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

Autores
Córdoba, Mariano Augusto; Paccioretti, Pablo Ariel; Vega, Andrés; Balzarini, Mónica Graciela
Año de publicación
2019
Idioma
inglés
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
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.
Fuente
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
Materia
Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/554580
Acceder
id RDUUNC_0b5377fc345672f742d4649b0d83c413
oai_identifier_str oai:rdu.unc.edu.ar:11086/554580
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling Spatially restricted partial least square regression to explain within field grain yield variabilityCórdoba, Mariano AugustoPaccioretti, Pablo ArielVega, AndrésBalzarini, Mónica GracielaAgricultura de precisiónRendimiento de cultivosModelosAnálisis de regresiónPonencia 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.2019info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/554580The 12th European Conference on Precision Agriculture : book of abstracts of all the postersISBN: 9782900792490http://ecpa2019.agrotic.org/wp-content/uploads/2019/07/ECPA2019_Proceedings_Poster.pdfreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNCenginfo:eu-repo/semantics/openAccess2025-09-04T12:33:27Zoai:rdu.unc.edu.ar:11086/554580Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-09-04 12:33:27.651Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv Spatially restricted partial least square regression to explain within field grain yield variability
title Spatially restricted partial least square regression to explain within field grain yield variability
spellingShingle Spatially restricted partial least square regression to explain within field grain yield variability
Córdoba, Mariano Augusto
Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
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
dc.creator.none.fl_str_mv Córdoba, Mariano Augusto
Paccioretti, Pablo Ariel
Vega, Andrés
Balzarini, Mónica Graciela
author Córdoba, Mariano Augusto
author_facet Córdoba, Mariano Augusto
Paccioretti, Pablo Ariel
Vega, Andrés
Balzarini, Mónica Graciela
author_role author
author2 Paccioretti, Pablo Ariel
Vega, Andrés
Balzarini, Mónica Graciela
author2_role author
author
author
dc.subject.none.fl_str_mv Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
topic Agricultura de precisión
Rendimiento de cultivos
Modelos
Análisis de regresión
dc.description.none.fl_txt_mv 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.
description Ponencia presentada en 12ª Conferencia Europea sobre Agricultura de Precisión (ECPA). Montpellier, Francia, 8 al 11 julio del 2019.
publishDate 2019
dc.date.none.fl_str_mv 2019
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/554580
url http://hdl.handle.net/11086/554580
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv 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
reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1842349661242785792
score 13.13397

Publicaciones similares