universidade federal de mato grosso ...§ões...a universidade federal de mato grosso, a faculdade...
TRANSCRIPT
UNIVERSIDADE FEDERAL DE MATO GROSSO
FACULDADE DE AGRONOMIA E ZOOTECNIA – FAAZ
Programa de Pós-graduação em Agricultura Tropical
ESTIMATIVA DA CAPACIDADE DE CAMPO E DO PONTO DE
MURCHA PERMANENTE POR MEIO DE PEDOFUNÇÕES PARA O
CENTRO SUL DE MATO GROSSO
RAFAEL DE ANDRADE CARVALHO ROSSETI
CUIABÁ – MT
2017
UNIVERSIDADE FEDERAL DE MATO GROSSO
FACULDADE DE AGRONOMIA E ZOOTECNIA – FAAZ
Programa de Pós-graduação em Agricultura Tropical
ESTIMATIVA DA CAPACIDADE DE CAMPO E DO PONTO DE
MURCHA PERMANENTE POR MEIO DE PEDOFUNÇÕES PARA O
CENTRO SUL DE MATO GROSSO
RAFAEL DE ANDRADE CARVALHO ROSSETI
Engenheiro Agrônomo
ORIENTADOR: Prof. Dr. RICARDO SANTOS SILVA AMORIM
Dissertação apresentada ao programa de pós-graduação em Agricultura Tropical, da Universidade Federal de Mato Grosso, como requisito para a obtenção do título de Mestre em Agricultura Tropical.
CUIABÁ – MT
2017
A553e Andrade Carvalho Rosseti, Rafaelde.
ESTIMATIVA DA CAPACIDADE DE CAMPO E DO PONTO DE MURCHA PERMANENTE POR MEIO DE PEDOFUNÇÕES PARA O CENTRO SUL DE MATO GROSSO / Rafael de Andrade Carvalho Rosseti. -- 2017
47 f. :il. color. ; 30 cm.
Orientador: Ricardo Santos Silva Amorim. Dissertação (mestrado) - Universidade Federal de Mato
Grosso, Faculdade de Agronomia e MedicinaVeterinária, Programa de Pós-Graduaçãoem Agricultura Tropical, Cuiabá, 2017.
Incluibibliografia.
1. Solos tropicais. 2. Funções de pedotransferência. 3.
Dados Internacionais de Catalogação na Fonte.
Ficha catalográfica elaborada automaticamente de acordo com os dados fornecidos pelo(a) autor(a).
Permitida a reprodução parcial ou total, desde que citada a fonte.
AGRADECIMENTOS
Ao professor Ricardo Santos Silva Amorim, que na condição de orientador
sempre demonstrou profissionalismo, dedicação atuando principalmente pelo
exemplo e respeito.
A Luis Augusto Di Loreto Di Raimo e Gilmar Nunes Torres pelo auxílio na
elaboração do trabalho e companheirismo.
A minha esposa Laís Braga Caneppele pelas contribuições inestimáveis,
paciência e suporte nas horas difíceis.
A Universidade Federal de Mato Grosso, a Faculdade de Agronomia e
Zootecnia e ao Programa de Pós-Graduação em Agricultura Tropical pela
possibilidade de realização do mestrado.
A Secretaria de Estado de Agricultura Familiar e Assuntos Fundiários, em
nome do Secretário de Estado Suelme Evangelista Fernandes pelo apoio e
contribuição permitindo a minha participação do programa de mestrado.
Aos colegas e professores do curso, pela amizade e conhecimento
transmitido.
Aos meus pais Roque e Ildete a quem dedico este trabalho.
A Deus, que sempre me guiou e ajudou a manter motivado e entusiasmado
com as possibilidades de me desenvolver, me tornando um profissional e também
uma pessoa melhor.
ESTIMATIVA DA CAPACIDADE DE CAMPO E DO PONTO DE MURCHA PERMANENTE POR MEIO DE PEDOFUNÇÕES PARA O CENTRO SUL DE MATO
GROSSO
RESUMO – Com a crescente demanda por alimentos, cresce também a
necessidade de utilizar os insumos com mais responsabilidade. Por isso é
necessário utilizar técnicas que permitam conhecer os atributos do solo, o que
possibilitamaior eficácia ao manejo. O ajuste de pedofunções é um método
alternativo para obter atributos do solo de difícil determinação, como a umidade
equivalente à capacidade de campo (θCC) e ao ponto de murcha permanente (θPMP).
Desta forma, objetivou-se como presente estudo obter pedofunções para estimar
θCCe θPMP para solos da região sul do estado de Mato Grosso. Para isso foram
coletadas 156 amostras de solo indeformadas, das quais 124 foram utilizadas para
geração das pedofunções e 32 para suavalidação e avaliação de seis pedofunções
obtidas em publicações. O método adotado para geração das pedofunções foi a
regressão múltipla passo a passo (Stepwise). Para a validação e avaliação, utilizou-
se o índice de concordância de Willmott, raiz quadrada do erro médio (RMSE),
coeficiente de correlação de Spearman e índice de concordância. As variáveis que
melhor explicam as variações de θCC são microporosidade, areia total, argila e
carbono orgânico total e para θPMP são areia total e argila. A partir de pedofunções
pode-se estimar θCC e θPMP para a região sul do estado de Mato Grosso. As
pedofunções ajustadas para localidades específicas apresentam melhor
desempenho quando comparadas com asdesenvolvidasem locais distintos.
Palavras chave: Solos tropicais, funções de pedotransferência, retenção de água,
atributos físico-hídricos.
FIELD CAPACITY AND WILTING POINT ESTIMATION BY MEANS OF PEDOFUNCTIONS IN THE SOUTH OF MATO GROSSO STATE, BRASIL
ABSTRACT-Increasing food demand requires more attention with agricultural
supplies use. Therefore, it is necessary to use techniques that allow knowledge of
soil attributes, allowing a more efficient management. Pedofunctions adjustment is an
alternative method to describe soil attributes that are difficult determination, such as
field capacity (FC) and wilting point (WP). To facilitate the use of these attributes, the
present study objective develops pedofunctions for the estimation for FC and WP for
soils in the southern region of the state of Mato Grosso, Brazil. For this, 156
undisturbed soil samples were collected, of which 124 were used to generate the
pedofunctions and 32 for its validation. The method used to generate the
pedofunctions was stepwise multiple regression (Stepwise). Moreover, pedofunctions
of the literature were used to compare the performance between those generated in
this study and those developed for other regions. For the validation, the Willmott
concordance index, root mean square error (RMSE), Spearman correlation
coefficient and concordance index were used. Elaborated pedofunctions for specific
localities present better performance as compared to pedofunctions developed in
different places. From pedofunctions, FC and WP can be estimated for the southern
region of Mato Grosso state. The variables that best explain variations in FC are
microporosity, total sand, clay and total organic carbon and for θPMP are total sand
and clay.
Key words: Tropical soil, pedotransfer functions, water retention, physical hydric
attributes.
LISTA DE FIGURAS
Figura 1. Localização geográfica dos pontos amostrados. ....................................... 25
Figura 2.Classe textural das amostras usadas para geração e validação das funções
de pedotransferência. ................................................................................................ 28
Figura 3. Gráficos de dispersão dos valores de θCC observados em laboratórios e
aqueles obtidos a partir das pedofunções (ajustadas no presente estudo e da
literatura) e os respectivos índices de avaliação. ...................................................... 36
Figura 4. Gráficos de dispersão dos valores de θPMP observados em laboratórios e
aqueles obtidos a partir das pedofunções (ajustadas no presente estudo e da
literatura) e os respectivos índices de avaliação. ...................................................... 37
Figura 5. Erros das estimativas para θCC a partir das pedofunções ajustadas no
presente estudo e obtidos da literatura, em comparação com os valores
determinados pelo método padrão. ........................................................................... 39
Figura 6.Erros das estimativas para θPMP a partir das pedofunções ajustadas no
presente estudo e obtidos da literatura, em comparação com os valores
determinados pelo método padrão. ........................................................................... 40
LISTA DE TABELAS
Tabela 1.Recursos utilizados para a produção de uma tonelada de soja em Mato
Grosso para os períodos de 2001-2005 e 2006-10: desmatamento, terra, carbono,
água, fósforo e potássio. ........................................................................................... 19
Tabela 2.Estatística descritiva das amostras, agrupadas pela classe de solo, que
compõem o banco de dados utilizado para no presente estudo. .............................. 26
Tabela 3.Funções de pedotransferência para capacidade de campo (-33 kPa)
obtidas na literatura. .................................................................................................. 32
Tabela 4.Funções de pedotransferência para ponto de murcha permanente (-1.500
kPa) obtidas da literatura. ......................................................................................... 32
Tabela 5. Coeficiente e respectivas significância da correlação entre as variáveis
dependentes (capacidade de campo e ponto de murcha permanente) e aquelas
variáveis independentes consideradas no presente estudo (avaliação, ajuste e
validação). ................................................................................................................. 34
Tabela 6. Variáveis preditoras (atributos do solo), coeficientes, significância e
coeficientes de determinação (R2) dos modelos gerados para estimar a capacidade
de campo (θCC) e ponto de murcha permanente (θPMP). ........................................... 34
SUMÁRIO Página
1. INTRODUÇÃO .................................................................................................. 11
2. REVISÃO DE LITERATURA ............................................................................ 15
2.1. ATRIBUTOS FÍSICOS DO SOLO ................................................................ 15
2.1.1. Textura do solo ...................................................................................... 15
2.1.2. Estrutura do solo .................................................................................... 16
2.2. RETENÇÃO DE ÁGUA NO SOLO ............................................................... 18
2.3. CAPACIDADE DE CAMPO .......................................................................... 20
2.4. PONTO DE MURCHA PERMANENTE ........................................................ 21
2.5. PEDOFUNÇÕES.......................................................................................... 22
3. MATERIAL E MÉTODOS ................................................................................. 24
3.1. ÁREA DE ESTUDO...................................................................................... 24
3.2. DETERMINAÇÃO DOS ATRIBUTOS DO SOLO ......................................... 27
3.3. OBTENÇÃO DAS PEDOFUNÇÕES ............................................................ 29
4. RESULTADOS E DISCUSSÕES ..................................................................... 32
5. CONCLUSÕES ................................................................................................. 42
6. REFERÊNCIAS BIBLIOGRÁFICAS ................................................................ 43
11
1. INTRODUÇÃO
Estudo realizado pela Organização de Cooperação e Desenvolvimento
Econômico (OECD) e Fundação para Alimentação e Agricultura (FAO) das Nações
Unidas (ONU) (Oecd/Fao, 2015), estima que a população mundial deva crescer de
7,3 bilhões de pessoas em 2015 para 8,1 bilhões em 2025. Além do crescimento
populacional o êxodo rural também contribuirá para o aumento da demanda por
alimentos, já que a população do meio rural produz parte dos alimentos para
subsistência, o que não ocorre nos centros urbanos. Atualmente 54% das pessoas
habitam as cidades, em 2025 serão 58% das pessoas vivendo nos centros urbanos.
