos 2 0,0131
Resíduo 8 0,0006 0,0001
0,20
Total 14 0,0144
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação, aos 21 DAE, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0520 0,0520 48,88 0,0001
Falta de ajustamento 3 0,0120 0,0040 3,75 0,0598
Tratamentos (4) (0,0640)
Blocos 2 0,0514
Resíduo 8 0,0085 0,0011
Total 14 0,1239
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0316
Falta de ajustamento 3 0,0051 0,0017 4,85 0,0330
Tratamentos (4) (0,0367)
Blocos 2 0,0410
Resíduo 8 0,0028 0,0003
Total 14 0,0805
161
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0168 0,0168 53,88 <0,0001
Falta de ajustamento 3 0,0032 0,0011 3,40 0,0741
Tratamentos (4) (0,0200)
Blocos 2 0,0154
Resíduo 8 0,0025 0,0003
1,00
Total 14 0,0379
Regressão 1 0,0229 0,0229 52,88 <0,0001
Falta de ajustamento 3 0,0045 0,0015 3,48 0,0703
Tratamentos (4) (0,0274)
Blocos 2 0,0214
Resíduo 8 0,0035 0,0004
0,50
Total 14 0,0523
Regressão 1 0,0306 0,0306 51,72 <0,0001
Falta de ajustamento 3 0,0063 0,0021 3,57 0,0667
Tratamentos (4) (0,0369)
Blocos 2 0,0291
Resíduo 8 0,0047 0,0006
0,25
Total 14 0,0707
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0051 0,0051 27,18 0,0008
Falta de ajustamento 3 0,0010 0,0003 1,70 0,2442
Tratamentos (4) (0,0061)
Blocos 2 0,0062
Resíduo 8 0,0015 0,0002
0,05
Total 14 0,0138
Regressão 1 0,0150 0,0150 29,15 0,0006
Falta de ajustamento 3 0,0029 0,0010 1,87 0,2132
Tratamentos (4) (0,0179)
Blocos 2 0,0177
Resíduo 8 0,0041 0,0005
0,10
Total 14 0,0398
Regressão 1 0,0346 0,0346 32,66 0,0004
Falta de ajustamento 3 0,0069 0,0023 2,18 0,1679
Tratamentos (4) (0,0415)
Blocos 2 0,0391
Resíduo 8 0,0085 0,0011
0,20
Total 14 0,0890
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
segundo grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação GNDVI aos 21 DAE para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 0,0362 0,0181 52,13 <0,0001
Falta de ajustamento 2 0,0005 0,0002 0,67 0,5398
Tratamentos (4) (0,0367)
Blocos 2 0,0410
Resíduo 8 0,0028 0,0003
Total 14 0,0805
162
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 21
DAE entre doses de N aplicadas na semeadura e valores médios do índice de vegetação
GNDVI, para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,1806 -------- ---- ----
X 0,0058 0,0030 1,95 0,0743
X
2
-0,0001 0,0001 -1,11 0,2867
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
primeiro grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação, aos 26 DAE, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0530
Falta de ajustamento 3 0,0121 0,0040 4,34 0,0429
Tratamentos (4) (0,0651)
Blocos 2 0,0605
Resíduo 8 0,0074 0,0009
Total 14 0,1330
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0313
Falta de ajustamento 3 0,0042 0,0014 5,13 0,0286
Tratamentos (4) (0,0355)
Blocos 2 0,0350
Resíduo 8 0,0022 0,0003
Total 14 0,0727
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0193 0,0193 56,64 <0,0001
Falta de ajustamento 3 0,0038 0,0012 3,75 0,0600
Tratamentos (4) (0,0231)
Blocos 2 0,0201
Resíduo 8 0,0027 0,0003
1,00
Total 14 0,0459
Regressão 1 0,0256 0,0256 56,88 <0,0001
Falta de ajustamento 3 0,0052 0,0017 3,88 0,0557
Tratamentos (4) (0,0308)
Blocos 2 0,0273
Resíduo 8 0,0036 0,0004
0,50
Total 14 0,0617
Regressão 1 0,0332 0,0332 57,01 <0,0001
Falta de ajustamento 3 0,0070 0,0023 4,03 0,0511
Tratamentos (4) (0,0402)
Blocos 2 0,0361
Resíduo 8 0,0047 0,0006
0,25
Total 14 0,0810
163
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0077 0,0077 29,62 0,0006
Falta de ajustamento 3 0,0016 0,0005 2,05 0,1851
Tratamentos (4) (0,0093)
Blocos 2 0,0100
Resíduo 8 0,0021 0,0003
0,05
Total 14 0,0213
Regressão 1 0,0214 0,0214 32,46 0,0005
Falta de ajustamento 3 0,0045 0,0015 2,26 0,1583
Tratamentos (4) (0,0259)
Blocos 2 0,0272
Resíduo 8 0,0053 0,0007
0,10
Total 14 0,0584
Regressão 1 0,0454 0,0454 37,36 0,0003
Falta de ajustamento 3 0,0096 0,0032 2,64 0,1213
Tratamentos (4) (0,0550)
Blocos 2 0,0563
Resíduo 8 0,0097 0,0012
0,20
Total 14 0,1210
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear de
segundo grau ajustado entre doses de N aplicadas na semeadura e valores médios do índice
de vegetação, aos 26 DAE, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 0,0616 0,0308 34,18 0,0001
Falta de ajustamento 2 0,0036 0,0018 1,92 0,2088
Tratamentos (4) (0,0651)
Blocos 2 0,0605
Resíduo 8 0,0074 0,0009
Total 14 0,1330
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 0,0339 0,0169 56,46 0,0001
Falta de ajustamento 2 0,0016 0,0008 2,98 0,1076
Tratamentos (4) (0,0355)
Blocos 2 0,0350
Resíduo 8 0,0022 0,0003
Total 14 0,0727
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 26
DAE entre doses de N aplicadas na semeadura e valores médios do índice de vegetação, para
o experimento 2
NDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,2334 -------- ---- ----
X 0,0078 0,0038 2,05 0,0628
X
2
-0,0001 0,0001 -1,20 0,2539
164
GNDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,3106 -------- ---- ----
X 0,0050 0,0028 1,80 0,0969
X
2
-0,0001 0,0001 -0,90 0,3880
165
Apêndice D
Resultados das análises na avaliação da relação entre doses de
nitrogênio aplicadas na semeadura e em cobertura e valores SPAD
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores SPAD aos 39
DAE para o experimento 1
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 146,8747 48,9582 9,63 <0,0001
Falta de ajustamento 26 96,4720 3,7105 0,73 0,8089
