Abstract
Ensaios de Campo 2022 - Safra 2023library(dplyr)
library(stringr)
library(DT)
library(rgdal)
library(leaflet)
library(leaflet.extras)
library(udunits2)
library(leafpop)
library(htmltools)
library(htmlwidgets)
library(tidyverse)setwd("C:/Users/leonardo.reffatti/OneDrive/R/SAFRA 22 - Ensaios de Campo")
mapa22 <- read.table("mapa.22.safra.23.precos.23.txt", h=T)
aplicacoes <- read.table("aplicacoes_22.txt", h=T)
insumos.ensaios <- read.table("insumos_ensaios_22.txt", h=T)#Tratamento de dados dos Mapeamento 2021
mapa22 <- mapa22 %>%
filter(CODIGO_CULTURA == 9) %>%
filter(COD_GRP_FAM != "123456")
mapa22$COD_GRP_FAM <- as.character(mapa22$COD_GRP_FAM)
mapa22.ensaios <- mapa22 %>%
mutate(ENSAIOS = case_when(
COD_GRP_FAM == "2752" ~ "ENSAIOS",
COD_GRP_FAM == "1369" ~ "ENSAIOS",
COD_GRP_FAM == "3577" ~ "ENSAIOS",
COD_GRP_FAM == "200" ~ "ENSAIOS",
COD_GRP_FAM == "1107" ~ "ENSAIOS",
COD_GRP_FAM == "1322" ~ "ENSAIOS",
COD_GRP_FAM == "2670" ~ "ENSAIOS",
COD_GRP_FAM == "2486" ~ "ENSAIOS",
COD_GRP_FAM == "4861" ~ "ENSAIOS",
COD_GRP_FAM == "2932" ~ "ENSAIOS",
COD_GRP_FAM == "3026" ~ "ENSAIOS",
COD_GRP_FAM == "2802" ~ "ENSAIOS",
COD_GRP_FAM == "4388" ~ "ENSAIOS",
COD_GRP_FAM == "2813" ~ "ENSAIOS",
COD_GRP_FAM == "2841" ~ "ENSAIOS",
COD_GRP_FAM == "624" ~ "ENSAIOS",
COD_GRP_FAM == "4838" ~ "ENSAIOS")) %>%
filter(ENSAIOS != "NA")
parcelas.ensaios <- mapa22.ensaios %>%
mutate(PARCELA_ID = case_when(
str_detect(PARCELA_DESC, "TESTEMUNHA") ~ "TESTEMUNHA",
str_detect(PARCELA_DESC, "WISER") ~ "WISER",
str_detect(PARCELA_DESC, "ACADIAN") ~ "ACADIAN",
str_detect(PARCELA_DESC, "TIMOREX") ~ "TIMOREX",
str_detect(PARCELA_DESC, "BALLAGRO") ~ "BALLAGRO",
str_detect(PARCELA_DESC, "VERT") ~ "VERT",
str_detect(PARCELA_DESC, "YARA") ~ "YARA",
str_detect(PARCELA_DESC, "CODA") ~ "CODA",
str_detect(PARCELA_DESC, "ICL") ~ "ICL",
str_detect(PARCELA_DESC, "FIPRONIL") ~ "FIPRONIL")) %>%
filter(!is.na(PARCELA_ID))
#registrar ensaio de Fipronil
#parcelas.ensaios$PARCELA_ID[is.na(parcelas.ensaios$PARCELA_ID)] <- "TRATAMENTO"
#Tratamento de dados das Aplicaçõe Fitossanitárias
aplicacoes$CUSTO <- as.numeric(aplicacoes$CUSTO)
parcelas.ensaios <- parcelas.ensaios %>%
mutate(PARCELA_ENSAIO = paste(COD_GRP_FAM, PARCELA_COD))
vetor.parcelas.ensaio <- parcelas.ensaios$PARCELA_ENSAIO
aplicacoes.ensaios <- aplicacoes %>%
mutate(PARCELA_ENSAIO = paste(COD_GRP_FAM, PARCELA)) %>%
filter(PARCELA_ENSAIO %in% vetor.parcelas.ensaio)
#Tratamento de dados dos insumos dos ensaios
vetor.insumos.ensaio <- insumos.ensaios$PRODUTO
propriedades <- parcelas.ensaios %>%
group_by(SIVIBE) %>%
summarise(a = "a")O trabalho foi realizado com a produção agrícola dos associados na Cooperativa Agroindustrial Nova Aliança Ltda com sede administrativa localizada no município de Flores da Cunha – RS no ciclo produtivo 22/23. Esse estudo foi caracterizado como uma pesquisa tecnológica observacional, analítica e exploratória.