Esses fatores vão incentivar o aumento da oferta de alimentos, fibras e energia,
sendo que o Brasil será responsável por suprir 40% dessa nova demanda global
que será gerada (Oecd/Fao, 2015).
Por esse motivo existe perspectiva para o desenvolvimento agropecuário no
país e, consequentemente,para o estado de Mato Grosso, uma vez que esta
unidade federativa representa 26,3% da safra nacional de grãos, e tem possibilidade
para expandir muito essa produção (Latorraca et al., 2016). Segundo informação do
Instituto Mato-grossense de Economia Agropecuária – IMEA (Latorraca et al., 2016),
o estado ocupa a liderança nacional nos índices de produção e produtividade de
soja, milho e algodão, no entanto ainda há muito a ser desenvolvido. Existe
aproximadamente 15,6 milhões de hectaresde áreas ocupadas por pastagens em
Mato Grosso (Latorraca et al., 2016). Assim, o crescimento da produção será
viabilizado na expansão da agricultura para as áreas de pastagens,e a pecuária
seguiráum processo intensificação aumentando a taxa de lotação das pastagens e
ampliado o número de confinamentos. Porém não será apenas essa estratégia
capaz de desenvolver a agropecuária do estado a ponto de atingir a expectativa de
incremento de produção citada no trabalho da Oecd/Fao (2015).
A produtividade, que hoje é uns dos destaques alcançados pelos produtores
de commodities agrícolas, pode ser uns dos empecilhos. Afinal os métodos
adotados para elevar os níveis de produtividade têm alto impacto nosinvestimentos
financeiros, recursos naturais e ambientais. Girardello et al. (2014)discutem que a
compactação do solo sob sistema de plantio direto para soja tem influência na
produtividade e no custo de produção das culturas anuais. A principal justificativa
para esse efeito é a redução da capacidade de água disponível, devido ao
12
estreitamento entre os limites de capacidade de campo (θCC) e ponto de murcha
permanente (θPMP).Nesses sistemas de cultivo a aplicação de insumos é adequada e
há rigoroso controle fitossanitário, porem para expressar o máximo de seu potencial
produtivo a planta não deve desperdiçar sua energia extraindo água do solo.
A θCCfoi definida por Veihmeyer e Hendrickson (1931), ao se buscar uma
aplicabilidade maior ao conceito de “equivalente de umidade”.Meyer e Gee
(1999)definiram θCC como o conteúdo de água retido no solo após o excesso ter sido
drenado e seu movimento tornar-se desprezível. A θCC engloba a faixa de conteúdo
de água vital para desenvolvimento das plantas e qualquer alteração no seu valor,
seja pela forma de se obter, ou pelas variações metodológicas, interfere no conteúdo
de água estimado no solo (Veihmeyer e Hendrickson, 1955). O entendimento da θCC
permite a utilização de um manejo, baseadona quantidade de água no solo, na
condição que o desenvolvimento radicular e a absorção de água sejam favorecido,
já que em todo ciclo de desenvolvimento a planta precisa de água em abundância.
As plantas possuem demanda hídrica constante e para atende-la retiram a
água disponível do solo, porém a maneira como a água retorna ao solo, através do
ciclo hidrológico, ocorre de forma descontínua(Reichardt, 1988). Por isso discute-se
quais são os limites de disponibilidade de água no solo. Nos períodos secos, as
plantas utilizam seus mecanismos para extrair ao máximo a água armazenada no
solo. Essa oferta de água para as plantas é conhecida como água disponível, sendo
a θCC o limite superior e θPMP o inferior. Em regiões temperadas, o conteúdo de água
aplicando-se tensão equivalente -33 kPa tem alta correlação com a θCC,
principalmente por causa da argila de alta atividade (Ruiz et al., 2003). O θPMP é
definido como o teor de água do solo, no qual as plantas perdem a turgescência das
folhas e não a recuperam mais, mesmo em ambientes saturados (Klein, 2014).
Porém, mesmo antes de atingir esse limite a produtividade é afetada. A dificuldade
em extrair a água armazenada no solo consome energia que poderia ser aplicada a
produção.
A determinação do θPMP também é um complicador para sua
utilização.Variáveis como a espécie de planta, solo e ambiente, precisam ser
consideradas e o método fisiológico é considerado como padrão. Contudo, aplicar
tensão equivalente a -1.500 kPa, possibilita estimar valores de umidade no solo
equivalentes ao θPMP. Assim é possível estimar os limites superior e inferior da água
disponível no solo, sem ter que utilizar a metodologia de determinação padrão.A
13
determinaçãodessas característicaspor meio do método padrãodemanda tempo e
trabalho, o que pode inviabilizar a utilização dessa informação para o manejo das
culturas agrícolas (Ruiz et al., 2003).
A determinação adequada da θCC e θPMP é fundamental para o manejo
eficiente das culturas agrícolas, principalmente em áreas irrigadas (Dos Santos Brito
et al., 2011). Por isso, estimar esses valores pode ser uma alternativa viável, porém
não deve comprometer a confiabilidade da informação. Um valor determinado ou
estimado de maneira equivocada pode prejudicar a produção por déficit hídrico,
causar lixiviação de nutrientes e moléculas de pesticidas. Para solucionar esse
problemaé possível utilizar pedofunções, estastem sido utilizadas para estimar θCC e
θPMP(Givi et al., 2004).Desta maneira é possível utilizar o conhecimento sobre a
disponibilidade de água, proporcionando melhor aproveitamento da água.A
utilização eficiente da água contribui paraaumento da produtividade das commodities
no cerrado, sobsistema de sequeiro. Para isso é necessário aplicar com precisão as
pedofunções.
Oajuste de pedofunções é um método alternativo para estimaros atributos do
solo de difícil determinaçãoa partir de atributos de obtençãomais simples, como por
exemplo tamanho de partículas e carbono orgânico (Van Stiphout et al., 1987).O
termo pedofunções foi definido porVan Stiphout et al. (1987) como sendo uma
função que tem como dados de partida atributos básicos que descrevem o solo
(textura, a densidade global e o conteúdo de matéria orgânica), gerando como
resultado a retenção de água no solo.Inúmeras pedofunçõesjá foram desenvolvidas
e validadas, como os trabalhos desenvolvidos por Arya e Paris (1981), Lal (1978),
Reichardt (1988).Uma visão geral sobre várias pedofunções é dada no trabalho de
Mcbratney et al. (2002).
Porém ainda é necessário buscar maior confiabilidade para sua utilização
especifica. Conforme De Souza et al. (2014) e (Dashtaki et al., 2010), com o objetivo
de reduzir os erros de predição do atributo avaliado, pedofunções específicas não
devem ser extrapoladas para além da região do solo da classe para a qual foi
desenvolvida, visto que, quanto mais homogênea a classe dos solos que compõem
a base de dados da pedofunção, melhor será seu desempenho. No entanto é
importante mencionar que o efeito da mineralogia do solo pode, por vezes, se
sobrepor ao efeito da classe de solo neste contexto. Portanto objetivou-se com o
14
presente estudo obter pedofunções para estimar θCCe θPMP para solos da região sul
do estado de Mato Grosso.
15
2. REVISÃO DE LITERATURA
2.1. ATRIBUTOS FÍSICOS DO SOLO
2.1.1. Textura do solo
As variáveis físico-hídricas são de grande importância para o estudo dos
solos, pois fornecem informações para o desenvolvimento de projetos de irrigação,
para o estabelecimento de sistemas de manejo, na análise quanto a sua
suscetibilidade à erosão, no manejo agrícola, bem como na elaboração de
pedofunções.
A textura do solo é a distribuição do tamanho das partículas neste. A escala
de tamanho varia muito, desde partículas grandes, visíveis a olho nu, até partículas
muito pequenas, que apresentam propriedades coloidais. A distribuição percentual
da argila, silte e areia é considerada, segundoKlein et al. (2006), a característica
física mais estável, e sua correlação com a superfície específica uma das
propriedades mais importantes deste. A textura faz parte de uma das principais
características dos horizontes e constitui as frações granulométricas que formam a
massa do solo(Rossato, 2001). A textura, juntamente com outras características,
sobretudo a composição mineralógica e o teor de matéria orgânica, estão
intimamente relacionados a estrutura, consistência, permeabilidade, capacidade de
troca de cátions, retenção de água e fixação de fosfatos.
A textura recebe grande atenção de técnicos e pesquisadores, especialmente
aqueles ligados à classificação do solo, muito utilizada nos sistemas taxonômicos
como um dos principais critérios para distinção de classes. Entre os vários fatores
que afetam a retenção de água no solo, o principal é a sua textura (Bortolini, 2016),
pois ela determina a área de contato entre a água e as partículas sólidas,
ocasionando acomodação das partículas e a distribuição da porosidade. Rossato
(2001)estuda a retenção de água em solos com diferentes manejos, observou que
as frações granulométricas mais finas foram aquelas que mais influenciaram a
retenção de água nesses trabalhos de três classes texturais, este autor observou
que um solo muito argiloso apresentou maior quantidade total de água armazenada
no perfil quando comparado a um solo de textura francoarenosa. No entanto, a
disponibilidade de água às plantas foi maior outro de textura franco arenosa.
16
2.1.2. Estrutura do solo
A estrutura de um solo é o arranjo das partículas e à coesão das partículas
para formação de agregados. A estruturaé de grande importância para as plantas,
uma vez que ela influencia a movimentação de água, aeração, densidade e
porosidade (Lipiec e Hatano, 2003)Essa é uma propriedade importante no
funcionamento do solo, na sua capacidade de suporte à vida animal e vegetal,
sendo um indicador de qualidade do solo(Bronick e Lal, 2005). Um solo que não é
bem estruturado apresenta problemas na disponibilidade de água e oxigênio de
maneira adequada ao desenvolvimento das plantas. A estrutura é uma propriedade
que atua como importante fator na aeração, garantindo a presença de oxigênio
capaz equilibrar o excesso de gás carbônico da atmosfera do solo, eliminado pelas
raízes e microrganismos.
A estrutura pode ser avaliada pela distribuição de tamanho, pela quantidade e
pela estabilidade de agregados. Solos arenosos não formam agregados estáveis
como ocorre com os argilosos, sendo chamados de solos com estrutura de grãos
simples ou sem estrutura. A estrutura é instável, facilmente ele pode tornar-se
compacto e pouco permeável. A importância da estrutura ocorre devido a influência
dela sobre os parâmetros físicos (aeração, capacidade térmica, retenção de água e
impedimento mecânico), na atividade biológica do solo, na disponibilidade de
nutrientes para as plantas e na decomposição da matéria orgânica (Klein et al.,
2006).
