RESUMO
Os grãos são comodities de grande importância internacional, amplamente negociadas entre importadores e exportadores. A madeira é fundamental nas atividades industriais do Brasil, seja como insumo, seja como geradora de energia. Neste início de milênio, soja, cana-de-açúcar, milho e madeira têm ocupado espaço na substituição da produção de energia de origem petroquímica e consequentemente tem aumentado sua demanda pela competição com a produção de alimentos.
Além da expansão de fronteiras agrícolas, novas tecnologias têm surgido para dar suporte ao aumento da produtividade, viabilidade econômica e preservação do habitat.
Novos conceitos vão sendo estabelecidos e a agricultura de precisão é um dos que mais se desenvolve. Ela propõe a identificação e o manejo de zonas agrícolas de característica uniforme, onde se pode dar um tratamento mais específico, evitando-se, por exemplo, subdosagens ou superdosagens de insumos. Na identificação dessas zonas de manejo, os mapas temáticos têm função de destaque. Sua elaboração requer metodologias próprias onde a geoestatística tem cumprido seu papel. Muitos estudos são realizados e importantes resultados têm levado a mapas que expressam, com qualidade, a distribuição espacial dos valores das variáveis georreferenciadas.
Nas pesquisas em que são aplicados métodos geoestatísticos é comum a coleta de um conjunto de variáveis que descrevem propriedades físicas, químicas e de produção e com posição de coleta de dados referenciadas espacialmente. Muitos trabalhos envolvem o estudo e elaboração de mapas de uma única variável por vez. Neste trabalho foram produzidos mapas em um contexto multivariado. Apesar das baixas correlações dessas variáveis reportadas na literatura, foi feita uma análise de componentes principais para a redução do conjunto de variáveis suporte à sua primeira componente, incorporando sua informação de variabilidade espacial a outra variável de interesse principal, em uma estrutura bivariada de modelo, para qual se dispunha de recursos computacionais para resolver numericamente aplicações.
Adotou-se uma formulação com base em modelos mistos. Seus parâmetros foram estimados pela otimização de funções de verossimilhança e por simulação bayesiana para a obtenção de distribuição a posteriori. Com esses modelos foram derivados preditores marginais e condicionais, permitindo-se estimar valores em pontos de uma estrutura compatível com a apresentação em forma de mapa.
Foram analisados dados de dois problemas distintos em sua natureza. Em um dos casos os dados reportavam variáveis de produtividade de soja associados a dados físicos e químicos, distribuídos em uma área de 1,74 ha cultivada em sistema de plantio direto. No outro, as variáveis representavam o incremento médio anual – IMA de Pinus taeda L. em área de 2.252,11 ha de reflorestamento e dissociadamente dados de teor de argila.
A análise revelou a capacidade do modelo bivariado em explorar a informação espacial contida nos dados quando as localizações das variáveis não eram as mesmas e a capacidade de identificar zonas onde o modelo univariado não o fez, principalmente em se tratando de amostras pequenas da variável de interesse principal. A análise mostrou ainda que o método bayesiano, no caso univariado, define melhor as zonas diferentes quando se trata de delineamentos com poucas amostras.