Tratamentos (29) (243,3467)
Blocos 2 183,8647
Resíduo 58 294,7287 5,0815
Total 89 721,9400
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 39 DAE entre doses de N aplicadas na semeadura e em cobertura e valores SPAD, para o
experimento 1
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 47,6306 -------- ---- ----
X
1
0,0440 0,0246 1,79 0,0787
X
2
0,0148 0,0174 0,85 0,3988
X
1
X
2
0,0004 0,0005 0,83 0,4099
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores SPAD aos 35
DAE para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 646,3636 215,4545 51,67 <0,0001
Falta de ajustamento 26 95,8503 3,6865 0,88 0,6261
Tratamentos (29) (742,2139)
Blocos 2 38,2416
Resíduo 58 241,8651 4,1701
Total 89 1022,3206
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 35 DAE entre doses de N aplicadas na semeadura e em cobertura e valores SPAD, para o
experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 31,9050 -------- ---- ----
X
1
0,1780 0,022231 8,01 <0,0001
X
2
0,0754 0,015759 4,78 <0,0001
X
1
X
2
-0,0011 0,000479 -2,23 0,0296
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores SPAD, aos 57
DAE, para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 551,3347 183,7782 21,64 <0,0001
Falta de ajustamento 26 309,0013 11,8847 1,40 0,1440
Tratamentos (29) (860,3360)
Blocos 2 38,4647
Resíduo 58 492,5553 8,4923
Total 89 1491,3560
166
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 57 DAE entre doses de N aplicadas na semeadura e em cobertura e valores SPAD, para o
experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 33,1961 -------- ---- ----
X
1
-0,0042 0,0324 -0,13 0,8970
X
2
0,0714 0,0225 3,17 0,0024
X
1
X
2
0,0008 0,0007 1,10 0,2759
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas cobertura e valores SPAD médios, aos 57 DAE, para o
experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 524,5098 524,5098 61,76 <0,0001
Falta de ajustamento 28 335,8262 11,9938 1,41 0,1332
Tratamentos (29) (860,3360)
Blocos 2 38,4647
Resíduo 58 492,5553 8,4923
Total 89 1391,3560
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 57 DAE entre doses de N aplicadas em cobertura e valores SPAD médios, para o
experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 33,0794 -------- ---- ----
X
2
0,0925 0,0118 7,86 <0,0001
167
Apêndice E
Resultados das análises na avaliação da relação entre doses de
nitrogênio aplicadas na semeadura e em cobertura e teor de nitrogênio
foliar
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e NF, aos 39 DAE, para o
experimento 1
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 3,0794 1,0265 3,20 0,0298
Falta de ajustamento 26 10,4343 0,4013 1,25 0,2349
Tratamentos (29) (13,5137)
Blocos 2 25,7326
Resíduo 58 18,5790 0,3203
Total 89 57,8253
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 39 DAE entre doses de N aplicadas na semeadura e em cobertura e NF, para o
experimento 1
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 5,3954 -------- ---- ----
X
1
0,0002 0,0054 0,04 0,9682
X
2
-0,0047 0,0044 -1,09 0,2802
X
1
X
2
0,0002 0,0001 1,68 0,0983
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e NF aos 35 DAE para o
experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 8,0686 2,6895 7,85 0,0002
Falta de ajustamento 26 6,7847 0,2609 0,76 0,7744
Tratamentos (29) (14,8532)
Blocos 2 1,8941
Resíduo 58 19,8718 0,3426
Total 89 36,6192
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 35 DAE entre doses de N aplicadas na semeadura e em cobertura e NF, para o
experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 3,7127 -------- ---- ----
X
1
0,0006 0,0066 0,0984 0,9219
X
2
0,0046 0,0045 1,0238 0,3102
X
1
X
2
0,0002 0,0001 1,3388 0,1859
168
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e NF, aos 57 DAE, para o
experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 1,9118 0,6372 5,35 0,0025
Falta de ajustamento 26 3,1712 0,1220 1,03 0,4537
Tratamentos (29) (5,0830)
Blocos 2 5,6844
Resíduo 58 6,9014 0,1190
Total 89 17,6689
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 57 DAE entre doses de N aplicadas na semeadura e em cobertura e NF, para o
experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 2,0501 -------- ---- ----
X
1
0,0081 0,0038 2,15 0,0357
X
2
0,0086 0,0027 3,23 0,0020
X
1
X
2
-0,0001 0,0001 -1,71 0,0926
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e NF, sem uso da variável
interação, aos 57 DAE, para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 1,5631 0,7816 6,57 0,0027
Falta de ajustamento 27 3,5199 0,1304 1,10 0,3756
Tratamentos (29) (5,0830)
Blocos 2 5,6844
Resíduo 58 6,9014 0,1190
Total 89 17,6689
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 57 DAE entre doses de N aplicadas na semeadura e em cobertura e NF, sem uso da
variável interação, para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 2,1989 -------- ---- ----
X
1
0,0027 0,0021 1,30 0,1987
X
2
0,0047 0,0014 3,38 0,0013
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas em cobertura e NF, aos 57 DAE, para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 1,3633 1,3633 11,46 0,0013
Falta de ajustamento 28 3,7197 0,1328 1,12 0,3533
Tratamentos (29) (5,0830)
Blocos 2 5,6844
Resíduo 58 6,9014
Total 89 17,6689
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 57 DAE entre doses de N aplicadas em cobertura e NF, para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 2,2756 -------- ---- ----
