figura 46 - semivariogramas do fósforo para as …§ões-teses...87 figura 46 - semivariogramas do...
TRANSCRIPT
87
Figura 46 - Semivariogramas do fósforo para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (aleatório estratificado – eixo x aleatório e y fixo), sendo que a profundidade 3 apresentaram Efeito Pepita Puro.
1
2
86
Figura 45 - Semivariogramas do fósforo para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado), sendo que as profundidades 1 e 2 apresentaram Efeito Pepita Puro.
1
85
Figura 44 - Semivariogramas do potássio para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (aleatório estratificado – eixo x aleatório e y fixo), sendo que as profundidades 1 e 2 apresentaram Efeito Pepita Puro.
1
84
Figura 43 - Semivariogramas do potássio para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório), sendo que a profundidade 1 apresentou Efeito Pepita Puro.
1
2
83
Figura 42 - Semivariogramas da saturação de bases para os esquemas 1 , 2 , 3, 4 e 5 para a simulação com pá-de-corte, sendo que o esquema 1
apresentou Efeito Pepita Puro.
1
2
3
4
83
82
Figura 41 - Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 5 (aleatório estratificado).
1
2
3
81
Figura 40 - Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 4 (estratificado – eixo x fixo e y aleatório), sendo que a profundidade 3 apresentou Efeito Pepita Puro.
1
2
80
Figura 39 - Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (estratificado- eixo x aleatório e y fixo), sendo que a profundidade 3 apresentou Efeito Pepita Puro.
1
2
79
Figura 38 - Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado).
1
2
3
78
Figura 37 - Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório).
1
2
3
77
Figura 36 - Semivariogramas da matéria orgânica para os esquemas 1 , 2 , 3, 4 e 5 para a simulação com pá-de-corte, sendo que o esquema 5
apresentou Efeito Pepita Puro.
12
34
77
76
Figura 35 - Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 4 (estratificado – eixo x fixo e y aleatório).
1
2
3
75
Figura 34 - Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (estratificado- eixo x aleatório e y fixo), sendo que a profundidade 3 apresentou Efeito Pepita Puro.
1
2
74
Figura 33 - Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado).
1
2
3
73
Figura 32 - Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório).
1
2
3
Figura 31 - Semivariogramas do pH H2O para os esquemas 1 , 2 , 3, 4 e 5 para a simulação com pá-de-corte.
1 2
3 4
5
72
71
Figura 30 - Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 5 (aleatório estratificado).
1
2
3
70
Figura 29 - Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 4 (estratificado – eixo x fixo e y aleatório), sendo que a profundidade 3 apresentou Efeito Pepita Puro.
1
2
69
28 Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (estratificado- eixo x aleatório e y fixo).
1
2
3
68
Figura 27 - Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado).
1
2
3
67
7 ANEXOS
Figura 26 - Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório).
1
2
3
66
TEDESCO, M. J.; VOLKWEISS, S. J.; BOHNEN, H. et al. Análises de solos, plantas e outros materiais. 2ª ed. Porto Alegre–RS: Universidade Federal do Rio Grande do Sul, 1985. 215p. (Boletim Técnico de Solos, 5) TEIXEIRA, L. B.; RANZANI, G. & ESCOBAR, J.R. Números de amostras simples de solo para avaliação da fertilidade em alguns ecossistemas amazônicos. Brasília, EMBRAPA-UEPAE DE MANAUS, 1984. 19p. (Boletim de Pesquisa, 4). TRANGMAR, B.B.; YOST, R. S.; UEHADA, G. Application of Geoestatistics to spatial studies of soil properties. Advances in Agronomy. Orlando, v.38, p.45-90, 1985. TYLER, D. D. Soil Sampling in No-Tillage cropping. In: Better Cops/3, 1985. p. 21-7 UPCHURCH, D.R. & EDMONDS, W. J. Statistical procedures for specific Objectives. In: Spatial of soils and landfoms. SoilSci. Soc. of América. Special publication, n.28, p.49-71. 1991. UPCHURCH, D. R. & EDMONDS, W. J. Statical procedures for specific objectives. In: Spatial of soils and landforms. Soil Sciences of America. Special publication. n.28, 1991. p.49-71 VIEIRA, S. R. Geostatística em estudos de variabilidade espacial do solo. In: R. F. Novais, V. H. Alvarez e C. E. G. R. Schaefer (Ed.). Tópicos em ciência do solo. Viçosa: Sociedade Brasileira de Ciência do Solo, 2000. Geostatística em estudos de variabilidade espacial do solo, p.1-54. (volume 1). WARRICK, A. W. & NIELSEN, D. R. Spatial variability of soil physical properties en the field. In: HILLEL, D. Application of soil physics. New York, Academic Press, 1980. p.314-34. WEBSTER, R. Quantitative spatial analysis of soil in the field. In: STWART, B. A. Advance in soil science, v.3 New York, Springer – Verlag, 1985. p.1-70. ______________& OLIVER, M. A. statistical methods in soil and land resource survey. Oxford: Oxford University Press. 1990. p.316. WILDING, L. Spatial variability: its documentation accommodation and application to soil surveyes. In: NIELSEN, D. R.; BOUMA, J. Spatial variability. Wageningen: Pudoc, 1985. p.166-94. ______________ & DRESS, L. R. Spatial variability and pedology. In: WILDING, L.; SMECK, N. E.; HALL, G. F. Pedogenesis and soil taxonomy I. Concepts and Interactions. Amsterdam: Elsevier, 1983. p.83-116.
65
______________. Processos de transferências no sistema solo-planta-atmosfera. Campinas. Fundação Cargill, . 1985. 445p. ROBERTSON, G. P. GS+: Geoestatistics for the Environmental Sciences. GS+ User’s Guide Version 5. Plainwell, Gamma Design Software, 2000. 200p. SALET, R. L.; KRA, C. H.; FORNARI, T. G.; CONTE, E.; KOCHHANN, R. A.; ANGHINONI, I. Variabilidade horizontal e amostragem de solo no sistema de plantio direto. In: I Reunião Sulbrasileira de Ciência do Solo. Resumos. Lages – SC, NRS/SBCS, 1996. p.74-6. SALET, R. L.; ANGHINONI, I.; KOCHHANN, R.A.; KRAY, C. H. & CONTE, E. Como fazer uma amostragem de solo no sistema plantio direto. In: SEMINÁRIO INTERNACIONAL DO SISTEMA DE PLANTIO DIRETO, 2., Passo Fundo, 1997. Anais. Passo Fundo, EMBRAPA-CNPT, 1997. p.205-7. SCHLINDWEIN, J. A.; SALET, L. R.;ANGHINONI, I. Variabilidade dos índices de fertilidade do solo no sistema plantio direto e coleta de amostras respectivas de solo. In: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 23.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 7; SIMPÓSIO BRASILEIRO SOBRE MICROBIOLOGIA DO SOLO, 5; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, Caxambu, 1998. Resumos. Caxambu, SBCS, 1998. p.265. SGUAREZZI, J. J. Mapeamento da fertilidade de um latossolo vermelho distrófico típico, sob plantio direto, para um programa de agricultura de precisão em Mato Grosso. Cuiabá, 2002. (Dissertação de Mestrado) UFMT/FAMEV. SOUZA, L. Variabilidade espacial do solo em sistemas de manejo. Porto Alegre, Universidade Federal do Rio Grande do Sul, 1992. 162p. (Tese de Doutorado). SOUZA, L. D. S.; COGO, N. P. & VIEIRA, S. R. Variabilidade de propriedades físicas e químicas do solo em um pomar cítrico. Revista Brasileira de Ciência Solo, n.22, p.115-22, 1997. SOUZA, L.D.S. ; COGO, N.P & VIEIRA, S.R. Variabilidade de fósforo orgânico, potássio e matéria orgânica no solo em relação a sistemas de manejo. Revista Brasileira de Ciência Solo, n.22, p.77-86,1998. SPSS. SPSSS for windows release 6.0. Chicago, SPSS inc., 1994. STEIN, A. Spatial statistics for soils and the environment – preliminary version. Enschede, ITC, 1995. 72p. (Lecture Notes). SUDDUTH, K. A. Engineering and application of precision farming technology. In: HATFIELD, J. L.; BUNLER, D. D.; STEWART, B. A. ed. Integrated Weed and soil. London: Ann Arbor Press. p.311-31. 1998. SURFER, SUFER 7.0 – Coutouring and 3D surface mapping for scientists and engineers. User’s Guide Golden Software, Inc, New York, 1999. 619p.
64
MALARINO, A . Using precision agriculture to improve soil fertility management and on-farm research. Integrated Crop Management, Ic-480 (Precision Ag. Edition). p.12-4, 1998. MARASCHIN, L. Aplicações da geoestatística em atributos do solo e da planta em um talhão comercial para produção de soja em Sorriso, Mato Grosso. Cuiabá, 2003. Dissertação (Mestrado em Agricultura Tropical). FAMEV – UFMT. MARQUES JUNIOR, J. & CORÁ, J. E. Atributos do solo para agricultura de precisão. In: CONGRESSO BRASILEIRO DE ENGENHARIA, 27, Poços de Caldas, 1998. UFLA/SBEA, 1998. p.31-70. MATHERON, G. The theory of regionalized variables and its applications. Fontaneblueau: Les cahier du center de morfologie mathématique, n.5, 1971. MELSTED, S. W. & PECK, T. R. The principles of soil testing. In: WALSH, L. M. & BEATON, J. D. Soil testing and plant analysis. Madison: Soil Science Society of America, 1973. cap. 2, p.13-21. MIRANDA, L. N. Amostragem de solo para análise química. Brasília, EMBRAPA-CPAC, 1982. 13p. (Circular Técnica, 11). MOLIN, J. P. Agricultura de precisão: mais um desafio para o agricultor brasileiro. In: Plantio Direto. Passo Fundo, v.39, n.3, p.26-7, 1997. MULLA, D. J.; BHATTI, A. U.; KUNKEL, R. Methods for removing spatial variability from field research trials. In: STEWART, B. A. Advances in soil science. v. 13. New York, Spring-Verlag, 1990. p.201-13. NASCIMENTO, F. V. F.; REICHARDT, K.; LIBARD, P. L. Deslocamento miscível do íon cloreto em solo Terra Roxa Estruturada (Alfilsol) saturado em condições de campo. Campinas: Revista Brasileira de Ciência Solo, n.3, p.67-73, 1979. OLIVEIRA, J. B. Diferenciação e distribuição em diversos níveis categóricos de duas áreas aparentemente homogêneas. Campinas: Bragantia, n.32, p.310-48, 1975. ______________. & ROTTA, C. L. Apreciação generalizada sobre a variação das características químicas das unidades de solo da Estação Experimental de Limeira. Campinas: Bragantia, n.32, p.62-9, 1973. PAVAN, M. A. & OLIVEIRA, E. L. Uso de corretivos da acidez do solo: experiências no Paraná. In: KAMINSKI, J. & RHEINHEIMER, D. S. A acidez do solo e a nutrição mineral de plantas. Pelotas – RS. Sociedade Brasileira de Ciência do Solo. Boletim Técnico. n.4, p.21-39. 2000. REICHARDT, K.; GROHMANN, F; LIBARDI, P. L.; QUEIROZ, S. V. Spatial variability of tropical soil: II. Soil water retention curves and hydraulic conductivity. Piracicaba: CENA, 1976a. 25p. ______________. Spatial variability of physical properties of a tropical soil: I. Geometric Properties. Piracicaba: CENA, 1976b. 27p.
63
diferentes sucessões de cultivo. Revista Brasileira de Ciência Solo, n.22, p.497-503, 1998. CLARK, I. Pratical geoestatistics. London: Aplloied Science Oublishers, 1979. 130p. COUTO, E. G. Variabilidade espacial de propriedades do solo influenciadas pela agricultura em escala regional e local, no sul do estado de Mato Grosso. Porto Alegre, 1997. Tese (Doutorado). Universidade Federal do Rio Grande do Sul. _____________; STEIN, A.; KLAMT, E. Large area spatial variability of soil chemical properties en central Brazil. Agriculture Ecosystems and Environment, n.66, p.139-52, 1997. _____________; KLAMT, E. Variabilidade especial de micronutrients em solos sob pivô central no sul de Mato Grosso. Pesq. Agrop. Bras. , Brasília, v.34, n.12, 1999. _____________; HIGA, N. T.; FILIPALDI, B. et al. Uso da terra e o garimpo na bacia do rio São Lourenço, Mato Grosso: reflexos no ambiente. Cuiabá: FEMA/UFMT, 1990. 206P. _____________ & de MUSIS, C. R. A fertilidade do solo no sistema de plantio direto, com ênfase na variabilidade espacial e sua aplicação na agricultura de precisão. In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 27. Brasília, 1999. Anais. Viçosa, Sociedade Brasileira de Ciência do Solo, 1999. (CDROM). _____________ et al. O manejo localizado do solo, um caminho para uma agricultura de precisão. Cuiabá – MT: UFMT-AGROVERDE, 2000. 14p. DICK, R. P.; THOMAS, D. R.; HALVORSON, J. J. Standardized methods, sampling and sample pretreatment. In: DORAN, J. W. & JONES, A. J. Meted for assessing soil quality. Madison: Soil Science Society of America. Special Publication, n. 49, p.107-21, 1996. DOBERMANN, A. Factors causing field variation of direct-seeded flooded rice. Geoderma, 62: 125-50, 1994. EMBRAPA. Manual de Métodos de Análise de Solo. Rio de Janeiro: EMBRAPA solos, 1997. 121p. GOOVAERTS, P. Geostatistic for natural resources evaluation. Oxford: Oxford Press, 1997. 483p. HAINING, R.P. Spatial data analysis in the social and environmental sciences. Cambridge, Cambridge University Press, 1997. 409p. LI, D.; LAKE, L. W. Amoving window semivariance estimator. Water Resources Research. Washington, v.30, n.5, p.1479-89, 1994. LOBATO, L. A. O. Distribuição espacial de atributos pedológicos em áreas de cerrados mesotróficos, no Pantanal de Poconé – MT. Cuiabá, 2000 (Dissertação de Mestrado) Universidade Federal de Mato Grosso.
62
6 REFERÊNCIAS BIBLIOGRÁFICAS
ANGHINONI, I. & SALET, R. L. Necessidades e metodologias de pesquisa para calibração de métodos de analise de solo e para a determinação da necessidade de calagem no sistema de plantio direto. In: I Seminário Internacional de Plantio Direto. Resumos. Passo Fundo – RS, EMBRAPA-CNPT, 1995. p.107-10. ________________. Amostragem do solo e as recomendações de adubação no sistema de plantio direto. Porto Alegre – Departamento de Solos, Universidade Federal do Rio Grande do Sul, 1995. ________________. Variabilidade especial de propriedades químicas do solo no sistema de plantio direto. Porto Alegre – Departamento de Solos, Universidade Federal do Rio Grande do Sul, 1997. p.12. BAKHSH, A.; COLVIN, T. S.; JAYNES, D. B.; KANWAR, R. S.; TIM, U. S. Spatial distribution of soil attributes crop yield. St. Joseph: ASAE, 1997. 16p. (PAPER 97-1032). BALASTREIRE, L. A.; ELIAS, A. I; AMARAL, J. R. Agricultura de precisão: mapeamento da produtividade da cultura do milho. REVISTA ENGENHARIA RURAL. Piracicaba, v.8, n.1, p.7-111, 1997. BULLOCK, D. G.; HOELFT, R. G. ; DORMAN, P.; MACY, T.; Olson, R. Nutrient management with intensive soil sampling and differential fertilizer spreading. Better Crops, n.78, p.10-12, 1994. BURROUGH, P. A.; BOUMA, J.; YATES, S. R. The state of art in pedometrics. Geoderma, n.6, p.311-26, 1994. CADIMA, Z. A.; LIBARDI, P. L.; REICHARDT, K. Variabilidade espacial da condutividade hidráulica em um Latossolo Vermelho Amarelo Textura média de campo. Campinas: Revista Brasileira de Ciência Solo, n.4, p.63-6, 1980. CAMBARDELLA, C. A.; MOORMAN, T. B.; NOVACK, J. M.; PARKIN, T. B. et al. Field-scale variability of soil properties in central Iowa soils. Soil Sci. Sc. Am. J., Madison, v.58, p.1240-48, 1994. CARVALHO, O. S.; GASCÓ, J. M. LÓPEZ, F. G.; REQUEJO, A. S. Variabilidade espacial de algumas propriedades químicas e físicas de um solo submetido a
61
E3 (amostras estratificadas (X – aleatório e Y – fixo), para a
profundidade 3.
60
5 CONCLUSÕES
O comportamento dos atributos estudados neste experimento nos
permite fazer algumas considerações:
1. A análise do coeficiente de variação, usada na estatística clássica,
mostrou-se ineficiente.