No total, participaram do estudo, 26 propriedades rurais localizadas em municípios nas regiões da Serra Gaúcha e Campanha. As propriedades rurais das famílias cooperadas foram georreferenciadas com uso do software Google Earth Pro [Google 2021], nesse processo foram gerados arquivos de extensão .kml com a identificação das parcelas de produção caracterizadas de acordo com a cultivar na cultura da uva. A partir dos pontos centrais e polígonos registrados em .kml, foi utilizado no software Rstudio [RStudio Team 2021] mecanismos para conversão de arquivos .kml para arquivos geoJSON. Por meio da biblioteca de construção de mapas, leaflet [Cheng et al. 2021], foram agrupados todos os polígonos que representaram as parcelas de produção de uvas para montagem de um mapa.
Para cada uma das parcelas identificou-se o grupo familiar proprietário, a cultivar de uva correspondente, sistema de produção, sistema de condução, área em hectares, coordenadas dos vértices do polígono e do ponto central. Uma legenda padrão foi constituída para exibir o grupo familiar cooperado, cultivar, código da parcela de produção e área em hectares.
Os insumos utilizados são fertilizantes foliares e pesticidas das empresas listadas na Tabela 1. Para cada empresa foram escolhidas parcelas de produção para a utilização dos insumos. Todas as parcelas de produção foram fracionadas aproximadamente na metade da área para manter uma testemunha (sem aplicação dos insumos), conforme a Tabela 1 e 2.
resumo.ensaios <- parcelas.ensaios %>%
group_by(PARCELA_ID) %>%
summarise(AREA = sum(PARCELA_AREA),
PARCELAS = n_distinct(UA))
resumo.ensaios[nrow(resumo.ensaios)+1, ] <- list("TOTAL", sum(resumo.ensaios$AREA), sum(resumo.ensaios$PARCELAS))
datatable(resumo.ensaios,
caption = 'Tabela 1 - Resumo da quantidade de Parcelas de Produção e Área em hectares de Tratamentos e Testemunhas por Empresa', extensions = 'Buttons', options = list(pageLength = 20, dom = 'Bfrtip', buttons = 'excel')) %>%
formatRound('AREA', 2)detalhe.ensaios <- parcelas.ensaios %>%
group_by(ASSOCIADO, PARCELA_ID, PARCELA_COD, VARIEDADE_DESC, PARCELA_DESC) %>%
summarise(AREA = mean(PARCELA_AREA))
datatable(detalhe.ensaios,
caption = 'Tabela 2 - Quadro das Parcelas de Produção envolvidas nos Ensaios de Campo 2021', extensions = 'Buttons', options = list(dom = 'Bfrtip', buttons = 'excel')) %>%
formatRound('AREA', 2)Os insumos agrícolas foram cadastrados e formaram um banco de dados estruturado classificados por categoria, sendo: fungicidas, inseticidas, herbicidas, fertilizantes foliares e fertilizantes de solo. Adicionou-se aos insumos as informações do princípio ativo, grupo químico e modo de ação dos pesticidas, bem como a carência, número máximo de aplicações permitidas no ciclo, dosagens de uso para 100 (cem) litros de calda e dosagem por hectare. Essas informações foram retiradas de bulas dos produtos comerciais através do portal do sistema de agrotóxicos fitossanitários do Ministério da Agricultura, Pecuária e Abastecimento (AGROFIT) [BRASIL 2003].