X
2
0,0047 0,0014 3,38 0,0013
169
Apêndice F
Resultados das análises na avaliação da relação entre doses de
nitrogênio aplicadas na semeadura e em cobertura e índices de vegetação
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 46 DAE, para o experimento 1
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,00009 0,00003 1,05 0,37742
Falta de ajustamento 26 0,00104 0,00004 1,40 0,14370
Tratamentos (29) (0,00113)
Blocos 2 0,01705
Resíduo 58 0,00166 0,00003
Total 89 0,01985
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,00586
Falta de ajustamento 26 0,00570 0,00022 2,25 0,00532
Tratamentos (29) (0,01157)
Blocos 2 0,01305
Resíduo 58 0,00566 0,00010
Total 89 0,03027
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,0014 0,0005 0,23 0,8751
Falta de ajustamento 26 0,0594 0,0023 1,14 0,3348
Tratamentos (29) (0,0608)
Blocos 2 0,1059
Resíduo 58 0,1167 0,0020
1,00
Total 89 0,2834
Regressão 3 0,0009 0,0003 0,23 0,8751
Falta de ajustamento 26 0,0390 0,0015 1,15 0,3176
Tratamentos (29) (0,0399)
Blocos 2 0,0653
Resíduo 58 0,0753 0,0013
0,50
Total 89 0,1804
Regressão 3 0,0005 0,0002 0,25 0,8610
Falta de ajustamento 26 0,0208 0,0008 1,19 0,2821
Tratamentos (29) (0,0214)
Blocos 2 0,0344
Resíduo 58 0,0389 0,0007
0,25
Total 89 0,0947
170
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,00887 0,00296 1,28 0,28977
Falta de ajustamento 26 0,08948 0,00344 1,49 0,10442
Tratamentos (29) (0,09835)
Blocos 2 1,82335
Resíduo 58 0,13441 0,00232
0,05
Total 89 2,05611
Regressão 3 0,00433 0,00144 1,20 0,31786
Falta de ajustamento 26 0,04553 0,00175 1,46 0,11630
Tratamentos (29) (0,04986)
Blocos 2 0,85859
Resíduo 58 0,06971 0,00120
0,10
Total 89 0,0584
Regressão 3 0,00161 0,00054 1,14 0,34057
Falta de ajustamento 26 0,01754 0,00067 1,43 0,12937
Tratamentos (29) (0,01915)
Blocos 2 0,30910
Resíduo 58 0,02734 0,00047
0,20
Total 89 0,35559
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação GNDVI, aos 46 DAE, para o experimento 1
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 5 0,00735
Falta de ajustamento 24 0,00422 0,00018 1,80 0,03523
Tratamentos (29) (0,01157)
Blocos 2 0,01305
Resíduo 58 0,00566 0,00010
Total 89 0,03027
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 53 DAE, para o experimento 1
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,00007 0,00002 0,34 0,79647
Falta de ajustamento 26 0,00226 0,00009 1,27 0,22236
Tratamentos (29) (0,00233)
Blocos 2 0,02310
Resíduo 58 0,00397 0,00007
Total 89 0,02940
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,00586 0,00195 11,24 < 0,00001
Falta de ajustamento 26 0,00440 0,00017 0,97 0,51912
Tratamentos (29) (0,01026)
Blocos 2 0,01864
Resíduo 58 0,01008 0,00017
Total 89 0,03898
171
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,01900 0,00633 3,63 0,0180
Falta de ajustamento 26 0,03897 0,00150 0,86 0,6583
Tratamentos (29) (0,05797)
Blocos 2 0,00808
Resíduo 58 0,10128 0,0017
1,00
Total 89 0,16733
Regressão 3 0,01276 0,00425 3,67 0,0172
Falta de ajustamento 26 0,02551 0,00098 0,85 0,6729
Tratamentos (29) (0,03827)
Blocos 2 0,00943
Resíduo 58 0,06721 0,00116
0,50
Total 89 0,11491
Regressão 3 0,00682 0,00227 3,64 0,0178
Falta de ajustamento 26 0,01354 0,00052 0,83 0,6893
Tratamentos (29) (0,02036)
Blocos 2 0,01215
Resíduo 58 0,03624 0,00062
0,25
Total 89 0,06875
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,00771 0,00257 0,42 0,73933
Falta de ajustamento 26 0,17998 0,00692 1,13 0,34123
Tratamentos (29) (0,18770)
Blocos 2 2,12136
Resíduo 58 0,35580 0,00613
0,05
Total 89 2,66486
Regressão 3 0,00328 0,00109 0,37 0,77492
Falta de ajustamento 26 0,09243 0,00356 1,19 0,28574
Tratamentos (29) (0,09571)
Blocos 2 1,06059
Resíduo 58 0,17343 0,00299
0,10
Total 89 1,32973
Regressão 3 0,00120 0,00040 0,35 0,78928
Falta de ajustamento 26 0,03642 0,00140 1,23 0,25254
Tratamentos (29) (0,03762)
Blocos 2 0,39916
Resíduo 58 0,06605 0,00114
0,20
Total 89 0,50283
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 53
DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice de
vegetação, para o experimento 1
GNDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,78989 -------- ---- ----
X
1
0,00028 0,000143589 1,98 0,0524
X
2
0,00025 0,000101934 2,43 0,0182
X
1
X
2
< 0,00001 -1,34352E-06 -0,01 0,9921
172
SAVI
L Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,70433 -------- ---- ----
X
1
-0,00048 0,000452003 -1,07 0,2891
X
2
-0,00011 0,000325985 -0,34 0,7351
1,00
X
1
X
2
0,00002 1,03875E-05 1,94 0,0572
Intercepto 0,77130 -------- ---- ----
X
1
-0,00040 0,000369182 -1,09 0,2802
X
2
-0,00009 0,000264672 -0,33 0,7426
0,50
X
1
X
2
0,00002 7,99720E-06 1,95 0,0560
Intercepto 0,83506 -------- ---- ----
X
1
-0,00030 0,000271342 -1,09 0,2802
X
2
-0,00006 0,000193285 -0,33 0,7426
0,25
X
1
X
2
0,00001 5,88957E-06 1,93 0,0585
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas em cobertura e valores médios do índice de vegetação
GNDVI, aos 53 DAE, para o experimento 1
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 1 0,0038 0,0038 21,82 <0,0001
Falta de ajustamento 28 0,0065 0,0002 1,34 0,1696
Tratamentos (29) (0,0103)
Blocos 2 0,0186
Resíduo 58 0,0101 0,0002
Total 89 0,0390
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 53 DAE entre doses de N aplicadas em cobertura e valores médios do índice de vegetação
GNDVI, para o experimento 1
