03417naa a2200301 a 450000100080000000500110000800800410001902400690006010000190012924501160014826000090026452024480027365000180272165000120273965000260275165000180277765000330279565000290282865300410285765300200289865300210291870000170293970000200295670000150297670000150299170000170300677300920302321450322022-07-28       2022    bl uuuu     u00u1 u    #d7 ahttp://dx.doi.org/10.1590/1807-1929/agriambi.v26n12p907-9142DOI1 aKRUG, E. T. S.  aEstimating soil loss by laminar erosion using precision agriculture computational tools.h[electronic resource]  c2022  aABSTRACT: The study aimed to identify and evaluate the spatial variability in laminar erosion in areas using precision agriculture tools. Soil data from three properties in the western region of Paraná state, Brazil, were used: one in the municipality of Céu Azul (area A) and two in Serranópolis do Iguaçu (areas B and C). To identify discrepant data (outliers), analysis of the dispersion of quartiles was performed using a box-plot graph. Data normality was verified using the Kolmogorov-Smirnov test. A spatial analysis was performed using AgDataBox-Map software. The parameters of the universal soil loss equation were estimated and used with map algebra to produce a model to identify areas susceptible to erosion. Area A (soil loss estimate = 0-200 t ha-1 per year) presented greater susceptibility to erosion than areas B and C (soil loss estimate = 0-150 t ha-1 per year); however, all areas had a low susceptibility to erosion. Key words: precision agriculture, thematic maps, geostatistics, universal soil loss equation, kriging RESUMO: Esse estudo teve como objetivo avaliar e identificar a variabilidade espacial da erosão laminar em áreas que utilizam agricultura de precisão. Para tanto, foram utilizados dados de solo de três propriedades da região oeste do Paraná, uma no município de Céu Azul (área A) e duas em Serranópolis do Iguaçu (áreas B e C). Para identificar os dados discrepantes (outliers), foi realizada uma análise da dispersão dos quartis por meio de um gráfico boxplot. A verificação da normalidade dos dados foi realizada com base na aplicação do teste de Kolmogorov-Smirnov. Em seguida, foi realizada uma análise espacial, utilizando o software AgDataBox-Map. Após a obtenção dos mapas temáticos, foram estimados os parâmetros da Equação Universal de Perdas de Solo. Após essa etapa, foram calculados os fatores de estimativa das perdas de solo e gerados mapas temáticos, os quais foram integrados por álgebra cartográfica, resultando no modelo de identificação de áreas suscetíveis à erosão. A área A apresentou maior suscetibilidade (estimativa de perda de solo = 0-200 t ha-1 por ano) quando comparada às áreas B e C (estimativa de perda de solo = 0-150 t ha-1 por ano), porém, todas as áreas apresentam baixa suscetibilidade à erosão. Palavras-chave: agricultura de precisão, mapas temáticos, geoestatística, equação universal de perda de solo, kriging  aGeostatistics  aKriging  aPrecision agriculture  aThematic maps  aUniversal Soil Loss Equation  aAgricultura de Precisão  aEquação universal de perda de solo  aGeoestatística  aMapas temáticos1 aGOMES, G. J.1 aSOUZA, E. G. de1 aGEBLER, L.1 aSOBJAK, R.1 aBAZZI, C. L.  tRevista Brasileira de Engenharia Agrícola e Ambientalgv. 26, n. 12, p. 907-914, 2022.