Spatially restricted partial least square regression to explain within field grain yield variability

Ponencia presentada en 12ª Conferencia Europea sobre Agricultura de Precisión (ECPA). Montpellier, Francia, 8 al 11 julio del 2019.

Detalles Bibliográficos
Autores principales: Córdoba, Mariano Augusto, Paccioretti, Pablo Ariel, Vega, Andrés, Balzarini, Mónica Graciela
Formato: conferenceObject
Lenguaje:Inglés
Publicado: 2024
Materias:
Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
Acceso en línea:http://hdl.handle.net/11086/554580
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-554580
record_format dspace
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Inglés
topic Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
spellingShingle Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
Córdoba, Mariano Augusto
Paccioretti, Pablo Ariel
Vega, Andrés
Balzarini, Mónica Graciela
Spatially restricted partial least square regression to explain within field grain yield variability
topic_facet Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
description Ponencia presentada en 12ª Conferencia Europea sobre Agricultura de Precisión (ECPA). Montpellier, Francia, 8 al 11 julio del 2019.
format conferenceObject
author Córdoba, Mariano Augusto
Paccioretti, Pablo Ariel
Vega, Andrés
Balzarini, Mónica Graciela
author_facet Córdoba, Mariano Augusto
Paccioretti, Pablo Ariel
Vega, Andrés
Balzarini, Mónica Graciela
author_sort Córdoba, Mariano Augusto
title Spatially restricted partial least square regression to explain within field grain yield variability
title_short Spatially restricted partial least square regression to explain within field grain yield variability
title_full Spatially restricted partial least square regression to explain within field grain yield variability
title_fullStr Spatially restricted partial least square regression to explain within field grain yield variability
title_full_unstemmed Spatially restricted partial least square regression to explain within field grain yield variability
title_sort spatially restricted partial least square regression to explain within field grain yield variability
publishDate 2024
url http://hdl.handle.net/11086/554580
work_keys_str_mv AT cordobamarianoaugusto spatiallyrestrictedpartialleastsquareregressiontoexplainwithinfieldgrainyieldvariability
AT pacciorettipabloariel spatiallyrestrictedpartialleastsquareregressiontoexplainwithinfieldgrainyieldvariability
AT vegaandres spatiallyrestrictedpartialleastsquareregressiontoexplainwithinfieldgrainyieldvariability
AT balzarinimonicagraciela spatiallyrestrictedpartialleastsquareregressiontoexplainwithinfieldgrainyieldvariability
_version_ 1824552280829984768
spelling I10-R141-11086-5545802024-12-14T06:19:53Z Spatially restricted partial least square regression to explain within field grain yield variability Córdoba, Mariano Augusto Paccioretti, Pablo Ariel Vega, Andrés Balzarini, Mónica Graciela Agricultura de precisión Rendimiento de cultivos Modelos Análisis de regresión Ponencia presentada en 12ª Conferencia Europea sobre Agricultura de Precisión (ECPA). Montpellier, Francia, 8 al 11 julio del 2019. Fil: Córdoba, Mariano Augusto. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Córdoba, Mariano Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Córdoba, Mariano Augusto. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Paccioretti, Pablo Ariel. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Paccioretti, Pablo Ariel. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Paccioretti, Pablo Ariel. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Vega, Andrés. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Vega, Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET); Argentina. Fil: Balzarini, Mónica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Balzarini, Mónica Graciela. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Balzarini, Mónica Graciela. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. The new information technologies that allow us to capture different types of data associated with spatial localization have been promoted in the last decades. Grain yield and several site variables are intensively measured within a crop field. Therefore, the challenging is to use all available data to better understand the agronomical process underlying within field yield variability. Because of the site variables are usually correlated between them (multicollinearity) and present spatially auto-correlated, the regression models to evaluate de relative contribution of each site variable should account for both types of correlations. Here we propose an extended version of partial least square regression (PLS) (Abdi, 2010) as designed algorithms to treat the multicollinearity and spatial autocorrelation. The algorithm combines PLS and ordinary kriging (OK) and is named as spatial PLS (sPLS). Initially, a PLS regression technique of yield using predictive ancillary variables was carried out in order to model the trend component. In the second step, OK is applied to the residuals of PLS and a spatial prediction of the residuals was created. The final prediction was an additive combination of both models. Fil: Córdoba, Mariano Augusto. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Córdoba, Mariano Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Córdoba, Mariano Augusto. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Paccioretti, Pablo Ariel. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Paccioretti, Pablo Ariel. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Paccioretti, Pablo Ariel. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Vega, Andrés. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias; Argentina. Fil: Vega, Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET); Argentina. Fil: Balzarini, Mónica Graciela. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Cátedra de Estadística y Biometría; Argentina. Fil: Balzarini, Mónica Graciela. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. Fil: Balzarini, Mónica Graciela. Instituto Nacional de Tecnología Agropecuaria (INTA). Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina. 2024-12-13T16:41:47Z 2024-12-13T16:41:47Z 2019 conferenceObject http://hdl.handle.net/11086/554580 eng Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ The 12th European Conference on Precision Agriculture : book of abstracts of all the posters ISBN: 9782900792490 http://ecpa2019.agrotic.org/wp-content/uploads/2019/07/ECPA2019_Proceedings_Poster.pdf

Ejemplares similares