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,7978 -------- ---- ----
X
2
0,0002 5,3286E-05 4,63 <0,0001
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 62 DAE, para o experimento 1
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,01713 0,00571 3,79 0,01496
Falta de ajustamento 26 0,04848 0,00186 1,24 0,24472
Tratamentos (29) (0,06561)
Blocos 2 0,00506
Resíduo 58 0,08749 0,00151
Total 89 0,15816
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,06592 0,02197 7,44 0,00027
Falta de ajustamento 26 0,09854 0,00379 1,28 0,21527
Tratamentos (29) (0,16446)
Blocos 2 0,12190
Resíduo 58 0,17123 0,00295
Total 89 0,45759
173
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,07541 0,02514 3,85 0,0140
Falta de ajustamento 26 0,16195 0,00623 0,95 0,5396
Tratamentos (29) (0,23736)
Blocos 2 0,34597
Resíduo 58 0,37898 0,00653
1,00
Total 89 0,96231
Regressão 3 0,06733 0,02244 3,96 0,0123
Falta de ajustamento 26 0,14252 0,00548 0,97 0,5226
Tratamentos (29) (0,20985)
Blocos 2 0,27169
Resíduo 58 0,32874 0,00567
0,50
Total 89 0,81029
Regressão 3 0,05388 0,01796 4,08 0,0107
Falta de ajustamento 26 0,11462 0,00441 1,00 0,4825
Tratamentos (29) (0,16851)
Blocos 2 0,17370
Resíduo 58 0,25558 0,00441
0,25
Total 89 0,59779
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,45742 0,15247 5,99 0,00125
Falta de ajustamento 26 0,95305 0,03666 1,44 0,12488
Tratamentos (29) (1,41047)
Blocos 2 0,16659
Resíduo 58 1,47670 0,02546
0,05
Total 89 2,66486
Regressão 3 0,36717 0,12239 5,18 0,00307
Falta de ajustamento 26 0,84084 0,03233 1,37 0,15938
Tratamentos (29) (1,20801)
Blocos 2 0,12562
Resíduo 58 1,37047 0,02363
0,10
Total 89 2,70410
Regressão 3 0,19761 0,06587 4,53 0,00639
Falta de ajustamento 26 0,49407 0,01900 1,31 0,19509
Tratamentos (29) (0,69168)
Blocos 2 0,06361
Resíduo 58 0,84250 0,01453
0,20
Total 89 1,59779
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 62
DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice de
vegetação para o experimento 1
NDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,88820 -------- ---- ----
X
1
-0,00029 0,000423088 -0,69 0,4929
X
2
0,00012 0,000302258 0,39 0,6980
X
1
X
2
0,00001 9,15860E-06 1,37 0,1760
GNDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,65539 -------- ---- ----
X
1
-0,00009 0,000603393 -0,15 0,8813
X
2
0,00047 0,000418489 1,12 0,2673
X
1
X
2
0,00002 1,281070E-05 1,29 0,2022
174
SAVI
L Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,54257 -------- ---- ----
X
1
-0,00063 0,000879894 -0,72 0,4744
X
2
0,00035 0,000619185 0,57 0,5709
1,00
X
1
X
2
0,00002 1,89073E-05 1,26 0,2127
Intercepto 0,62214 -------- ---- ----
X
1
-0,00063 0,000823008 -0,77 0,4444
X
2
0,00031 0,000570643 0,54 0,5913
0,50
X
1
X
2
0,00002 1,77185E-05 1,30 0,1987
Intercepto 0,70591 -------- ---- ----
X
1
-0,0006 0,00072609 -0,83 0,4099
X
2
0,00026 0,00051691 0,40 0,6906
0,25
X
1
X
2
0,00002 1,56287E-05 1,35 0,1823
WDRVI
a Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto -0,07421 -------- ---- ----
X
1
-0,00069 0,05726853 -0,40 0,6906
X
2
0,00101 0,00171877 0,81 0,4212
0,05
X
1
X
2
0,00005 3,73674E-05 1,37 0,1760
Intercepto 0,26281 -------- ---- ----
X
1
-0,00085 0,05507542 -0,50 0,6190
X
2
0,00080 0,00168479 0,67 0,5055
0,10
X
1
X
2
0,00005 3,61512E-05 1,37 0,1760
Intercepto 0,54607 -------- ---- ----
X
1
-0,00078 0,00131563 -0,59 0,5575
X
2
0,00051 0,00093903 0,53 0,5981
0,20
X
1
X
2
0,00004 2,83232E-05 1,38 0,1729
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 81 DAE, para o experimento 1
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,60438 0,20146 3,88 0,01348
Falta de ajustamento 26 1,77929 0,06843 1,32 0,18872
Tratamentos (29) (2,38367)
Blocos 2 0,44299
Resíduo 58 3,01187 0,05193
Total 89 5,83853
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,32011 0,10670 2,47 0,07087
Falta de ajustamento 26 1,34054 0,05156 1,19 0,28574
Tratamentos (29) (1,66065)
Blocos 2 0,49593
Resíduo 58 2,50976 0,04327
Total 89 4,66634
175
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,11093 0,03698 3,82 0,0145
Falta de ajustamento 26 0,29285 0,01126 1,16 0,3101
Tratamentos (29) (0,40378)
Blocos 2 0,07174
Resíduo 58 0,56185 0,00969
1,00
Total 89 1,03737
Regressão 3 0,16497 0,05499 3,92 0,0129
Falta de ajustamento 26 0,43672 0,01680 1,20 0,2796
Tratamentos (29) (0,60170)
Blocos 2 0,10465
Resíduo 58 0,81381 0,01403
0,50
Total 89 1,52015
Regressão 3 0,24439 0,08146 4,03 0,0113
Falta de ajustamento 26 0,65261 0,02510 1,24 0,2426
Tratamentos (29) (0,89700)
Blocos 2 0,15278
Resíduo 58 1,17141 0,02020
0,25
Total 89 2,22119
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,25243 0,08414 6,44 0,00077
Falta de ajustamento 26 0,54164 0,02083 1,59 0,07228
Tratamentos (29) (0,79407)
Blocos 2 0,13878
Resíduo 58 0,75756 0,01306
0,05
Total 89 1,69041
Regressão 3 0,52860 0,17620 6,30 0,00090
Falta de ajustamento 26 1,15308 0,04435 1,58 0,07503
Tratamentos (29) (1,68168)
Blocos 2 0,314391
Resíduo 58 1,62344 0,02799
0,10
Total 89 3,61951
Regressão 3 0,82272 0,27424 5,85 0,00146
Falta de ajustamento 26 1,88355 0,07244 1,54 0,08701
Tratamentos (29) (2,70627)
Blocos 2 0,51904
Resíduo 58 2,72009 0,04690
0,20
Total 89 5,94540
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 81
DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice de
vegetação, para o experimento 1
NDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,20650 -------- ---- ----
X
1