Segundo Reinert e Reichert (2006), considerando que a textura de um solo é
uma característica pouco variável no tempo e muito pouco afetada pelo manejo, as
alterações físicas provocadas são associadas à estrutura. Ainda segundo os
autores, em sistemas irrigados, o manejo inadequado da água pode gerar limitações
de falta de ar para as plantas, pelo excesso de aplicação de água, ou acelerar a
compactação, provocado pelo tráfego de máquinas em solos úmidos em estado de
maior susceptibilidade à compactação. Entre as partículas e agregados existem
espaços vazios, que surgiram devido ao arranjamento, distribuição e da orientação
das partículas do solo, que podem armazenar água e ar para o desenvolvimento do
sistema radicular das plantas e dos microrganismos.
O volume total de poros é denominado de porosidade total do solo (Pt). A Pt
do solo pode der dividida em microporosidade e macroporosidade. O espaço poroso
17
é determinado principalmente por sua textura e estrutura (Rossato, 2001). Solos
arenoso apresentam Pt reduzida, devido à tendência de as partículas
permanecerem em contato. Em solos de textura média, nos quais é comum a
ocorrência de agregados porosos e elevado teor de matéria orgânica, o espaço
poroso é abundante. O movimento livre do ar e da água ocorre por meio dos
macroporos. Por outro lado, nos microporos, o movimento do ar é dificultado,
enquanto que o da água ocorre principalmente pela capilaridade. Dessa forma,
apesar de os solos arenosos apresentarem reduzida porosidade total, o movimento
do ar e da água é rápido, em função da predominância de macroporos. Já em
textura fina, apesar de haver grande espaço poroso, o movimento dos gases e da
água é relativamente lento, devido à presença predominante de microporos(Klein et
al., 2006).
A distribuição do tamanho de poros afeta a capacidade de armazenamento e
o movimento da água no solo. Essa distribuição depende da textura e da estrutura e
pode ser obtida através da curva característica de água. Outro atributo importante a
ser considerado na avaliação da qualidade estrutural é a densidade (Ds). A Ds é
afetada por sistemas de manejo que alteram o espaço poroso, principalmente os
macroporos, influindo nas propriedades físico-hídricas, como a porosidade de
aeração, a retenção de águano solo, a disponibilidade dessa às plantas e a
resistência à penetração (Klein et al., 2006).
A ação antrópica tende a elevar a Ds na camada superficial, em função das
alterações que ocorrem na estrutura do solo. Em áreas sob sistema plantio direto,
esse efeito é mais evidente, pois o revolvimento do solo é mínimo, podendo ser
considerado uma consequência natural dessa técnica. De acordo com (Reichert et
al., 2009), um aumento na Ds não é necessariamente prejudicial às culturas, porque,
em certos limites, esse aumento pode contribuir para o armazenamento de água e
para a capacidade de suporte de carga do solo. No entanto, se a elevação da Ds
atingir níveis críticos, prejuízos começam a ocorrer na produtividade das culturas,
em função do surgimento da compactação do solo. Para a irrigação, a Ds possui
fundamental importância, pelo fato de possibilitar a transformação do conteúdo
gravimétrico de água no solo em altura de lâmina de irrigação, parâmetro básico
para o dimensionamento e manejo de sistemas de irrigação.
18
2.2. RETENÇÃO DE ÁGUA NO SOLO
A discussão a respeito do uso dos recursos naturais de forma sustentável tem
se tornado cada dia mais recorrente, por isso tem produzido pesquisas que
possibilitem utilizar de forma racional os recursos disponíveis. A água está entre os
principais recursos naturais mais utilizados, e entre eles provavelmente é mais
requeridona agricultura. A água no solo torna os estudos agronômicos muito
importantes, principalmente por causa da agricultura, afinal sem essa atividade a
civilização como conhecemos não é possível. Conhecer essaágua possibilita utilizar
com mais eficácia esse recurso, que por causa do ciclo da água da distribuição
irregular das chuvas tem se tornado cada vez mais irregular e, portanto,
problemático.
O solo é responsável pela disponibilidade de água às plantas, recarga do
lençol freático e cursos hídricos. A movimentação da água no solo é resultado da
interação dos atributos e características do solo, portanto, em todos os cultivos
agrícolas é necessário conhecer as características e atributos destes solos,visto que
cada ambiente possui suas características e peculiaridades, resultando disso
diferenças na capacidade de armazenamento e disponibilidade de água(Bortolini,
2016).
A complexidade dos sistemas que envolvem a disponibilidade de água pode
ser elucidada pelo trabalho de Lathuillière et al. (2014), no qual discute oconsumo de
água, nutrientes e carbono necessários para produção de grãos, como exposto na
Tabela 1. O volume de água requerido por quilogramas de grãos produzido é muito
alto (Tabela 1), esse resultado corroborando com os resultados apresentados no
trabalho de Bortolini (2016), que além dos outros insumos estima ser necessário
2.000 litros de águapara produzir 1 quilograma de soja em grãos. Essa elevada
demanda hídrica pode se tornar ainda maior para permitir que se alcance
produtividade elevadas, o que destaca a importância do uso racional deste recurso,
já que sua distribuição irregular não permite um uso irrestrito e indiscriminado, há
que se considerar o impacto gerado pela utilização de todos os outros insumos
necessários para a produção agrícola.
19
Tabela 1. Recursos utilizados para a produção de uma tonelada de soja em Mato
Grosso para os períodos de 2001-2005 e 2006-10: desmatamento,
carbono, água, fósforo e potássio.
PERÍODO DESMATAMENTO EMISSÃO DE C ÁGUA FÓSFORO (P) POTÁSSIO (K)
(m2 ton-1 ano-1) (ton CO2 -eq ano-1 ton-1) (m3 ano-1 ton-1) (kg ano-1 ton-1) (g ano-1 ton-1)
2001-2005 455 19,9 1.908 4 0,0042
2006-2010 97 4,6 1.908 6 1,1
Fonte: produção do próprio autor, adaptado deLathuillière et al. (2014)
Além do armazenamento de água, é importante que o solo seja capaz de
disponibilizar água armazenada às plantas, para que a demanda hídrica da cultura
seja atendida. Solos com alta capacidade de disponibilizar água as plantas como os
solos mais argilosos ou siltosos, possuem vantagem produtiva se comparada aos
solos com menor capacidade, principalmente em épocas de déficit hídrico, pois essa
maior capacidade de disponibilidade de água permitirá que a demanda hídrica das
plantas sejam atendidas por ummaior período (Da Costa et al., 2013).
Essa capacidade de armazenar e fornecer água à planta estárelacionada ao
estado energético da água no sistema solo-planta-atmosfera. O potencial de água
no solo ilustra o estado energético da água no solo, sendo este por sua vez
resultante de dois componentes principais: o potencial matricial (ψm),que tem origem
na adsorção e na capilaridade da matriz do solo, e o potencial gravitacional,
resultante da ação do campo gravitacional da Terra (Rossato, 2001).
Em solos com alta concentração salina, ou acúmulo de minerais provenientes
da adubação, o potencial osmótico também pode ser importante e somar-se aos
anteriores, resultando em potencial total mais negativo. Em geral, o potencial
gravitacional se evidencia quando a água está livre no solo, provocando a sua
descida por drenagem (percolação). O potencial matricial se acentua à medida que o
solo vai secando, tornando-se mais negativo, indicando que a água vai sendo retida
com maior energia pela matriz do solo (Klein, 2014).
Como o solo possui uma variedade de poros de diferentes formas e
diâmetros, o comportamento destes não será idêntico, sendo que há um
esvaziamento primeiro de poros de maiores diâmetros e depois de poros de
menores diâmetros, os quais retém a água com uma maior energia. A adsorção é
dependente da espessura do filme de água que recobre a superfície das partículas
20
do solo, sendo dependente, portanto das características específicas destas como a
área superficial específica (Klein, 2014).
2.3. CAPACIDADE DE CAMPO
O máximo volume de água que o solo pode comportar é expresso pela
umidade de saturação, também representado como volume total de poros, assim
descrita como porosidade total do solo. Uma vez saturado o solo, com o início do
secamento há a ação do potencial gravitacional (ψg) até que a umidade atinja a
capacidade de campo (θCC; ψm de -10 kPa em solos arenosos ou -33 kPa em solos
argilosos e francos),o que corresponde à umidade do solo retida em um perfil não
vegetado e coberto (sem efeito de evapotranspiração), após sua saturação com
água e drenagem por alguns dias, sendo equivalente a água retida em tensão maior
que a força da gravidade.
O potencial matricial ψm a ser considerado como θCC é discutível. O conceito
de capacidade de campo (θCC) provém de observações a campo de umidade do
solo, e se procurou relacioná-la com a drenagem natural do solo após ser saturado.
Sendo que o primeiro representaria a θCC em solos de textura arenosa, e mais
recentemente tem se considerado este ψm para latossolos, por sua estrutura
granular, e estes por possuírem maior heterogeneidade estrutural no perfil e
apresentarem condutividade hidráulica que decresce rapidamente e juntamente com
o fluxo de água, e o segundo em solos de textura argilosa e franca (Rossato, 2001).
Com a continuidade do secamento do solo chegará ao ponto de murcha
permanente (θPMP; ψm de -1.500 kPa), o qual corresponde a umidade do solo na qual
as plantas cultivadas murchame não conseguem se recuperar quando colocadas em
uma atmosfera aproximadamente saturada com vapor de água, sem a adição de
água no solo. Esses conceitos foram inicialmente definidos por Veihmeyer e
Hendrickson (1931).
A capacidade do solo em disponibilizar água às plantas se refere ao volume
de água disponível (AD), o qual é calculado pela diferença entre a θCC (ψm de -10 ou
-33 kPa) e o θPMP (-1500 kPa). A máxima produtividade de culturas é obtida em
potenciais iguais ou ligeiramente inferiores a θCC, mostrando a importância da
retenção de água no solo dentro da zona da água disponível. O volume de poros
que é responsável pela drenagem gravitacional da água no solo está entre o volume
21
total de poros e o volume de poros na θCC. O volume de água retida à ψm mais
negativo que o θPMPaté o solo seco é denominado de água indisponível às plantas
(Bortolini, 2016).
O potencial matricial ψm a ser considerado como θCC é discutível. O conceito
de capacidade de campo (θCC) provém de observações a campo de umidade do
solo, e se procurou relacioná-la com a drenagem natural do solo após ser saturado.