Os custos dos insumos foram cadastrados pelo pesquisador em mesmo banco de dados, a partir de tabelas de valores de um programa de compras coletivas de insumos agrícolas das cooperativas vinícolas da Serra Gaúcha, do qual a cooperativa Nova Aliança foi participante no ano de 2022.
Os manejos também receberam um cadastro detalhado na plataforma web. Para a composição de despesas de manejos, foi utilizado o valor de R$150 (cento e cinquenta reais) por pessoa por dia, conforme a definição dos cooperados, e o custo total foi definido como a soma de despesas de insumos, despesas de manejo e tratos culturais.
A sincronização dessas informações entre os cooperados e a cooperativa foi realizada no aplicativo mobile NAmob desenvolvido na cooperativa para uso na safra 22/23 pelas equipes de TI e Agronomia.
Todos os registros do aplicativo foram armazenados em um banco de dados instalado no servidor da cooperativa e foram disponibilizados para acesso dos cooperados em formato de relatórios por cultivar ou parcela de produção, buscando atender as necessidades da cooperativa, bem como as exigências da Instrução Normativa Conjunta do Ministério da Agricultura, Pecuária e Abastecimento (MAPA) e Agência Nacional de Vigilância Sanitária (ANVISA) [BRASIL 2018]. Os registros das aplicações nas parcelas de produção foram resumidos na Tabela 3.
resumo.aplicacoes.parcelas <- aplicacoes.ensaios %>%
group_by(GRP_FAM, PARCELA, DATA_APLICACAO, INSUMO) %>%
summarise(QTD_APLICADA = sum(QTD_APLICADA),
CUSTO = sum(CUSTO))
datatable(resumo.aplicacoes.parcelas,
caption = 'Tabela 3 - Resumo de Tratamentos Fitossanitários das Parcelas de Produção', extensions = 'Buttons', options = list(dom = 'Bfrtip', buttons = 'excel'))#criar vetor dos insumos foliares
resumo.aplicacoes.parcelas <- aplicacoes.ensaios %>%
filter(INSUMO %in% vetor.insumos.ensaio) %>%
group_by(GRP_FAM, PARCELA, DATA_APLICACAO, INSUMO) %>%
summarise(QTD_APLICADA = sum(QTD_APLICADA),
CUSTO = sum(CUSTO))
datatable(resumo.aplicacoes.parcelas,
caption = 'Tabela 4 - Resumo de Insumos Ensaios das Parcelas de Produção', extensions = 'Buttons', options = list(dom = 'Bfrtip', buttons = 'excel'))As aplicações dos insumos envolvidos no ensaio estão detalhadas na Tabela 5 e 6. Nessa tabela está detalhado por grupo familiar a identificação da parcela, número de tratamentos realizados, quantidade do insumo aplicado, custo das aplicações e custo por hectare.
