Dados de declividade

Os dados de altitude foram armazenados juntamente com a leitura do sensor ativo, sendo que são oriundos do sistema RTK (Real-time Kinematic) acoplado no equipamento de pulverização para direcionamento automático do mesmo. A partir dos dados de altitude, foram calculados os índices de declividade utilizando o software SPRING. O levantamento foi realizado na safra 2012/13.

6.7 Número de plantas

Foram contados em 4 locais de cada ponto de amostragem 2 metros lineares para obtenção do número de plantas por metro linear. A contagem foi feita na safra 2012/13.

6.8 Metodologias de análise

Amostras de solo foram secas a 65 graus, moídas e analisadas segundo metodologia descrita por Tedesco (1995).

Amostras de folhas foram secas a 60 graus moídas em moinho de tecido e analisadas conforme metodologia descrita por Embrapa (2000).

Para extração dos nematóides, 100cm3 de solo foram suspensos em 2L de água e homogeneizados, com posterior passagem em peneiras de aberturas consecutivas de 0,84mm, 0,075mm e 0,025mm. Em seguida da clarificação por meio do método de flotação centrífuga em solução de sacarose (JENKINS, 1964) e conservação em solução de formalina (formaldeído a 4%). Para determinar a abundância de nematóides nas amostras, o número total foi estimado pela contagem em câmara de Peters sob microscópio ótico, avaliando-se 1 mL da suspensão com os nematóides extraídos.

7 RESULTADOS E DISCUSSÃO

Na tabela 1 podemos observar os resultados das análises do solo dos locais de estudo. Pode-se observar que os principais nutrientes estão com teores de médios a muito altos (ROLAS 2004). Não foi encontrada nenhuma relação com NDVI e os teores no solo.

Tabela 1. Resultados das análises de solo dos pontos em estudo. Março 2012. Santa Maria, RS. MO Argila Al Ca Mg P K S Cu Zn Am pH SMP ---%--- -- ----Cmolc. cm- 3 --- ---Mg.dm-3--- --- 1 5,7 6,6 2,5 14,0 0,0 3,3 1,2 51 144 4,9 1,0 2,5 2 5,6 6,4 1,9 20,0 0,0 2,6 1,1 26,7 128 10,7 0,8 1,8 3 5,8 6,3 2,3 24,0 0,0 2,9 1,3 25,1 105,6 6,3 0,9 2,0 4 6,7 6,9 2,2 22,0 0,0 4,9 1,7 47 137,6 14,0 0,4 1,6 5 6,5 6,8 2,3 23,0 0,0 4,7 1,8 58,6 134,4 5,6 0,2 1,5 6 5,7 6,3 2,4 21,0 0,0 2,8 1,4 10,9 89,6 6,2 1,1 5,0 7 5,8 6,4 2,2 20,0 0,0 2,9 1,2 14,5 99,2 3,4 1,0 3,9 8 5,5 6,3 2,0 36,0 0,0 2,1 0,8 10,9 115,2 5,8 1,3 4,0 9 5,9 6,6 2,1 38,0 0,0 3,2 1,4 26,7 76,8 6,7 0,9 4,8 10 5,7 6,3 1,8 17,0 0,0 2,4 0,9 32,8 96 3,0 1,6 4,1 11 5,7 6,1 1,5 15,0 0,0 2,1 0,8 10,3 92,8 4,5 1,8 2,0 12 6,0 6,5 2,5 16,0 0,0 2,7 1,1 27,5 99,2 2,5 1,3 6,5 14 5,8 6,5 2,2 20,0 0,0 2,5 1,1 9,1 86,4 5,1 1,7 2,5 15 5,8 6,6 1,7 15,0 0,0 2,8 1,2 9,1 89,6 3,0 1,4 2,8 16 5,7 6,4 1,6 14,0 0,0 2,0 0,8 4,3 57,6 6,8 1,6 2,1 17 5,6 6,4 1,7 15,0 0,0 2,0 0,8 5,6 58 6,7 1,5 2,1 18 5,8 6,6 2,1 18,0 0,0 3,2 1,5 15,1 108,8 2,2 1,3 1,6 19 5,6 6,6 2,1 19,0 0,0 3,3 1,6 25,1 80 3,6 1,1 2,3 20 5,6 6,4 2,2 21,0 0,0 3,4 1,6 39,9 169,6 5,0 1,1 2,2 21 5,8 6,7 2,3 13,0 0,0 3,5 1,7 49,7 128 2,7 1,1 2,1 Media 5,8 6,5 2,1 19,5 0 3,0 1,2 25,0 104,8 5,4 1,2 2,9