Por conta da dificuldade de ser mensurada a campo, e em laboratório haver maior
praticidade, para a θCC foram introduzidos de forma arbitrária os potenciais de -10 ou
-33 kPa para a sua determinação. Sendo que o primeiro representaria a θCC em
solos de textura arenosa, e mais recentemente tem se considerado este ψm para
latossolos, por sua estrutura granular, e estes por possuírem maior heterogeneidade
estrutural no perfil e apresentarem condutividade hidráulica que decresce
rapidamente e juntamente com o fluxo de água, e o segundo em solos de textura
argilosa e franca (Rossato, 2001).
Em condições de campo, a retenção da água após o solo ser saturado sofre a
influência de outros fatores do sistema, e não somente a ação da força gravitacional.
Fatores como drenagem, evapotranspiração, acréscimo de água ao sistema por
irrigaçãoe lâmina de água aplicada, chuva, orvalho, a estrutura ao longo do perfil,
textura e seu gradiente, condutividade hidráulica, umidade que o solo se encontrava
antes da saturação, entre outros fatores afetam a determinação da θCC(Ghorbani et
al., 2017).
2.4. PONTO DE MURCHA PERMANENTE
O θPMP leva em consideração a capacidade que a planta tem em extrair a
água retida ao solo e, se o volume de água de um solo ficar retido em potenciais
matriciais inferiores ao θPMP, a planta não teria condições de absorver a água. No
entanto o valor usual para a determinação doθPMP não leva em consideração o fato
que diferentes espécies vegetais possuem diferentes respostas a absorção da água
no solo e, portanto, cada uma terá um potencial matricial que seja o seu θPMP. Klein
(2014)encontraram θPMP de -0,25 a -0,35 MPa para soja e feijão. A curva de
retenção de água no solo pode estar associada a alguma propriedade do solo
(granulometria, estrutura, carbono orgânico, consistência, área superficial
específica), sendo o volume de água dependentes destas características.
22
Desta forma considera-se que a água retida a ψm menos negativo está
relacionada à estrutura do solo, e ao efeito da matéria orgânica no solo. A água
retida a ψm mais negativo está relacionada com a granulometria do solo,
principalmente o teor de argila, área superficial específica, e com os tipos de
argilominerais presentes (Gupta e Larson, 1979). Retratando os estudos evolutivos
do ponto de murcha permanente, relevou a ideia que o fenômeno depende de
fatores de solo (condutividade hidráulica, difusividade, relações entre umidade e
potencial), da planta (densidade das raízes, profundidade, taxa de crescimento das
raízes, fisiologia da raiz, área foliar) e da atmosfera (déficit de saturação, vento,
radiação disponível) (Reichardt e Timm, 2004).
2.5. PEDOFUNÇÕES
Dados referentes a propriedades hidráulicas do solo são muito importantes, e
vem sendo utilizadas em modelos matemáticos variados, hidrológicos e de solo, mas
a avaliação em laboratório, ou coletas dessas características hidráulicas do solo são
onerosas e demandam tempo, isso tornar inviável sua utilização sob alta demanda.
Como proposta para superar essas dificuldades, alguns pesquisadores propuseram
modelos para estimar de forma indireta a retenção de água no solo que são
conhecidos por equações ou funções de pedotransferência (Pachepsky e Rawls,
1999).
De forma aplicada se entende como equação de pedotransferência,
funções/modelos matemáticos com dados de propriedades do solo de fácil obtenção
e preferencialmente de baixo custo, para estimar de forma precisa outras
propriedades do solo de difícil obtenção. Desde então vários trabalhos que visam a
construção de funções de pedotransferência foram desenvolvidos. Dessa forma, as
funções de pedotransferência buscam suprir demandaspor dados e informações
importantes sobre as propriedades e características de solos e com uso importante
na modelagem de sistemas agrícolas e ecológicos. São várias as classificações
envolvendo funções de pedotransferência, dependendo da abordagem, tipos e
métodos para seu desenvolvimento.
Quanto ao uso Budiman et al. (2003) dividem as funções de
pedotransferência em duas abordagens, sendo uma estática e outra dinâmica. A
primeira visa estimar outras propriedades do solo; na segunda visa usá-las para
23
estimar outras propriedades do solo que são usadas como entrada em modelos de
simulação ou de suporte à decisão. Quanto ao tipo e quantidade de informações
disponíveis Wösten et al. (2001)classifica as funções de pedotransferência em dois
tipos: funções de pedotransferência de classe: são usadas para estimar
propriedades dentro de determinados grupos ou classes taxonômicas, texturais
entre outras.
Quando se trabalha com funções de pedotransferência para estimativa da
retenção de água, estas podem ser divididas em três tipos, conforme Budiman et al.
(2003):
• Pontuais: uma função empírica que visa estimar o conteúdo de
água num determinado potencial matricial. Os potenciais mais
frequentemente estimados são a θCC e θPMP.
• Paramétricas: esta é baseada na pressuposição que a relação
entre conteúdo de água e potencial matricial pode ser descrita
de forma adequada através de uma equação que tenha um
determinado número de parâmetros.
• Modelos físico-empíricos: nessa técnica a curva de retenção de
água no solo é derivada de propriedades físicas.
As regressões não lineares estendidas visam superar o problema de
interdependência entre os parâmetros dos modelos hidráulicos em funções de
pedotransferência paramétricas (Da Costa et al., 2013). Diante de tantos modelos
disponíveis de funções de pedotransferência, se deve tomar o cuidado de saber que
são distintos os resultados conseguidos através delas em função do conjunto de
dados a qual vai ser aplicada. (Da Costa et al. (2013))alerta quanto ao uso de
funções de pedotransferência construídas em outras regiões. Essas não devem ser
interpoladas ou extrapoladas além do material de origem ou do tipo de solo para o
qual elas foram desenvolvidas. Deve ser feita uma estratificação para estabelecer
separações das funções de pedotransferência baseadas no tipo de solo, e nas
informações de entrada dos modelos. Também deve ser realizada uma calibração
para ajustar propriedades medidas e disponíveis com aquelas exigidas como
variáveis preditoras, por causa das diferenças nos critérios e medidas das funções
de pedotransferência existentes.
24
3. MATERIAL E MÉTODOS
3.1. ÁREA DE ESTUDO
O presente estudo foi desenvolvido no estado de Mato Grosso, localizado na
região Centro-Oeste do Brasil, com área total de aproximadamente 93 milhões de
hectares (Ibge, 2015). O estado de Mato Grosso possui o clima característico, com
chuvas no verão e inverno seco(Machado et al., 2016). A partir de dados das
estações convencionais do INMET, Souza et al. (2013) também identificou os dois
períodos, sendo que as precipitações totais anuais variam de 1.200 a 2.000mm
dependendo dos pontos observados, os valores são mais elevados nas regiões
Norte e MédioNorte do Estado e nas regiões com altitudes próximas a800m.As
coordenadas 15º37’19,4”S e 55º10’29,6”W pertencem ao município de Campo
Verde, que possui altitude média de 735m. De acordo com a classificação de Nimer
(1979),o clima do local é o tropical quente e semiúmido, com temperatura variando
entre 18ºC e 24ºC, sendo a máxima de 34ºC, com quatro meses de seca, de maio a
agosto (Ibge, 2015).
As classes de solos que predominam no estado de Mato Grosso são
Latossolos, Argissolos e Neossolos, abrangendo, respectivamente, 41%, 25% e 13%
da área total do Estado(Seplan-Mt, 2003), portanto, considerando as principais
classes de solos que ocorrem no estado realizou-se a escolha dos solos para o
desenvolvimento do estudo.Ao todo foram coletadas 156 amostras indeformadas, as
regiões de coleta de amostras estão em destaque na Figura 1.Na Tabela 2 consta a
estatística descritiva do conjunto de amostras de solo, separadas por classe de solo,
essas informações foram utilizadas para o ajuste das pedofunções.
25
Figura 1. Localização geográfica dos pontos amostrados.
26
Tabela 2.Estatística descritiva das amostras, agrupadas pela classe de solo, que compõem o banco de dados utilizado para no
presente estudo.
Ds AT Silt Arg PT Mac Mic CO 33kPa 1.500kPa
ARGISSOLO
Média 1,1213 20,1258 35,1075 44,7667 0,5405 0,1909 0,3496 1,8667 0,3101 0,2213 Mediana 1,0652 18,5023 32,5977 48,9000 0,5681 0,1835 0,3505 1,5500 0,2996 0,2305 Desvio Padrão 0,1396 4,4349 6,1937 10,4241 0,0704 0,0653 0,0406 0,8884 0,0534 0,0440 Variância 0,0190 19,6680 38,3620 108,6610 0,0050 0,0040 0,0020 0,7890 0,0030 0,0020 Amplitude 0,3029 9,5286 13,1714 22,7000 0,1499 0,1553 0,0736 1,6900 0,1183 0,1020 Mínimo 1,0260 16,9850 31,0316 29,2833 0,4379 0,1208 0,3118 1,1800 0,2614 0,1610 Máximo 1,3288 26,5136 44,2030 51,9833 0,5878 0,2760 0,3854 2,8700 0,3797 0,2630
CAMBISSOLO
Média 1,4806 77,1640 6,0415 16,7944 0,3984 0,1346 0,2638 1,4317 0,1869 0,0933 Mediana 1,4641 77,0390 6,0591 16,5833 0,3943 0,1494 0,2441 1,2125 0,1855 0,0940 Desvio Padrão 0,0364 1,2737 0,3453 1,0987 0,0155 0,0263 0,0414 0,7836 0,0198 0,0040 Variância 0,0010 1,6220 0,1190 1,2070 0,0000 0,0010 0,0020 0,6948 0,0000 0,0000 Amplitude 0,0670 2,5381 0,6900 2,1667 0,0302 0,0459 0,0754 3,0032 0,0396 0,0080 Mínimo 1,4554 75,9575 5,6877 15,8167 0,3854 0,1042 0,2360 0,6458 0,1678 0,0890 Máximo 1,5224 78,4956 6,3777 17,9833 0,4155 0,1501 0,3113 3,6490 0,2075 0,0970
LATOSSOLO VERMELHO AMARELO
Média 1,1769 27,5304 18,7924 53,6772 0,5719 0,1388 0,4332 2,0779 0,3572 0,1631 Mediana 1,1398 21,0702 20,3068 56,2228 0,5833 0,1402 0,4487 1,8393 0,3698 0,1765 Desvio Padrão 0,1492 17,8093 7,5965 13,2965 0,0645 0,0461 0,0732 1,1405 0,0706 0,0404 Variância 0,0220 317,1710 57,7060 176,7960 0,0040 0,0020 0,0050 1,3010 0,0050 0,0020 Amplitude 0,7604 77,4326 31,7346 68,4646 0,3736 0,2031 0,3767 7,2952 0,3560 0,2160 Mínimo 0,8059 14,2684 2,3157 5,9833 0,3625 0,0425 0,1586 0,6400 0,0905 0,0400 Máximo 1,5663 91,7010 34,0503 74,4479 0,7362 0,2456 0,5353 7,9352 0,4465 0,2560
LATOSSOLO VERMELHO ESCURO
Média 1,1898 23,6021 25,3479 51,0500 0,5122 0,1349 0,3773 1,1083 0,3220 0,2333 Mediana 1,1926 22,8808 22,6025 54,5167 0,5194 0,1377 0,3817 0,8650 0,3256 0,2340 Desvio Padrão 0,0341 3,9889 7,0719 11,0170 0,0171 0,0401 0,0245 0,7502 0,0165 0,0120 Variância 0,0010 15,9120 50,0120 121,3730 0,0000 0,0020 0,0010 0,5630 0,0000 0,0000 Amplitude 0,0681 7,8794 13,3206 21,2000 0,0318 0,0801 0,0483 1,4400 0,0323 0,0240 Mínimo 1,1543 20,0231 20,0603 38,7167 0,4927 0,0934 0,3509 0,5100 0,3040 0,2210 Máximo 1,2224 27,9025 33,3808 59,9167 0,5245 0,1736 0,3992 1,9500 0,3364 0,2450
NEOSSOLO QUARTZARÊNICO
Média 1,5235 88,0928 1,7201 10,1871 0,4488 0,2964 0,1525 0,6740 0,1104 0,0256 Mediana 1,5387 87,9727 1,5853 10,3595 0,4512 0,2977 0,1457 0,5955 0,0997 0,0217 Desvio Padrão 0,0864 2,3479 1,0469 1,9790 0,0375 0,0419 0,0362 0,3552 0,0358 0,0144 Variância 0,0070 5,5130 1,0960 3,9170 0,0010 0,0020 0,0010 0,1260 0,0010 0,0000 Amplitude 0,3885 16,8792 4,6593 13,3467 0,1794 0,2171 0,2190 1,5878 0,1985 0,0662 Mínimo 1,2825 79,1580 0,0193 2,8167 0,3482 0,1608 0,0832 0,2530 0,0636 0,0118 Máximo 1,6710 96,0373 4,6786 16,1633 0,5276 0,3779 0,3021 1,8408 0,2621 0,0780
Fonte: produção do próprio autor; 1-Densidade do solo, expressa na unidade g cm-3; 2-Areia Total expressa em porcentagem %; 3-Silte, expresso em porcentagem %; 4-Argila, expressa em porcentagem; 5-PT-Porosidade Total, expressa em cm3 cm-3; 6-Macroporosidade, expressa em cm3 cm-3; 7-Microporosidade, expressa em cm3 cm-3; 8-Carbono Orgânico, expressa em dag Kg-1; 9-Pressão equivalente a θCC; 10-Pressão equivalente ao θPMP.
