Tecnologias que permitem remover fontes de variação sistemática do resíduo apresentam grande potencial de aplicação em experimentação agronômica. Assim, este trabalho teve como objetivo avaliar de forma comparativa diferentes métodos e geotecnologias para ajuste da dependência espacial em experimentos de fase inicial do melhoramento genético da cana-de-açúcar. Para tanto, considerou- se dois experimentos localizados em regiões com diferentes classificações de solos. Buscando investigar uma possível estrutura de variabilidade espacial, ambas as áreas foram previamente georreferenciadas e as amostragens de solo realizadas em alta densidade, majoritariamente, em grade regular para análise dos elementos físicos e químicos. Uma cultura de rotação (Crotalaria juncea L.), antecedendo à implantação do experimento de fase inicial do melhoramento, foi considerada para o mapeamento, a priori, da variabilidade espacial da Área experimental 1 (experimento de uniformidade). Para isso, calculou-se o NDVI considerando os valores obtidos do comportamento espectral da cultura de rotação através da aquisição de imagens RGB e NIR a partir de uma aeronave remotamente pilotada - RPA. Para o mapeamento, a posteriori, realizaram-se leituras de condutividade elétrica aparente do solo (CE_a), ambas as áreas experimentais, utilizando o sensor EM38-MK2®, que tem como princípio, a Indução Eletromagnética (IEM). Ademais, optou-se pela redução da dimensionalidade dos dados físicos e químicos do solo por meio da metodologia de análise de componentes principais (PCA). Com base nos coeficientes extraídos dos semivariogramas, obtidos pelo pacote estatístico geoR versão 1.8-1, determinou-se o índice de dependência espacial para cada PCA. Devido à alta densidade de pontos amostrados, utilizou-se o interpolador estatístico Inverso do Quadrado da Distância IDW. Obtidos os mapas temáticos provenientes das informações do PCA e dos diferentes sensores proximais, determinou-se a posição e a localização exata de cada parcela experimental. Para cada experimento, dados de TCH foram obtidos e analisados por meio de diferentes modelos lineares mistos, i.e., modelo independente (ID) e autorregressivo separável de primeira ordem (AR1 x AR1). Para ambos os modelos, utilizou-se a metodologia de seleção "forward" para incorporação das informações do PCA e dos diferentes sensores proximais. O uso do PCA, a partir de dados de amostragem de solo em alta densidade, permitiu capitalizar parte da variabilidade total dos dados para a Área experimental 1 e mostrou-se como um eficiente índice a ser incorporado como covariável no modelo genético-estatístico, possibilitando redução do erro experimental (CV_e). O uso do comportamento espectral da cultura de rotação permitiu a identificação, a priori, de diferentes classes de variabilidade na Área experimental 1. Porém, não foi capaz de remover as variações ambientais não controladas pelo delineamento experimental. Informações de CE_a mostraram-se capazes de incrementar a acurácia seletiva (AC_s) dos clones em experimentação quando incorporadas nos diferentes modelos genéticos-estatísticos, com destaque para o modelo AR1 x AR1. Portanto, este tipo de geotecnologia pode ser amplamente empregado em experimentação agronômica e nas diversas áreas de estudos dentro do melhoramento genético de plantas, e.g., fases de experimentação, seleção genômica e estudos de interação genótipo x ambiente.

Technologies that allow the removal of systematic source of variation of the residue have great potential for application in agronomic experimentation. Thus, this study aimed to evaluate comparatively different methods and geotechnologies for adjusting spatial dependence in early sugarcane breeding stages. Two experiments located in regions with different soil classifications were considered. In order to investigate a possible structure of spatial variability, both areas were previously georeferenced and soil samples were carried out in high density, mostly in a regular grid for analysis of physical and chemical properties. A rotation crop (Crotalaria juncea L.), before to the implementation of the early breeding stage experiment, was considered for the prior mapping of the spatial variability of Experimental Area 1 (uniformity trial). For this, the NDVI was calculated considering the values obtained from the spectral behavior of the rotation crop through the acquisition of RGB and NIR images from a remotely piloted aircraft - RPA. For the posterior mapping, measurements of apparent soil electrical conductivity (EC_a) were performed in both experimental areas, using the EM38-MK2® sensor, which uses the Electromagnetic Induction (EMI) technique. In addition, a reduction on the dimensionality of the physical and chemical soil dataset through the principal component analysis (PCA) methodology was performed. Based on the extracted semivariogram coefficients, obtained by the statistical package geoR version 1.8-1, the spatial dependency index for each PCA was determined. Due to the high density of sampled points, the Inverse Distance Weighting (IDW) was considered as the interpolation method. After obtained the PCA and the different proximal sensors thematic maps, the exact position and location of each experimental plot was determined. For each experiment, TCH data were obtained and analyzed using different mixed linear models, i.e., independent model (ID) and separable first-order autoregressive (AR1 x AR1). For both models, the "forward" selection methodology was used to incorporate information from the PCA and the different proximal sensors. The use of PCA based on high density soil sampling data allowed to capitalize part of the total variability of the data for Experimental Area 1 and proved to be an efficient index to be incorporated as a covariate in the statistical model, allowing reduction of experimental error (CV_e). The use of the spectral behavior of the rotation crop allowed the prior identification of different classes of variability in Experimental Area 1. However, it was not able to remove environmental variations not controlled by the experimental design. EC_a information was able to increase the selective accuracy (r) of the experimental clones when incorporated into the different statistical models, with emphasis on the AR1 x AR1 model. Therefore, this type of geotechnology can be widely used in agronomic experimentation and in the various study areas within plant breeding, e.g., experimentation phases, genomic selection and genotype x environment interaction studies.