2. A técnica da geoestatística mostrou-se uma ferramenta eficiente
para a confecção dos semivariogramas e mapas de distribuição
espacial para a análise do alcance, dependência espacial e
variância.
3. O espaçamento de 5 metros utilizado para este experimento, nos 5
esquemas de amostragens, mostrou-se ineficiente para a
dependência espacial dos atributos K e P.
4. Considera-se eficiente o espaçamento de 5 metros, para os
atributos pH, MO e Saturação de bases, em todos os esquemas de
amostragem.
5. A simulação de pá de corte (média ponderada) serviu para avaliar a
grande inadequação quando se estuda P e K.
6. Os atributos P e K podem ser mais bem avaliados verticalmente em
camadas fracionadas.
7. O esquema que apresentou melhor comportamento para os
atributos estudados foi E1 (amostras aleatórias), para a
profundidade 1.
8. O esquema que apresentou melhor comportamento para os
atributos estudados foi E1 (amostras aleatórias) e E4 (amostras
estratificada (X – fixo e Y – aleatório), para a profundidade 2.
9. O esquema que apresentou melhor comportamento para os
atributos estudados foi E2 (amostras estratificada centralizada) e o
59
Figura 25 - Distribuição espacial do Fósforo nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através daestimativa da variância comparando os 5 esquemas de amostragem.
59
58
Figura 24 - Distribuição espacial do Potássio nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através daestimativa da variância comparando os 5 esquemas de amostragem.
58
57
Figura 23 - Distribuição espacial da Saturação de Bases nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada atravésda estimativa da variância comparando os 5 esquemas de amostragem.
57
56
Figura 22 - Distribuição espacial da Matéria Orgânica nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através daestimativa da variância comparando os 5 esquemas de amostragem.
56
55
Figura 21 - Distribuição espacial do pH H2O nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através daestimativa da variância comparando os 5 esquemas de amostragem.
55
54
20%
20%
0%
46,7%
6,65%6,65%
EPPE1E2E3E4E5
Figura 20 - Proporção de ocorrências de melhor acurácia nos esquemas (E1, E2, E3, E4 e E5) e
Efeito Pepita Puro resultante do estudo da média de variância de krigagem.
Para o potássio a melhor acurácia, para as profundidades 2 e 3,
verificou-se no esquema E1.
No atributo matéria orgânica, para as profundidades 1 e 2, a melhor
acurácia foi apresentada no esquema 3 – amostragem estratificada (X – aleatório e
Y – fixo).
A melhor acurácia, de maneira geral, evidenciou-se no esquema de
amostragem 1 – amostras aleatórias.
Os mapas da distribuição espacial para os tratamentos dos 5
esquemas de amostragens nas 3 profundidades que melhor se destacaram no
estudo da de variância média de krigagem, estão representados nas figuras 21 a 25.
53
A distribuição espacial do pH na profundidade 1 apresentou maior
acurácia pelo menor valor de MKV, no esquema E1. Para a profundidade 2, a maior
acurácia foi encontrada no E4 . Na profundidade 3, o esquema de amostragem E3 foi
o que apresentou o menor valor de variância média de krigagem.
Para o atributo matéria orgânica nas profundidades 1 e 2 a menor
variância média de krigagem foi verificada no esquema E1, denotando a melhor
acurácia nestas amostragens. Para a profundidade 3, a melhor acurácia evidenciou-
se para o esquema E2, onde as coletas dentro da malha foram centralizadas.
A saturação de bases denota para a profundidade 1 que a variância
média de krigagem apresentou o menor valor no esquema E1. Para a profundidade
2, a melhor acurácia mostrou-se no esquema de amostragem E4 – amostragem
estratificada (X – fixo e Y – aleatório). Na profundidade 3 esta acurácia evidenciou-
se no esquema E3.
Para o potássio, a profundidade 1 apresentou EPP. Para as
profundidades 2 e 3 o esquema 1 (amostras aleatórias) apresentou melhor acurácia.
O atributo fósforo para a profundidade 1 e 2, apresentou melhor
acurácia no esquema 3, para a profundidade 3 o melhor nível de acurácia foi
verificado no esquema 2.
Nota-se que o esquema E1 apresentou 46,7% de ocorrência de
melhor acurácia no estudo, enquanto os esquemas 2 e 3 apresentaram 20% cada
um e o esquema 4 apresentou 6,7%. O Efeito Pepita Puro pode ser verificado em
6,7%, enquanto que o esquema 5 não apresentou ocorrência. Denotando aqui neste
estudo uma melhor performance para o esquema 1, como um todo.
Em especial o esquema de amostragem E1 apresentou melhor
acurácia para os atributos pH, matéria orgânica e saturação de bases, para a
profundidade 1. Para a profundidade 2, para os atributos acima a melhor acurácia
apresentou-se no esquema de amostragem E4. Para a profundidade 3, para estes
atributos a melhor acurácia apresentou-se no esquema 3.
52
Tabela 15 Características dos Semivariogramas ajustados, por atributo e por esquema, nas profundidades (1), (2) e (3)
Onde: Esquema 1 – amostras aleatórias; Esquema 2 – amostras sistemática centralizada, Esquema 3 – amostras estratificada(X – aleatório e Y – fixo), Esquema 4 - amostras estratificada(X – fixo e Y – aleatório), Esquema 5= amostras aleatória estratificada, Prof=profundidade das amostras(1 – 0-5cm, 2 – 5-10cm e 3- 10-15cm), (modificada de Haining, 1997), r 2cval – coeficiente de determinação entre os valores estimados e observados, mse – quadrado dos desvios em relação à média, mkv –variância média de krigagem.
Parâmetro prof. r 2cval Esq. mse mkv Parâmetro prof. r 2cval Esq. mse mkv Parâmetro prof. r 2cval Esq. mse mkv pH H2O 1 0,27 1 0,01 0,01 pH H2O 2 0,10 1 0,02 136,18 pH H2O 3 0,11 1 0,03 0,03 pH H2O 1 0,25 2 0,02 0,02 pH H2O 2 0,19 2 0,06 0,05 pH H2O 3 0,10 2 0,08 181,99 pH H2O 1 0,27 3 0,02 0,02 pH H2O 2 0,38 3 0,03 0,04 pH H2O 3 0,40 3 0,05 0,03 pH H2O 1 E PP pH H2O 2 0,36 4 0,03 0,02 pH H2O 3 0,23 4 0,05 0,04 pH H2O 1 0,30 5 2,73 0,02 pH H2O 2 0,29 5 0,07 0,04 pH H2O 3 0,49 5 0,06 0,05 Mat Org 1 0,34 1 2,12 1,83 Mat Org 2 0,39 1 2,18 1,00 Mat Org 3 0,37 1 2,39 1,82 Mat Org 1 0,65 2 3,70 3,46 Mat Org 2 0,56 2 4,01 4,02 Mat Org 3 0,60 2 2,27 1,75 Mat Org 1 E PP Mat Org 2 0,34 3 2,32 2,41 Mat Org 3 0,48 3 1,92 1,90 Mat Org 1 0,33 4 3,48 3,03 Mat Org 2 0,40 4 2,78 2,85 Mat Org 3 0,32 4 4,13 3,11 Mat Org 1 E PP Mat Org 2 E PP Mat Org 3 E PP
V% 1 0,08 1 12,83 9,71 V% 2 0,23 1 25,60 19,54 V% 3 0,06 1 33,93 149,19 V% 1 0,17 2 28,10 25,37 V% 2 0,33 2 23,50 19,02 V% 3 0,25 2 43,92 36,49 V% 1 E PP V% 2 0,33 3 24,72 23,82 V% 3 0,42 3 33,23 36,35 V% 1 0,04 4 45,41 168,95 V% 2 0,39 4 20,60 13,65 V% 3 E PP V% 1 0,32 5 1.924,81 32,05 V% 2 0,35 5 1.421,18 220,79 V% 3 0,46 5 67,06 48,70 K 1 E PP K 2 0,17 1 236,47 130,59 K 3 0,19 1 29,43 24,86 K 1 E PP K 2 E PP K 3 E PP K 1 E PP K 2 E PP K 3 0,73 3 105,20 192,11 K 1 E PP K 2 E PP K 3 E PP K 1 E PP K 2 E PP K 3 E PP P 1 E PP P 2 E PP P 3 E PP P 1 E PP P 2 E PP P 3 0,18 2 0,66 0,40 P 1 0,05 3 1,23 1,02 P 2 0,12 3 2,32 1,90 P 3 E PP P 1 E PP P 2 E PP P 3 E PP P 1 E PP P 2 E PP P 3 E PP
52
51
distribuição espacial das amostras, será máxima nos locais mais distantes de
valores medidos (Vieira, 2000).
A Tabela 15 mostra este comportamento da variância média de
krigagem, onde o menor valor denota a maior acurácia, correlacionada com r2cval
(coeficiente de determinação entre os valores estimados e observados, determinado
a partir da técnica da validação cruzada) em sua maior precisão.
50
alcance não variou entre os atributos saturação de bases e pH, respectivamente
(Tabela 14).
Tabela 14 Características dos Semivariogramas ajustados com a ponderação das médias, das
profundidades (1), (2) e (3), para o esquema 5
Esquema 05 (Pá de Corte) Parâmetro co co + c A r2 r2 cval modelo mse mkv Coef.Dep
100(Co/ Co + C) classe
pH H2O 0,005 0,055 12,80 0,64 0,50 esférico 0,13 0,03 9,09 S Mat Org Efeito Pepita Puro R V% 4,90 59,47 12,60 0,64 0,47 esférico 260,55 33,71 8,24 S K Efeito Pepita Puro R P Efeito Pepita Puro R Onde: Esquema 5= amostras aleatória estratificada, Modelo – modelo de semivariograma; Co – efeito pepita puro; Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; r2cval - coeficiente de determinação entre os valores estimados e observados; mse – quadrado dos desvios em relação à média; mkv –variância média de krigagem; Coef. Dep – relação entre o efeito pepita (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
Neste trabalho, há de se esclarecer que na implantação de cada
esquema de amostragem, por mais que se tenha procurado uniformizar as áreas
associadas aos esquemas, houve grande heterogeneidade. Levando em
consideração que são 05 esquemas e que em cada um deles a coleta foi realizada
em 100 pontos de amostragem e três profundidades, não seria, portanto, possível
detectar homogeneidade. Além disso, na implantação deste estudo, não foi
considerada a direção das linhas de plantio do talhão durante a amostragem.
Para a análise dos dados com a finalidade de se avaliar qual
esquema de amostragem apresentou melhor acurácia, analisou-se a variância média
de krigagem (Tabela 15), através do Software Crosvali (Stein, 1995).
Quanto menor for o EPP, menor será a variância. Quanto menor a
proporção de EPP para o patamar, maior a continuidade do fenômeno, menor a
variância ou maior a confiança que se pode ter na estimativa. A pior variância da
estimativa, ainda será menor do que a variância dos dados medidos, uma vez que
se conhece o semivariograma de uma propriedade, qualquer tipo de esquema de
amostragem pode ser desenhado para variâncias da estimativa pré-specificadas.
Considerou-se que, a variância da estimativa sendo em função da distância ou da
49
Tabela 13 Características dos Semivariogramas ajustados por atributo do esquema 5, nas 03 profundidades
Esquema 05 Parâmetro Co Co + C Alcance r2 Prof. Modelo Coef.Dep
100(Co/ Co + C) Classe
pH H2O 0,004 0,036 9,80 0,65 1 esférico 11,11 S pH H2O 0,009 0,069 11,50 0,60 2 esférico 13,04 S pH H2O 0,007 0,112 14,00 0,70 3 esférico S Mat Org Efeito Pepita Puro R Mat Org Efeito Pepita Puro R Mat Org Efeito Pepita Puro R V% 5,30 47,45 10,10 0,63 1 esférico 11,17 S V% 5,50 64,55 11,20 0,50 2 esférico 8,52 S V% 6,30 99,20 13,60 0,71 3 esférico 6,35 S K Efeito Pepita Puro R K Efeito Pepita Puro R K Efeito Pepita Puro R P Efeito Pepita Puro R P Efeito Pepita Puro R P Efeito Pepita Puro R
Onde: Esquema 5= amostras aleatória estratificada, Prof=profundidade das amostras(1 – 0-5cm, 2 – 5-10cm e 3- 10-15cm). Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; Coef. Dep – relação entre o efeito pepita puro (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
Segundo Couto (1997), o CV normalmente utilizado para avaliar a
variabilidade relativa das propriedades do solo, também se mostrou limitado para
explicar as relações de causa e efeito responsáveis pela variação espacial dos
atributos.
Para Mulla et al. (1990), o CV não é necessariamente o melhor
indicador da variabilidade espacial dos parâmetros do solo. Para este objetivo são
mais indicadas as técnicas de avaliação por amostragens regionalizadas.
Na Tabela 14, observa-se o mesmo comportamento dos atributos
estudados e apresentados na Tabela 13, onde o pH e saturação de bases
possibilitaram a elaboração dos mapas de distribuição espacial (Figura 21 e 22), ao
contrário dos demais atributos que apresentaram efeito pepita puro. Confirmando
que um dos fatores que pode estar influenciando este resultado possa ser a
pequena distância empregada para este estudo. Para esta forma de coleta, o
48
O maior alcance para o esquema E4 (Tabela 12), foi de 66,6 m para o
pH, e o menor alcance ou atributo com a maior variabilidade foi a saturação de
bases, com 53,4 m.
A Tabela 13 mostra para o esquema E5 a confirmação da dependência
espacial para o atributo pH nas três profundidades. O alcance para este atributo
variou de 9,8 m, na profundidade 1 até 14 m na profundidade 2, mostrando haver
aumento do alcance com a profundidade.
Para a saturação de bases, evidenciou-se a dependência espacial nas
três profundidades. O alcance deste atributo variou de 10 m na profundidade 1 até
13,6 m na profundidade 3, mantendo o mesmo comportamento do pH H2O,
mostrando haver aumento do alcance com a profundidade.
O atributo matéria orgânica apresentou efeito pepita puro nas três
profundidades estudadas. Possivelmente, a presença de alguns sítios de
compactação, observados na época da coleta, influenciaram a produção de
biomassa, notadamente no sistema radicular, principalmente nas profundidades 2 e 3.
Para o atributo potássio, confirmou-se novamente o efeito pepita puro
nas três profundidades.
47
Tabela 12 Características dos Semivariogramas ajustados com a ponderação das médias, das profundidades (1), (2) e (3), para o esquema 4
Onde: Esquema 4= amostras estratificada (eixo X fixo e Y aleatório), Prof=profundidade das amostras(1 – 0-5cm, 2 – 5-10cm e 3- 10-15cm). Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; r2cval - coeficiente de determinação entre os valores estimados e observados; mse – quadrado dos desvios em relação à média; mkv –variância média de krigagem; Coef. Dep – relação entre o efeito pepita (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
A dependência espacial manteve-se em torno de 60% na pá-de-
corte, com exceção do esquema E1. Analisadas as médias na Tabela anterior do
mesmo esquema de amostragem, a percentagem da dependência espacial diminuiu
para 53,3% (Figura 19).
46,67
60
0
20
40
60
11,2,3 Pá-de-Corte
Figura 19 - Porcentagem dos variogramas com modelos ajustados para as 3 profundidades e a
simulação de pá-de-corte para o esquema 4.
Esquema 04 (Pá de Corte) Parâmetro co co + c A r2 r2 cval modelo mse mkv Coef.Dep
100(Co/ Co + C) classe
ph H2O 0,014 0,041 66,60 0,90 0,34 exponencial 0,02 0,02 34,14 M Mat Org 1,37 5,815 60,00 0,99 0,46 esférico 2,13 2,05 23,55 S V% 12,43 32,07 53,40 0,86 0,27 exponencial 22,31 15,50 38,76 M K Efeito Pepita Puro R P Efeito Pepita Puro R
46
sítios de localização dos atributos, com o acúmulo de matéria orgânica na superfície,
uso de certas plantadoras, tempo de implantação do cultivo mínimo e a adubação
(se feita na linha ou a lanço), como no caso do potássio.
40
60
40
0
10
20
30
40
50
60
1 1 2 3
Figura 18 - Porcentagem dos variogramas com modelos ajustados para as profundidades
estudadas para o esquema 4.
Para o esquema E4 (Tabela 12), quando estudou-se a ponderação
das médias (nas 3 profundidades), foi confirmado o efeito pepita puro para o K e P,
corroborando com os esquemas 1, 2, 3 e 5. Para os dois atributos, citados acima, foi
impossível a confecção dos mapas de distribuição espacial. No caso dos atributos,
pH, matéria orgânica e saturação de bases (valendo lembrar que no esquema E1
apresentou EPP), houve dependência espacial dos mesmos, possibilitando a
elaboração de mapas da distribuição espacial (Figuras 21 - 23).