27
3.2. DETERMINAÇÃO DOS ATRIBUTOS DO SOLO
As informações utilizadas para o desenvolvimento do trabalho foram em um
de banco de dados da Programa de Pós-Graduação em Agricultura Tropical, para
formação deste banco de dados foram coletadas 156 amostras indeformadas, nas
profundidades de até 60 cm (0 a 10; 10 a 20; 20 a 30; 20 a 40; 35 a 45; e 40 a 60).
Coletaram-se amostras com estrutura preservada, com o auxílio de um extrator
conhecido como mostrador de kopeck. Para a determinação da microporosidade, da
densidade do solo (Ds), foram utilizadas as informações obtidas através das
análises dessas amostras indeformadas.
Para as análises granulométricas e de densidade de partículas (Dp), foram
coletadas amostras de solo com estrutura deformada, na porção mediana de cada
camada do perfil do solo. Determinações analíticas de textura, Dp, Ds e porosidade
foram realizadas conforme métodos descritos no manual de análises de solo da
conforme descrito por Donagema et al. (2011),considerando também informações
relevantes sugeridas por Ruiz (2005). Para a análise da textura do solo, utilizou-se o
método pipeta. A Dp foi obtida pelo método do balão volumétrico, e a Ds, pelo
método do anel volumétrico. Foi plotando os dados da análise granulométrica dos
solos estudados no triangulo textural (Figura 2), o conjunto de dados (utilizados na
avaliação/validação e ajuste das pedofunções) estão contempladas as seguintes
classes de textura do solo:muito argilosa, argilosa, média argilosa, areia, areia
franca, franco arenosa e média siltosa.
28
Figura 2.Classe textural das amostras usadas para geração e validação das funções
de pedotransferência.
No laboratório, as amostras de solo com estrutura preservada foram
saturadas durante 48 horas e depois pesadas. Posteriormente, as amostras
seguiram para a mesa de tensão, onde foram submetidas à tensão de 1 kPa por 48
horas e à tensão de 6 kPa por mais 48 horas(Reinert e Reichert, 2006). A
porosidade total (Pt) foi calculada a partir da Ds e Dp. A macroporosidade foi
calculada pela diferença entre a Pt e a Microporosidade. As amostras de solo, ainda
com estrutura preservada, seguiram para o aparelho extrator de água idealizado por
Richards (Klute, 1986), onde permaneceram por um período de 96 horas na tensão
de 33 kPa e outras 96 horas na tensão de 100 kPa, para a obtenção do conteúdo de
água do solo nos potenciais de -33 e -100 kPa, respectivamente. Depois disso, as
amostras foram colocadas na estufa a 105°C para secagem até massa constante.
O conteúdo de água das amostras de solo nos potenciais de -500, -1.000 e -
1.500 kPa foi analisado em amostras com estrutura alterada, por meio de
psicrometria, utilizando WP4 (Gubiani et al., 2014). A umidade volumétrica para
esses potenciais (-500, -1.000 e -1.500 kPa) foi obtida pela multiplicação das
29
respectivas umidades gravimétricas pela densidade do solo correspondente à
camada amostrada. Para essa avaliação, utilizaram-se de cinco a sete amostras de
solo com estrutura deformada, as quais foram secas ao ar, umedecidas com água
com uso de borrifador, pesadas e levadas até o WP4, onde se fez a leitura do
potencial em que a amostra se encontrava. Depois disso as amostras foram levadas
para a estufa para secagem até massa constante. A diferença entre as duas
pesagens correspondeu ao conteúdo de água do solo no potencial determinado pelo
WP4.
O teor de carbono total do banco de dados, foi determinado por meio da
massa do resíduo, resultante da combustão dos componentes orgânicos e oxidação
dos inorgânicos da amostra em forno mufla, sob rígido controle de massa,
temperatura (1350°C (±5°C)), tempo e atmosfera (40PSI), conforme manual do
equipamento LECO CHN 628 Séries S.
3.3. OBTENÇÃO DAS PEDOFUNÇÕES
O processo de obtenção das pedofunções foiconstituído em duas etapas:
primeira, avaliação de pedofunções obtidas para outras localidades; e segunda,
ajuste de pedofunção partir da presente base de dados, sendo que as pedofunções
desenvolvidas no presente estudo serão denominadas “ROSSETI”.As pedofunções
para estimativa dasumidades equivalentes à capacidade de campo (θCC)e ao ponto
de murcha permanente(θPMP) desenvolvidas para outras localidades com variações
granulométricas similares àquelas encontradas nas amostras de solo do presente
estudo que foram avaliadas, e estão apresentadas nas tabelas Tabela 3 e Tabela 4.
Para o ajuste de novas pedofunçõesse utilizou do método de regressão linear
múltipla passo a passo (StepWise) com auxílio do Programa SPSS. Esse método
inclui no modelo apenas as variáveis independentes que contribuem
significativamente para a descrição de uma variável dependente.Para essa etapa de
ajuste, 80% (124 amostras) das informações/dados foram utilizadas na análise de
regressão (StepWise) e 20% (32 amostras) das informações/dados foram utilizadas
para validação dos modelos ajustados.
No procedimento de regressão StepWise utilizado foram inseridas como
variáveis independentes os seguintes atributos do solo: densidade do solo (m3m-3),
conteúdo de areia total (%), conteúdo de silte (%), conteúdo de argila (%),
30
porosidade total (m3m-3), microporosidade (m3m-3), macroporosidade (m3m-3),
carbono orgânico total (%). A umidade equivalente a capacidade de campo (-33 kPa)
e a umidade equivalente ao ponto de murcha permanente (-1.500 kPa) foram
inseridas como variáveis dependentes.
Para avaliar o desempenho das pedofunções na estimativa das umidades
equivalentes à capacidade de campo (θCC) e ao ponto de murcha permanente (θPMP)
no processo de validação, tanto das pedofunçõesajustadas para outras localidade
quanto das pedofunções ajustadas no presente estudo,foram utilizados os seguintes
parâmetros estatísticos: índice de concordância de Willmott (d), raiz quadrada do
erro médio (RMSE), coeficiente de correlação Spearman (r)e índice de confiança (c),
apresentados respectivamente nas equações (1), (2),
(3) e (4). Estesmensuram a precisão entre os valores de umidade estimados
pelas pedofunções e os valores de umidade observados em laboratório.
d=1- ∑ (𝐸𝑖 - 𝑂𝑖)
2ni=1
∑ (|𝐸𝑖 − �̅�| + |𝑂𝑖 − �̅�|)2ni=1
(1)
Em que: d, é o índice de concordância de Willmott; E, o valor estimado; e O, o valor
observado.O índice de concordância de Willmott expressa a dispersão dos dados
estimados em relação ao aos dados observados.
RMSE=√∑ (𝑂𝑖 - 𝐸𝑖)
2ni=1
n
(2)
Um que:E, o valor estimado; e O, o valor observado, RMSE, é a raiz quadrada do
erro médio; e n, o número total de pares de valores observados e estimados.
𝑟 = 1 −6∑ 𝑑2n
i=j
𝑛(𝑛2 − 1)
(3)
31
Em que: r, é o coeficiente de correlação de Spearman; d, é a diferença entre
ordenações e n, o número de pares de ordenações.
𝑐 = 𝑟 × 𝑑
(4)
Em que: c, é o índice de confiança; r é o coeficiente de correlação; e d, o índice de
concordância de Willmott.
32
4. RESULTADOS E DISCUSSÕES
As pedofunções apresentadas nas tabelas Tabela 3 e Tabela 4 para
estimativa das umidades equivalentes à capacidade de campo (θCC) e ao ponto de
murcha permanente (θPMP) foram ajustadas para outros bancos de dados, porém, a
escolha destas funções levou em consideração os tipos de solos que integram os
bancos de dos para que houve uma relação de causa e efeito entre a correlação dos
dados estimados e medidos em laboratório, também apresentavam em sua
composição dados com variações granulométricas similares àquelas encontradas
nas amostras de solo do presente estudo que foram avaliadas.
