A carregar...
Publicação
Precision agriculture : a spatial econometric analysis of a portuguese maize yield
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 957.8 KB | Adobe PDF |
Orientador(es)
Resumo(s)
Nowadays, maize is the most important cereal in the world and its production has been increasing both worldwide and in Portugal, over the years. The constant technological development has led to the creation of new techniques such as precision agriculture, to better meet the global needs of this primordial cereal as well as optimize its production. This research was developed jointly with the firm Agro Analítica from the agriculture sector, whose area of expertise is Precision Agriculture and System Optimization. In this manner, the present work aims to estimate a function for the maize yield identifying the relevant determining factors, and their effect, on maize productivity on an exploitation of a firm in Azinhaga, Golegã, district of Santarém, Portugal for the year 2020. Using appropriate software, this dissertation applies the most recent spatial econometric methods to cross-sectional data, in order to properly include spatial dependence in the estimation. Thus, the appropriate models were estimated: Spatial Lag Model (SLM), Spatial Error Model (SEM) and SARAR(1,1) Model, whose use was recommended by the diagnosis to OLS (Ordinary Least Square) residuals. The elected model was the SARAR(1,1), capturing the spatial dependence and heteroscedasticity in the data, with an accuracy of approximately 90%. In this framework, it was concluded that maize yield, in the year and area under study, is positively influenced by factors such as the sowing density, applied sulfur trioxide (SO3) and a specific variety of seed. Regarding the fertilization, nitrogen and potassium, and irrigation of the crop, presented a non-linear (quadratic) relationship with the maize yield. Also influencing the yield, there are weather-related variables measured by stage of the maize life cycle, that prove to be significant at explaining the variable under study such as the relative humidity, the temperature, and the wind velocity.
Atualmente, o milho é o cereal mais importante do mundo tendo a sua produção vindo a aumentar tanto a nível mundial como em Portugal ao longo dos anos. O constante desenvolvimento tecnológico resultou na criação de novas técnicas, como a agricultura de precisão, para melhor satisfazer as necessidades globais deste cereal primordial bem como otimizar a sua produção. Esta investigação foi desenvolvida em conjunto com a empresa Agro Analítica do sector da agricultura, cuja área de especialização é Agricultura de Precisão e Otimização de Sistemas. Desta forma, o presente trabalho visa estimar uma função que explique a produtividade do milho identificando os fatores, e o seu efeito na produtividade do milho, numa exploração da empresa em Azinhaga, Golegã, distrito de Santarém, Portugal, para o ano 2020. Utilizando o software apropriado, esta dissertação aplica os mais recentes métodos e ferramentas econométricas espaciais para dados cross-section (dados transversais), de modo a incluir devidamente a dependência espacial na estimação. Assim, foram estimados os modelos apropriados: Modelo Spatial Lag (SLM), Modelo Spatial Error (SEM) e Modelo SARAR(1,1) (Kelejian & Prucha, 2010), cuja utilização foi recomendada pelo diagnóstico aos reísduos OLS (Ordinary Least Square). O modelo escolhido foi o SARAR(1,1), captando a dependência espacial e heterocedasticidade presente nos dados. Desta forma, concluiu-se que a produtividade do milho, no ano e na área em estudo, encontra-se positivamente influenciado por fatores como a densidade de sementeira, o trióxido de enxofre aplicado (SO3) e uma variedade específica de sementes. Quanto à fertilização, com azoto e potássio, e quanto à irrigação da cultura, estes fatores apresentaram uma relação não linear (quadrática) com a produtividade do milho. Também influenciando a produtividade, existem variáveis relacionadas com o clima, medidas pela fase do ciclo de vida do milho, que provaram ser significativas para explicar a variável em estudo, tal como a humidade relativa, a temperatura e a velocidade do vento.
Atualmente, o milho é o cereal mais importante do mundo tendo a sua produção vindo a aumentar tanto a nível mundial como em Portugal ao longo dos anos. O constante desenvolvimento tecnológico resultou na criação de novas técnicas, como a agricultura de precisão, para melhor satisfazer as necessidades globais deste cereal primordial bem como otimizar a sua produção. Esta investigação foi desenvolvida em conjunto com a empresa Agro Analítica do sector da agricultura, cuja área de especialização é Agricultura de Precisão e Otimização de Sistemas. Desta forma, o presente trabalho visa estimar uma função que explique a produtividade do milho identificando os fatores, e o seu efeito na produtividade do milho, numa exploração da empresa em Azinhaga, Golegã, distrito de Santarém, Portugal, para o ano 2020. Utilizando o software apropriado, esta dissertação aplica os mais recentes métodos e ferramentas econométricas espaciais para dados cross-section (dados transversais), de modo a incluir devidamente a dependência espacial na estimação. Assim, foram estimados os modelos apropriados: Modelo Spatial Lag (SLM), Modelo Spatial Error (SEM) e Modelo SARAR(1,1) (Kelejian & Prucha, 2010), cuja utilização foi recomendada pelo diagnóstico aos reísduos OLS (Ordinary Least Square). O modelo escolhido foi o SARAR(1,1), captando a dependência espacial e heterocedasticidade presente nos dados. Desta forma, concluiu-se que a produtividade do milho, no ano e na área em estudo, encontra-se positivamente influenciado por fatores como a densidade de sementeira, o trióxido de enxofre aplicado (SO3) e uma variedade específica de sementes. Quanto à fertilização, com azoto e potássio, e quanto à irrigação da cultura, estes fatores apresentaram uma relação não linear (quadrática) com a produtividade do milho. Também influenciando a produtividade, existem variáveis relacionadas com o clima, medidas pela fase do ciclo de vida do milho, que provaram ser significativas para explicar a variável em estudo, tal como a humidade relativa, a temperatura e a velocidade do vento.
Descrição
Mestrado Bolonha em Econometria Aplicada e Previsão
Palavras-chave
Maize Yield Spatial Econometrics Spatial Regression Cross-section data Spatial Dependence Produtividade do Milho Econometria Espacial Regressão Espacial Dados de corte transversal Dependência Espacial
Contexto Educativo
Citação
Esteves, Mariana Canavarro Reis Teixeira (2021). "Precision agriculture : a spatial econometric analysis of a portuguese maize yield". Dissertação de Mestrado, Universidade de Lisboa. Instituto Superior de Economia e Gestão.
Editora
Instituto Superior de Economia e Gestão