Na tabela 2, estão apresentados os resultados das análises do tecido foliar. Assim como, no solo não foi encontrada relação significativa entre teores de nutrientes nas plantas com os índices de massa. Anamari et al. (2012), encontrou relação com índice de massa e nutrição do algodoeiro com N. Povh et al (2007) utilizaram o sensor ótico para auxiliar na nutrição de N no trigo. Pontelli (2006), quando agrupou locais em médias, observou que a fertilidade teve baixa correlação com a produtividade.

Tabela 2. Resultados das análises de folha dos pontos em estudo. Março 2012. Santa Maria. Amos tra N P K Ca Mg S B Cu Fe Mn Zn Sensor Ativo --- g.dm-3--- ---mg.dm-3--- 1 39 2,9 12,6 7,8 2,2 2,6 27,2 7,1 106 260 13 52,0 2 40 3,1 10,5 8,1 2,4 2,7 26,1 7,1 132 201 15 50,1 3 42 2,7 10,5 7,2 2,4 2,4 30,9 7,2 116 161 10 50,5 4 38 4,2 7,6 9,7 3,3 2,6 29,3 7,2 112 238 6 46,2 5 43 3,8 7,1 9,3 2,7 2,1 28,2 6,4 220 163 6 47,3 6 39 3,6 12,6 7,6 3,2 2,4 23,4 7,3 120 130 11 51,3 7 42 2,1 10,5 7,2 2,8 2,7 37,3 7,6 121 147 11 50,5 8 38 2,6 9,7 7,4 3,3 2,7 36,7 6,3 114 186 14 44,6 9 41 2,3 8,4 8,9 1,8 2,5 29,3 5,9 103 166 12 37,0 10 43 2,4 7,6 7,6 2,0 2,1 40,5 6,2 93 157 12 34,7 11 40 2,1 8,4 8,7 3,2 1,9 33 5,9 144 203 10 36,8 12 39 2,3 13,4 7,6 3,2 2,3 35 6,8 123 188 13 40,9 13 44 1,8 9,2 8,1 2,6 1,9 29,8 5,8 111 141 13 41,7 14 42 2,1 13,9 6,8 2,9 1,6 24,5 6,6 127 134 15 42,8 15 39 2 9,2 7,9 3,0 2,1 25,6 5,4 94 109 9 39 16 37 2,2 10,5 7,2 3,2 2,2 29,3 4,9 103 112 7 39,5 17 41 2 10,9 7,0 2,5 1,8 30,9 4,7 125 132 8 42,6 18 39 1,9 8,4 7,1 2,4 1,7 27,2 6,2 243 103 11 38,2 19 40 2,1 11,3 7,2 2,9 1,7 28,2 6,5 124 92 10 33,0 20 42 2 13,4 6,7 3,5 1,9 31,4 5,8 119 116 14 36,7 21 44 2 16,4 6,6 2,6 2,1 29,3 5,9 119 120 16 35,5 Media 40,6 2,5 10,6 2,8 7,7 2,2 28,5 6,3 127 155,5 11,7 42,5

Nas figuras 2 e 3 estão apresentadas as leituras com o sensor ativo. Na figura 4 (a) podemos observar os valores das leituras do sensor ativo 2012 e 2013 nos 25 pontos definidos em 2013. Pode-se observar um comportamento semelhante na maioria dos pontos nos dois anos em estudo. Algumas exceções podem ser observadas como o ponto 3 que em 2012 apresentou um valor baixo, sendo que em 2013 foi selecionado como pertencente a faixa muito alto. Por outro lado, temos o

ponto 25 que em 2012 apresentou um valor bem alto, sendo classificado em 2013 como classe MB. MOLIN (2002) recomenda de 3-5 safras para definir zonas de potencial produtivo e que podem ser de alto, médio e baixo potencial e instáveis, que não apresentam comportamento semelhante ao longo dos anos.