Tabela 3. Funções de pedotransferência para capacidade de campo (-33 kPa)
obtidas na literatura.
AUTOR EQUAÇÃO R²
Lal (1978) CC = 0,334 – 0,003 AT 0,65
Giarola et al. (2002) CC = 0,081 + 0,005 Si + 0,004 Arg 0,79
Urach (2007) CC = 0,643 - 0,000238 AT - 0,26767 Ds 0,68
Nascimento et al. (2010) CC = 0,0409 + 0,000377 Arg + 0,000108 Si 0,69
De Souza et al. (2014) CC = 0,08595 + 0,006102 Map 0,61
CC = 0,15839 + 0,00031 Arg – 0,00240 Mic 0,86
AT: areia total (%); Si: silte (%); Arg: argila (%); Ds: densidade do solo (g cm -3); Map:
macroporosidade (cm3 cm-3); Mic: microporosidade (cm3 cm-3).
Tabela 4. Funções de pedotransferência para ponto de murcha permanente (-1.500
kPa) obtidas da literatura.
AUTOR EQUAÇÃO R²
Lal (1978) θPMP = 0,247 – 0,003 AT 0,69
Giarola et al. (2002) θPMP = –0,031 + 0,005 Si + 0,003 Arg 0,81
Urach (2007) θPMP = 0.462 - 0,00022 AT - 0,000074 Si - 0,1838 Ds 0,77
Nascimento et al. (2010) θPMP = 0,0221 + 0,000288 Arg 0,76
De Souza et al. (2014) θPMP = 0,0591 + 0,00646 Map 0,59
θPMP = 0,13636 + 0,00028Arg – 0,00244 Mic 0,89
AT: areia total (%); Si: silte (%); Arg: argila (%); Ds: densidade do solo (g cm -3); Map:
macroporosidade (cm3 cm-3); Mic: microporosidade (cm3 cm-3).
33
Na Tabela 5, consta a matriz de correlação entre θCC, θPMP e as variáveis de
entrada, utilizadas para geração dos modelos (densidade do solo, Ds; areia total,
AT; silte, Silt; argila, Arg; porosidade total, PT; macroporosidade,
Mac;microporosidade, Mic; carbono orgânico total, COT).As variáveis que
apresentaram maiores correlações com θCC foram microporosidade, areia total,
argila, carbono orgânico total e microporosidade. Embora todos os coeficientes de
correlação tenham sido significativos a 1%, tanto para θPMP quanto para θCC, os
maiores valores são observadoscomas variáveis microporosidade, areia total e argila
(Tabela 5).
Na Tabela 6 constam, respectivamente, as pedofunções para estimativa de
θCC e θPMP dos modelos denominados ROSSETI 1 e ROSSETI 2, assim como seus
parâmetros, significâncias dos parâmetros e coeficientes de determinação. O
modelo ROSSETI 1 foi elaborado utilizando como variáveis independentes apenas
atributos considerados de fácil obtenção e o modelo ROSSETI 2 todos os atributos
de solo analisados, contidos na Tabela 5.
Na pedofunção ROSSETI 1, ajustada para θPMP, as variáveis que integraram
o modelo foram justamente aquelas com maiores correlações. O mesmo
comportamento não é observado analisando a pedofunção ajustada para θCC
(Tabela 6). A ausência da variável microporosidade na função elaborada para θCC foi
proposital, pois o objetivo inicial com o presente estudo foi utilizar parâmetros de
fácil obtenção para estimativa de θCC e θPMP. A inclusão da microporosidade como
um dos parâmetros do modelo tornaria mais complexa a rotina de análises para a
estimativa de θCC, fugindo dos princípios de uma pedofunção.
Para a pedofunção ROSSETI 2, ajustada para θpmp (Tabela 6), as variáveis
que compuseram o modelo foram justamente aquelas com maiores correlações,
incluindo a microporosidade, o que a distingue da pedofunção ROSSETI 1. O
mesmo comportamento é observado a pedofunção ajustada para θCC(Tabela 6).A
microporosidade na função elaborada para θCC foi papel fundamental para explica a
relação de causa e efeito entre a correlação desses atributos do solo e a capacidade
de armazenamento de água. Microporosidade não é um atributo de fácil obtenção,
quando consideramos a condição dos produtores rurais, mas para pesquisadores
não é caro obter essa informação e o ajuste considerando a microporosidade é
melhor.
34
Tabela 5.Coeficiente e respectivas significância da correlação entre as variáveis
dependentes (capacidade de campo e ponto de murcha permanente) e
aquelas variáveis independentes consideradas no presente estudo
(avaliação, ajuste e validação).
Ds AT Silt Arg PT Mac Mic COT
CC
r -0,877** -0,955** 0,843** 0,953** 0,840** -0,866** 0,989** 0,745**
Sig. 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
N 124 124 124 124 124 124 124 120
PMP
r -0,876** -0,963** 0,916** 0,928** 0,755** -0,794** 0,898** 0,654**
Sig. 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
N 124 124 124 124 124 124 124 120
** correlação significativa à 1% de probabilidade; r: coeficiente de correlação de Spearman; Sig:
significância da correlação; N: número de amostras; Ds: densidade do solo (m3 m-3); AT: areia total
(%); Silt: silte (%); Arg: argila (%); PT: porosidade total (m3 m-3); Mac: macroporosidade (m3 m-3); Mic:
microporosidade (m3 m-3); COT: carbono orgânico total (%).
Tabela 6.Variáveis preditoras (atributos do solo), coeficientes, significância e
coeficientes de determinação (R2) dos modelos gerados para estimar a
capacidade de campo (θCC) e ponto de murcha permanente (θPMP).
Var. Dep. Var. Indep. Coeficientes Prob. R2
CC (33 kPa) ROSSETI 1
Intercepto 0,264 0,000
0,939 AT -0,002 0,000
COT 0,024 0,000
Arg 0,002 0,023
PMP (-1.500 kPa) ROSSETI 1
Intercepto 0,386 0,000
0,942 AT -0,004 0,000
Arg -0,002 0,000
CC (33 kPa) ROSSETI 2
Intercepto 0,057 0,005
0,982 MIC 0,743 0,000
AT -0,001 0,000
PMP (-1.500 kPa) ROSSETI 2
Intercepto 0,568 0,000
0,952
AT -0,003 0,000
Arg -0,001 0,002
PT -0,281 0,000
Ds -0,069 0,003
CO 0,005 0,042 R2: coeficiente de determinação; MIC: microporosidade (cm3 cm-3); PT: porosidade total (cm3 cm-3);
AT: areia total (%);Arg: argila (%); CO: carbono orgânico (%); Ds: densidade do solo (g cm-3); θCC:
capacidade de campo (m3m-3); θPMP: ponto de murcha permanente (m3m-3).
A alta correlação entre a variável dependente θCCe as variáveis
independentes areia total, argila e COT, assim como a inclusão dessas nas
pedofunções, podem ser justificadas devido a influência destas variáveis na
estruturação dos solos. De acordo comRawls et al. (1991), a água retida no solo sob
baixos potenciais matriciais é intimamente relacionada à presença de capilares e ao
35
arranjamento de partículas, os quais sabidamente variam em função da textura e
conteúdo de carbono orgânico no solo. Conforme o solo seca, a retenção de água
deixa de depender da sua estruturação e passa a ser mais relacionada a sua matriz,
expressa pela granulometria, mineralogia e superfície especifica para adsorção de
água (Gupta e Larson, 1979; Machado et al., 2008; Carducci et al., 2011), o que
explica as altas correlações e inclusão de areia total e argila na pedofunção obtida
para θPMP.
Figura 3são apresentados, respectivamente, gráficos de dispersão entre os
valores de θCC e θPMP observados e estimados a partir dos modelos gerados no
presente estudo e obtidosna literatura, além dos índices para avaliação das
estimativas dos modelos (coeficiente de correlação, r; índice de concordância de
Willmott, d; raiz quadrado do erro médio, RMSE; e índice de confiança, c).
36
θC
C -
ES
TIM
AD
O
θCC - OBSERVADO
Figura 3Gráficos de dispersão dos valores de θCC observados em laboratórios e aqueles obtidos a partir das pedofunçõese avaliações
(coeficiente de correlação, r; índice de concordância de Willmott, d; raiz quadrado do erro médio, RMSE; e índice de confiança, c).
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,20 0,40 0,60
ROSSETI 1 CC
0,00
0,10
0,20
0,30
0,40
0,50
0 , 0 0 0 , 2 0 0 , 4 0 0 , 6 0
ROSSETI 2 CC
r = 0,916
d = 0,989
RMSE = 0,028
c = 0,906
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,20 0,40 0,60
LAL (1979) CC
r = 0,748d = 0,865
RMSE = 0,090c = 0,646
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,20 0,40 0,60
SOUZA et al. (2014) Rev. CC
r = 0,747d = 0,430
RMSE = 0,142c = 0,321
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,20 0,40 0,60
SOUZA et al. (2014) N. Rev. CC
r = -0,773d = 0,481
RMSE = 0,191c = 0,372
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,20 0,40 0,60
URACH et al. (2007) CC
r = 0,809d = 0,767
RMSE = 0,100c = 0,620
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,20 0,40 0,60
NASCIMENTO et al. (2010) CC
r = 0,765d = 0,430
RMSE = 0,211c = 0,385
0,00
0,10
0,20
0,30
0,40
0,50
0,00 0,20 0,40 0,60
GIAROLA et al. (2002) CC
r = 0,724d = 0,949
RMSE = 0,063c = 0,686
r = 0,845
d = 0,973
RMSE = 0,042
c = 0,822
37
θP
MP -
ES
TIM
AD
O
θPMP - OBSERVADO
Figura 4.Gráficos de dispersão dos valores de θPMP observados em laboratórios e aqueles obtidos a partir das pedofunções e avaliações
(coeficiente de correlação, r; índice de concordância de Willmott, d; raiz quadrado do erro médio, RMSE; e índice de confiança, c).