0,00061 0,002450737 0,25 0,8035
X
2
0,00263 0,001760414 1,49 0,1416
X
1
X
2
0,00001 5,31691E-05 1,37 0,1760
176
SAVI
L Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,05365 -------- ---- ----
X
1
0,00089 0,001069643 0,83 0,4099
X
2
0,00133 0,000759857 1,75 0,0854
1,00
X
1
X
2
-0,000003 2,25426E-05 -0,14 0,8892
Intercepto 0,07154 -------- ---- ----
X
1
0,00101 0,001287832 0,74 0,4623
X
2
0,00162 0,000915309 1,67 0,1003
0,50
X
1
X
2
-0,000003 2,77921E-05 -0,11 0,9128
Intercepto 0,09738 -------- ---- ----
X
1
0,00109 0,001547938 0,70 0,4867
X
2
0,00195 0,001094433 1,78 0,0831
0,25
X
1
X
2
-0,000002 3,33405E-05 0,07 0,9444
WDRVI
a Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto -0,86133 -------- ---- ----
X
1
0,00053 0,00123168 0,43 0,6688
X
2
0,00130 0,00088385 1,47 0,1470
0,05
X
1
X
2
0,00002 2,68575E-05 0,70 0,4867
Intercepto -0,73849 -------- ---- ----
X
1
0,00088 0,00180658 0,49 0,6260
X
2
0,00213 0,00128748 1,65 0,1943
0,10
X
1
X
2
0,00002 3,90794E-05 0,52 0,6050
Intercepto -0,53316 -------- ---- ----
X
1
0,00115 0,00237297 0,48 0,6330
X
2
0,00294 0,00167219 1,75 0,0854
0,20
X
1
X
2
0,00002 5,16343E-05 0,35 0,7276
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 50 DAE, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 1,49064 0,49688 42,12 <0,00001
Falta de ajustamento 26 0,36196 0,01392 1,18 0,29451
Tratamentos (29) (1,85260)
Blocos 2 0,58312
Resíduo 58 0,68418 0,01180
Total 89 3,11990
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,92397 0,30799 48,58 <0,00001
Falta de ajustamento 26 0,18216 0,00701 1,11 0,36121
Tratamentos (29) (1,10613)
Blocos 2 0,39746
Resíduo 58 0,36773 0,00634
Total 89 1,87132
177
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,88257 0,29419 48,40 <0,0001
Falta de ajustamento 26 0,24093 0,00927 1,52 0,0921
Tratamentos (29) (1,12350)
Blocos 2 0,63447
Resíduo 58 0,35254 0,00608
1,00
Total 89 2,11051
Regressão 3 1,04112 0,34704 48,25 <0,0001
Falta de ajustamento 26 0,27124 0,01043 1,45 0,1204
Tratamentos (29) (1,31236)
Blocos 2 0,67944
Resíduo 58 0,41717 0,02600
0,50
Total 89 2,40897
Regressão 3 1,19715 0,39905 47,25 <0,0001
Falta de ajustamento 26 0,29997 0,01154 1,37 0,1616
Tratamentos (29) (1,49713)
Blocos 2 0,68952
Resíduo 58 0,48988 0,00845
0,25
Total 89 2,67653
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 4,17997 1,39332 40,62 <0,00001
Falta de ajustamento 26 1,27665 0,04910 1,63 0,06219
Tratamentos (29) (5,45662)
Blocos 2 2,01874
Resíduo 58 1,98941 0,03430
0,05
Total 89 9,46477
Regressão 3 5,69816 1,89939 44,48 <0,00001
Falta de ajustamento 26 1,66723 0,06412 1,50 0,10070
Tratamentos (29) (7,36539)
Blocos 2 2,61649
Resíduo 58 2,47685 0,04270
0,10
Total 89 12,45873
Regressão 3 5,53650 1,84550 46,37 <0,00001
Falta de ajustamento 26 1,52608 0,05870 1,47 0,11221
Tratamentos (29) (7,06259)
Blocos 2 2,39740
Resíduo 58 2,30838 0,03980
0,20
Total 89 11,76837
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 50
DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice de
vegetação, para o experimento 2
NDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,40346 -------- ---- ----
X
1
0,00883 0,038877451 7,46 <0,0001
X
2
0,00605 0,001183114 7,22 <0,0001
X
1
X
2
-0,00001 2,54985E-05 -3,92 0,0002
GNDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,27177 -------- ---- ----
X
1
0,00584 0,000866865 6,74 <0,0001
X
2
0,00457 0,000614606 7,44 <0,0001
X
1
X
2
-0,00006 1,86814E-05 -3,16 0,0025
178
SAVI
L Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,22265 -------- ---- ----
X
1
0,00563 0,000848294 6,64 <0,0001
X
2
0,00419 0,000602122 6,96 <0,0001
1,00
X
1
X
2
-0,00005 1,83515E-05 -2,74 0,0082
Intercepto 0,26189 -------- ---- ----
X
1
0,00639 0,000921982 6,93 <0,0001
X
2
0,00467 0,000654159 7,14 <0,0001
0,50
X
1
X
2
-0,00006116 1,99622E-05 -3,06 0,0033
Intercepto 0,30474 -------- ---- ----
X
1
0,00718 0,001000283 7,18 <0,0001
X
2
0,00515 0,000710412 7,25 <0,0001
0,25
X
1
X
2
-0,00007292 2,15608E-05 -3,38 0,0013
WDRVI
a Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto -0,82051 -------- ---- ----
X
1
0,01157 0,00201494 5,74 <0,0001
X
2
0,00839 0,00143112 5,86 <0,0001
0,05
X
1
X
2
-0,00008 4,35015E-05 -1,95 0,0560
Intercepto -0,64196 -------- ---- ----
X
1
0,01460 0,00225124 6,49 <0,0001
X
2
0,01040 0,00159362 6,53 <0,0001
0,10
X
1
X
2
-0,00013 4,86338E-05 -2,60 0,0118
Intercepto -0,36831 -------- ---- ----
X
1
0,01540 0,00217396 7,08 <0,0001
X
2
0,01080 0,00153925 7,02 <0,0001
0,20
X
1
X
2
-0,00015 4,68589E-05 -3,21 0,0022
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação WDRVI (a=0,05), sem uso da variável interação, aos 50 DAE, para o
experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 4,0489 2,0245 59,02 <0,0001
Falta de ajustamento 27 1,4077 0,0521 1,52 0,0915
Tratamentos (29) (5,4566)
Blocos 2 2,0187
Resíduo 58 1,9894 0,0343
Total 89 9,4648
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
aos 50 DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do
índice de vegetação WDRVI (a=0,05), sem uso da variável interação, para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto -0,7293 -------- ---- ----
X
1
0,0083 0,0011 7,33 <0,0001
X
2
0,0060 0,0007 8,03 <0,0001
179
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 56 DAE, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,88004 0,29335 39,52 <0,00001
Falta de ajustamento 26 0,20144 0,00775 1,04 0,43660