45
Tabela 11 Características dos Semivariogramas ajustados por atributo do esquema 4, nas 03 profundidades
Esquema 04 Parâmetro Co Co + C Alcance r2 Prof. Modelo Coef.Dep
100(Co/ Co + C) Classe
Ph H2O Efeito Pepita R Ph H2O 0,013 0,046 23,70 0,91 2 exponencial 28,26 M Ph H2O 0,032 0,108 173,40 0,90 3 exponencial 29,63 M Mat Org 2,21 9,544 93,10 0,97 1 esférico 23,15 S Mat Org 2,04 5,554 43,10 0,98 2 esférico 36,73 M Mat Org 2,50 10,794 116,10 0,98 3 exponencial 23,16 S V% 27,88 43,10 42,46 0,75 1 linear 64,68 M V% 8,46 32,90 25,20 0,88 2 exponencial 25,71 M V% Efeito Pepita Puro R K Efeito Pepita Puro R K Efeito Pepita Puro R K Efeito Pepita Puro R P Efeito Pepita Puro R P Efeito Pepita Puro R P Efeito Pepita Puro R
Onde: Esquema 4= amostras estratificada (eixo X fixo e Y aleatório), Prof=profundidade das amostras(1 – 0-5cm, 2 – 5-10cm e 3- 10-15cm). Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; Coef. Dep – relação entre o efeito pepita puro (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
É bom lembrar que a concentração na segunda camada dos teores
de fósforo se deve ao alcance da plantadora usada, depositando o adubo a uma
profundidade de 7 a 8 cm. No caso do potássio, a maior concentração deve-se ao
acúmulo de matéria orgânica depositada pelo resto de cultura, onde as raízes
fizeram o trabalho de translocação do K do solo para a parte aérea das plantas.
O alcance neste esquema variou, para o pH, de 173,4 m na
profundidade 3 até 23,7 m na profundidade 2, denotando uma maior variabilidade,
sendo que a menor distância para o alcance foi verificada neste atributo, na
profundidade 2.
A dependência espacial detectada para este trabalho foi de 40%
igualando em percentagem para a profundidade 3, apresentando a profundidade 2,
60% de dependência espacial (Figura 18). Como pode-se constatar, não há uma
regra ou padrão para o aumento ou diminuição do alcance ou dependência espacial
com o aumento da profundidade. Esses resultados estão mais relacionados com os
44
particionadas, denotando variabilidade horizontal e vertical (anisotropia em ambos
sentidos), necessitando de amostragens em espaçamentos menores.
A percentagem de dependência espacial para os atributos ajustados
foi de 60%, confirmando mais uma vez os dados do esquema 2. O maior alcance
verificou-se no atributo pH (19,4 m) e o menor no atributo matéria orgânica (17,2 m).
Tabela 10 Características dos Semivariogramas ajustados com a ponderação das médias, das
profundidades (1), (2) e (3), para o esquema 3
Onde: Esquema 3= amostras estratificada (eixo X aleatório e Y fixo),. Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; r2cval - coeficiente de determinação entre os valores estimados e observados; mse – quadrado dos desvios em relação à média; mkv –variância média de krigagem; Coef. Dep – relação entre o efeito pepita (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
Os resultados obtidos na Tabela 11 para o esquema E4, mostram
pela primeira vez neste estudo que o atributo pH não apresentou dependência
espacial na profundidade 1. Nas profundidades 2 e 3, houve dependência espacial.
A matéria orgânica apresentou dependência espacial nas três profundidades. Para a
saturação de bases, apenas na profundidade 3 ocorreu o EPP. Mais uma vez, e com
maior evidência, o fósforo e o potássio vêm confirmando a grande variabilidade
espacial tanto vertical como horizontal. Vale lembrar, que na análise das médias,
somente o fósforo confirmou o gradiente negativo (analisando as três
profundidades), no caso do coeficiente de variação verificou-se um coeficiente
positivo para este esquema.
Esquema 03 (Pá de Corte)
Parâmetro co co + c A r2 r2 cval modelo mse mkv Coef.Dep
100(Co/ Co + C) classe ph H2O 0,014 0,046. 19,40 0,94 446,00 esférico 0,02 0,03 30,43 M Mat Org 0,481 2,866 17,20 0,89 0,53 esférico 1,25 1,32 16,78 S V% 8,37 33,17 18,90 0,93 0,47 esférico 16,30 17,22 25,23 M K Efeito Pepita Puro R P Efeito Pepita puro R
43
mantendo como na maioria dos resultados anteriores uma maior dependência
espacial nas camadas inferiores.
40
80 80
0
20
40
60
80
1 1 2 3
Figura 17 - Porcentagem dos variogramas com modelos ajustados para as profundidades
estudadas para o esquema 3.
Na simulação de pá-de-corte no esquema 3 (Tabela 10), observou-se
claramente que os atributos pH, matéria orgânica e saturação e bases,
apresentaram dependência espacial entre os dados amostrados.
Estes dados vêm confirmando a não necessidade de amostragem em
camadas particionadas para análise destes três atributos citados acima. Conforme
dados dos esquemas anteriores, não havendo diferenças entre si nas análises das
médias dos teores dos atributos e a manutenção do gradiente negativo vertical das
médias com relação à profundidade, e também o gradiente positivo do coeficiente de
variação, em relação à profundidade, analisado até agora nos três presentes
esquemas.
No caso do potássio, este esquema também confirma o EPP, não
havendo dependência espacial, apesar de entre K e P os dados das médias dos
teores, coeficiente de variação e comportamento do gradiente em relação à
profundidade terem se mantido quase que integralmente se comparados com o
comportamento dos atributos pH, matéria orgânica e saturação de bases. Todavia,
quando se analisa seu comportamento espacialmente, ele vem se mantendo sem
dependência espacial mesmo na simulação de pá-de-corte, e também em camadas
42
Tabela 9 Características dos Semivariogramas ajustados por atributo do esquema 3, nas 03 profundidades
Esquema 03
Parâmetro Co Co + C Alcance r2 Prof. Modelo Coef.Dep
100(Co/ Co + C) Classeph H2O 0,015 0,03 20,30 0,83 1 esférico 50,00 M ph H2O 0,021 0,058 19,90 0,85 2 esférico 36,20 M ph H2O 0,022 0,082 25,80 0,93 3 exponencial 26,83 M Mat Org Efeito Pepita Puro R Mat Org 1,446 3,662 18,30 0,91 2 esférico 39,48 M Mat Org 0,789 3,782 17,20 0,79 3 esférico 20,86 S V% Efeito Pepita R V% 13,35 38,01 17,70 0,85 2 esférico 35,12 M V% 21,90 61,79 21,70 0,95 3 esférico 35,44 M K Efeito Pepita Puro R K Efeito Pepita Puro R K 76,60 115,102 43,62 0,65 3 linear 66,55 M P 0,91 3,127 395,10 0,98 1 exponencial 29,10 M P 1,419 2,839 21,30 0,45 2 exponencial 49,98 M P Efeito Pepita Puro R
Onde: Esquema 3= amostras estratificada (eixo X aleatório e Y fixo), Prof=profundidade das amostras(1 – 0-5cm, 2 – 5-10cm e3- 10-15cm). Modelo – modelo de semivariograma; Co – efeito pepita, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; Coef. Dep – relação entre o efeito pepita puro (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
O efeito pepita puro (ausência de dependência espacial), foi
encontrado para a matéria orgânica e saturação de bases na profundidade 1, e para
o potássio nas profundidades 1 e 2. Segundo Souza (1992), o acúmulo de resíduos
na superfície e o não revolvimento do solo, que recebe aplicações periódicas de
adubos e corretivos, no sistema de plantio direto, determina a formação de
gradientes, no sentido vertical e maior variabilidade no sentido horizontal, quando
comparado com o sistema convencional.
Para o fósforo, o EPP evidenciou-se na terceira camada amostrada.
Neste caso não houve a possibilidade da demonstração através dos mapas de
distribuição espacial. O alcance para o fósforo na primeira camada foi de 395 m e
para a matéria orgânica, na profundidade 2, de 17,2 m.
Conforme mostra a Figura 17, a percentagem da dependência
espacial para a profundidade 1 foi de 40%. Já nas profundidades 2 e 3 foi de 80%,
41
67
60
56
58
60
62
64
66
68
11,2,3 Pá-de-Corte
Figura 16 - Porcentagem dos variogramas com modelos ajustados para as 3 profundidades e a
simulação de pá-de-corte para o esquema 2.
Analisando-se o alcance, observa-se que os valores tiveram
amplitude de 18,7 m até 29,4 m para o atributo pH.
No esquema 3, como mostrado na Tabela 9, os dados obtidos pela
geoestatística expressam uma variabilidade muito grande, pois este esquema fixou o
eixo y e variou de forma aleatória o eixo x. O atributo pH apresentou dependência
espacial nas três profundidades.
40
fósforo, onde não foi possível estimar um modelo de semivariograma (efeito pepita
puro).
Tabela 8 Características dos Semivariogramas ajustados com a ponderação das médias, das
profundidades (1), (2) e (3), para o esquema 2
Esquema 02 (Pá de Corte)
Parâmetro co co + c A r2 r2 cval modelo mse mkv Coef.Dep
100(Co/ Co + C) classe ph H2O 0,021 0,061 18,70 0,77 0,19 esférico 0,05 0,04 34,42 M Mat Org 0,01 8,521 26,30 0,96 0,68 esférico 2,40 2,06 0,12 S V% 10,30 45,50 29,40 0,82 0,27 exponencial 29,30 17,17 22,64 S K Efeito Pepita Puro R P Efeito Pepita Puro R Onde: Esquema2= amostras sistemática centralizada, Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; r2cval - coeficiente de determinação entre os valores estimados e observados; mse – quadrado dos desvios em relação à média; mkv –variância média de krigagem; Coef. Dep – relação entre o efeito pepita (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
A Figura 16 mostra que em 40% dos casos não se detectou a
dependência espacial, ocorrendo o efeito pepita puro, sendo que somente 60% dos
casos apresentaram dependência espacial. Analisando-se as profundidades
conjuntamente, observa-se que em cerca de 67% dos casos, houve dependência
espacial. Um outro fator que pode estar influenciando esses resultados seria o fato
de K e P estarem ligados a características específicas, tais como, maior teor de
argila e acúmulo mais elevado de matéria orgânica, em algumas partes do terreno, o
que foi verificado por Sguarezi (2002).
39
Como já citados no esquema 1 e em outros trabalhos publicados (Lobato,
2000; Couto, 1997), as distâncias pequenas, neste caso de 5 m, não foram
suficientes para a obtenção de um resultado satisfatório. Possivelmente, a
variabilidade causada pelo manejo atuou numa distância inferior àquela usada neste
trabalho.
Os valores do alcance da dependência espacial variaram de 19,3 m
(saturação de bases) até 57,3 m (pH) para a profundidade 1. Para a profundidade 2
o alcance variou de 21,7 m (pH) até 76,5 m (saturação de bases) e, na profundidade
3, o alcance variou de 24,3 m (matéria orgânica) até 45,6 m (saturação de bases).
A percentagem da dependência espacial entre os atributos foi em
torno de 60% para as profundidades 1 e 2 (Figura 15). Para a profundidade 3 houve
aumento na dependência espacial, passando para 80%. Os resultados se
assemelham ao esquema 1, que aumentou a dependência espacial com a
profundidade.
60 60
80
0
20
40
60
80
1 1 2 3
Figura 15 - Porcentagem dos variogramas com modelos ajustados para as profundidades estudadas para o esquema 2.
Na Tabela 8, ao se analisar os resultados obtidos no esquema 2 para
a ponderação das médias, os atributos pH, matéria orgânica e saturação de bases
apresentaram dependência espacial, onde foi possível a obtenção dos
semivariogramas ajustados resultando também na confecção dos mapas da
distribuição espacial (Figuras 21 – 23). O mesmo não ocorreu com o potássio e o
38
Para os atributos pH H2O e matéria orgânica, houve dependência,
expressa pelas figuras 21 e 22. No caso do pH, houve um elevado aumento do
alcance quando comparado com outros esquemas, conforme demonstrado na
ponderação das médias (Tabela 6).
Para o esquema 2 , os valores contidos na Tabela 7 evidenciam que
para os atributos pH H2O, matéria orgânica e saturação de bases ocorreu a
confirmação da dependência espacial com modelos exponenciais, esféricos e
lineares, respectivamente, para os atributos e profundidade. Para o fósforo, somente
na profundidade 3 (10-15 cm) foi obtida a dependência espacial, possibilitando a
elaboração do mapa da distribuição espacial (Figura 25). Para o potássio, nas três
profundidades e para o fósforo, nas profundidades 1 e 2, verificou-se o EPP (efeito
pepita puro), não havendo dependência espacial.
Tabela 7 Características dos Semivariogramas ajustados por atributo do esquema 2, nas 03 profundidades
Esquema 02
Parâmetro Co Co + C Alcance r2 Prof. Modelo Coef.Dep
100(Co/ Co + C) Classeph H2O 0,015 0,039 57,30 0,88 1 exponencial 38,46 M ph H2O 0,035 0,079 21,70 0,83 2 Esférico 44,30 M ph H2O 0,06 0,115 43,21 0,83 3 Linear 52,17 M Mat Org 0,54 12,10 27,00 0,97 1 Esférico 4,46 S Mat Org 1,63 10,23 27,60 0,92 2 Esférico 15,93 S Mat Org 0,09 6,203 24,30 0,95 3 Esférico 1,45 S V% 15,86 34,85 19,30 0,85 1 Esférico 45,50 M V% 14,90 52,65 76,50 0,93 2 exponencial 28,30 M V% 28,90 70,63 45,60 0,81 3 exponencial 40,91 M K Efeito Pepita Puro R K Efeito Pepita Puro R K Efeito Pepita Puro R P Efeito Pepita Puro R P Efeito Pepita Puro R P 0,178 0,833 15,30 0,59 3 exponencial 21,36 S
Onde: Esquema2= amostras sistemática centralizada, Prof=profundidade das amostras (1 – 0-5 cm, 2 – 5-10 cm e 3- 10-15 cm. Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; Coef. Dep – relação entre o efeito pepita puro (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
37
Tabela 6 Características dos Semivariogramas ajustados com a ponderação das médias, das profundidades (1), (2) e (3), para o esquema 1
Esquema 01 (Pá de Corte)
Parâmetro Co Co + C A r2 r2 cval modelo mse mkv Coef.Dep
100(co/co + c) classe pH H2O 0,013 0,044 193,98 0,97 0,24 exponecial 0,02 0,02 29,54 M Mat Org 1,622 4,142 38,89 0,71 0,34 esférico 2,42 2,24 39,16 M V% Efeito Pepita Puro R K Efeito Pepita Puro R P Efeito Pepita Puro R Onde: Esquema1= amostras aleatórias Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; ; r2cval - coeficiente de determinação entre os valores estimados e observados, mse – quadrado dos desvios em relação à média, mkv –variância média de krigagem; Coef. Dep – relação entre o efeito pepita (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
O alcance variou de 38,9 m (matéria orgânica) até 194,0 m (pH), com
média de 116,5 m.
A percentagem da dependência espacial foi de 40% (moderada).
Quando se comparam esses resultados com os valores das percentagens das três
profundidades, verifica-se 73,3% de dependência espacial, contrariando a simulação
da pá de corte, quando alguns autores confirmam aumento da dependência espacial
com o aumento da profundidade.
73,3
40
0
20
40
60
80
11,2,3 Pá-de-Corte
Figura 14 - Porcentagem dos variogramas com modelos ajustados para as 3 profundidades e a
simulação de pá-de-corte para o esquema 1.
36
Os valores do alcance da dependência espacial variam de 30 m
(matéria orgânica) até 64 m (saturação de bases) para a profundidade 1. Para a
profundidade 2, o alcance variou de 29 m (potássio) até 203 m para saturação de
bases. Na profundidade 3, o alcance da dependência espacial variou de 15 m
(potássio) até 53 m (matéria orgânica).
Conforme observa-se Tabela 5, a percentagem da dependência
espacial foi de 60% na primeira profundidade e de 80% para as profundidades 2 e 3.
60
80 80
01020304050607080
1
Profundidade
1 2 3
Figura 13 - Porcentagem dos variogramas com modelos ajustados para as profundidades estudadas para o esquema 1.
O valor médio do alcance foi de 46,6 m para a profundidade 1,
26,8 m para a profundidade 2 e 32,4 m para a profundidade 3. Comparando esses
resultados com os de outros estudos, verifica-se uma grande amplitude de valores,
entretanto, a dependência espacial mostrou tendência de aumentar com a
profundidade (Trangmar et al., 1985; Webster, 1985 e Couto, 1997).