0,00
0,10
0,20
0,30
0,00 0,05 0,10 0,15 0,20 0,25
ROSSETI 1 PMP
r = 0,740d = 0,989
RMSE = 0,019c = 0,731
0,00
0,10
0,20
0,30
0 , 0 0 0 , 0 5 0 , 1 0 0 , 1 5 0 , 2 0 0 , 2 5
0,00
0,10
0,20
0,30
0,00 0,05 0,10 0,15 0,20 0,25
LAL (1979) PMP
r = 0,732d = 0,953
RMSE = 0,039c = 0,697
0,00
0,10
0,20
0,30
0,00 0,05 0,10 0,15 0,20 0,25
SOUZA et al. (2014) Rev. PMP
r = 0,674d = 0,525
RMSE = 0,088c = 0,353
0,00
0,10
0,20
0,30
0,00 0,05 0,10 0,15 0,20 0,25
SOUZA et al. (2014) N. Rev. PMP
r = -0,845d = 0,391
RMSE = 0,083c = 0,330
0,00
0,10
0,20
0,30
0,00 0,05 0,10 0,15 0,20 0,25
URACH et al. (2007) PMP
r = 0,701d = 0,610
RMSE = 0,120c = 0,427
0,00
0,10
0,20
0,30
0,00 0,05 0,10 0,15 0,20 0,25
NASCIMENTO et al. (2010) PMP
r = 0,679d = 0,527
RMSE = 0,094c = 0,358
0,00
0,10
0,20
0,30
0,00 0,05 0,10 0,15 0,20 0,25
GIAROLA et al. (2002) PMP
r = 0,742d = 0,934
RMSE = 0,051c = 0,693
r = 0,850 d = 0,934
RMSE = 0,041 c = 0,840
ROSSETI 2 PMP
38
Analisando os gráficos e os índices de avaliação apresentados nas Figura
3eFigura 4, observa-se para a θCC que aspedofunçõesajustadasno presente estudo,
apresentaram melhores resultados, baseado no índice de concordância de Willmott
e RMSE, seguida das funções elaboradas em Giarola et al. (2002), Lal (1978)e
Urach (2007). As demais pedofunções citadas no trabalho apresentaram índice de
concordância de Willmott inferior a 0,5.
Avaliando o desempenho das pedofunções do presente quanto às estimativas
do θPMP, baseado no índice de concordância de Willmott e RMSE, também se
observa que melhor desempenho para as pedofunções ajustados no presente
estudo. Em sequência encontram-se, respectivamente, pedofunções os ajustadas
em Lal (1978), Giarola et al. (2002) e Urach (2007). Os demais modelos
apresentaram índices de concordância de Willmott sempre inferiores à 0,55.
O coeficiente de correlação e o índice de concordância não foram pertinentes
para avaliação do conjunto de dados utilizados para validação das pedofunções do
presente estudo, uma vez que não se observa uma dispersão continua entre dados
observados e estimados. Este comportamento pode ser facilmente visualizado no
gráfico de dispersão de θPMP elaborado para a pedofunção de Giarola et al. (2002),
apresentado nasFigura 6.
Para as estimativas de θCCutilizando pedofunções ajustadas no presente
estudo foi constatada amplitude de erro de -0,16 a 0,09. Para θPMP esta amplitude foi
ainda menor (-0,04 a 0,04). Para as estimativas dos modelos de Lal (1978), Urach
(2007) e Giarola et al. (2002) as magnitudes de erro foram de -0,27 a 0,1, -0,12 a
0,16 e -0,13 a 0,12, para θCC e -0,08 a 0,02, -0,02 a 0,19 e -0,05 a 0,10 para θPMP,
respectivamente (Figura 6).
De maneira geral, conclui-se que os modelos com desempenho mais
próximos ao desenvolvido neste estudo foram os ajustadosem Lal (1978), Giarola et
al. (2002) e Urach (2007), tanto para a variável θCCcomo para a variável θPMP. No
entanto, para ambas as variáveis, as pedofunções ajustadas no presente estudo se
mostraram superiores quando comparado aos desempenhos observados para as
demais funções. Em concordância com as afirmações anteriores, observa-se que
modelos elaborados para condições mais especificas e, consequentemente, menos
abrangentes, apresentaram sempre um desempenho superior aos demais, assim
como observado em Nascimento et al. (2010) e De Souza et al. (2014).
39
ER
RO
OBSERVADO
Figura 5. Erros das estimativas paraθCC a partirdas pedofunçõesajustadas no presente estudo e obtidos da literatura, em
comparação com os valores determinados pelo método padrão.
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0 , 0 0 0 , 2 0 0 , 4 0 0 , 6 0
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0 , 0 0 0 , 2 0 0 , 4 0 0 , 6 0
ROSSETI 2 CC
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0 , 0 0 0 , 2 0 0 , 4 0 0 , 6 0
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0,00 0,20 0,40 0,60
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0,00 0,20 0,40 0,60
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0,00 0,20 0,40 0,60
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0,00 0,20 0,40 0,60
-0,45
-0,35
-0,25
-0,15
-0,05
0,05
0,15
0,00 0,20 0,40 0,60
ROSSETI 1 CC
LAL (1979) CC SOUZA el al. (2014) Rev. CC SOUZA el al. (2014) N. Rev. CC
URACH (2007) CC NASCIMENTO et al. (2010) CC
GIAROLA el al. (2002) CC
40
ER
RO
OBSERVADO
Figura 6.Erros das estimativas para θPMP a partir das pedofunções ajustadas no presente estudo e obtidos da literatura, em
comparação com os valores determinados pelo método padrão.
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
0,20
0,00 0,05 0,10 0,15 0,20 0,25
ROSSETI 1 PMP ROSSETI 2 PMP
LAL (1979) PMP SOUZA el al. (2014) Rev. PMP SOUZA el al. (2014) N. Rev. PMP
URACH (2007) PMP NASCIMENTO et al. (2010) PMP
GIAROLA el al. (2002) PMP
41
Observando os índices de avaliação para as pedofunções utilizadas para a
estimativa de θCCe θPMP, pode-se afirmar que a extrapolação de modelos específicos
não é uma boa alternativa quando se busca resultados precisos. Essa afirmativa
corrobora com ostrabalhos de Dashtaki et al. (2010) e Dashtaki et al. (2010). Porém,
este mesmo autor constatou desempenho razoável de pedofunções ajustadas para
outras condições ao aplica-las em sua área de estudo.
Com base nos desempenhos das pedofunçõesajustadas no presente estudo,
estas podem ser indicadas caso exista a necessidade de estimar θCC θPMPem
regiões do estado de Mato Grosso. Para o desenvolvimento de futuros estudo de
ajuste de pedofunções o presente estudo pode ser utilizado para estimar θCC e θPMPe
avaliar seu desempenho em extrapolação
42
5. CONCLUSÕES
As variáveis que melhor explicam as variações de capacidade de campo são
microporosidade, argila e carbono orgânico total, para ponto de murcha permanente
destacam-se a microporosidade, argila e carbono orgânico total.
As funções de pedotransferência elaboradas para outras localidades
apresentam desempenho inferior a funções elaboradas especificamente para a
região sul do estado de Mato Grosso.
As funções de pedotransferência apresentadas nesse trabalho permite
estimar, com precisão, conteúdos de água equivalentes à capacidade de campo e
ao ponto de murcha permanente para os solos da região sul do estado de Mato
Grosso.
43
6. REFERÊNCIAS BIBLIOGRÁFICAS
ARYA, L. M.; PARIS, J. F. PHYSICOEMPIRICAL MODEL TO PREDICT THE SOIL MOISTURE CHARACTERISTIC FROM PARTICLE-SIZE DISTRIBUTION AND BULK DENSITY DATA. Soil Science Society of America Journal, v. 45, n. 6, p. 1023-1030, 1981. ISSN 03615995 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0019637377&partnerID=40&md5=5f2a4034452a49fa26f688bf8d20dbb1>.
BORTOLINI, D. Estimativa da retenção e disponibilidade de água nos solos do Estado de Santa Catarina. 2016. 211p Centro de Ciências Agroveterinárias, Universidade do Estado de Santa Catarina - UDESC, Biblioteca Setorial do CAV/UDESC.
BRONICK, C. J.; LAL, R. Soil structure and management: A review. Geoderma, v. 124, n. 1-2, p. 3-22, 2005. ISSN 00167061 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-9344256654&doi=10.1016%2fj.geoderma.2004.03.005&partnerID=40&md5=b91a5115d4c0a17bb2abd2fa702ba2af>.
BUDIMAN, M. et al. Revisão sobre funções de pedotransferência (PTFs) e novos métodos de predição de classes e atributos do solo. Embrapa Solos, 2003.
CARDUCCI, C. E. et al. Modeling the water retention curve in oxisols using the double van genuchten equation. Revista Brasileira de Ciencia do Solo, v. 35, n. 1, p. 77-86, 2011. ISSN 01000683 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-79955709677&partnerID=40&md5=bd9613b8cde5f695796836322227d483>.
DA COSTA, A. et al. Pedotransfer functions to estimate retention and availability of water in soils of the state of Santa Catarina, Brazil. Revista Brasileira de Ciencia do Solo, v. 37, n. 4, p. 889-910, 2013. ISSN 01000683 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-84884782128&doi=10.1590%2fS0100-06832013000400007&partnerID=40&md5=8f60dba78e871458704a3dc65502786e>.
DASHTAKI, S. G.; HOMAEE, M.; KHODAVERDILOO, H. Derivation and validation of pedotransfer functions for estimating soil water retention curve using a variety of soil data. Soil Use and Management, v. 26, n. 1, p. 68-74, 2010. ISSN 02660032 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-77950126817&doi=10.1111%2fj.1475-2743.2009.00254.x&partnerID=40&md5=338a40f11da2dd472fa6305b16e49aa6>.
DE SOUZA, J. M. et al. Pedotransfer functions for water retention and hydraulic conductivity in soil under subsoiling. Revista Brasileirade Ciencias Agrarias, v. 9, n. 4, p. 606-613, 2014. ISSN 19811160 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-84920364398&doi=10.5039%2fagraria.v9i4a3732&partnerID=40&md5=642a2b58994c62866f9379dfc69aa162>.
DONAGEMA, G. K. et al. Manual de métodos de análise de solo. Embrapa Solos-Documentos (INFOTECA-E). MATTOS, J. S. R.: 230 p. p. 2011.
44
DOS SANTOS BRITO, A. et al. Estimativa da capacidade de campo pela curva de retenção e pela densidade de fluxo da água. Revista Brasileira de Ciência do Solo, v. 35, n. 6, 2011. ISSN 0100-0683.
GHORBANI, M. A. et al. Application of firefly algorithm-based support vector machines for prediction of field capacity and permanent wilting point. Soil and Tillage Research, v. 172, p. 32-38, 2017. ISSN 01671987 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-85019152630&doi=10.1016%2fj.still.2017.04.009&partnerID=40&md5=0a524346e0a888f9e5740b8c5cd62dfc>.
GIAROLA, N. F. B.; SILVA, A. P.; IMHOHH, S. Relações entre propriedades físicas e características de solos da região Sul do Brasil. Revista Brasileira de Ciência do Solo, v. 26, n. 4, p. 885-893, 2002. ISSN 0100-0683.
GIRARDELLO, V. C. et al. Soil penetration resistance, Efficiency of mechanical chisel plowing and soybean grain yield in a clayey oxisol under long-term no-till. Revista Brasileira de Ciencia do Solo, v. 38, n. 4, p. 1234-1244, 2014. ISSN 01000683 (ISSN). Disponível em: <http://www.scopus.com/inward/record.url?eid=2-s2.0-84923375679&partnerID=40&md5=7affc12e355d463a372652ecec4e614b>.
