R.. Zonas de manejo nos níveis de fósforo e potássio no solo e a
1.2 PLANEJAMENTO AMOSTRAL DE ATRIBUTOS QUÍMICOS DO SOLO EM
909 LAVOURA DE MACADÂMIA 910 911 912 913 Resumo 914 915
A determinação do número de amostras utilizadas para determinar os valores dos 916
atributos químicos do solo resultará na otimização da mão de obra, além de 917
possibilitar uma melhor representatividade desses atributos. Objetivou-se no 918
presente trabalho, estudar variabilidade espacial dos atributos químicos do solo, em 919
lavoura de macadâmia e propor uma metodologia de amostragem de solo que 920
melhor se ajuste às condições do sistema de manejo. O experimento foi conduzido 921
em lavoura de macadâmia, no município de São Mateus - ES, plantada no 922
espaçamento duplo 8,0 x 5,0 m (250 plantas ha-1). Instalou-se uma malha irregular 923
de 144 x 140 m (20.160 m2) com 100 pontos amostrais. Em cada ponto amostral 924
foram coletadas amostras de solo, na profundidade 0,0-0,20m. Os dados foram 925
submetidos à aplicação da estatística descritiva e à análise geoestatística. O CV foi 926
considerado baixo para pH e médio para os demais atributos químicos do solo. 927
Utilizando parâmetros estatísticos, estabeleceu-se o número adequado de amostras 928
para análise dos atributos estudados que variaram de 1 a 18 pontos amostrais. 929
Todos os atributos químicos do solo apresentaram estrutura de dependência 930
espacial, ajustando-se ao modelo esférico. A área em estudo apresentou tendência 931
central de melhores condições para a cultura devido maiores teores de cálcio, 932
magnésio, zinco, pH e baixo teor de H+Al. A determinação do número de amostras e 933
da variabilidade espacial dos atributos do solo pode ser usada para o 934
desenvolvimento de estratégias de amostragem que minimizam os custos do 935
agricultor dentro de um erro conhecido e tolerável. 936
937
Palavras-chave: Macadamia integrifolia, estatística clássica, geoestatística,
938 amostragem do solo. 939 940 Abstract 941 942
The determination of the number of samples used to determine the values of soil 943
chemical attributes will result in the optimization of the workforce, in addition to 944
enabling a better representation of these attributes. The objective of this work was to 945
study the spatial variability of soil chemical attributes in macadamia plantations and 946
to propose a soil sampling methodology that best adjusts to the conditions of the 947
management system. The experiment was conducted in a macadamia plantation, in 948
the municipality of São Mateus - ES, planted in the double spacing 8.0 x 5.0 m (250 949
plants ha-1). An irregular grid of 144 x 140 m (20,160 m2) was installed with 100 950
sample points. At each sampling point, soil samples were collected, at a depth of 0.0- 951
0.20m. Data were submitted to descriptive statistics and to geostatistical analysis. 952
The CV was considered low for pH and average for the other soil chemical attributes. 953
Using statistical parameters, we established the adequate number of samples to 954
analyze the attributes studied that ranged from 1 to 18 sample points. All the 955
chemical attributes of the soil presented a structure of spatial dependence, adjusting 956
to the spherical model. The area under study presented a central tendency of better 957
conditions for the culture due to higher levels of calcium, magnesium, zinc, pH and 958
low H+Al content. The determination of the number of samples and the spatial 959
variability of the soil attributes can be used for the development of sampling 960
strategies that minimize farmer costs within a known and tolerable error. 961
962
Keywords: Macadamia integrifolia, classical statistics, geostatistics, soil sampling. 963 964 965 966 967 968
Introdução
969 970
Informações a respeito dos teores dos nutrientes no solo são de fundamental 971
importância para as culturas, pois é fator primordial para a caracterização da 972
fertilidade do solo e determinante para a produtividade. O manejo da fertilidade do 973
solo realizado na cultura da macadâmia, quanto à aplicação de insumos, é baseado 974
nos valores médios de uma amostra composta, oriunda de subamostras coletadas 975