Para o mesmo esquema em questão (Tabela 6), ao se utilizar a
média das três profundidades (ponderação), o atributo saturação de bases não
apresentou dependência espacial. O que leva a supor que a distância venha
influenciar fortemente esses resultados.
35
Tabela 5 Características dos Semivariogramas ajustados por atributo do esquema 1, nas 03 profundidades
Esquema 01
Parâmetro Co Co + C Alcance r2 Prof. Modelo Coef.Dep
100(Co/Co+C) Classe ph H2O 0,007 0,016 46,81 0,94 1 esférico 43,75 M ph H2O 0,015 0,021 42,47 0,54 2 linear 71,42 M ph H2O 0,02 0,046 19,50 0,68 3 exponencial 43,47 M Mat Org 1,184 3,468 30,02 0,91 1 esférico 34,14 M Mat Org 0,49 4,223 33,03 0,98 2 exponencial 11,60 S Mat Org 1,39 4,62 52,65 0,95 3 exponencial 30,08 M
V% 8,29 16,59 64,14 0,89 1 exponencial 49,97 M V% 16,80 64,60 202,89 0,88 2 exponencial 20,00 M V% 22,49 31,958 42,50 0,58 3 linear 70,37 M K Efeito Pepita Puro R K 86,70 316,10 28,56 0,91 2 exponencial 27,42 M K 13,41 36,52 15,05 0,78 3 esférico 36,72 M P Efeito Pepita Puro R P Efeito Pepita Puro R P Efeito Pepita Puro R
Onde: Esquema1= amostras aleatórias, Prof=profundidade das amostras(1 – 0-5cm, 2 – 5-10cm e 3- 10-15cm). Modelo – modelo de semivariograma; Co – efeito pepita puro, Co+C – patamar do semivariograma; Alcance – alcance da dependência entre as amostras; r2 – coeficiente de determinação de ajuste do modelo; Coef. Dep – relação entre o efeito pepita puro (Co) e o patamar (Co+C); Classe – codificação do coeficiente de dependência espacial, onde S=forte dependência espacial (coeficiente de dependência espacial <25%), M=moderada dependência espacial (25<coeficiente de dependência espacial <75%) e R=efeito pepita puro, adaptado de Cambardella et al., 1994.
Para o fósforo nas três profundidades não houve dependência
espacial (efeito pepita puro). A distância de 5,0 m para o potássio na profundidade 1
e o fósforo para as três profundidades não foi suficiente para obter a dependência
espacial para os atributos estudados. Segundo Lobato (2000), a distância utilizada
para o estudo no Pantanal com a malha de 10 m também não foi suficiente para
conseguir dependência espacial para o K e o P, nas profundidades 0-20 cm e
20-40 cm, respectivamente.
Um outro fator que pode influenciar para alguns atributos isolados
não apresentarem dependência espacial é a ação antrópica, aumentando a
variabilidade. Segundo Upchurch & Edmonds (1991) e Wilding & Dress (1993), a
variabilidade espacial dos solos pode ser particionada em variabilidade ao acaso e
sistemática, baseada na fonte de erro. Esta é comumente dependente de escala,
sendo que a variação ao acaso pode ser originada por diferentes processos de
formação do solo, atividades humanas, fauna e influência do clima.
34
atributos químicos do solo sob plantio direto, também encontrou valores
semelhantes a este estudo. Resultados semelhantes foram obtidos também por
outros autores (Wilding & Dress, 1983), Wollenhapt et al.,1994 citados por Lobato,
2000 e Ferguson, 1995).
Couto (1997), em estudo realizado sob solo de cerrado, verificou
CV’s elevados para P (57 a 132%), denotando grande compatibilidade com os
resultados deste trabalho.
Ainda com relação aos 3 esquemas estudados (E2, E3 e E4), observa-
se uma tendência semelhante ao potássio, já que houve um gradiente positivo, ou
seja, um aumento de CV com o aumento da profundidade (Figura 12). Já em relação
ao E5, observa-se um gradiente negativo. O E1 não manteve um gradiente nas 3
profundidades. Este atributo teve um comportamento muito diferenciado dos demais
elementos químicos estudados, mesmo quando foram analisados os teores médios,
não mantendo uma certa uniformidade dos dados, como era a expectativa para uma
área de cultivo mínimo, onde há uma maior concentração deste atributo na camada
mais superficial de 0-5 cm.
4.2 Comportamento dos dados sob o enfoque da Geoestatística
Os resultados da análise da semivariância dos dados dos atributos
estudados, em cada esquema e em todas as profundidades, aplicados no software
Gamma Desing (Robertson, 2000) são mostrados nas tabelas 5 a 19.
Conforme resultados obtidos, observa-se na Tabela 5 que os
atributos pH H2O, matéria orgânica e saturação de bases confirmaram dependência
espacial nas três profundidades com modelos esféricos, lineares e exponenciais. No
caso do potássio, somente para as profundidades 2 (5-10 cm) e 3 (10-15 cm) foi
possível verificar a dependência espacial.
33
Comparando os dados mostrados na Figura 12 e descritos na Tabela 4,
pode-se confirmar segundo Warnick & Nielsen (1980) que os valores de coeficiente
de variação do fósforo nos esquemas 2, 3 e 4, mostram um comportamento bastante
semelhante ao atributo potássio, ou seja , valores médios de CV para os esquemas
2 e 3 (na profundidade 1) e valores elevados de CV nos demais esquemas e suas
profundidades (1, 2 e 3).
0
0,5
1
1,5
2
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3
Figura 12 - Valor do Coeficiente de Variação do Fósforo para os esquemas de amostragem
estudados.
Anghinoni e Salet (1995) postulam que a adição superficial de adubos e
corretivos da acidez do solo e a ciclagem dos nutrientes dos resíduos tendem a
acumular nutrientes na superfície do solo submetido ao sistema de plantio direto. O
fósforo é o nutriente que forma o gradiente mais acentuado, a partir da superfície do
solo. Os cátions: cálcio, magnésio e potássio também formam gradiente, porém
proporcionalmente menores. Dentre os cátions, o cálcio é o que forma maior
gradiente, seguido do magnésio e este do potássio. Esse comportamento está
relacionado às suas afinidades com os sítios de adsorção do solo. O presente
estudo apresentou resultados contrários ao acima descrito, já que o fósforo não
mostrou gradiente acentuado a partir da superfície do solo, exceto no E5.
O menor valor encontra-se no esquema 2, na profundidade 1 (54,1%)
e o maior no esquema 3 na profundidade 3 (163,8%), podendo-se verificar assim,
uma grande heterogeneidade. Souza (1992), estudando a variabilidade espacial dos
CV
Fósf
oro
(%)
32
aplicado pela plantadora a profundidade de 7 a 10 cm e não se transloca para
camadas mais profundas, não será detectada grande concentração deste atributo
em camadas mais profundas como foi verificado neste estudo.
Na comparação das três profundidades, observa-se que o E5 não
manteve o mesmo resultado apresentando nos demais esquemas, visto que
apresenta gradiente negativo com o aumento da profundidade (Figura 11). Porém,
não diferiu do comportamento nos outros atributos nos quais também apresentou
gradiente negativo. Nos demais esquemas houve variação, ou seja, não
apresentaram gradiente, estando os maiores teores na profundidade 2. No caso do
esquema 5, isto pode ser justificado pela compactação do solo observada in locu. A
justificativa para isto, poderá estar nas plantadoras utilizadas, na definição
inadequada da profundidade definida no experimento para a análise do referido
atributo (pois uma estratificação mais fracionada possibilitaria uma análise mais
detalhada).
Os níveis encontrados para fósforo em todas as profundidades,
poderiam estar afetando a produtividade da cultura. Quando comparados com os
valores obtidos na pá-de-corte, os níveis de fósforo são baixos em todos os
esquemas, como ocorre na agricultura convencional, não podendo-se detectar a
variação em profundidade. Este comportamento é mais evidenciado no fósforo que
no potássio, como descrito anteriormente.
02468
1012
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3Pá de Corte
Figura 11 - Valores médios do Fósforo para os esquemas de amostragem estudados.
Fósf
oro
(mg
Kg-1
)
31
00,20,40,60,8
11,2
Esquema1
Esquema3
Esquema5
Profundidade 1Profundidade 2Profundidade 3
Figura 10 - Valor do Coeficiente de Variação do Potássio para os esquemas de amostragem
estudados. 4.1.5 Perfil do Atributo Fósforo (P) em relação aos esquemas
Para este atributo, observa-se que na profundidade 1 todos os
esquemas são semelhantes, apresentando uniformidade e homogeneidade entre
eles, o que difere do comportamento dos outros atributos nesta profundidade. Isto
decorre do processo utilizado para o preparo do solo anteriormente à implantação do
plantio direto. Em todos os esquemas estudados, os teores de fósforo nesta
profundidade são considerados baixos.
Na profundidade 2, os esquemas E1 e E5 diferem entre si, mas se
assemelham aos demais esquemas. Portanto, nesta profundidade, observa-se
divergência no comportamento dos esquemas de amostragem aleatória.
Nesta profundidade, com exceção do E5, todos os esquemas
apresentaram valores superiores aos das profundidades 1 e 3. A justificação para
isto, é que foram realizadas adubações fosfatadas na linha de plantio (80 Kg de
P/ha) com uma plantadora Tatu – PT, cuja profundidade de trabalho é de cerca de 7
a 10 cm, podendo ser, portanto, este um dos motivos da concentração deste
atributo, ao longo do tempo, nesta profundidade (Tabela 3).
Na profundidade 3, o E3 se difere dos demais esquemas, exceto do E4.
Isto se deve à uniformidade do solo no local de coleta de amostragem. Quanto a
pouca concentração deste atributo nesta profundidade, a explicação consiste no fato
do fósforo, ao contrário do potássio, ser pouco móvel no solo. Assim, como é
CV
Potá
ssio
(%)
30
(1997), se coletada uma amostra de (0-17cm), preconizada para o plantio
convencional, muito provavelmente não será adequada para detectar as diferenças
que ocorrem em profundidade, resultando em uma interpretação da análise do solo
desajustada à realidade da lavoura. O desajuste será tanto maior quanto maior for o
gradiente do perfil do solo, corroborando assim com os resultados deste trabalho,
em todos os esquemas estudados.
Comparando-se as 3 profundidades no mesmo esquema, verifica-se
que houve diferença estatística entre elas. Esta mesma tendência ocorreu para o
pH, matéria orgânica e saturação de bases em todos os esquemas estudados,
mostrando um gradiente negativo com o aumento da profundidade (Figura 3 e
Figura 9).
Comparando-se os dados mostrados na Figura 4 e descritos na Tabela
4, pode-se confirmar com base nos limites estabelecidos por Warrick e Nielsen
(1980) que os valores do coeficiente de variação do K nos esquemas 2, 3 e 4
mantiveram-se médios (para profundidade 1 nos 3 esquemas e para a profundidade
2 no esquema 2) e elevados (para a profundidade 2 nos 3 esquemas referidos acima
e para a profundidade 2 nos esquemas 3 e 4). Couto et al. (1999), estudando a
variabilidade espacial de atributos de solo sob pivô central, também encontrou
valores semelhantes a este estudo.
Segundo Anghinoni (1997), altos CV’s denotam a necessidade de um
grande número de coletas de sub-amostras, o que no campo demandaria um maior
dispendimento de tempo e seria economicamente inviável.
Para os esquemas em questão, observa-se um gradiente positivo em
relação ao CV (Figura 10). Não se verificou nenhum gradiente negativo como
observado na matéria orgânica para o esquema 2, o que equivale dizer que este
atributo teve comportamento inverso a matéria orgânica. Quando analisou-se a
média dos teores de K , observou-se um gradiente negativo para todos os esquemas
em todas as profundidades. Os CV’s dos esquemas 1 e 5, mantiveram o maior valor
na profundidade 2 e maiores valores na profundidade 1 (Figura 10). Salet et al.
(1996), verificou valores altos de CV para o K (24-58%) em estudo realizado em
Passo Fundo – RS.
29
caso a soja, o agricultor cultiva o solo com milheto, que tem grande capacidade de
absorção dos nutrientes, em especial o K, devolvendo-o para a superfície através da
matéria orgânica. A variabilidade do K, não deve estar relacionada somente nas
linhas de adubação, mas também à localização das plantas, sendo transportada da
parte aérea para o solo pelas chuvas, no final do ciclo (Anghinoni & Salet, 1997). O
histórico do uso da área pode contribuir para justificar as concentrações desse
elemento, principalmente nos solos intensamente cultivados como os Latossolos
Vermelho-Escuros (Couto et al., 1990).
Couto et al. (1990), em trabalho realizado no sul do Estado de Mato
Grosso mostrou que o uso agrícola nesta área tem modificado profundamente as
propriedades químicas destes solos.
Os maiores valores de K – trocável, associados aos latossolos-
vermelho-escuros, refletem o uso mais intensivo desta classe, principalmente com a
cultura de soja (Couto et al., 2000), confirmando os resultados obtidos neste
trabalho.
020406080
100120140
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3Pá de Corte
Figura 9 - Valores médios do Potássio para os esquemas de amostragem estudados.
De acordo com a Embrapa (1997), os teores de potássio são altos para
a simulação de pá-de-corte, mascarando os resultados reais dos sítios encontrados
nas profundidades amostradas neste experimento. Como já foi observado, o valor foi
alto para a profundidade 1, médio para a profundidade 2 e baixo para a profundidade
3. Numa variação de apenas 15 cm, há grande variação nas concentrações de K, a
qual não é mostrada pela simulação da Tabela 4, muito usada na agricultura
convencional para a coleta em amostragem de solo. Vale lembrar também que este
atributo tem muito mais mobilidade que o fósforo. Segundo Anghiononi & Salet,
Potá
ssio
(mg
Kg-1
)
28
4.1.4 Perfil do Atributo Potássio (K) em relação aos esquemas
Para o potássio (Tabela 3), observa-se que não houve diferença
estatística entre os esquemas amostrados nas profundidades 1 e 3 . Por tratar-se de
um atributo muito lixiviável, e no caso do presente estudo de um solo com boa
percolação de água, ou seja, que apresenta uma boa drenagem e boa exportação
das camadas mais profundas deste atributo para a superfície, devido a ação de
cultura de rotação de milheto, há maior uniformidade na distribuição deste elemento.
Entretanto, o mesmo não é observado na segunda camada, onde nota-se que houve
variação. Os E1, E2, E3 e E4 não apresentam diferença estatística entre si, como
também não diferem os E1, E3, E4 e E5. Já os esquemas E2 e E5 apresentam
diferença estatística entre si. Nessa camada, houve interferência direta da adubação
de manutenção feita pela plantadora nas linhas de plantio (5 – 7 cm) interferindo na
uniformização da distribuição desse atributo, o que resultou em maior variabilidade.
O maior valor na profundidade 1 (125,3 mg dm-3) foi verificado no E1 e
o menor (114,7 mg dm-3) no E3. Na simulação da pá-de-corte o maior valor (64,1 mg
dm-3) se encontra no esquema 5 e o menor (56,5 mg dm-3) no esquema 2. Neste
caso, os resultados foram diferentes dos observados para pH H2O, matéria orgânica
e saturação de bases, tanto na comparação das profundidades como na simulação
da pá-de-corte os esquemas de menor e maior valores permaneceram os mesmos
(Tabela 4). Observa-se também que na profundidade 1, o teor de K é considerado
alto em relação às profundidades 2 e 3, onde os teores são considerados,
respectivamente, baixo e muito baixo (Embrapa, 1997).
Na profundidade 2 , observa-se (Tabela 3) que o teor de K reduziu-se a
1/3 comparado ao teor da profundidade 1. Na profundidade 3, verifica-se uma
redução no teor que pode chegar a 1/8 em comparação com a profundidade 1. Em
ambas profundidades (2 e 3), os maiores e menores valores foram verificados,
respectivamente, no E5 (48,0 mg Kg-1 para a profundidade 2; 19,8 mg Kg-1 para a
profundidade 3) e no E5 (37,9 mg Kg-1 para a profundidade 2; 15,2 mg Kg-1 para a
profundidade 3).
Esta diferença pode ter ocorrido devido a adubação de cobertura feita
em 1997 de 60 kg /ha de KCl no cultivo de soja (Tabela 1). Um outro fator que pode
ter contribuído para esta diferença, é que após a colheita da cultura principal, no
27
00,05
0,10,15
0,20,25
0,30,35
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3
Figura 8 - Valor do Coeficiente de Variação da Saturação de Bases para os esquemas de
amostragem estudados.
A competição pelo mesmo sítio de troca de Ca, Mg e K, pode resultar
no menor acúmulo de um desses elementos, tendo como conseqüência menor
produtividade de grãos decorrentes do menor desenvolvimento da planta.