resumo.aplicacoes.parcelas <- aplicacoes.ensaios %>%
group_by(GRP_FAM, PARCELA, DATA_APLICACAO, INSUMO, MARCA) %>%
summarise(QTD_APLICADA = sum(QTD_APLICADA),
AREA = mean(AREA),
CUSTO = sum(CUSTO)) %>%
group_by(GRP_FAM, PARCELA) %>%
summarise(N_TRAT = n_distinct(DATA_APLICACAO),
QTD_APL = sum(QTD_APLICADA),
CUSTO = sum(CUSTO),
AREA = mean(AREA),
CUSTO_HA = CUSTO/AREA)
aplicacoes.ensaios <- aplicacoes.ensaios %>%
mutate(ID = case_when(
str_detect(MARCA, "WISER") ~ "WISER",
str_detect(MARCA, "ACADIAN") ~ "ACADIAN",
str_detect(MARCA, "TIMOREX") ~ "TIMOREX",
str_detect(MARCA, "BALLAGRO") ~ "BALLAGRO",
str_detect(MARCA, "VERT") ~ "VERT",
str_detect(MARCA, "YARA") ~ "YARA",
str_detect(MARCA, "CODA") ~ "CODA",
str_detect(MARCA, "ICL") ~ "ICL",
str_detect(MARCA, "FIPRONIL") ~ "FIPRONIL"))
resumo.aplicacoes.parcelas.marca <- aplicacoes.ensaios %>%
filter(!is.na(ID)) %>%
group_by(GRP_FAM, PARCELA, DATA_APLICACAO, INSUMO, MARCA) %>%
summarise(QTD_APLICADA = sum(QTD_APLICADA),
AREA = mean(AREA),
CUSTO = sum(CUSTO)) %>%
group_by(GRP_FAM, PARCELA) %>%
summarise(N_TRAT = n_distinct(DATA_APLICACAO),
QTD_APL = sum(QTD_APLICADA),
CUSTO = sum(CUSTO),
AREA = mean(AREA),
CUSTO_HA = CUSTO/AREA)
datatable(resumo.aplicacoes.parcelas,
caption = 'Tabela 5 - Parcelas de Produção, Número de Aplicações e Custos Totais', extensions = 'Buttons', options = list(dom = 'Bfrtip', buttons = 'excel')) %>%
formatCurrency('CUSTO') %>%
formatCurrency('CUSTO_HA')datatable(resumo.aplicacoes.parcelas.marca,
caption = 'Tabela 6 - Parcelas de Produção, Número de Aplicações e Custos dos Insumos do Ensaio', extensions = 'Buttons', options = list(dom = 'Bfrtip', buttons = 'excel')) %>%
formatCurrency('CUSTO') %>%
formatCurrency('CUSTO_HA')Todas as cargas de uvas provenientes das parcelas de produção tiveram seus dados agrupados, conforme a Tabela 7. Essa tabela apresenta por grupo familiar o código da parcela, identificação da variedade, tamanho da área, produção (kg), produtividade (kg/ha), grau babo (grau glucométrico) e rentabilidade bruta (reais/hectare).
parcelas.ensaios$CUSTO_APLICACAO <- as.numeric(parcelas.ensaios$CUSTO_APLICACAO)
parcelas.ensaios$CUSTO_APLICACAO_HA <- as.numeric(parcelas.ensaios$CUSTO_APLICACAO_HA)
resultados <- parcelas.ensaios %>%
group_by(GRUPO_FAMILIAR, PARCELA_COD, VARIEDADE_DESC) %>%
summarise(AREA = sum(PARCELA_AREA),
PRODUCAO = sum(PRODUCAO),
PRODUTIVIDADE = sum(PRODUTIVIDADE),
GRAU_BABO = mean(GRAU_BABO),
VALOR_UNT = mean(VALOR_UNT),
VALOR_TOTAL = sum(VALOR),
RENT_BRUTA = VALOR / PARCELA_AREA,
CUSTO_APLICACAO = sum(CUSTO_APLICACAO),
CUSTO_APLICACAO_HA = sum(CUSTO_APLICACAO_HA))
resultados.produtividade <- resultados %>%
select(-VALOR_UNT, -VALOR_TOTAL, -CUSTO_APLICACAO, -CUSTO_APLICACAO_HA)
datatable(resultados.produtividade,
caption = 'Tabela 7 - Produção, Produtividade e Rentabilidade', extensions = 'Buttons', options = list(dom = 'Bfrtip', buttons = 'excel')) %>%
formatCurrency('RENT_BRUTA') %>%
formatRound("PRODUTIVIDADE", 0) %>%
formatRound("GRAU_BABO", 1)