Tratamentos (29) (1,08148)
Blocos 2 0,35521
Resíduo 58 0,43056 0,00742
Total 89 1,86725
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,59147 0,19716 42,92 <0,00001
Falta de ajustamento 26 0,11706 0,00450 0,98 0,50699
Tratamentos (29) (0,70853)
Blocos 2 0,30453
Resíduo 58 0,26642 0,00459
Total 89 1,27948
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,78650 0,26217 45,57 <0,0001
Falta de ajustamento 26 0,17917 0,00689 1,20 0,2790
Tratamentos (29) (0,96568)
Blocos 2 0,53424
Resíduo 58 0,33367 0,00575
1,00
Total 89 1,83358
Regressão 3 0,86135 0,28712 46,05 <0,0001
Falta de ajustamento 26 0,19141 0,00736 1,18 0,2938
Tratamentos (29) (1,05276)
Blocos 2 0,53466
Resíduo 58 0,36161 0,00623
0,50
Total 89 1,94903
Regressão 3 0,90623 0,30208 45,44 <0,0001
Falta de ajustamento 26 0,19873 0,00764 1,15 0,3222
Tratamentos (29) (1,10496)
Blocos 2 0,50437
Resíduo 58 0,38556 0,00665
0,25
Total 89 1,99489
180
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 2,98348 0,99449 35,51 <0,00001
Falta de ajustamento 26 0,84120 0,03235 1,16 0,31263
Tratamentos (29) (3,82468)
Blocos 2 1,97340
Resíduo 58 1,62416 0,02800
0,05
Total 89 7,42224
Regressão 3 4,04144 1,34715 39,37 <0,00001
Falta de ajustamento 26 1,05538 0,04059 1,19 0,28574
Tratamentos (29) (5,09682)
Blocos 2 2,32820
Resíduo 58 1,98478 0,03422
0,10
Total 89 9,40980
Regressão 3 3,78717 1,26239 41,71 <0,00001
Falta de ajustamento 26 0,92646 0,03563 1,18 0,29451
Tratamentos (29) (4,71363)
Blocos 2 1,90167
Resíduo 58 1,75528 0,03026
0,20
Total 89 8,37058
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 56
DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice de
vegetação, para o experimento 2
NDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,50607 -------- ---- ----
X
1
0,00681 0,030829648 7,26 <0,0001
X
2
0,00503 0,000937705 7,56 <0,0001
X
1
X
2
-0,00009 2,02207E-05 -4,27 <0,0001
GNDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,34517 -------- ---- ----
X
1
0,00441 0,000739307 4,52 <0,0001
X
2
0,00394 0,000522859 5,71 <0,0001
X
1
X
2
-0,00005 1,59127E-05 -2,44 0,0178
SAVI
L Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,25120 -------- ---- ----
X
1
0,00589 0,000826114 7,13 <0,0001
X
2
0,00443 0,000584369 7,58 <0,0001
1,00
X
1
X
2
-0,00006622 1,77775E-05 -3,72 0,0005
Intercepto 0,30344 -------- ---- ----
X
1
0,0063 0,000860475 5,14 <0,0001
X
2
0,00472 0,000610243 5,43 <0,0001
0,50
X
1
X
2
-0,00007293 1,85506E-05 -2,76 0,0077
Intercepto 0,36249 -------- ---- ----
X
1
0,00660 0,000887300 7,44 <0,0001
X
2
0,00492 0,000629889 7,81 <0,0001
0,25
X
1
X
2
-0,00007867 1,91297E-05 -4,11 0,0001
181
WDRVI
a Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto -0,76931 -------- ---- ----
X
1
0,01098 0,00182160 5,45 <0,0001
X
2
0,00858 0,00129244 6,01 <0,0001
0,05
X
1
X
2
-0,00012 3,93223E-05 -2,79 0,0071
Intercepto -0,55508 -------- ---- ----
X
1
0,01324 0,00201298 6,58 <0,0001
X
2
0,01021 0,00142906 7,14 <0,0001
0,10
X
1
X
2
-0,00015 4,33689E-05 -3,51 0,0009
Intercepto -0,24875 -------- ---- ----
X
1
0,01327 0,00189379 7,01 <0,0001
X
2
0,01007 0,00134300 7,50 <0,0001
0,20
X
1
X
2
-0,00016 4,08218E-05 -3,88 0,0003
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 69 DAE, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,55846 0,18615 13,33 <0,00001
Falta de ajustamento 26 0,25180 0,00968 0,69 0,84950
Tratamentos (29) (0,81026)
Blocos 2 0,29428
Resíduo 58 0,81025 0,01397
Total 89 1,91479
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,28699 0,09566 11,15 <0,00001
Falta de ajustamento 26 0,16338 0,00628 0,76 0,77621
Tratamentos (29) (0,45038)
Blocos 2 0,26083
Resíduo 58 0,48028 0,00828
Total 89 1,19149
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,30317 0,10106 13,68 <0,0001
Falta de ajustamento 26 0,11860 0,00456 0,62 0,9106
Tratamentos (29) (0,42177)
Blocos 2 0,20468
Resíduo 58 0,42834 0,00739
1,00
Total 89 1,05479
Regressão 3 0,36788 0,12263 13,85 <0,0001
Falta de ajustamento 26 0,14403 0,00554 0,63 0,9047
Tratamentos (29) (0,51191)
Blocos 2 0,23593
Resíduo 58 0,51356 0,00885
0,50
Total 89 1,26140
Regressão 3 0,43323 0,14441 13,87 <0,0001
Falta de ajustamento 26 0,17320 0,00666 0,64 0,8935
Tratamentos (29) (0,60642)
Blocos 2 0,26224
Resíduo 58 0,60369 0,01041
0,25
Total 89 1,47236
182
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 0,96584 0,32195 10,83 <0,00001
Falta de ajustamento 26 0,57187 0,02199 0,74 0,79834
Tratamentos (29) (1,53771)
Blocos 2 1,01133
Resíduo 58 1,72409 0,02973
0,05
Total 89 4,27313
Regressão 3 1,56324 0,52108 11,53 <0,00001
Falta de ajustamento 26 0,86187 0,03315 0,73 0,80908
Tratamentos (29) (2,42511)
Blocos 2 1,41684
Resíduo 58 2,62021 0,04518
0,10
Total 89 6,46216
Regressão 3 1,75380 0,58460 12,28 <0,00001
Falta de ajustamento 26 0,89426 0,03439 0,72 0,81957
Tratamentos (29) (2,64806)
Blocos 2 1,32782
Resíduo 58 2,76063 0,04760
0,20
Total 89 6,73651
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 69
DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice de
vegetação, para o experimento 2
NDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,50399 -------- ---- ----
X
1
0,00433 0,001285607 3,37 0,0013
X
2
0,00399 0,000911497 4,38 <0,0001
X
1
X
2
-0,00005 -2,77252E-05 1,97 0,0536
GNDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,33455 -------- ---- ----
X
1
0,00201 0,000990715 2,03 0,0469
X
2
0,00265 0,000703922 3,76 0,0004
X
1