Em relação a simulação de pá-de-corte, pode-se verificar (Tabela 4)
que os teores médios para os E1 e E5 diferem dos demais esquemas e entre si. O E1
apresentou o maior valor (38,8%) e, todos os esquemas mantiveram o mesmo
comportamento nas três profundidades. O E4 foi igual ao E3, diferindo dos demais
esquemas e mantendo o menor valor (30,8%). As três profundidades apresentaram
diferença estatística de forma semelhante em todos os esquemas.
Analisando os dados contidos na Figura 8 e observados na Tabela 2,
pode-se considerar com base nos limites estabelecidos por Warrick e Nielsen
(1980), que apesar do valor médio de CV para saturação de bases no E1 na
profundidade 1 (0-5 cm) ter sido baixo, nos demais esquemas, e em todas as
profundidades, constatou-se que todos os valores de coeficiente de variação se
enquadraram como médios, variando de 10,8% (E1, profundidade 1) a 31,3% (E5,
profundidade 3). Verifica-se um gradiente positivo para este atributo, ou seja, há um
aumento no coeficiente de variação com o aumento de profundidade, coincidindo
com o comportamento do pH H2O. Estes resultados corroboram em parte com os
trabalhos de Wilding & Dress (1983) onde os valores foram baixos. E também pode
ser justificado pela não incorporação dos resíduos e dos adubos corretivos aplicados
a lanço na superfície (Tyler, 1985).
CV
Satu
raçã
o de
bas
es (%
)
26
estudada, que além disso tem o solo submetido ao plantio da lavoura de soja,
sofrendo assim ação antrópica. O segundo fator, é que em ambos os estudos há um
período de seca que contribui com a oxidação de matéria orgânica e no caso da
área aqui estudada, mesmo sendo plantado milheto após a colheita da soja, não se
mantém uma certa cobertura de matéria orgânica, o que interfere nos teores e no
coeficiente de variação.
4.1.3 Perfil do Atributo Saturação de Bases (V%) em relação aos esquemas
Os teores médios da saturação de bases no E1 (amostragem aleatória)
e E4 (amostragem estratificada - eixo X fixo e Y aleatório), apresentaram o maior e
menor valor, respectivamente, nas três profundidades. Observa-se que o teste de
médias detectou diferença entre o E1 e os demais esquemas para as profundidades
1 (0-5 cm) e 2 (5-10 cm), enquanto na profundidade 3 (10-15 cm) a diferença pode
ser observada entre o E4 e os demais esquemas.
Comparando os valores médios da saturação de bases nas três
profundidades, evidencia-se a ocorrência de um gradiente negativo com o aumento
da profundidade. (Figura 7). Este comportamento é verificado no perfil do atributo
potássio e também no estudo do pH. O pH do solo reflete a saturação de bases.
0
10
20
30
40
50
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3Pá de Corte
Figura 7 - Valores médios da saturação de bases para os esquemas de amostragem
estudados.
Satu
raçã
o de
bas
es (%
)
25
convencional quanto no plantio direto, o que se coaduna com os resultados
apresentados neste estudo.
0
10
20
30
40
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3Pá de Corte
Figura 5 - Valores médios da MO para os esquemas de amostragem estudados.
00,020,040,060,08
0,1
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3
Figura 6 - Valor do Coeficiente de Variação da MO para os esquemas de amostragem
estudados.
Lobato (2000), estudando a variabilidade espacial de solos no
Pantanal Mato-grossense, obteve valores médios de CV em todas as profundidades,
e também um gradiente positivo com a profundidade.
A diferença apresentada entre o presente estudo e aquele realizado
por Lobato (2000), pode ser explicada por dois fatores. Primeiramente, o
encharcamento ao qual é submetido o solo no Pantanal durante a primavera e
verão, o que não ocorre nas demais regiões de Mato Grosso e portanto na área aqui
Mat
éria
Org
ânic
a (g
kg-1
) C
V M
atér
ia O
rgân
ica
(%)
24
Comparando os valores médios da MO, nas três profundidades,
observou-se a ocorrência de um gradiente negativo com o aumento de profundidade
(Figura 5).
O acúmulo de resíduos da cultura na superfície sem revolver o solo
altera a taxa da decomposição da MO e a liberação dos nutrientes no solo,
ocorrendo um aumento significativo de nitrogênio orgânico total, detectáveis em 4 a
6 anos de implantação do sistema, principalmente na camada de 0 - 2,5 cm de
profundidade, resultando no aumento da capacidade de troca de cátions, da
atividade biológica e dos benefícios decorrentes. (Bayer, 1992; Sá, 1992, citados por
Anghinoni & Salet 1995).
Observa-se que o teor de MO na primeira camada se mantém médio,
mesmo com altas temperaturas, que ajudam no processo de decomposição da
mesma no período da seca. (Embrapa, 1997)
O comportamento do CV nos esquemas de amostragem 1 e 5,
mostra baixa variação e um gradiente positivo com o aumento da profundidade.
(Figura 6)
Nos esquemas de amostragem, o menor valor do coeficiente de
variação foi verificado no E5 (5,6%) na profundidade 1 e o maior no E1 (7,6%) na
profundidade 3. Os esquemas aleatórios proporcionaram a menor variação.
(Figura 6)
Nos esquemas E2, E3 e E4, os valores de CV’s não mantiveram um
padrão de gradiente. Nestes três esquemas os menores valores apresentaram-se
em diferentes profundidades. Já os esquemas E1 e E5 não mantiveram este
comportamento, apresentando gradiente positivo. Pode-se observar que os
esquemas aleatórios se comportaram de forma semelhante a que foi observada no
atributo pH.
Todos os esquemas em todas as profundidades apresentaram baixos
CV’s. Segundo Wilding & Dress (1983), CV’s baixos são indicadores de uma
distribuição uniforme da palhada em decomposição na superfície. Pode-se notar,
que houve maior homogeneidade nos esquemas 1 e 5 que nos esquemas 2, 3 e 4,
para o coeficiente de variação (Figura 6).
Souza (1992) e Vieira et al. (1998) estudando o coeficiente de
variação da Matéria Orgânica, detectaram baixa variabilidade tanto no sistema
23
4.1.2 Perfil do Atributo Matéria Orgânica (MO) em relação aos esquemas
Observa-se que o E1 (amostragem aleatória), nas 03 profundidades,
difere dos demais esquemas estudados (Tabela 3) e nele foram verificados, também
nas três profundidades, os menores valores. Quanto aos demais esquemas, na
primeira profundidade pode-se notar que E2 (amostragem centralizada), E3
(amostragem estratificada) e E4 (amostragem estratificada) se assemelham. Já no
caso do E1 (amostragem aleatória) e do E5 (amostragem aleatória estratificada),
semelhante ao comportamento observado para o atributo pH H2O nesta mesma
profundidade, pode-se verificar diferença estatística em relação aos demais
esquemas e entre si. Portanto, os esquemas que utilizam malha rígida não
evidenciaram diferença nos resultados. Neste caso, postula-se que a maior
variabilidade entre áreas amostradas foi observada naquelas em que a coleta foi
realizada de forma aleatória, tanto no caso do E1 (amostragem aleatória) quanto no
caso do E5 (amostragem aleatória estratificada).
Na profundidade 2, observa-se semelhança entre E2, E4 e E5 e
também entre E3, E4 e E5. Já os esquemas 2 e 3 apresentaram diferença estatistica.
Nesta profundidade, não houve diferença entre os esquemas de amostragem em
malha rígida, com exceção dos esquemas 2 e 3. Assim, pode-se notar uma maior
homogeneidade do solo, nesta profundidade, decorrente da uniformização na
implantação do sistema de plantio.
Na profundidade 3, os esquemas 2, 4 e 5 não apresentam
semelhança. O E3 se difere dos demais esquemas, exceto do E4, como também o E5
se difere dos demais esquemas, exceto do E2. Desta forma, pode-se postular que
nesta profundidade não houve homogeneidade do solo nos esquemas amostrados.
Isto pode ser proveniente da ausência de revolvimento do solo, por se tratar de área
submetida ao cultivo mínimo por um período de sete anos, e também do fato de
tratar-se de uma camada mais profunda, que sofre, portanto, um menor contato com
a concentração deste atributo ao longo do processo de cultivo do solo.
Os valores mais elevados, para as profundidades estudadas, foram
encontrados no E3, (amostragem estratificada, x – aleatório e Y – fixo). A explicação
para este fato se deve a uniformidade do solo e boa distribuição da “palhada”.
22
oscilaram de 2,5% para o E1 na profundidade 1 até 6,2% para o E5 na profundidade
3.
Entretanto Dobermann (1994), adverte que o pH é medido em escala
logarítmica, não podendo ser comparado com o coeficiente de variação de outras
propriedades do solo.
4,64,8
55,25,4
5,65,8
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3pá de corte
Figura 3 - Valores do pH médio para os esquemas de amostragem estudados.
A partir do gráfico apresentado na Figura 4, observa-se que há um
gradiente positivo, ou seja, um aumento do coeficiente de variação com o aumento
de profundidade. Esse fenômeno é discutido amplamente por Pavan & Oliveira
(2000) e Anghinoni & Salet (1995) e sua ocorrência é explicada pela formação de
uma “frente de acidificação” a partir da superfície do solo, promovida pela
decomposição de resíduos orgânicos.
0
0,02
0,04
0,06
0,08
Esquema1
Esquema2
Esquema3
Esquema4
Esquema5
Profundidade 1Profundidade 2Profundidade 3
Figura 4 - Valor do Coeficiente de Variação do pH para os esquemas de amostragem
estudados.
pH
CV
pH (%
)
21
No caso dos esquemas que não apresentaram diferença estatística
entre si, a explicação para isto pode estar relacionada com uma distribuição
uniforme dos fertilizantes de manutenção na linha de plantio, adubos corretivos,
juntamente com a palhada (restos de culturas e adubação verde, neste caso o
milheto).
Quando se analisam as 03 profundidades no mesmo esquema de
amostragem, observa-se que em todos os esquemas, os teores médios do pH
diferem estatisticamente entre si, verificando um gradiente negativo com o aumento
da profundidade. O não revolvimento do solo e o contínuo acúmulo de resíduos de
cultura na superfície, recebendo fertilizantes, corretivos e adubo de manutenção,
determinam a formação de gradientes negativos no sentido vertical (Souza, 1992).
A simulação da pá-de-corte, apresentada na Tabela 4, mostra que os
resultados apresentaram o maior valor para o E1 (5,6) e o menor para o E4 (5,3). Os
esquemas 2 e 3 não se diferem estatisticamente, como também não se diferem os
esquemas 3 e 4. Já entre os esquemas 2 e 4, verifica-se diferença estatística. O E1
(amostragem aleatória) e o E5 (amostragem aleatória estratificada) se diferem dos
demais esquemas e entre si. Neste verifica-se que o pH se comportou de forma
semelhante na pá-de-corte e nas camadas estratificadas, apresentando, portanto, o
mesmo resultado.
Tabela 4 - Simulação de pá de corte dos Valores Médios dos Atributos de solo para os
esquemas de amostragem estudados
Comparação das médias Esquema pH H2O MO V K P
1 5,6a 30,9a 38,8a 59,5a 7,1a 2 5,4b 32,2b 33,5b 56,5a 6,7a 3 5,4bc 33,2c 33,0bc 58,1a 7,00a 4 5,3c 32,4bc 30,8c 59,9a 7,2a 5 5,4d 32,1b 36,2d 64,1a 5,9a
Comparando os dados observados na Figura 3 e descritos na Tabela
2, pode-se afirmar, com base em limites estabelecidos por Warrick & Nielsen (1980),
que os valores médios do coeficiente de variação do pH H2O em todas as
profundidades e em todos os esquemas amostrados foram baixos. Os valores
20
Tabela 3 - Valores Médios dos Atributos de solo para os esquemas de amostragem estudados
Comparação das médias Esq. Prof. pH H2O MO (g dm-3) V (%) K (mg dm-3) P (mg dm-3)
1 1 5,8 Aa 33,8 Aa 45,4 Aa 125,3 Aa 7,2 Aa 1 2 5,6 Ba 30,9 Ba 38,9 Ba 37,9 Bab 10,6 Ba 1 3 5,4 Ca 28,1 Ca 32,4 Ca 15,3 Ca 3,4 Ca 2 1 5,6 Abc 35,4 Abc 39,2 Abc 119,8 Aa 6,5 Aa 2 2 5,4 Bbc 32,2 Bb 33,6 Bbc 35,8 Bb 10,0 Bab 2 3 5,2 Cb 29,0 Cbd 28,1 Cb 15,2 Ca 3,8 Ca 3 1 5,5 Ab 36,1 Ab 38,4 Ab 114,7 Aa 6,5 Aa 3 2 5,4 Bbc 33,2 Bc 33,3 Bcd 40,7 Bab 8,2 Aac 3 3 5,2 Cb 30,3 Cc 27,4 Cb 18,8 Ca 6,2 Ab 4 1 5,5 Ab 35,1 Abc 37,5 Ab 119,1 Aa 7,9 Aa 4 2 5,3 Bb 32,5 Bbc 30,8 Bd 41,3 Bab 8,9 Aad 4 3 5,0 Cc 29,9 Cbc 24,2 Cc 18,2 Ca 4,5 Bab 5 1 5,6 Ac 34,8 Ac 41,4 Ac 124,9 Aa 8,2 Aa 5 2 5,4 Bc 32,4 Bbc 35,9 Bb 48,0 Ba 6,4 Abcd 5 3 5,3 Ca 28,9 Cd 31,4 Ca 19,8 Ca 2,9 Ba
Médias seguidas da mesma letra maiúscula não diferem entre si para profundidades no mesmo esquema, médias seguidas da mesma letra minúscula não diferem entre si para os esquemas de amostragem numa mesma profundidade, pelo teste de Tuckey a 5,0%.
Na profundidade 2, pode-se observar que não houve diferença de
comportamento para este atributo em relação a profundidade 1. Considerando-se
que o cultivo mínimo pressupõe adubação e manutenção nas linhas de plantio,
esperava-se maior variação nessa profundidade (Anghinoni & Salet, 1997), uma vez
que se trata da mais afetada pelo manejo e distribuição de fertilizantes e corretivo
nas linhas de plantio.
Na profundidade 3, não houve diferença estatística entre o E2 e o E3,
como também não houve entre o E1 e o E5. Nessa profundidade, o E4 se distinguiu
de todos os demais esquemas por apresentar o menor valor (5,0). Por tratar-se de
uma camada mais profunda apresenta maior dificuldade para correção da acidez do
solo, por isso nela verificam-se os menores valores de pH. Pode-se observar ainda,
que também não houve diferença estatística entre os esquemas cuja amostragem foi
feita de forma aleatória (E1 e E5).
19
5 2 100 11,0 240,0 229,0 48,0 36,3 75,8
5 3 100 7,0 72,0 65,0 19,8 11,9 60,0
1 1 100 2,9 105,5 102,6 7,8 10,7 149,3 1 2 100 1,7 55,8 54,1 10,6 10,8 101,8
1 3 100 1,1 29,5 28,4 3,4 4,2 122,6 2 1 100 1,7 28,0 26,3 6,5 3,5 54,1 2 2 100 2,3 63,0 60,7 10,0 10,2 102,7
2 3 100 1,1 25,1 24,0 3,8 4,2 110,0P 3 1 100 1,7 32,0 30,3 6,5 3,7 56,5 3 2 100 2,6 50,1 47,5 8,2 8,1 98,7
3 3 100 1,4 60,4 59,0 6,2 10,1 163,8 4 1 100 2,0 58,0 56,0 7,9 8,0 100,5 4 2 100 2,6 86,1 83,5 8,9 10,7 119,5
4 3 100 1,1 40,2 39,1 4,5 5,6 124,3 5 1 100 2,9 58,0 55,1 8,2 8,1 98,0 5 2 100 2,0 44,0 42,0 6,4 5,9 92,2
5 3 100 1,1 16,4 15,3 2,9 2,2 74,9
4.1.1 Perfil do Atributo pH H2O em relação aos esquemas
Como pode-se observar na Tabela 3, na profundidade 1 não houve
diferença significativa entre os esquemas E2 (centralizada), E3 (estratificada) e E1
(amostragem aleatória). Já o E1 (amostragem aleatória) e o E5 (amostragem
aleatória estratificada), diferem entre si e dos demais esquemas, o que significa dizer
que os valores de pH coletados de forma aleatória distinguem-se dos demais
esquemas coletados em malha fixa e apresentam diferença estatística entre si.
Neste caso, postula-se que a variação entre as áreas de coletas
relacionadas aos diversos esquemas de amostragem quer seja por um histórico de
manejo, não necessariamente homogêneo, quer seja pela heterogeneidade natural
do solo, possibilitou esta menor variabilidade nos primeiros 5,0 cm para os
esquemas em que a amostragem foi feita com malha fixa.