em zigue-zague na área, desconsiderando a variabilidade natural do solo. No 976
processo de amostragem do solo, densidade de amostragem é um fator importante 977
para a determinação da propriedade do solo (OLIVEIRA et al., 2015) e a amostra 978
mais adequada é aquela que representa da melhor maneira a área a ser avaliada, 979
com um mínimo de unidades amostrais para atender a este objetivo. Siqueira et al. 980
(2010) afirmaram que cerca de 80-85% dos erros na aplicação de insumos 981
agrícolas, como fertilizantes e alterações do solo, podem ser atribuídos a 982
amostragem mal planejada. 983
Quando não se conhece o grau de autocorrelação espacial entre os pontos 984
amostrais de determinada propriedade do solo, como no caso da estatística clássica, 985
frequentemente coleta-se uma quantidade excessiva de amostras para obter a 986
precisão desejada. A avaliação dessas características, mesmo em áreas 987
homogêneas e em curtas distâncias, apresenta variação espacial que pode 988
influenciar a produtividade da lavoura. Assim, a análise estatística e o conhecimento 989
da dependência espacial das propriedades do solo é importante na indicação de um 990
número mínimo de pontos suficientes para nortear o processo de amostragem, 991
reduzir a variação dos resultados a um nível aceitável promovendo redução nos 992
custos de coleta. 993
Baseada nesse princípio, a geoestatística assume grande relevância, 994
possibilitando determinar a variabilidade espacial de propriedades químicas do solo, 995
otimizando a aplicação localizada de corretivos e fertilizantes, melhorando dessa 996
maneira o controle do sistema de produção das culturas e minimizando as 997
contaminações ambientais (CAVALCANTE et al., 2007). Em razão dessa 998
variabilidade, é necessário estabelecer um critério rigoroso de amostragem que 999
permita, a partir de técnicas de amostragem, extrair informações representativas de 1000
uma determinada área (OLIVEIRA et al., 2008; MONTANARI et al., 2012). Com isso, 1001
tem-se uma amostra representativa da população para que os resultados da análise 1002
do solo tenham validade técnica e científica, e que recursos não sejam empregados 1003
desnecessariamente e, ou, evitando amostragem não representativa (ROZANE et 1004
al., 2011). 1005
Para a construção e delimitação dos mapas de solos, o planejamento 1006
amostral por meio da identificação do número de amostras apropriadas apresenta 1007
uma etapa importante a ser avaliada. A densidade de amostragem influencia 1008
diretamente o nível de detalhe a ser obtido (escala ou resolução) e os custos de 1009
mapeamento. Neste contexto, objetivou-se no presente trabalho estudar a 1010
variabilidade espacial dos atributos químicos do solo, em lavoura de macadâmia, e 1011
propor uma metodologia de amostragem de solo que melhor se ajuste às condições 1012
do sistema de manejo e determinar o número adequado de amostras para a 1013
determinação desses atributos, utilizando métodos da estatística clássica e da 1014 geoestatística. 1015 1016 Material e Métodos 1017 1018
A área experimental localizada-se no município de São Mateus, Espírito 1019
Santo, Brasil, nas coordenadas UTM 24S (388.106,00 m E, 7.934.570,38 m S), 1020
altitude de 86 m e declividade média de 4%. O solo foi classificado como Latossolo 1021
Amarelo distrocoeso (EMBRAPA, 2013) presente na região dos tabuleiros costeiros 1022
do norte do Espírito Santo. O clima do município de São Mateus é Aw (KÖPPEN, 1023
1931), caracterizando-se por clima tropical úmido, com inverno seco e chuvas 1024
máximas no verão. A precipitação pluvial anual média de 1.200 mm concentra-se 1025
entre os meses de novembro e janeiro. A temperatura média anual é de 23 ºC, e as 1026
médias máximas e mínimas são de 29 ºC e 18 ºC, respectivamente (ALVARES et 1027
al., 2013). 1028
O experimento foi conduzido em uma área cultivada com macadâmia (M. 1029
integrifolia Maiden e Betche) variedade HAES 344, com idade de 20 anos, plantado
1030
no espaçamento de 8,0 x 5,0 m (250 plantas ha-1), em regime de irrigação por 1031
microaspersão. As mudas de macadâmia foram plantadas em consórcio em filas 1032
alternadas com Coffea canephora, cujo espaçamento era de 4,0 x 2,0 m. Antes do 1033
plantio da macadâmia foi aplicado 3.000 kg de calcário dolomítico com PRNT de 1034