X
2
-0,00002 2,14593E-05 -1,08 0,2846
SAVI
L Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,29132 -------- ---- ----
X
1
0,00291 0,000935301 3,11 0,0029
X
2
0,00292 0,000662754 4,41 <0,0001
1,00
X
1
X
2
-0,00003687 2,01738E-05 -1,83 0,0724
Intercepto 0,33904 -------- ---- ----
X
1
0,00327 0,001026773 3,18 0,0024
X
2
0,00322 0,000726786 4,43 <0,0001
0,50
X
1
X
2
-0,00004119 2,21074E-05 -1,86 0,0680
Intercepto 0,39017 -------- ---- ----
X
1
0,00362 0,001112657 3,25 0,0019
X
2
0,00350 0,000788552 4,44 <0,0001
0,25
X
1
X
2
-0,00004555 2,40234E-05 -1,90 0,0624
183
WDRVI
a Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto -0,70372 -------- ---- ----
X
1
0,00400 0,00187711 2,13 0,0374
X
2
0,00478 0,00132743 3,60 0,0007
0,05
X
1
X
2
-0,00004 4,04806E-05 -1,06 0,2935
Intercepto -0,49419 -------- ---- ----
X
1
0,00563 0,00232126 2,43 0,0182
X
2
0,00623 0,00164150 3,80 0,0003
0,10
X
1
X
2
-0,00006 4,98563E-05 -1,27 0,2092
Intercepto -0,20887 -------- ---- ----
X
1
0,00658 0,00237604 2,77 0,0075
X
2
0,00676 0,00168324 4,02 0,0002
0,20
X
1
X
2
-0,00008 5,13693E-05 -1,50 0,1390
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice
de vegetação, aos 69 DAE, sem uso da variável interação, para o experimento 2
NDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 0,5045 0,2523 18,06 <0,0001
Falta de ajustamento 27 0,3058 0,0113 0,81 0,7206
Tratamentos (29) (0,8103)
Blocos 2 0,2943
Resíduo 58 0,8102 0,0140
Total 89 1,9148
GNDVI
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 0,2772 0,1386 16,74 <0,0001
Falta de ajustamento 27 0,1732 0,0064 0,77 0,7636
Tratamentos (29) (0,4504)
Blocos 2 0,2608
Resíduo 58 0,4803 0,0083
Total 89 1,1915
SAVI
L F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 0,2778 0,1389 18,81 <0,0001
Falta de ajustamento 27 0,1432 0,0053 0,72 0,8253
Tratamentos (29) (0,4218)
Blocos 2 0,2047
Resíduo 58 0,4283 0,0074
1,00
Total 89 1,0548
Regressão 2 0,3371 0,1686 19,03 <0,0001
Falta de ajustamento 27 0,1748 0,0065 0,73 0,8120
Tratamentos (29) (0,5119)
Blocos 2 0,2359
Resíduo 58 0,5136 0,0089
0,50
Total 89 1,2614
Regressão 2 0,3956 0,1978 19,00 <0,0001
Falta de ajustamento 27 0,2108 0,0078 0,75 0,7913
Tratamentos (29) (0,6064)
Blocos 2 0,2622
Resíduo 58 0,6037 0,0104
0,25
Total 89 1,4724
184
WDRVI
a F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 0,9325 0,4662 15,68 <0,0001
Falta de ajustamento 27 0,6052 0,0224 0,75 0,7869
Tratamentos (29) (1,5377)
Blocos 2 1,0113
Resíduo 58 1,7241 0,0297
0,05
Total 89 4,2731
Regressão 2 1,4907 0,7453 16,50 <0,0001
Falta de ajustamento 27 0,9344 0,0346 0,77 0,7733
Tratamentos (29) (2,4251)
Blocos 2 1,4168
Resíduo 58 2,6202 0,0452
0,10
Total 89 6,4622
Regressão 2 1,6461 0,8230 17,29 <0,0001
Falta de ajustamento 27 1,0020 0,0371 0,78 0,7576
Tratamentos (29) (2,6480)
Blocos 2 1,3278
Resíduo 58 2,7606 0,0476
0,20
Total 89 6,7365
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado aos 69
DAE entre doses de N aplicadas na semeadura e em cobertura e valores médios do índice de
vegetação, sem uso da variável interação, para o experimento 2
NDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,5625 -------- ---- ----
X
1
0,0022 0,0007 3,09 0,0031
X
2
0,0025 0,0005 5,15 <0,0001
GNDVI
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,3595 -------- ---- ----
X
1
0,0011 0,0005 2,01 0,0491
X
2
0,0020 0,0004 5,43 <0,0001
SAVI
L Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 0,3309 -------- ---- ----
X
1
0,0015 0,0005 2,85 0,0060
1,00
X
2
0,0019 0,0003 5,44 <0,0001
Intercepto 0,3833 -------- ---- ----
X
1
0,0017 0,0006 2,92 0,0050
0,50
X
2
0,0021 0,0004 5,43 <0,0001
Intercepto 0,4391 -------- ---- ----
X
1
0,0019 0,0006 2,99 0,0041
0,25
X
2
0,0022 0,0004 5,39 <0,0001
WDRVI
a Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto -0,6577 -------- ---- ----
X
1
0,0024 0,0010 2,23 0,0296
0,05
X
2
0,0036 0,0007 5,14 <0,0001
Intercepto -0,4263 -------- ---- ----
X
1
0,0032 0,0013 2,46 0,0169
0,10
X
2
0,0045 0,0009 5,20 <0,0001
Intercepto -0,1261 -------- ---- ----
X
1
0,00362 0,0013 2,71 0,0088
0,20
X
2
0,0046 0,0009 5,22 <0,0001
185
Apêndice G
Resultados das análises na relação entre doses de nitrogênio aplicadas
na semeadura e em cobertura, produtividade e componentes de
rendimento do feijoeiro
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores calculados da
produtividade (kg ha
-1
) corrigidos para a umidade de 12% na base úmida para os dois
experimentos
Experimento F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 1408030,00 469343,00 1,54 0,2138
Falta de ajustamento 26 5915587,00 227522,58 0,75 0,7900
Tratamentos (29) (7323617,38)
Blocos 2 5035,11
Resíduo 58 17651082,58 304329,01
1
Total 89 25478211,52
Regressão 3 32033867,00 10677956,00 43,10 <0,0001
Falta de ajustamento 26 6450794,37 248107,48 1,00 0,4813
Tratamentos (29) (38484661,17)
Blocos 2 9450219,03
Resíduo 58 14368857,21 247738,92
2
Total 89 62303737,41
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
entre doses de N aplicadas na semeadura e em cobertura e valores calculados da
produtividade (kg ha
-1
) corrigidos para a umidade de 12% na base úmida para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 1115,2969 -------- ---- ----
X
1
21,7325 5,4264 4,0050 0,0002
X
2
20,5440 3,8387 5,3519 <0,0001
X
1
X
2
-0,0589 0,1177 -0,5006 0,6190
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores calculados da