18
5 1 100 5,0 6,0 1,0 5,6 0,2 3,4
5 2 100 4,8 6,0 1,2 5,4 0,3 4,8
5 3 100 4,8 6,1 1,3 5,3 0,3 6,2
1 1 100 28,9 41,2 12,3 33,8 2,1 6,1 1 2 100 25,1 36,9 11,8 30,9 2,2 7,0
1 3 100 22,3 33,1 10,8 28,1 2,1 7,6 2 1 100 24,4 42,4 18,0 35,4 3,5 9,9 2 2 100 25,8 39,0 13,2 32,2 3,0 9,4
2 3 100 24,4 35,0 10,6 29,0 2,4 8,4M.O. 3 1 100 30,5 42,4 11,9 36,1 2,1 5,9 3 2 100 30,5 40,1 9,6 33,2 1,9 5,7
3 3 100 27,3 36,9 9,6 30,3 1,9 6,3 4 1 100 28,1 41,2 13,1 35,1 2,6 7,4 4 2 100 28,1 38,0 9,9 32,5 2,2 6,7
4 3 100 25,8 35,9 10,1 29,9 2,5 8,4 5 1 100 27,3 39,0 11,7 34,8 2,0 5,6 5 2 100 25,8 36,9 11,1 32,4 2,0 6,2
5 3 100 25,1 34,0 8,9 28,9 2,0 7,1
1 1 100 32,9 58,7 25,8 45,4 4,9 10,8 1 2 100 19,4 52,8 33,4 38,9 5,7 14,7
1 3 100 15,4 54,3 38,9 32,4 6,4 19,9 2 1 100 13,4 52,2 38,8 39,2 6,4 16,4 2 2 100 21,7 49,4 27,7 33,6 6,6 19,8
2 3 100 11,3 42,4 31,1 28,1 7,9 28,1V 3 1 100 19,4 49,6 30,2 38,4 5,7 14,9 3 2 100 19,0 45,9 26,9 33,3 6,1 18,2
3 3 100 12,5 44,3 31,8 27,4 7,6 27,8 4 1 100 18,9 54,1 35,2 37,5 6,4 17,0 4 2 100 16,9 47,6 30,7 30,8 5,7 18,6
4 3 100 12,1 41,7 29,6 24,2 6,6 27,3 5 1 100 24,2 59,8 35,6 41,4 6,8 16,5 5 2 100 18,1 54,6 36,5 35,9 8,0 22,2
5 3 100 13,0 57,0 44,0 31,4 9,8 31,3
1 1 100 25,0 360,0 335,0 0,1 44,6 35,6 1 2 100 9,0 181,0 172,0 37,9 23,5 62,1
1 3 100 4,0 36,0 32,0 15,3 7,2 46,8 2 1 100 17,0 230,0 213,0 119,8 42,8 35,7 2 2 100 13,0 142,0 129,0 35,8 21,4 59,7
2 3 100 5,0 117,0 112,0 15,2 12,2 80,3K 3 1 100 14,0 280,0 266,0 114,7 49,9 43,5 3 2 100 10,0 138,0 128,0 4,1 24,4 60,0
3 3 100 5,0 186,0 181,0 18,8 19,6 103,9 4 1 100 20,0 360,0 340,0 119,1 55,1 46,3 4 2 100 7,0 174,0 167,0 41,3 28,9 70,0
4 3 100 3,0 139,0 136,0 18,2 15,7 86,0 5 1 100 19,0 270,0 251,0 124,9 47,7 38,2
17
4 RESULTADOS E DISCUSSÃO 4.1 Estatística Descritiva
As Tabelas 2 a 4 mostram o comportamento dos cinco atributos
estudados (pH em H2O, matéria orgânica, saturação de bases, potássio e fósforo)
com enfoque para a estatística descritiva, destacando o comportamento da média e
coeficiente de variação (CV), para cada esquema (E1, E2, E3, E4 e, E5) e
profundidade [1 (0 – 5 cm), 2 (5 – 10 cm), 3 (10 – 15 cm)].
Destaca-se, nesta análise, a grande variação dos valores de CV,
oscilando de 2,5% para o pH na profundidade do esquema de amostragem 1 (0 - 5
cm) até 163,8% para o P no esquema de amostragem 3 (10 - 15 cm).
Tabela 2 – Estatística Clássica dos atributos do solo correspondente a amostragem nas
profundidades 1 (0-5 cm), 2 (5-10 cm) e 3 (10-15 cm) Esq. Prof.
(cm) Nº de
ObservaçõesMínimo Máximo Amplitude Média Desvio
Padrão Coeficiente
de Variação
(%) 1 1 100 5,4 6,2 0,8 5,8 0,1 2,5
1 2 100 4,8 6,0 1,2 5,6 0,2 3,3
1 3 100 4,8 5,9 1,1 5,4 0,2 4,2 2 1 100 4,7 5,9 1,2 5,6 0,2 3,9
2 2 100 4,8 5,8 1,0 5,4 0,3 5,1
2 3 100 4,6 5,7 1,1 5,2 0,3 6,1pH H2O 3 1 100 4,8 5,8 1,0 5,5 0,2 3,5
3 2 100 4,8 5,8 1,0 5,4 0,2 4,4
3 3 100 4,7 5,7 1,0 5,2 0,3 5,3 4 1 100 4,8 5,9 1,1 5,5 0,2 3,7
4 2 100 4,8 5,8 1,0 5,3 0,2 4,0
4 3 100 4,6 5,6 1,0 5,0 0,2 4,9
16
Assim, a partir da aplicação dessa técnica, foi determinado o
esquema de amostragem que apresentou maior acurácia nos mapas de distribuição
espacial dos atributos estudados.
15
dos atributos nas posições não amostradas, necessárias para a geração de mapas.
Esses foram produzidos para cada esquema de amostragem, profundidade e
atributo estudados. (Anexo 1)
Os diferentes esquemas foram comparados pela técnica de Cross
Validation (Validação Cruzada). Este método permite comparar o impacto dos
diferentes modelos de semivariogramas sobre os resultados da interpolação
(Goovaerts, 1997). A idéia consiste na remoção de uma observação a partir do
conjunto de dados e re-estimar este valor a partir dos dados remanescentes usando
diferentes modelos de semivariogramas. Os valores estimados e observados são
comparados, e o modelo que produz maior acurácia é retido. Quando um mapa é
produzido, sua confiabilidade precisa ser testada. Normalmente, um mapa é
baseado no uso de pontos processados, e alguns procedimentos de interpolação
devem ser aplicados, sendo que a base para a interpolação geralmente é dada pelo
julgamento compilado. O propósito geral de obtenção de um semivariograma é de
usá-lo para mapeamento e, portanto, testar o mapa conforme este esteja compilado
com diferentes semivariogramas: o semivariograma produz o mapa mais apropriado
para ser aplicado (Stein, 1995)
Para analisar a acurácia do mapa, foram aplicadas as seguintes
medidas: Quadrado dos desvios (MSE) em relação à média e a variância média da
krigagem (MKV). O MSE é definido como sendo o quadrado dos desvios. Ele
compara cada valor estimado com o maior observado e computa o valor médio do
quadrada das diferenças. Para um procedimento razoável, o MSE deve ser
pequeno. É dado pela equação:
O MKV compara os estimadores estocáticos Ti com as variáveis
estocáticas Yi no local do teste. O valor de MKV está relacionado com os valores de
MSE e ME através da relação: MKV: MSE – ME2 no. É dado pela seguinte equação:
Σ n 1
ni=1
(ti-Yi)2 MSE =
Σ n1
ni=1
Var (Ti-Yi) MKV =
14
3.3 Análises Químicas
As amostras de solo, levadas ao laboratório, foram preparadas, como
de rotina, para obtenção de terra fina seca ao ar (TFSA), sendo desta forma
realizadas as análises químicas.
As variáveis quantificadas - pH em H2O, saturação de bases, fósforo
e potássio - foram analisadas através da metodologia preconizada pela Embrapa
(1997).
Nas análises químicas, o pH em água foi determinado utilizando-se
eletrodo de vidro em solução de solo na proporção 1:2,5. O fósforo (P) e o potássio
(K) foram extraídos com solução Mehlich-1 (HCl 0,05 N + H2SO4 0,025 N), sendo
que o fósforo foi dosado por colorimetria (complexo fosfomolíbdico) e o potássio por
fotometria de chama. A matéria orgânica foi determinada por colorimetria, após
combustão úmida com dicromato de potássio e ácido sulfúrico, conforme Tedesco et
al. (1985).
3.4 Análises Estatísticas
Os resultados foram analisados através de procedimentos de
estatística clássica e da geoestatística. A estatística descritiva (média, mínima,
máxima, amplitude, desvio padrão, coeficiente de variação e Teste de Turkey), foi
realizada a partir da utilização do software SPSS 6.0 (SPSS, 1994), a fim de
identificar as diferenças entre profundidade e esquemas de amostragem.
A avaliação do Coeficiente de Variação (CV) foi realizada com base
nos limites estabelecidos por Warrick & Nielsen (1980), sendo CV < 12% (baixa
variação), 12% ≤ CV ≤ 60% (média variação) e > 60% (alta variação).
A partir dos resultados obtidos e apresentados através dos
parâmetros dos semivariogramas ajustados aos diversos modelos de variogramas,
elaborados pelo software Gamma-Design (Robertson, 2000) foi estimado o melhor
intervalo de amostragem das variáveis, considerando um determinado nível de
precisão.
Após a obtenção dos resultados, com a utilização da técnica de
Krigagem e do software Surfer 7.0 (Surfer 7.0, 1999), foram estimados os valores
13
Figura 2 - Esquemas de amostragem no estudo: 1=amostragem aleatória, 2= Amostragem
aleatória sistemática centralizada, 3= Amostragem estratificada (eixo x aleatório e y fixo), 4= Amostragem estratificada (eixo x fixo e y aleatório) e 5= Amostragem aleatória estratificada, (modificada de Haining, 1997).
A coleta foi realizada confeccionando-se uma trincheira em cada
ponto de amostragem e com a utilização de uma caneca de aço inoxidável com
altura de 5 cm foram retiradas amostras individuais nas laterais das trincheiras em
três diferentes níveis de profundidade: 1 (0 – 5 cm); 2 (5-10 cm); 3 (10-15 cm). Para
cada um foram coletadas 100 amostras5, num total de 300 amostras por esquema,
perfazendo 1.500 amostras no experimento. O trado não poderia ser utilizado para
coleta em níveis diferentes do solo, uma vez que não possibilitaria dosar a
profundidade assim como não possibilitaria a retirada de terra de maneira uniforme.
A caneca corresponde às necessidade para coleta, visto que evita misturar as
camadas.
Posteriormente, as amostras foram colocadas em balde plástico para
serem homogeneizadas (de acordo com a profundidade do solo da qual foram
retiradas), em seguida embaladas e etiquetadas para envio ao laboratório. 5 A figura 2 apresenta apenas ilustração de forma reduzida do procedimento.
12
3.1.3 – Clima e Regime Pluviométrico
Sob o ponto de vista climático, as precipitações anuais alcançam
cerca de 1.300 mm a 2.000 mm anuais. O regime das chuvas é tipicamente
monçônico com totais acima de 300 mm mensais, no período de dezembro a abril.
De maio a setembro elas reduzem e tornam-se escassas.
O clima predominante é: tropical quente e sub-úmido com estação de
seca definida. As temperaturas médias são altas e regulares durante o ano, com
médias anuais em torno de 28°C.
3.2 Amostragem de Solo
A partir da seleção da propriedade e escolha da área a ser
pesquisada, foram definidos limites da área experimental e dos esquemas.
Posteriormente, foi realizado o piqueteamento interno de cada esquema de
amostragem, fazendo utilização de estação total com GPS geodésico.
O local predeterminado para cada coleta foi devidamente preparado
com a retirada de restos de cultura e plantas daninhas. Sucessivamente, foram
abertas trincheiras com profundidade de 30 cm.
Os esquemas foram subdivididos em espaçamentos de 05 metros
entre eles e cada esquema foi feito com medida de 50x50 m, totalizando 2.500 m2.
As amostras de solos foram coletadas em cinco diferentes esquemas de
amostragem (E1, E2, E3, E4, E5). Conforme visualizado na Figura 2, no esquema 1
(E1) a coleta foi realizada de forma aleatória (sem grid), no esquema 2 (E2) foi
realizada a coleta aleatória sistemática centralizada, no esquema 3 (E3) a
amostragem estratificada, com eixo X aleatório e Y fixo. No esquema 4 (E4) a
amostragem estratificada, com eixo X fixo e Y aleatório e no esquema 5 (E5)
amostragem aleatória estratificada.
11
A seleção da área experimental foi realizada respeitando os seguintes critérios:
tempo de implantação do manejo de cultivo mínimo; entrada de fertilizantes e
corretivos a partir do cultivo mínimo; produções obtidas; sistema de preparo do solo;
equipamentos utilizados para plantio e tratos culturais, tempo de rotação de cultura;
tipo de cultura principal, topografia e conhecimento tecnológico empregado na
empresa rural (Tabela 1).
3.1 Caracterização da Área
3.1.1 – Vegetação Savana Arbórea Densa/Floresta Estacional
Vegetação de transição entre cerrado e floresta, constituída por
espécies das respectivas composições florísticas, dando aspecto de mata e não
apresentando esgalhamento - característica de cerrado. Apresentam espécies semi-
decíduas, decíduas e perenifólias, de forma que nos períodos de seca o solo recebe
uma camada de folhas secas. A estrutura dessa formação florística é composta por
espécies que alcançam de 20 a 25 metros de altura e diâmetros inferiores a 30
centímetros. É comum a formação de sub-bosques de fácil penetração.
3.1.2 - Solos Latossolo Vermelho Amarelo Distrófico
Solos minerais não hidromórficos, com horizonte B latossólico, cores
normalmente vermelhas a vermelho-amareladas, com teores de Fe2O3 inferiores a
9%. São profundos a muito profundos, bem drenados, bastante permeáveis, muito
porosos e apresentam pouca diferenciação entre os horizontes. Quimicamente são
bastante pobres, com baixos valores de saturação de bases. Apresentam, ainda,
avançado estágio de intemperismo com processo de lixiviação intenso, o que resulta
na predominância de minerais de argila do tipo 1:1 e de sesquióxidos na composição
coloidal, baixa quantidade de minerais resistentes a lixiviação e baixa reserva de
elementos assimiláveis aos vegetais.
9
3 MATERIAL E MÉTODOS
O projeto foi realizado no município de Nova Mutum em outubro de
2000, em propriedade rural particular denominada Agropecuária Uggeri Ltda. (Ver
Figura 1).
O talhão escolhido encontrava-se sob manejo com cultivo mínimo há
sete anos, tendo na soja sua principal cultura. O solo predominante da propriedade é
um Latossolo Vermelho Amarelo distrófico típico (cerradão) e, a vegetação
remanescente é caracterizada como Savana Arbórea Florestada. O relevo
predominante é plano a suave ondulado.
Tabela 1 - Histórico de Utilização da Área de Estudo
Ano Calcário Ad. Plantio Cobertura Manejo da Manejo Cultura Cultivar Esp. Plantas Prod. Adud. de
t/ha t/ha Verde Cobertura do Solo E-Linhas m Linear sc/ha Cob. t/ha
96/97 - 400 Milheto Roundup - Soja Cristalina 45 cm 12 40 -
97/98 2,0 400 Milheto Roundup - Soja Eng. 313 45 cm 12 43 0,10
98/99 - 400 Milheto Roundup - Soja Uirapuru 45 cm 12 47
Onde: Ad. Plantio = Adubação de plantio 02-20-18; Esp e-linhas = Espaçamento entrelinhas: Prod = Produção, em sacos de 60 kg por hectare, Adubação de Cobertura = KCL.
8
em relação às necessidades da cultura; os padrões da variabilidade espacial dos
nutrientes; as recomendações de adubação utilizadas; a expectativa à resposta da
adubação; os custos adicionais decorrentes do esquema de amostragem (Malarino,
1998). No sistema de plantio direto, a concentração de nutrientes na superfície e nas
linhas de adubação, aliadas à não mobilização do solo, fazem com que a
amostragem seja ainda mais crítica que no sistema convencional (Salet et al., 1997).
Malarino realizou uma pesquisa na qual utilizou três diferentes
esquemas de amostragem (coleta com malha quadrada de 45 metros, 135 metros e
por tipo de solo), num mesmo campo de cultivo, cujos resultados - expressos através
de mapas - foram completamente distintos, não apresentando nenhum padrão entre
eles. Segundo o autor, uma malha de 100 metros estaria dentro do critério
custo/precisão da informação. No entanto, outras decisões relativas ao número de
amostras a serem coletadas, poderão ser tomadas, de acordo com a
homogeneidade do campo – expressa pela dependência espacial.
