ESPACIALIZAÇÃO DE ATRIBUTOS QUÍMICOS DO SOLO A PARTIR DE DIFERENTES MALHAS DE AMOSTRAGEMÍTULO

Resumo

INTRODUÇÃO

A agricultura de precisão (AP) tem como foco o gerenciamento localizado dos sistemas agrícolas, e utiliza de diversos recursos tais como mapeamentos, aplicação localizada de insumos, suporte a tomada de decisão. No contexto econômico, a agricultura de precisão possibilita a priorização de investimentos nas áreas cujo potencial de produtividade seja maior, assim garantindo uma melhor rentabilidade e também a uma atenção especial a áreas que necessitem de uma aplicação de insumos diversificada com o intuito de melhora-la. No contexto ambiental a utilização correta dos insumos agrícolas tem o intuito de reduzir os impactos ambientais, pois evita a aplicação errônea principalmente em relação a adubos químicos e corretivos.

A Agricultura de Precisão (AP) trata-se de um conjunto de técnicas que possibilita o gerenciamento dos cultivos de forma localizada, e busca a otimização dos gastos da produção agrícola, levando em consideração aspectos de localização, fertilidade do solo, entre outros demais fatores (LAMPARELLI, 2016). A agricultura de precisão (AP) se destaca no gerenciamento de insumos direcionados a correção da fertilidade do solo (OLIVEIRA et al., 2018). E é uma importante ferramenta para maximizar a produção (ACOSTA et al., 2018). Segundo trabalho de Lavorato e Braga (2016) o sistema de precisão foi sensivelmente superior à do sistema convencional em relação a produtividade.

O processo de amostragem é o primeiro passo para implantação da AP, esse processo deve ser muito bem planejado, pois os pontos de amostragem visam representar um talhão baseado em apenas alguns locais de coleta.

O método de amostragem que mais se utiliza atualmente é através de malhas de amostras, mais ainda existem vários questionamentos sobre a dimensão ideal dessa malha, pois o tamanho do grid irá interferir na análise da variabilidade espacial dos atributos químicos do solo.

Para caracterização da variabilidade espacial, a geoestatistica é a ferramenta utilizada na AP, através dela podemos identificar as inter-relações dos atributos do solo no espaço e no tempo. E uma das principais abordagens que se empregam para o estudo e análise espacial dos atributos químicos do solo é através do semivariograma, pois através dele podemos determinar a dependência espacial entre os pontos de amostras coletados e permitindo que se represente quantitativamente a variação de um fenômeno regionalizado.

 A variabilidade espacial dos atributos dos solos se resulta dos processos pedogenéticos e pode ser representada através dos resultados do levantamento e das análises dos solos, também pode ser representada pelas diferenças encontradas no cultivo das plantas (SILVA et al., 2010). De acordo com Silva e Chaves (2001), com a exceção do pH, os atributos físicos apresentam menor variação que os atributos químicos.

A variabilidade espacial nos da a possiblidade de interpretação dos resultados baseando-se na estrutura da variabilidade natural dos atributos os quais queremos avaliar, levando em conta a dependência espacial dentro do intervalo de amostragem. O estudo da variabilidade espacial pode ser realizado em grandes e pequenas áreas, em diversos tipos de solo (Berg & Klamt, 1997).

Uma das maneiras de representar a variabilidade espacial de uma área, é por meio de mapas de isolinhas. Porem, para elaboração desses mapas é necessário que a variável que será representada seja conhecida, assim como sua distribuição. Para análise da variabilidade espacial, a maneira mais utilizada de representação são as técnicas de geoestatística (Burgess & Webster, 1980).

A aplicação direta dos resultados do semivariograma dará origem a sua modelagem que leva o nome de krigagem, onde se podem estimar os valores dos atributos químicos do solo em locais não amostrados, com variância mínima e sem tendência, assim podendo expressar os resultados na forma de mapas de isolinhas ou em forma tridimensional.

Desta forma, o objetivo deste trabalho foi caracterizar a variabilidade espacial dos atributos químicos do solo em relação a diferentes malhas de amostragem.