Figura 2: Mapa da variabilidade das leituras do sensor ativo na cultura da soja (Glycine max) safra 2011/2012 e localização dos pontos amostrais, Santa Maria, 2012.

Na tabela 3, podemos observar as correlações entre as análises de nematóides dos locais em estudo e os índices das diferentes ferramentas de sensoriamento remoto. Não foi encontrada nenhuma correlação significativa. Santos JUNIOR et al. (2002) encontraram correlações significativas negativas entre NDVI e

H. glycines no solo. No entanto, relataram que havia locais amostrados que não

correspondiam com a maioria, onde baixos níveis de infestação apresentaram baixos índices de NDVI, relatando que essas amostras pertenciam a locais contíguos, sugerindo que outros fatores pudessem estar envolvidos além do ataque de H. glycines. Alston et al. (1993) relataram também efeito aditivo entre ataque de nematóides, infestação de invasoras a ataque de pragas, ocasionando dano maior em relação ao ataque isolado de nematóides.

Figura 3: Mapa da variabilidade das leituras do sensor ativo na cultura da soja (Glycine max) safra 2012/2013 e localização dos pontos amostrais, Santa Maria, 2013.

Na tabela 4 são apresentados as correlações dos levantamentos realizados em 2013. Com a alteração da metodologia de definição dos locais de amostragem, pode ser observada alguma correlação entre o índice de NDVI do sensor ativo e algumas variáveis avaliadas. A correlação entre a população de nematóides e o NDVI foi baixa. Por outro lado, quando se fez médias por faixas de índice do sensor ativo (Figura 5), começou a ser observada uma correlação, ainda não significativa, mas que leva ao entendimento de que a infestação de nematóides também está auxiliando na determinação dos índices.

A declividade do solo apresentou alta correlação com os índices do sensor ativo, assim como o número de plantas por metro linear (Figura 5 e Tabela 4). Os resultados indicam que a germinação e/ou o estabelecimento de plantas foi afetado pela declividade. As altas precipitações no mês de dezembro também prejudicaram o estabelecimento das plantas. Esses fatores desfavorecem o uso do sensoriamento remoto para identificação de infestações de nematóides. Os resultados indicam que nas declividades maiores o cuidado no plantio deve ser maior para o favorecimento da germinação das sementes e o estabelecimento das plantas.

Figura 4. Leituras do sensor ativo 2012 e 2013(a) e médias por faixa (b). Santa Maria, 2013.

Comparando os valores médios por faixas, se percebe o comportamento semelhante nos dois anos. Onde nos maiores potenciais (MA, A, M) em 2013 apresentou valor maior de NDVI o que pode ser atribuído ao déficit hídrico elevado que ocorreu em 2012. CUNHA (2004) encontrou diferença com utilização de irrigação e sem irrigação no NDVI do Capim Tanzânia. Na faixa MB, apresentou valor de NDVI maior em 2012 em relação a 2013. Esse resultado pode ser atribuído ao baixo estande de plantas na safra de 2013, não sendo observado compensação pelo crescimento das plantas.

20 30 40 50 60 70 1 4 7 10 13 16 19 22 25 2012 2013 20 30 40 50 60 70 MA A MA B MB 2012 2013 b a

Figura 5. Correlações lineares entre as faixas de leituras do sensor ativo com numero de Meloidogyne no solo, com declividade do terreno e números de plantas por metro linear. Safra 2012/2013, Santa Maria, 2013.

Quando foi feita a correlação entre as médias por faixa dos índices de vegetação e a declividade, a correlação chegou a 91%, mostrando a importância do número de plantas na quantidade de massa produzida. TRAGNAGO (2011) observou aumento no número de vagens por m2, aumentando a população de 10 para 40 plantas por m2.