GIVI, J.; PRASHER, S. O.; PATEL, R. M. Evaluation of pedotransfer functions in predicting the soil water contents at field capacity and wilting point. Agricultural Water Management, v. 70, n. 2, p. 83-96, 2004/11/25/ 2004. ISSN 0378-3774. Disponível em: <http://www.sciencedirect.com/science/article/pii/S0378377404001891>.
GUBIANI, P. I.; REICHERT, J. M.; REINERT, D. J. Interaction between water availability and soil compaction on common bean growth and yield. Revista Brasileira de Ciencia do Solo, v. 38, n. 3, p. 765-773, 2014. ISSN 01000683 (ISSN). Disponível em: <http://www.scopus.com/inward/record.url?eid=2-s2.0-84905166314&partnerID=40&md5=fa0862376bf6dfdd63a32bca58fa38d2>.
GUPTA, S. C.; LARSON, W. E. Estimating soil water retention characteristics from particle size distribution, organic matter percent, and bulk density. Water Resources Research, v. 15, n. 6, p. 1633-1635, 1979. ISSN 00431397 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0018675429&doi=10.1029%2fWR015i006p01633&partnerID=40&md5=172dd658dbab0cae7276d384f0d02bd7>.
IBGE. Unidades da Federação, Mato Grosso. Panorama nacional, Instituto Brasileiro de Geografia e Estatística - IBGE, 2015. Disponível em: <http://www.ibge.gov.br/estadosat/perfil.php?sigla=mt>. Acesso em: 10/09/2017.
KLEIN, V. A. Física do solo. Passo Fundo: UPF Editora, 2014. 263 ISBN 978-85-7515-832-6.
KLEIN, V. A.; REICHERT, J. M.; REINERT, D. J. Available water in a clayey Oxisol and physiological wilting of crops. Revista Brasileira de Engenharia Agricola e Ambiental, v. 10, n. 3, p. 646-650, 2006.
45
ISSN 14154366 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-33846996377&doi=10.1590%2fS1415-43662006000300016&partnerID=40&md5=f4fd41b65ca22717e1494585ef79a61c>.
KLUTE, A. Water retention: laboratory methods. Soil Science Society of America, 1986. ISBN 0891188649.
LAL, R. Physical properties and moisture retention characteristics of some nigerian soils. Geoderma, v. 21, n. 3, p. 209-223, 1978. ISSN 00167061 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-49349120942&doi=10.1016%2f0016-7061%2878%2990028-9&partnerID=40&md5=af05abcc0c18c598d41ecc036026128d>.
LATHUILLIÈRE, M. J. et al. Environmental footprints show China and Europe's evolving resource appropriation for soybean production in Mato Grosso, Brazil. Environmental Research Letters, v. 9, n. 7, 2014. ISSN 17489326 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-84905190889&doi=10.1088%2f1748-9326%2f9%2f7%2f074001&partnerID=40&md5=125eed503f635167c058feed16a30c6a>.
LATORRACA, D.; OZAKI, P.; OLIVEIRA, A. C. S. Projeções do Agronegócio em Mato Grosso para 2025. Instituo Mato-Grossense de Economia Agropecuária - IMEA. IMEA - SENAR, p.46p. 2016
LIPIEC, J.; HATANO, R. Quantification of compaction effects on soil physical properties and crop growth. Geoderma, v. 116, n. 1-2, p. 107-136, 2003. ISSN 00167061 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0038267532&doi=10.1016%2fS0016-7061%2803%2900097-1&partnerID=40&md5=0b468805b84052d6e00a1c5d60bacc4d>.
MACHADO, J. L. et al. Inter-relações entre as propriedades físicas e os coeficientes da curva de retenção de água de um Latossolo sob diferentes sistemas de uso. Revista Brasileira de Ciência do Solo, v. 32, n. 2, 2008. ISSN 0100-0683.
MACHADO, N. G. et al. Seasonality of energy balance and evapotranspiration in a flooded scrubland in the pantanal of mato grosso. Revista Brasileira de Meteorologia, v. 31, n. 1, p. 82-91, 2016. ISSN 01027786 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-84962436307&doi=10.1590%2f0102-778620140164&partnerID=40&md5=d052876a38a01e544562cdc55d1a70af>.
MCBRATNEY, A. B. et al. From pedotransfer functions to soil inference systems. Geoderma, v. 109, n. 1-2, p. 41-73, 2002. ISSN 00167061 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0036062697&doi=10.1016%2fS0016-7061%2802%2900139-8&partnerID=40&md5=29ff7b9f1a54dc479fd1e069d3f398a7>.
MEYER, P. D.; GEE, G. W. Flux-based estimation of field capacity. Journal of Geotechnical and Geoenvironmental Engineering, Reston, VA, United States, v. 125, n. 7, p. 595-599, 1999. ISSN 10900241 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0032764232&doi=10.1061%2f%28ASCE%291090-
46
0241%281999%29125%3a7%28595%29&partnerID=40&md5=9e3aa23025450b2c2efaf0de7db61bf7>.
NASCIMENTO, G. B. D. et al. Pedotransfer functions for predicting water content in Oxisols and Ultisols from Brazil. Revista Brasileira de Ciências Agrárias (Agrária), Recife, v. 5, n. 4, p. 560-569, 2010. ISSN 1981-1160.
NIMER, E. Um modelo metodológico de classificação de climas. Revista Brasileira de Geografia (IBGE), Rio de Janeiro, v. 41, n. 4, p. 59-89, 1979. Disponível em: < https://biblioteca.ibge.gov.br/visualizacao/periodicos/115/rbg_1979_v41_n4.pdf >.
OECD/FAO. OECD-FAO Agricultural Outlook 2015. OECD Publishing, 2015. Disponível em: < /content/book/agr_outlook-2015-en
http://dx.doi.org/10.1787/agr_outlook-2015-en>.
PACHEPSKY, Y. A.; RAWLS, W. J. Accuracy and reliability of pedotransfer functions as affected by grouping soils. Soil Science Society of America Journal, Madison, WI, United States, v. 63, n. 6, p. 1748-1757, 1999. ISSN 03615995 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0033500743&partnerID=40&md5=c4ba345ac3f670b9faa22a8ce2a29f4e>.
RAWLS, W. J.; GISH, T. J.; BRAKENSIEK, D. L. Estimating soil water retention from soil physical properties and characteristics. Adv. Soil Sci, v. 16, p. 213-234, 1991.
REICHARDT, K. Aspects of soil physics in Brazil. Soil Technology, v. 1, n. 1, p. 93-94, 1988. ISSN 09333630 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-45549117365&doi=10.1016%2fS0933-3630%2888%2980009-6&partnerID=40&md5=b47bb98580b01c1dfc11ae4cf63a7ac9>.
REICHARDT, K.; TIMM, L. C. Solo, planta e atmosfera: conceitos, processos e aplicações. Manole São Paulo, 2004. 478p ISBN 8520417736.
REICHERT, J. M. et al. Estimation of water retention and availability in soils of Rio Grande do Sul. Revista Brasileira de Ciencia do Solo, v. 33, n. 6, p. 1547-1560, 2009. ISSN 01000683 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-77952863633&partnerID=40&md5=cc5e8fc8d6449739e7c83eaa6ab7f8d9>.
REINERT, D. J.; REICHERT, J. M. Use of sand column to measure soil water retention - Prototypes and test. Ciencia Rural, v. 36, n. 6, p. 1931-1935, 2006. ISSN 01038478 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-33845401687&partnerID=40&md5=b8abbf79069c45e7da2f8ee00b1f1803>.
ROSSATO, L. Estimativa da capacidade de armazenamento de água no solo do Brasil. 2001. 145p Instituto de Meteorologia, INPE - Instituto Nacional de Pesquisa Espaciais, São José dos Campos.
47
RUIZ, H.; FERREIRA, G.; PEREIRA, J. Estimativa da capacidade de campo de Latossolos e Neossolos Quartzarênicos pela determinação do equivalente de umidade. Revista Brasileira de Ciência do Solo, v. 27, n. 2, 2003. ISSN 0100-0683.
RUIZ, H. A. Increased accuracy in particle-size analysis by sampling the silt + clay suspension. Revista Brasileira de Ciencia do Solo, v. 29, n. 2, p. 297-300, 2005. ISSN 01000683 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-33748876004&partnerID=40&md5=70158db66d0ef973aa86831fb3947fdb>.
SEPLAN-MT. Diagnóstico Socioeconômico Ecológico do estado de Mato Grosso - DSEE. 2003. Disponível em: <http://geoportal.seplan.mt.gov.br/pedologia/>. Acesso em: 03/10/2017.
SOUZA, A. P. et al. Classificação climática e balanço hídrico climatológico no estado de Mato Grosso. Nativa, v. 1, n. 1, p. 34-43, 2013. ISSN 2318-7670.
URACH, F. L. Estimativa da retenção de água em solos para fins de irrigação. 2007. 81p Centro de Ciências Rurais, Universidade Federal de Santa Maria, Samta Maria - RS.
VAN STIPHOUT, T. P. J. et al. The effect of bypass flow and internal catchment of rain on the water regime in a clay loam grassland soil. Journal of Hydrology, v. 95, n. 1-2, p. 1-11, 1987. ISSN 00221694 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0023524941&doi=10.1016%2f0022-1694%2887%2990111-9&partnerID=40&md5=4516fc09ec8312dd0003d27059db9bcc>.
VEIHMEYER, F. J.; HENDRICKSON, A. H. The moisture equivalent as a measure of the field capacity of soils. Soil Science, v. 32, n. 3, p. 181-193, 1931. ISSN 0038075X (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0001191007&partnerID=40&md5=4ccd7da31d6462f13414496990d69be6>.
______. Does transpiration decrease as the soil moisture decreases? Eos, Transactions American Geophysical Union, v. 36, n. 3, p. 425-448, 1955. ISSN 00028606 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-84981758478&doi=10.1029%2fTR036i003p00425&partnerID=40&md5=0b42cae5468bb2310949bba4cca7d6f7>.
WÖSTEN, J. H. M.; PACHEPSKY, Y. A.; RAWLS, W. J. Pedotransfer functions: Bridging the gap between available basic soil data and missing soil hydraulic characteristics. Journal of Hydrology, v. 251, n. 3-4, p. 123-150, 2001. ISSN 00221694 (ISSN). Disponível em: < https://www.scopus.com/inward/record.uri?eid=2-s2.0-0035479883&doi=10.1016%2fS0022-1694%2801%2900464-4&partnerID=40&md5=09a64bfba539bad0279c1d4095db23eb>.