Geostatistical analysis of thematic maps of soybean yield with differente sampling grids

Com o aumento da produÃÃo agrÃcola mundial, o processo de produÃÃo agrÃcola tornou-se alvo do estudo de diversos pesquisadores. Estudos sobre a variabilidade espacial da produtividade da soja sÃo de grande importÃncia para o desenvolvimento de novas tecnologias, que beneficiam a agricultura. A anÃlise geoestatÃstica torna possÃvel realizar previsÃes dos resultados, tendo como um de seus produtos os mapas temÃticos. Este trabalho descreve algumas tÃcnicas para a construÃÃo e comparaÃÃo de mapas temÃticos, utilizando a krigagem. A anÃlise foi realizada com dados da produtividade de soja em t ha−1 do ano agrÃcola 2004/2005 numa Ãrea experimental com grades de amostragem com distÃncias de 25x25 m, 50x50 m, 75x75 m, 100x100 m e monitor de colheita, comparando-se os mapas, utilizando a matriz de erros e a matriz de confusÃo. AlÃm de uma melhor precisÃo dos mapas de variabilidade espacial gerados, a anÃlise dos Ãndices de acurÃcia possibilita um melhor planejamento das malhas amostrais para futuros estudos. As medidas de acurÃcia obtidas por meio da matriz de erros sÃo opÃÃes significativas para realizar a comparaÃÃo entre mapas temÃticos, uma vez que fornecem Ãndices globais e tambÃm por classes.Studies on spatial variability of soybeans yield are of great importance for the development of new technologies that improve the world agricultural production. One of methods that allows this study is geostatistics. The geostatistical analysis makes possible the predictions of results and one of its products are thematic maps. Thus, this trial describes some techniques to draw and compare thematic maps using kriging. The analysis was based on data from soybean yield in t ha−1 according to harvest year 2004/2005 in an experimental area with sampling grades whose distances were: 25x25 m, 50x50 m, 75x75 m and 100x100 m plus a harvest monitor. The maps were compared using error matrix and confusion matrix. In addition, there was a better accuracy of the spatial variability maps that were drawn, while the analysis of coefficients of accuracy allows a better planning of sampling mesh for future studies. The measures of accuracy that were obtained by error matrix are significant options to make comparison among thematic maps, once they provide global indices and also by classes