As correlações entre a resistência à penetração e o índice de vegetação em todas as profundidades foram baixas (Tabela 4).

y = -0,2774x + 30,374 R² = 0,6347 y = -0,3469x + 24,646 R² = 0,9151 y = 0,1134x + 5,5782 R² = 0,896 - 5,0 10,0 15,0 20,0 25,0 Mel-Solo (Unid/50cm3) Declividade (%) Plantas/m MB B M A MA

Tabela 3: Matriz de correlação de Pearson, Santa Maria, 2012

Sensor Ativo NDVI Spot Mel-Raiz Het-Raiz Mel-Solo Het-Solo

Sensor Ativo 1 0,888 0,096 - 0,355 - 0,206 0,246 NDVI Spot 0,888 1 - 0,181 - 0,184 - 0,341 0,130 Mel-Raiz - 0,096 - 0,181 1 - 0,121 - 0,103 0,011 Het-Raiz - 0,355 - 0,184 - 0,121 1 - 0,155 - 0,093 Mel-Solo - 0,206 - 0,341 - 0,103 - 0,155 1 0,660 Het-Solo 0,246 0,130 0,011 - 0,093 0,660 1

Tabela 4: Matriz de correlação de Pearson, Santa Maria, 2013.

Pearson CropSpec Mel-Solo 5 cm 10 cm 20 cm 30 cm 40 cm Declividade Plantas/m

CropSpec 1 -0,316 0,468 0,325 0,443 -0,016 -0,250 -0,736 0,719 Mel-Solo -0,316 1 -0,303 -0,061 -0,214 -0,203 0,114 0,433 - 0,414 5 cm 0,468 -0,303 1 0,717 0,268 -0,062 -0,060 -0,373 0,414 10 cm 0,325 -0,061 0,717 1 0,349 -0,015 -0,039 -0,216 0,138 20 cm 0,443 -0,214 0,268 0,349 1 0,607 0,269 0,338 0,273 30 cm -0,016 -0,203 -0,062 -0,015 0,607 1 0,520 -0,024 -0,062 40 cm -0,250 0,114 -0,060 -0,039 0,269 0,520 1 0,040 -0,197 Declividade -0,736 0,433 -0,373 -0,216 -0,338 -0,024 0,040 1 -0,849 Plantas/m 0,719 -0,414 0,414 0,138 0,273 -0,062 -0,197 -0,849 1

8 CONCLUSÕES

O sensor remoto ativo é capaz de identificar áreas com diferentes índices de massa.

Déficit hídrico prolongado reduz o NDVI da soja. O crescimento da soja não consegue compensar estande de plantas muito baixo.

Teores de nutrientes no solo, nas folhas e níveis de resistência à penetração não auxiliaram no entendimento dos diferentes índices de vegetação.

O levantamento dos índices de massa deve ser acompanhado de levantamentos a campo para diagnóstico dos fatores da variabilidade.

Médias por faixas do índice de vegetação do sensor ativo apresentou correlação com a infestação de nematóides, mostrando que os mesmos também são causadores da heterogeneidade da lavoura.

9 REFERÊNCIAS

ALSTON, D.G., SHMITT, D.P., BRADLEY JUNIOR, J.R. & COBLE, H.D. Multiple pest interactions in soybean: effects on Heterodera glycines egg populations and crop yield. Journal of nematology 25:42-49, 1993.

ASSUNÇÃO, G.V. FORMAGGIO, A.R. O sensoriamento remoto na Agriculura: conceitos básicos, metodologias e aplicações. São José do Campos: INPE: 1989. 217p.

BALDWIN, J.G., MUNDO-OCAMPO, M. Heteroderinea, cyst and non- cyst forming nematodes. In: NICKLE, W.R. Manual of agricultural nematology. New York, Marcel Dekker, 1991, p.275-362.

BRAGAGNOLO, J; AMADO, T.J.C.; NICOLOSO, R.S.; JASPER, J.; KUNZ, J. & TEIXEIRA, T.G. Optical crop sensor for variable-rate nitrogen fertilization in corn: I. Plant nutrition and dry matter production. R. Bras. Ci. Solo, 37:1288-1298, 2013.

BRAGAGNOLO, J., T.J.C. AMADO, R.S. NICOLOSO, A.L. SANTI, J.E. FIORIN, AND F.M. TABALDI. Optical crop sensor for variable-rate nitrogen fertilization in corn: II. Indices of fertilizer efficiency and corn yield. R. Bras. Ci. Solo. 37:1299-1309. doi:10.1590/S0100- 06832013000500019, 2013b.

