A automação do processo de obtenção do mapa de produtividade introduz erros nos dados coletados. Processos de filtragem de dados podem eliminar parte dos erros e elevar a qualidade da informação. Um processo de filtragem foi desenvolvido para as características de cada erro presente em um mapa de produtividade. Tais erros podem ser de posicionamento, produtividades improvavelmente altas e baixas, largura de plataforma incorreta, umidade de grãos, distância entre pontos, intervalo de enchimento e limites estatísticos para dados discrepantes. O filtro foi aplicado a seis conjuntos de dados obtidos de seis diferentes monitores de produtividade comerciais. A análise geoestatística dos conjuntos de dados mostrou que a aplicação do filtro diminuiu o efeito pepita e obteve melhores resultados qualitativos na validação cruzada por krigagem, elevando a qualidade final da informação.
As yield data are collected automatically it allows for errors to be introduced into the data collected. Filtering processes might be able to eliminate part of the errors and improve the quality of yield data. The development of a filtering process may be set up based on the individual characteristics of each error. These errors may be related to incorrect position, too high or too low yield, swath width, grain moisture, null distance between points, filling interval and outliers. The filtering algorithm was implemented on six sets of data generated from six different commercial yield monitors. A geostatistical analysis of the data sets showed that the application of the filtering process decreased the nugget effect and improved the cross validation quality index.