Sguarezzi (2002) em estudo realizado sobre fertilidade do solo,
verificou que, no plantio direto, a não intervenção antrópica, que resultaria na
homogenização na distribuição dos corretivos depositados na superfície do solo,
resulta na necessidade de uma interpretação mais cuidadosa dos resultados.
Os estudos da variabilidade espacial nas propriedades físicas e
químicas dos solos podem indicar alternativas de manejo, não só para propiciar a
redução dos efeitos da variabilidade, mas também para aumentar a possibilidade de
se estimarem respostas desses atributos a determinadas práticas de manejo
(Carvalho et al., 1998), contribuindo, desta maneira, para a redução de custos, a
otimização dos processos de correção e menor impacto ambiental no que se refere
ao uso de fertilizantes. Desta maneira, a amostragem para a caracterização da
variabilidade espacial, mostra-se como ponto-chave para a implantação de um
programa de agricultura de precisão, sobretudo em áreas submetidas ao plantio
direto.
7
vez o espaçamento deve ser menor, de forma a possibilitar que seja representada
corretamente a variabilidade existente.
Em áreas experimentais, tem sido utilizado espaçamento que varia
entre 20 e 30 metros, havendo, desta forma, uma redução no número de amostras
coletadas de aproximadamente 16 para 1 ou 2,5 amostras/ha.
Bullock et al. (1994) investigaram o espaçamento ideal para o
mapeamento da fertilidade do solo em 8 locais do estado de Illinois – USA. Este
estudo mostrou, a partir da comparação dos resultados obtidos com amostragens
executadas com variação de 1 a 4 amostras/ha, que, em alguns casos, a diferença
pode ser significante. No caso das amostras que foram coletadas, com base no
mapeamento em densidade de uma (01) amostra/ha, por exemplo, estas não
atenderam suficientemente a caracterização da variabilidade, o que resultou em
excesso na aplicação de fertilizantes em certas partes da área e em deficiência na
quantidade aplicada em outras partes.
A escala utilizada para a realização das coletas é fundamental e a
elaboração de uma norma que defina o número de amostras, conforme
recomendado por Miranda (1982) e Teixeira et al. (1984), não é possível, em virtude
da magnitude da variabilidade espacial. Couto & Musis (1999), objetivando
determinar o alcance da dependência espacial em algumas propriedades químicas
dos solos, avaliadas em um programa de agricultura de precisão, encontraram
grandes diferenças na variabilidade espacial. Os valores do alcance da dependência
espacial variaram de 2,6 metros para o fósforo e de 13,5 quilômetros para o
potássio, enfatizando assim, entre outras coisas, a importância da escala de
realização das coletas.
É necessário um aprofundamento no que concerne ao estudo de
variabilidade espacial nas propriedades químicas do solo em áreas que têm passado
por longo período de aplicação contínua de fertilizantes nas linhas de plantio, em
especial para o fósforo e o potássio em locais onde o solo tenha sido submetido ao
sistema de plantio direto, conforme mostram os resultados obtidos por Souza et al.
(1998). Deve-se considerar ainda, que a coleta de amostras com o trado pode
ocasionar diferenças devido às perdas de solo na parte superior, principalmente em
relação ao fósforo, conforme foi verificado por Schlindwein et al. (1998).
A intensidade da amostragem, em áreas submetidas a uso contínuo,
depende de vários fatores: os níveis dos nutrientes que poderão demandar correção
6
obtenção, ou de baixo custo (Robertson, 2000 e Vieira, 2000a citados por
Maraschin, 2003).
Na agricultura, a não consideração da variabilidade entre as
amostras causa problemas, sobretudo no que se refere a experimentos realizados
em grandes áreas amostradas. Em geral, propriedades que apresentem altos
valores de coeficiente de variação requerem o uso de um esquema de amostragem
mais meticuloso. Nesse caso, a geoestatística assume papel de grande relevância,
uma vez que dentre as diversas ferramentas utilizadas para a análise da
variabilidade espacial destacam-se o semivariograma clássico – também conhecido
por estimador de Matheron (Clark, 1979; Li & Lake, 1994) - e a superfície de
respostas, que fazem parte da Teoria de Variáveis Regionalizadas4 (Matheron, 1960,
citado por Clark, 1979).
O mapeamento da fertilidade do solo, apesar do seu elevado custo,
que tem representado um entrave na implantação da agricultura de precisão em
larga escala, possibilita a confrontação dos dados. Consiste em executar uma
amostragem detalhada do solo da propriedade, com o auxílio de técnicas modernas,
em geral utilizando uma malha fixa, relacionando os resultados das análises de
laboratório à posição geográfica dos pontos obtida através do GPS durante a
amostragem (Molin, 1997 e Torres et al., 2000 citados por Maraschin, 2003). Esses
mapas podem fornecer informações valiosas para futuras recomendações de
calagem e adubação e permitem visualizar a variação da fertilidade do solo dentro
de uma área em conjunto com outras informações (mapas de produtividade, ervas,
pragas, etc.), permitindo obter dados que proporcionem melhor produtividade e
utilização de insumos agrícolas de forma mais racional, o que implica em menor
impacto da atividade agrícola no ambiente (Maraschin, 2003).
O conhecimento do alcance da dependência espacial dos atributos
do solo pode ser critério para definir o intervalo das amostragens (Souza et al.,
1997). Entretanto, esses valores dependem da escala, intensidade da coleta e
manejo da área (Webster & Oliver, 1990).
Segundo Sudduth (1998), em campos que já passaram por
mapeamentos anteriores, é possível estabelecer um espaçamento ótimo para
levantamento da variabilidade. Todavia, naqueles que são mapeados pela primeira
4 Melhor conhecida por geoestatística.
5
através da geoestatística utilizando os semivariogramas das propriedades
consideradas, a partir das pressuposições de estacionariedade da hipótese
intrínseca, dada pela seguinte equação:
Onde N(h) é o número de pares de pontos Z(xi) e Z(xi+h), separados
por uma distância (h), informando quão diferentes tornam-se os valores em função
de (h). Do ajuste de um modelo matemático, os valores calculados de γ *(h) são
definidos os coeficientes do modelo teórico para o semivariograma (o efeito pepita
C0; o patamar, C; e o alcance da dependência espacial, para alimentação de um
programa interpolador).2
Desta forma, a geoestatística, que consiste em variograma,
krigagem, simulações espaciais e estratégias que otimizem os planos de
amostragem dos atributos do solo (Stein, 1995; Webster & Oliver, 1990), tem
mostrado grande utilidade para caracterizar e mapear a variação espacial das
propriedades do sistema (Couto et al., 1997).
Em relação ao esquema de amostragem, os métodos estatísticos
clássicos não levam em consideração a dependência espacial entre as amostras.
Essas se encontram aleatoriamente distribuídas pela área e apresentam correlação
(significativa) entre elas – amostras feitas com maior proximidade podem não ter
correlação, ao passo que amostras mais distantes podem apresentá-la. A correlação
entre propriedades no espaço pode ser expressa através do semivariograma
cruzado, método chamado de co-krigagem3, que estima uma variável primária a
partir de uma secundária amostrada mais intensamente e que possua alta
correlação com a variável primária, sendo que a secundária deve ser de fácil
2 De acordo com Trangmar et al. (1985), o efeito pepita é o valor da semivariância para distância zero e representa o componente da variação ao acaso; o patamar é o valor da semivariância onde a curva estabiliza sobre um valor constante; o alcance é a distância da origem até onde o patamar atinge valores estáveis, expressando a distância além da qual as amostras não são correlacionadas. 3 De acordo com Landin (1998) citado por Maraschin (2003), é um procedimento geoestatístico, segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto com base na relação espacial entre si.
[ ]∑=
+−=)(
1
2* )()()(2
1)(hN
ihxiZxiZ
hNhγ
4
correlação ou dependência espacial (Upchurch & Edmonds, 1991; Souza, 1992
citado por Carvalho et al., 1998).
A realização de testes, de estudo da variabilidade espacial dos solos,
a princípio, era desvinculada dos mapas. Nesses testes, as fontes de variação eram
vistas como entrave, visto que se considerava que estas reduziam a confiabilidade
dos mapas. Contudo, gradualmente, a natureza geral da variação do solo e sua
imprevisibilidade levaram os cientistas a verem a variabilidade do solo muito mais
como chave para se entender seus atributos que como entrave ao conhecimento
(Burrough et al., 1994). Desta forma, mudada a lente de observação, passou-se a
considerar que quanto maior for a modificação do solo em relação às suas
características naturais, maior a precisão a respeito dos estimadores (Couto, 1997).
O estudo sobre a variabilidade dos solos tem sido abordado pela
classificação numérica por métodos de estatística variada, classificação contínua,
geoestatística, métodos fractais, morfologia matemática e teoria de caos (Burrough
et al., 1994).
A geoestatística, tem origem na Krigagem, que por sua vez, tem sua
base na geologia. A krigagem, primeiramente, foi utilizada para avaliar dados de
concentração de ouro em jazidas localizadas na África do Sul. Essa metodologia
consiste em analisar as amostras considerando as distâncias entre elas, visto que
existe correlação entre as mesmas; usa a dependência espacial entre amostras para
estimar valores dentro do campo, sem tendência e com variação mínima. Matheron
(1971), com base no método utilizado na mineração, desenvolveu a Teoria das
Variáveis Regionalizadas, que consiste em uma função espacial numérica, que varia
de um local para outro com continuidade aparente ou dependência espacial, sendo
estimada através de semivariograma (Sguarezzi, 2002).
Conhecido o variograma, o valor de um atributo poderá ser estimado
em qualquer ponto de uma unidade de mapeamento a partir dos dados disponíveis,
reduzindo, assim, substancialmente o número de amostras necessário para se fazer
estimativa se comparado com o modelo clássico, uma vez que será reduzido o
intervalo entre as amostras, o que otimizará a amostragem do solo num programa de
agricultura de precisão (Marques Junior & Corá, 1998).
Os métodos estatísticos tradicionais, segundo Webster (1985),
permitem inferir sobre a variabilidade do solo, no sentido vertical e horizontal, porém,
a dependência espacial entre as amostras pode ser modelada preferencialmente
3
2 REVISÃO DE LITERATURA
A heterogeneidade do solo é uma condição intrínseca e natural. É
resultante de efeito conjugado dos fatores de formação do solo e ocorre tanto no
sentido vertical quanto horizontal. No entanto, esta não é proveniente apenas de um
processo natural, em paisagens cultivadas, o manejo exercido pelos seres humanos,
contribui para seu aumento (Upchurch & Edmonds, 1991). A agricultura
convencional, todavia, considera as áreas de manejo como relativamente
homogêneas, ignorando a variabilidade espacial dos solos, o que implica em
aplicação de técnicas inadequadas. Atualmente, porém, com a aplicação de técnicas
de agricultura de precisão, mostra-se como imprescindível que a variabilidade
espacial seja considerada na modelagem dos processos de formação dos solos
assim como de outros processos ambientais.
O estudo da variabilidade espacial nos solos é um assunto que de
longa data vem sendo discutido em âmbito científico. Desde o início das pesquisas
relativas à ciência do solo, pesquisadores têm atribuído-lhe reconhecimento e
incluído-o em seus modelos. A partir das últimas décadas, porém, tem despertado
maior atenção em todas as áreas da ciência do solo (Reichardt et al., 1986).
No Brasil, tem recebido enfoque no tocante à observação e medição
através de uma amostragem inteiramente casual. Exemplos disso são os trabalhos
de Oliveira & Rotta (1973), Oliveira (1975), Reichardt et al. (1976a,b), Nascimento et
al. (1979) e Cadima et al. (1980) que observaram a variabilidade de características
químicas e hídricas em solos no estado de São Paulo.
Wilding (1985) classificou a variabilidade de algumas propriedades do
solo em categorias de alta, média e baixa variabilidade espacial, de acordo com os
coeficientes de variação. Segundo os princípios básicos da experimentação, a
variabilidade do solo ocorre de forma aleatória, no entanto alguns estudos relatam
que a variabilidade das propriedades químicas e físicas do solo apresenta
2
(GPS) e o Sistema de Informações Geográficas (SIG). Este possibilita o
armazenamento, tratamento, análise e visualização espacial de informações
coletadas no campo, enquanto aquele, possibilita a coleta e transmissão de dados.
A agricultura convencional considera as áreas de manejo como
relativamente homogêneas, o que resulta no emprego de práticas uniformes de
semeadura e aplicação de fertilizantes e agrotóxicos, ignorando a variabilidade
espacial dos solos. Para que a agricultura de precisão seja implementada com
resultados positivos, faz-se necessário o uso de métodos precisos e eficientes que
considerem a variabilidade dos solos. O conhecimento da variabilidade do solo é
importante na avaliação da fertilidade para fins de recomendação de adubação
(Melsted & Peck, 1973), desenvolvimento de esquemas de amostragem mais
sensíveis e eficientes e determinação de ótima localização de unidades, para maior
eficiência dos delineamentos experimentais (Wilding & Drees, 1983), resultando
assim, na otimização da produtividade.
Com relação à estratégia de amostragem, existe um amplo leque de
opções. Na agricultura de precisão uma das mais utilizadas é a amostragem
sistemática em malha regular. As evidências empíricas apontam este tipo de
amostragem como mais preciso que a aleatória, porém, devem ser consideradas as
tendências periódicas, cujos efeitos podem ser reduzidos pela escolha de um padrão
de amostragem que não coincida com seu espaçamento e orientações (Dick et al.,
1996).
A avaliação da dependência espacial dos atributos do solo também
pode ser influenciada pelo esquema de amostragem adotado. Assim, o presente
trabalho busca comparar 05 (cinco) diferentes esquemas de amostragem, tomando
como referencial a aleatória, em relação à variabilidade dos atributos fósforo,
potássio, matéria orgânica, pH e saturação de bases. Isto possibilitará a geração de
informações sobre a acurácia dos mapas obtidos pelos esquemas de amostragem
avaliados, assim como a redução de custos.
1 INTRODUÇÃO
A nova ordem econômica mundial, que tem como fulcro a
globalização, tem elevado o nível de exigência com relação à agricultura. Desta
forma, os agricultores brasileiros procurando enquadrarem-se nos padrões
estabelecidos, têm recorrido à implantação de tecnologias inovadoras, buscando
assim adquirir aceitação e maior competitividade para seus produtos face ao
mercado internacional.
A produção por área, na maioria das vezes, tem sido a solução para
isto, sendo alcançada a partir do aumento do uso de insumos agrícolas, biológicos,
mecânicos, etc.
Contudo, apesar de favorecer a produção por área, o aumento no
uso de insumos químicos agrícolas tem sido identificado como o principal fator de
contaminação da água e do solo (Bakhsh et al., 1997).
Atualmente, tem sido proposto o desafio da agricultura de precisão,
cujo objetivo é o aumento de produtividade sem acréscimo na quantidade de
insumos utilizados, ou ainda, a manutenção da produtividade com a redução na
quantidade destes insumos. Para Molin (1997), este será o próximo desafio do
agricultor brasileiro.
A agricultura de precisão busca simultaneamente o aumento de
produtividade e a proteção ambiental.1 Para atingir este objetivo, segundo
Balastreire et al. (1997), é necessária a aplicação localizada de insumos agrícolas
em função de necessidades específicas locais, fundamentada na existência da
variabilidade espacial dos fatores produtivos e, portanto, da própria quantidade
produzida pela cultura. Como recursos, utiliza o Sistema de Posicionamento Global
1 A agricultura de precisão recebe também outras denominações: cultivo de precisão, agricultura localizada, tecnologia de aplicação, entre outros.
xiii
ABSTRACT
ARAÚJO, Afonso Celso, Federal University of Mato Grosso, December 2003.
Soil sampling schemes for evaluating the spatial soil variability of chemical soil attributes in a minimum cultivation - Nova Mutum – Mato Grosso State. Adviser:
Professor Dr. Eduardo Guimarães Couto.
This study was conducted in Nova Mutum – MT, a region where the
cash crops, mainly soybean and maize, are increasing fasten the cultivation area by
using the minimum cultivation system. This study focused the spatial soil variability of
some chemical soil attributes providing the elaboration of interpolated maps. 1500 soil
samples were collected at 5 sample schemes and 3 depths 1 (0-5 cm), 2 (5-10cm) and 3
(10-15 cm). For each scheme, 100 samples were collected in each one depth. The soil
attributes studied (pH, Organic Matter, Basis Saturation, Phosphorous and Potassium)
were analyzed at the five schemes, in the three depths and also in the simulation by
using the shovel. The geostatistical approach showed the soil spatial dependence
modified with the schemes and depths studied. Besides this, the results showed the
highest phosphorous content was found in depth 2. This fact may be related to the
minimum soil cultivation system which affects that depth by the diminishing the soil
tillage. It was verified that spatial soil distribution of phosphorous and potassium was
better visualized in stratified depths. In other way, pH, organic matter and bases
saturation do not need the use stratified depths for representing the best spatial soil
distribution. Considering the soil schemes, the random soil sampling, besides another
conclusions, was the most efficient to evaluate the spatial soil distribution of soil
attributes was the depth 1 (0 5 cm).
xii
RESUMO
ARAÚJO, Afonso Celso, Universidade Federal de Mato Grosso, dezembro de 2003.