CONAB – Companhia Nacional de Abastecimento. Acompanhamento da Safra Brasileira de Grãos 2013/14. Disponível em www.conab.gov.br

Acesso em junho 2014.

CUNHA, C. A. H., Relação entre comportamento espectral, índice de área foliar e produção de matéria seca em capim Tanzânia submetido a diferentes níveis de irrigação e doses de nitrogênio. Tese doutorado, Piracicaba, SP, 2004.

DANIELSENA, S.; MUNK, L. Evaluation of disease assessment methods in quinoa for their ability to predict yield loss caused by downy mildew. Crop Protection. v. 23, p. 219–228, 2004.

EMBRAPA – EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. CIRCULAR TÉCNICO NO 6 Métodos de análise de tecidos vegetais. 2000.

EMBRAPA – EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. Tecnologia de produção de soja – Região Central do Brasil – 2009 e 2010. Londrina, Embrapa Soja, Embrapa Cerrados, Embrapa Agropecuária Oeste, 262p., 2008.

EMBRAPA - EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. Nematoides e soja: Identificação e Controle. Circular Técnico 76, Londrina, PR, 2010.

FERRAZ, L.C.C.B. As Meloidogynoses do soja: passado, presente e futuro. In FERRAz, L.C.C.B. et al. Relações parasita-hospedeiro nas meloidogynosesda soja. Londrina: EMBRAPA/SOCIENDADE BRASILEIRA DE NEMATOLOGIA, 2001, p. 15-38.

GARCIA, A., SILVA, J.F.V., PEREIRA, J.E. & LANTMANN, A.F. Interação entre população de Heterodera clycines e o pH do solo. Nematologia Brasileira, 21 (1): 4. 1997.

GRISHAM, M.P., JOHNSON, R.M., ZIMBAB, P.V. Detecting Sugarcane yellow leaf virus infection in asymptomatic leaves with hyperspectral remote sensing and associated leaf pigment changes. Journal of Virological Methods. v. 167, p.140–145, 2010.

JENKINS, W.R. 1964. A rapid centrifugal-flotation technique for separating nematodes from soil. Plant Dis. Reptr., v.48 (9): 692p.

LILLESAND, T.M. & KIEFER, R.W. Remote Sensing and Photo Interpretation. 3rded. John Wiley & Sons: New York. 750p. 1994.

LIPPERT, D.B., BENEDETTI, A.C.P., PEREIRA, R.S., MUNIZ, M.F.B. Espectrorradiometria de folhas de Eucalyptus camaldulensis Dehnh. atacadas por Phaeophleospora eucalypti. Anais XIV Simpósio Brasileiro de Sensoriamento Remoto, Natal, Brasil, 25-30 abril 2009, INPI, p. 2793-2799.

MARCHIORATO, I.A. Mapas de variabilidade do potencial de produtividade obtidos por satélites como instrumentos auxiliares às decisões sobre o manejo de nematóides na cultura de soja. Jaboticabal, SP, 2008. 55p (Tese de Doutorado).

MARTINS, G.D., GALO, M. DE L.B.T., Detecção de áreas infestadas por nematoides e migdolus fryanus em cultura canavieira a partir de imagens multiespectrais rapideye. Revista Brasileira de Cartografi a, Rio de Janeiro, N066/2, p. 285-301, Mar/Abr, 2014.

MAUAD, M.; SILVA, T.L.B.; NETO, A.I.A.; ABREU, V.G. Influência da densidade de semeadura sobre características agronômicas na cultura da soja. Revista Agrarian Dourados, v.3, n.9, p.175-181, 2010.

MENEGATTI, S.; SILVA, J. Nematóides em Cana-de-açúcar. Biblioteca digital centro canagro “José Coral”. Disponível em: <http://www.cana.com.br/biblioteca/cartilha_praga/nematoides.pdf>. Acesso em: 15 Set. 2012.

MOLIN, J.P. Definição de unidades de manejo a partir de mapas de produtividade. Engenharia Agrícola, v.22, p.83-92, 2002.

MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. 4.ed. atual. E ampl. – Viçosa, MG : Ed. UFV, 2011.