MATERIAL E MÉTODOS

O estudo foi desenvolvido em 2018, na Fazenda Cambará localizada no município de Castro-Pr. Latitude 24º40’57” S, Longitude 49º43’20” O e Altitude 1040m. O tipo climático e Cfb segundo classificação de Koeppen, clima temperado, temperatura no verão varia de 18 a 30ºC, no inverno varia de 8 a 16ºC, média pluviométrica anual é de 1200mm. A classificação dos solos e de Textura Média / Argilosa caracterizando Tipo II (EMBRAPA, 2013).

A propriedade iniciou as atividades agrícolas no de 2002, anteriormente a propriedade era composta por campos nativos e utilizada para criação de gado.

O talhão Z3A utilizado para pesquisa é composto por uma área de 20,5 hectares, onde atualmente 100% da área e utilizada para o cultivo de soja na safra de verão e na safra de inverno 100% da área é utilizada para cultivo de aveia preta com a finalidade de cobertura de inverno.

A coleta das amostras de solo para a pesquisa foi realizada no dia 24 de fevereiro de 2018, onde através do software SST Summit, com o qual foi demarcado os vértices da área para posterior realização do mapa de contorno e na sequencia foi  criado um grid de amostragem composto por 1 amostra a cada 1 hectare onde o operador foi guiado pelo GPS do aplicativo a cada ponto indicado, totalizando 21 pontos de amostragem, sendo que em cada ponto foi realizada a coleta de mais 6 sub-amostras.

O processo de amostragem foi feito utilizando-se um amostrador elétrico e uma broca helicoidal da marca SACI, onde a profundidade de cada amostra atingiu 20cm de profundidade, o equipamento foi acoplado a um veículo que percorreu a extensão do terreno. No ato da coleta as amostras foram homogeneizadas, identificadas e posteriormente enviadas ao laboratório da Fundação ABC, localizado no município de Castro-PR para que as análises fossem executadas, utilizando-se os métodos e extratores de rotina padrão de utilização do laboratório e fornecendo resultados sobre P, MO, V%, m%, pH, H+ + Al+3, K, Ca+2, Mg+2, SB e CTC.

A partir dos resultados das análises de solo, foram elaborados modelos digitais dos dados através do software SURFER 8, onde através da geração dos semivariogramas se analisou fatores como dependência espacial, coeficiente de variação, modelos de ajuste e efeito de pepita, efeito pepita puro, anisotropia, assimetria e media de cada nutriente em relação a uma grade amostral de 1 amostra a cada 1 hectare, 1 amostra a cada 2 hectares, 1 amostra a cada 3 hectares e 1 amostra a cada 4 hectares. O método geoestatístico de interpolação utilizado na elaboração dos modelos digitais foi a krigagem.

RESULTADOS E DISCUSSÃO

Com base na interpretação visual dos mapas de cada atributo, observou-se suavização da variação e perda de detalhes quando se aumenta o tamanho da malha. A comparação visual facilita a interpretação e visualização dos dados, por este motivo as superfícies interpoladas são geradas (VIEIRA, 2000). Nesses mapas, e possível a visualização da área amostrada e a distribuição espacial de todos os atributos avaliados (MACHADO et al., 2007).

Para o mapa do atributo K conforme figura 1, pode-se notar essa suavização da variação, conforme legenda a coloração mais escura representa uma região com valor mais baixo do atributo e informação inversa em relação a coloração mais clara.

O mesmo ocorre para as limites demarcados pelas linhas no mapa, onde no mapa de malha 1:1 se observa maior número de detalhes em relação à variabilidade do atributo em estudo. Por este motivo em relação a esse atributo ocorre a superestimação dos valores de K na área.

Figura 1 – Mapa de distribuição espacial do atributo K (mmol_c dm^-³), em relação a diferentes malhas de amostragem.

Fonte: O autor. (Eixo X,Y coordenadas UTM, legenda (mmol_c dm^-³).)

CONCLUSÃO

Os mapas dos atributos químicos do solo tornam-se mais suaves à medida que se aumenta a dimensão da malha amostral, dando a ideia errônea de que a área ficou mais homogênea, ou seja, diminuiu a variabilidade espacial, o que acarreta na perda de detalhes.

 Os desvios observados geram uma superestimação ou subestimação da variável especializada na área, deste modo à malha que proporcionou mais riqueza em detalhes em seu mapeamento foi 1:1.