produtividade (kg ha
-1
) corrigidos para a umidade de 12% na base úmida, sem uso da variável
interação, para o experimento 1
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 31970978,00 15985489,00 64,53 <0,0001
Falta de ajustamento 27 6513683,20 241247,53 0,97 0,5159
Tratamentos (29) (38484661,17)
Blocos 2 9450219,03
Resíduo 58 14368857,21
Total 89 62303737,41
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
entre doses de N aplicadas na semeadura e em cobertura e valores calculados da
produtividade (kg ha
-1
) corrigidos para a umidade de 12% na base úmida, sem uso da variável
interação, para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 1178,51 -------- ---- ----
X
1
19,47 3,0506 6,38 <0,0001
X
2
18,89 2,0105 9,40 <0,0001
186
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores dos componentes
de rendimento (CR) número de vagens por planta (NVP), número de grãos por vagem (NGV) e
massa de cem grãos (MCG), para o experimento 1
CR F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 29,5992 9,8664 1,97 0,1285
Falta de ajustamento 26 90,9585 3,4984 0,70 0,8414
Tratamentos (29) (120,5577)
Blocos 2 9,4920
Resíduo 58 290,5640 5,0097
NVP
Total 89 420,6138
Regressão 3 1,2532 0,4177 1,11 0,3525
Falta de ajustamento 26 9,2712 0,3566 0,95 0,5466
Tratamentos (29) (10,5243)
Blocos 2 0,5589
Resíduo 58 21,8258 0,3763
NGV
Total 89 32,9090
Regressão 3 17,1008 5,7003 0,26 0,8539
Falta de ajustamento 26 706,4982 27,1730 1,23 0,2533
Tratamentos (29) (723,5990)
Blocos 2 5,2238
Resíduo 58 1282,3116 22,1088
MCG
Total 89 2011,1344
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores dos componentes
de rendimento (CR) número de vagens por planta (NVP), número de grãos por vagem (NGV) e
massa de cem grãos (MCG), para o experimento 2
CR F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 273,6669 91,2223 54,95 <0,0001
Falta de ajustamento 26 26,2968 1,0114 0,61 0,9166
Tratamentos (29) (299,9637)
Blocos 2 100,1624
Resíduo 58 96,2942 1,6602
NVP
Total 89 496,4203
Regressão 3 1,7600
Falta de ajustamento 26 2,6472 0,1018 1,78 0,0344
Tratamentos (29) (4,4072)
Blocos 2 0,5216
Resíduo 58 3,3095 0,0571
NGV
Total 89 8,2383
Regressão 3 17,6623 5,8874 2,84 0,0457
Falta de ajustamento 26 35,9774 1,3837 0,67 0,8700
Tratamentos (29) (53,6397)
Blocos 2 111,0314
Resíduo 58 120,1889 2,0722
MCG
Total 89 284,8600
187
Estimativas dos coeficientes de regressão, erros padrões e o teste t dos modelos lineares
ajustados entre doses de N aplicadas na semeadura e em cobertura e valores dos
componentes de rendimento (CR) número de vagens por planta (NVP) e massa de cem grãos
(MCG), para o experimento 2
CR Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 4,0892 -------- ---- ----
X
1
0,0543 0,0140 3,87 0,0003
X
2
0,0468 0,0099 4,71 <0,0001
NVP
X
1
X
2
0,0002 0,0003 0,69 0,4929
Intercepto 25,3716 -------- ---- ----
X
1
-0,0159 0,0157 -1,02 0,3120
X
2
0,0090 0,0112 0,81 0,4212
MCG
X
1
X
2
0,0002 0,0003 0,72 0,4744
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores do componente
de rendimento NVP, sem uso da variável interação, para o experimento 1
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 2 272,89 136,44 82,19 <0,0001
Falta de ajustamento 27 27,08 1,00 0,60 0,9236
Tratamentos (29) (299,96)
Blocos 2 100,16
Resíduo 58 96,29 1,66
Total 89 496,42
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo linear ajustado
entre doses de N aplicadas na semeadura e em cobertura e valores do componente de
rendimento NVP, sem uso da variável interação, para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 3,86700 -------- ---- ----
X
1
0,06226 0,0079 7,89 <0,0001
X
2
0,05263 0,0052 10,11 <0,0001
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores do componente
de rendimento número de grãos por vagem (NGV), para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 5 2,2277 0,4456 7,80 <0,0001
Falta de ajustamento 24 2,1794 0,0908 1,59 0,0762
Tratamentos (29) (4,4072)
Blocos 2 0,5216
Resíduo 58 3,3095 0,0571
Total 89 8,2383
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado entre
doses de N aplicadas na semeadura e em cobertura e valores do componente de rendimento
(CR) número de grãos por vagens (NGV), para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 4,42379 -------- ---- ----
X
1
0,01811 0,00527 3,44 0,0011
X
2
0,01141 0,00360 3,17 0,0024
X
1
2
-0,00019 -0,00009 1,99 0,0513
X
2
2
-0,00008 -0,00004 2,05 0,0449
X
1
X
2
-0,00007 -0,00006 1,23 0,2237
188
Análise de variância da regressão com o teste para falta de ajustamento do modelo linear
ajustado entre doses de N aplicadas na semeadura e em cobertura e valores do componente
de rendimento número de grãos por vagem (NGV), para o experimento 2
F.V. G.L. S.Q. Q.M. F Pr > F
Regressão 3 1,9141 0,6380 11,18 <0,0001
Falta de ajustamento 26 2,4931 0,0959 1,68 0,0513
Tratamentos (29) (4,4072)
Blocos 2 0,5216
Resíduo 58 3,3095 0,0571
Total 89 8,2383
Estimativas dos coeficientes de regressão, erros padrões e o teste t do modelo ajustado entre
doses de N aplicadas na semeadura e em cobertura e valores do componente de rendimento
(CR) número de grãos por vagens (NGV), para o experimento 2
Variáveis Estimativas Erros Padrões t Pr > |t|
Intercepto 4,5529 -------- ---- ----
X
1
0,0063 0,0015 4,33 <0,0001
X
2
0,0095 0,0032 2,93 0,0048
X
2
2
-0,0001 3,78E-05 -2,05 0,0449
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