MOTOMIYA, A.V.A., BALLAMINUT, C.E.C., MOLIN, J.P.; CHIAVEGATO, E.J.; ACHEVARRIA, P. B.; COLACO, A. F. Determinação da intensidade de infestação de nematóide em algodoeiro sob diferentes doses de nitrogênio por meio de um sensor óptico ativo. In: VI Congresso Brasileiro do Algodão. Uberlândia, MG, 2007.

NOVO, E.M. de M. Sensoriamento remoto: princípios e aplicações. São Paulo. Edgard Blucher. 1989. 308p.

NUNES, H.T.; MONTEIRO, A.C.; POMELA, A.W.V. Uso de agentes microbianos e químico para o controle de Meloidogyne incognita em soja. Acta Scientiarum Agronomy. Maringá, v. 32, n. 3, p. 403-409, 2010

OKADA, H., HARADA, H. Effects of tillage and fertilizer on nematode communities in a Japanese soybean field. Applied Soil Ecology, v.35, p.582- 598, 2007.

PONTELLI, C.B., Caracterização da variabilidade espacial das características químicas do solo e da produtividade das culturas utilizando as ferramentas da agricultura de precisão. Dissertação de mestrado. Santa Maria, RS, 2006.

PONZONI, F.J. Comportamento espectral da vegetação. P. 157-199. In: MENESES, P.R.; MADEIRA NETTO, J.S. Sensoriamento remoto: reflectância dos alvos naturais. Brasília: Editora Universidade de Brasília/Embrapa Cerrados, 2001, 262p.

REIS, E. M., LEITES, A.; FORCELINI, C.A. Relações entre intensidade da ferrugem da folha, refletância da radiação solar e rendimento de grãos na cultura do trigo. Embrapa, 2010.

REYNOLDS, G.J., WINDELS, C.E., MACRAE, I.V., LAGUETTE, S. Hyperspectral remote sensing for detection of rhizoctonia crown and root rot in sugarbeet. http://www.sbreb.org/research/plant/plant08/Hyperspectr alRemote. Data da consulta: 02 de agosto de 2010

RIBEIRO, N.R. Nematoides e sua implicação na agricultura. in 2o Ciclo de Palestras da Aprosmat, Sorriso, Campo Novo do Parecis, Rondonópolis e Canarana, 8 a 13/09/2008.

SANTOS JUNIOR R.F., SANTOS, J.M., RUDORFF, B.F.T. & MARCHIORATO, I.O. Detecção de Heterodera glycines em plantio de soja mediante espectroradiômetro no visível e infravermelho próximo. Fitopatologia Brasileira 27:355-360. 2002.

SCHMITT, D.P., and R.D. RIGGS. Influence of selected plant species on hatching of eggs and development of juveniles of Heterodera glycines. Journal of Nematology 23:1-6, 1991.

SECCO, D. Estados de compactação de dois Latossolos sob plantio direto e suas implicações no comportamento mecânico e na produtividade de culturas. Santa Maria, Universidade Federal de Santa Maria, 2003. 108p. (Tese de Doutorado)

SILVA, A.J. DA, CANTERI, M.G., SANTIAGO, D.C., HIKISHIMA, M., SILVA, A.L. DA. A refletância na estimativa do efeito de fungicidas no controle da ferrugem asiática da soja. Summa Phytopathologica, v. 35, n. 1, p. 53-56, 2009.

SOANE, B.D. & OUWERKERK, C. van. Soil compaction problems in world agriculture. In: SOANE, B.D. & OUWERKERK, C. van, eds. Soil compaction in crop production. Netherlands, Elsevier, 1994. p.01-21.

TEDESCO, M.J.; GIANELLO, C.; BISSANI, C.A.; BOHNEN, H.; VOLKWEISS, S.J. Análises de solo, plantas e outros materiais. 2 ed. Porto Alegre: UFRGS/Departamento de Solos, 1995. 174p. (Boletim Técnico, 5).

TRAGNAGO, J. L.; STECKLING, C.; ROCKENBACH, D.; RUBIN, D. H. efeito da combinação densidade de semeadura e tipo de crescimento sobre o rendimento de grãos e características agronômicas de cultivares de soja. XVI Mostra de iniciação científica. Cruz Alta, RS, 2011.