Esquemas de amostragem para avaliação da variabilidade espacial de atributos químicos de solo sob cultivo mínimo em Nova Mutum – Mato Grosso. Orientador:
Prof. Dr. Eduardo Guimarães Couto.
O presente trabalho foi realizado em Nova Mutum – MT, região onde a
produção comercial, principalmente de soja e milho, tem sido maximizada pela adoção
do sistema de cultivo mínimo. Este estudo enfocou a variabilidade espacial do solo em
relação a alguns atributos químicos proporcionando a confecção de mapas
interpolados. Foram coletadas 1500 amostras em 5 esquemas e 3 profundidades 1 (0-5
cm), 2 (5-10cm) e 3 (10-15 cm). Para cada esquema foram coletadas 100 amostras em
cada profundidade. Os atributos do solo estudados (pH, Matéria Orgânica, Saturação
de Bases, Fósforo e Potássio) foram analisados nos cinco esquemas, nas três
profundidades e também na simulação de pá-de-corte. Sob o enfoque da geoestatística
foi verificado que a dependência espacial do solo modificou-se nos esquemas e nas
profundidades estudados. Além disso, os resultados mostraram que a maior
concentração de fósforo encontrou-se na profundidade 2. Esse fato pode ser devido ao
sistema de cultivo mínimo ter grande influência nesta profundidade pela diminuição de
revolvimento do solo. Foi verificado que a distribuição espacial do solo para fósforo e
potássio foi melhor visualizada em profundidades estratificadas. Enquanto que pH,
matéria orgânica e saturação de bases não necessitam da estratificação para melhor
representar a distribuição espacial do solo. Nos diferentes esquemas de coleta de
amostragem, verificou-se, entre outras coisas, que a amostragem aleatória foi a mais
eficiente para avaliar o comportamento espacial das propriedades na profundidade 1 (0
- 5 cm).
xi
LISTA DE TABELAS
TABELA 1 Histórico de Utilização da Área de Estudo.................................... 9 TABELA 2 Estatística Clássica dos atributos do solo correspondente a
amostragem nas profundidades 1 (0-5 cm), 2 (5-10 cm) e 3 (10-15 cm)............................................................................................
17
TABELA 3 Valores Médios dos Atributos de solo para os esquemas de amostragem estudados.................................................................
20
TABELA 4 Simulação de pá de corte dos Valores Médios dos Atributos de solo para os esquemas de amostragem estudados......................
21
TABELA 5 Características dos Semivariogramas ajustados por atributo do esquema 1, nas 03 profundidades................................................
35
TABELA 6 Características dos Semivariogramas ajustados com a ponderação das médias, das profundidades (1), (2) e (3), para o esquema 1.....................................................................................
37
TABELA 7 Características dos Semivariogramas ajustados por atributo do esquema 2, nas 03 profundidades................................................
38
TABELA 8 Características dos Semivariogramas ajustados com a ponderação das médias, das profundidades (1), (2) e (3), para o esquema 2.....................................................................................
40
TABELA 9 Características dos Semivariogramas ajustados por atributo do esquema 3, nas 03 profundidades................................................
42
TABELA 10 Características dos Semivariogramas ajustados com a ponderação das médias, das profundidades (1), (2) e (3), para o esquema 3.....................................................................................
44
TABELA 11 Características dos Semivariogramas ajustados por atributo do esquema 4, nas 03 profundidades................................................
45
TABELA 12 Características dos Semivariogramas ajustados com a ponderação das médias, das profundidades (1), (2) e (3), para o esquema 4.....................................................................................
47
TABELA 13 Características dos Semivariogramas ajustados por atributo do esquema 5, nas 03 profundidades................................................
49
TABELA 14 Características dos Semivariogramas ajustados com a ponderação das médias, das profundidades (1), (2) e (3), para o esquema 5.....................................................................................
50
TABELA 15 Características dos Semivariogramas ajustados, por atributo e por esquema, nas profundidades (1), (2) e (3)..............................
52
x
(aleatório estratificado – eixo x aleatório e y fixo), sendo que a profundidade 3 apresentaram Efeito Pepita Puro...........................
87
ix
FIGURA 33 Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado)..........................
74
FIGURA 34 Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (estratificado- eixo x aleatório e y fixo), sendo que a profundidade 3 apresentou Efeito Pepita Puro.............................
75
FIGURA 35 Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 4 (estratificado – eixo x fixo e y aleatório)...................
76
FIGURA 36 Semivariogramas da matéria orgânica para os esquemas 1 , 2 , 3, 4 e 5 para a simulação com pá-de-corte, sendo que o esquema 5 apresentou Efeito Pepita Puro......................................................
77
FIGURA 37 Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório).................................................................
78
FIGURA 38 Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado)..........................
79
FIGURA 39 Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (estratificado- eixo x aleatório e y fixo), sendo que a profundidade 3 apresentou Efeito Pepita Puro.............................
80
FIGURA 40 Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 4 (estratificado – eixo x fixo e y aleatório), sendo que a profundidade 3 apresentou Efeito Pepita Puro.............................
81
FIGURA 41 Semivariogramas da saturação de bases para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 5 (aleatório estratificado)............................................
82
FIGURA 42 Semivariogramas da saturação de bases para os esquemas 1 , 2 , 3, 4 e 5 para a simulação com pá-de-corte, sendo que o esquema 1 apresentou Efeito Pepita Puro.......................................
83
FIGURA 43 Semivariogramas do potássio para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório), sendo que a profundidade 1 apresentou Efeito Pepita Puro..................................................................................................
84
FIGURA 44 Semivariogramas do potássio para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (aleatório estratificado – eixo x aleatório e y fixo), sendo que as profundidades 1 e 2 apresentaram Efeito Pepita Puro..................
85
FIGURA 45 Semivariogramas do fósforo para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado), sendo que as profundidades 1 e 2 apresentaram Efeito Pepita Puro..........................................
86
FIGURA 46 Semivariogramas do fósforo para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3
viii
FIGURA 19 Porcentagem dos variogramas com modelos ajustados para as 3 profundidades e a simulação de pá-de-corte para o esquema 4........................................................................................................
47
FIGURA 20 Proporção de ocorrências nos esquemas (E1, E2, E3, E4 e E5) e Efeito Pepita Puro resultante do estudo da média de variância de krigagem...........................................................................................
54
FIGURA 21 Distribuição espacial do pH H2O nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através da estimativa da variância comparando os 5 esquemas de amostragem......................................................................................
55
FIGURA 22 Distribuição espacial da Matéria Orgânica nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através da estimativa da variância comparando os 5 esquemas de amostragem......................................................................................
56
FIGURA 23 Distribuição espacial da Saturação de Bases nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através da estimativa da variância comparando os 5 esquemas de amostragem......................................................................................
57
FIGURA 24 Distribuição espacial do Potássio nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através da estimativa da variância comparando os 5 esquemas de amostragem......................................................................................
58
FIGURA 25 Distribuição espacial do Fósforo nas profundidades 1, 2 e 3 e média ponderada (pá-de-corte), analisada através da estimativa da variância comparando os 5 esquemas de amostragem......................................................................................
59
FIGURA 26 Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório).........................................................................................
67
FIGURA 27 Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 2 (aleatório sistemático centralizado).................................................
68
FIGURA 28 Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 3 (estratificado- eixo x aleatório e y fixo)............................................
69
FIGURA 29 Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 4 (estratificado – eixo x fixo e y aleatório), sendo que a profundidade 3 apresentou Efeito Pepita Puro................................
70
FIGURA 30 Semivariogramas do pH H2O para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 5 (aleatório estratificado)....................................................................
71
FIGURA 31 Semivariogramas do pH H2O para os esquemas 1 , 2 , 3, 4 e 5 para a simulação com pá-de-corte...................................................
72
FIGURA 32 Semivariogramas da matéria orgânica para as profundidades 1 (0 – 5 cm), 2 (5 – 10 cm) e 3 (10 – 15 cm) no esquema de amostragem 1 (aleatório).................................................................
73
vii
LISTA DE FIGURAS
FIGURA 1 Mapa de localização da área de estudo, município de Nova
Mutum – MT..................................................................................... 10
FIGURA 2 Esquemas de amostragem no estudo: 1=amostragem aleatória, 2= Amostragem aleatória sistemática centralizada, 3= Amostragem estratificada (eixo x aleatório e y fixo), 4= Amostragem estratificada (eixo x fixo e y aleatório) e 5= Amostragem aleatória estratificada, (modificada de Haining, 1997)................................................................................................
13
FIGURA 3 Valores do pH médio para os esquemas de amostragem estudados.........................................................................................
22
FIGURA 4 Valor do Coeficiente de Variação do pH para os esquemas de amostragem estudados....................................................................
22
FIGURA 5 Valores médios da Matéria Orgânica para os esquemas de amostragem estudados....................................................................
25
FIGURA 6 Valor do Coeficiente de Variação da Matéria Orgânica para os esquemas de amostragem estudados.............................................
25
FIGURA 7 Valores médios da Saturação de Bases para os esquemas de amostragem estudados....................................................................
26
FIGURA 8 Valor do Coeficiente de Variação da Saturação de Bases para os esquemas de amostragem estudados.............................................
27
FIGURA 9 Valores médios do Potássio para os esquemas de amostragem estudados.........................................................................................
29
FIGURA10 Valor do Coeficiente de Variação do Potássio para os esquemas de amostragem estudados...............................................................
31
FIGURA 11 Valores médios do Fósforo para os esquemas de amostragem estudados.........................................................................................
32
FIGURA 12 Valor do Coeficiente de Variação do Fósforo para os esquemas de amostragem estudados...............................................................
33
FIGURA 13 Porcentagem dos variogramas com modelos ajustados para as profundidades estudadas para o esquema 1...................................
36
FIGURA 14 Porcentagem dos variogramas com modelos ajustados para as 3 profundidades e a simulação de pá-de-corte para o esquema 1........................................................................................................
37
FIGURA 15 Porcentagem dos variogramas com modelos ajustados para as profundidades estudadas para o esquema 2...................................
39
FIGURA 16 Porcentagem dos variogramas com modelos ajustados para as 3 profundidades e a simulação de pá-de-corte para o esquema 2........................................................................................................
41
FIGURA 17 Porcentagem dos variogramas com modelos ajustados para as profundidades estudadas para o esquema 3...................................
43
FIGURA 18 Porcentagem dos variogramas com modelos ajustados para as profundidades estudadas para o esquema 4...................................
46
vi
4.2 Comportamento dos dados sob o enfoque da Geoestatística 34
5 CONCLUSÕES................................................................................... 60
6 REFERÊCIAS BIBLIOGRÁFICAS...................................................... 62
7 ANEXOS............................................................................................. 67
v
SUMÁRIO
Página
LISTA DE FIGURAS vii
LISTA DE TABELAS xi
RESUMO . ............................................................................................ xii
ABSTRACT ........................................................................................... xiii
1 INTRODUÇÃO 1
2 REVISÃO DE LITERATURA............................................................. 3
3 MATERIAL E MÉTODOS.............................................................. 9
3.1 Caracterização da Área........................................................... 11
3.1.1 Vegetação....................................................................... 11
3.1.2 Solos............................................................................... 11
3.1.3 Clima e Regime Pluviométrico........................................ 12
3.2 Amostragem de solos.................................................................... 12
3.3 Análises Químicas........................................................................... 14
3.4 Análises Estatísticas........................................................................ 14
4 RESULTADOS E DISCUSSÃO.......................................................... 17
4.1 Estatística Descritiva................................................................ 17
4.1.1Perfil do Atributo pH H2O em relação aos esquemas 19
4.1.2Perfil do Atributo Matéria Orgânica (MO) em relação aos esquemas
23
4.1.3Perfil do Atributo Saturação de Bases (V%) em relação aos esquemas
26
4.1.4Perfil do Atributo - K – Potássio em relação aos esquemas 28
4.1.5Perfil do Atributo - P – Fósforo em relação aos esquemas 31
AGRADECIMENTOS
Ao Prof. Eduardo Guimarães Couto, pela oportunidade, apoio, sugestões e orientações. Ao Prof. José Fernando Scaramuzza pela valiosa colaboração nos trabalhos. A todos os professores do curso de pós-graduação em Agricultura Tropical da FAMEV – UFMT, pelos ensinamentos. Aos acadêmicos e estagiários Marco Sabino, Lucivan José de Souza, Ledonio Tonon, Luciano Maraschin, Henrique Perlatti, Elias Silveira Viana, Cassiano Bronzatti, Sebastião Osório Ressureição dos Santos e Evandro Carlos Silva, um agradecimento especial pelo esforço e companheirismo nos trabalhos de campo. Ao Prof. Ivo Camargo (in memorian) um agradecimento especial, pelas palavras de incentivo. Ao amigo José Joaquim de Souza Neto pela parceria nos trabalhos de laboratório.
DEDICATÓRIA
Dedico este trabalho:
A meus pais
Agnaldo Araújo e
Neusa Araújo,
que sempre primam pelo estudo!
A meus irmãos
Auro Araújo,
Artur Araújo (in memorian) e
Vânia Araújo.
A meus tios
Gerson Araújo e
Olinda Araújo.
A minha família
Célia Araújo e
Artur Araújo (meu filho).
UNIVERSIDADE FEDERAL DE MATO GROSSO FACULDADE DE AGRONOMIA E MEDICINA VETERINÁRIA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRICULTURA TROPICAL
CERTIFICADO DE APROVAÇÃO
Título: ESQUEMAS DE AMOSTRAGEM PARA AVALIAÇÃO DA VARIABILIDADE
ESPACIAL DE ATRIBUTOS QUÍMICOS DE SOLO SOB CULTIVO MÍNIMO EM NOVA MUTUM – MATO GROSSO.
Autor: AFONSO CELSO DE ARAÚJO Orientador: Prof. Dr. EDUARDO GUIMARÃES COUTO
Aprovada em 31 de março de 2003.
______________________________
Prof. Dr. Eduardo Guimarães Couto (FAMEV/UFMT)
(Orientador)
_______________________________
Prof. Dr. José Fernando Scaramuzza (FAMEV/UFMT)
(Membro)
_____________________________
Prof. Dr. Fábio Alvares de Oliveira
(EMBRAPA)
(Membro)
FICHA CATALOGRÁFICA
A663e Araújo, Afonso Celso de Esquemas de amostragem para avaliação da variabilidade espacial de atributos químicos de solo sob cultivo mínimo em Nova Mutum – Mato Grosso / Afonso Celso de Araújo. -- 2003. xiii, 87p. : il., color. Dissertação (mestrado) – Universidade Federal de Mato Grosso, Faculdade de Agronomia e Medicina Veterinária, 2003. “Orientação: Prof. Dr. Eduardo Guimarães Couto”. CDU – 631.42(817.2)
Índice para Catálogo Sistemático
1. Solo – Análise – Nova Mutum (MT). 2. Solo – Atributos químicos – Nova Mutum (MT).
UNIVERSIDADE FEDERAL DE MATO GROSSO FACULDADE DE AGRONOMIA E MEDICINA VETERINÁRIA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRICULTURA TROPICAL
ESQUEMAS DE AMOSTRAGEM PARA AVALIAÇÃO DA VARIABILIDADE ESPACIAL DE ATRIBUTOS QUÍMICOS DE SOLO SOB CULTIVO MÍNIMO EM NOVA MUTUM – MATO GROSSO.
AFONSO CELSO DE ARAÚJO Eng. Agrônomo
Orientador: Prof. Dr. Eduardo Guimarães Couto
Dissertação apresentada à Faculdade de Agronomia e Medicina Veterinária da Universidade Federal de Mato Grosso, para obtenção do Título de Mestre em Agricultura Tropical. Área de Concentração: Uso e Conservação de Recursos Naturais
CUIABÁ - MT
2003
UNIVERSIDADE FEDERAL DE MATO GROSSO FACULDADE DE AGRONOMIA E MEDICINA VETERINÁRIA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRICULTURA TROPICAL
ESQUEMAS DE AMOSTRAGEM PARA AVALIAÇÃO DA VARIABILIDADE ESPACIAL DE ATRIBUTOS QUÍMICOS DE SOLO SOB CULTIVO MÍNIMO EM NOVA MUTUM – MATO GROSSO.
AFONSO CELSO DE ARAÚJO
C U I A B Á - MT
2003