85% e na adubação de cova foi utilizado 300 g de superfosfato simples. Durante o 1035
primeiro ano foram aplicados: 30 g de ureia planta-1 por 60 dias; no segundo ano: 1036
200 g do formulado NPK 25-05-20 por planta por 60 dias entre os meses de agosto 1037
a março. A partir do terceiro até o oitavo ano a macadâmia continuou recebendo a 1038
adubação do segundo ano. No nono ano, o café foi retirado e a macadâmia passou 1039
a ser adubada anualmente com 150 kg de N, 80 kg de P2O5 e 160 kg de K20, entre
1040
os meses de setembro a março, com calagem anual de 2.000 kg de calcário 1041
dolomítico com PRNT de 85% no mês de maio. 1042
A amostragem de solo foi realizada por meio de coletas de quatro 1043
subamostras de solo na projeção da copa da macadâmia, utilizando um amostrador 1044
de solo tipo "sonda", na profundidade de 0,00-0,20 m, compondo uma amostra 1045
composta, em instalada uma malha de 144 x 140 m (20.160 m2) com 100 pontos 1046
(Figura 1), distância mínima de 5 m. Para georreferenciamento da área foi utilizado 1047
um par de receptores Spectra Precision®, modelo PROMARK 220 geodésico. As 1048
coordenadas obtidas foram corrigidas e os dados processados pela Rede Brasileira 1049
de Monitoramento Contínuo (RBMC) do IBGE apresentaram precisão de 10 mm + 1 1050
ppm. Em cada ponto amostral foram coletadas, para análise química de cálcio (Ca), 1051
magnésio (Mg), fósforo (P), potássio (K), ferro (Fe), cobre (Cu), manganês (Mn), 1052
zinco (Zn), pH em água, acidez potencial (H + Al) e matéria orgânica (MO), com 1053
base em métodos da Embrapa (2009). 1054
1055
FIGURA 1. Representação digital do terreno com o distribuição espacial dos pontos
1056
de amostragem. 1057
A colheita da macadâmia foi realizada no período de fevereiro a junho de 1059
2015, colhendo os frutos na projeção da copa da planta, delimitada pela divisão 1060
central entre plantas na fileira e entre linhas de plantio. Os frutos foram colhidos 1061
manualmente, coletados após caírem ao chão, com total de quatro colheitas que, 1062
pesadas e somadas, resultaram na produção de cada planta. Foi realizado o 1063
processo de retirada do carpelo e de macadâmias não consideradas viáveis 1064
economicamente. Somente foram consideradas as macadâmias em coco e 1065
economicamente viáveis para o cálculo de produtividade. Este processo resultou em 1066
35% de descarte. Portanto 65% da produção foi considerada. Após, a produtividade 1067
em kg planta-1 foi convertida em t ha-1 . 1068
Inicialmente, os dados obtidos foram submetidos à análise exploratória dos 1069
dados por meio da estatística descritiva, obtendo-se os seguintes parâmetros: média 1070
aritmética, mediana, coeficiente de variação e coeficiente de assimetria e de curtose. 1071
A análise de distribuição de frequência dos dados foi realizada para verificar sua 1072
normalidade, utilizando o teste de Shapiro-Wilk a 5%, utilizando o software Assistat 1073
versão 7.7 beta (SILVA, 2014). 1074
O número de subamostras (n) para obter valores médios representativos dos 1075
atributos químicos do solo em estudo, para um nível de confiança desejado, pode 1076
ser calculado pela equação 1 (CLINE, 1944): 1077 1078 ... (1) 1079 1080
em que: tα/2 – valor da tabela de distribuição de Student para o nível de 1081
probabilidade α/2 (bilateral); CV – coeficiente de variação (%); e, er – erro relativo 1082
admitido em torno da média (%). 1083
1084
Para a caracterização da variabilidade espacial dos atributos do solo, 1085
utilizou-se a técnica geoestatística, por meio dos ajustes de semivariogramas 1086
simples (VIEIRA et al., 1983), com base na pressuposição de estacionariedade da 1087
hipótese intrínseca. A análise geoestatística foi realizada com auxílio do programa 1088
computacional GS+ Versão 7 (GAMMA DESIGN SOFTWARE, 2004), que realiza os 1089
cálculos das semivariâncias amostrais, cuja expressão pode ser encontrada em 1090
Vieira et al. (1983), estimada pela equação 2: 1091
1092 ) ( 2 )] ( ) ( [ ) ( ) ( 1 2 ^ h n xi Z h xi z h h n i
... (2) 1093 1094em que: n(h) número de pares amostrais [z(xi); z(xi + h)] separados pelo vetor h, 1095
sendo z(xi) e z(xi +h), valores numéricos observados do atributo analisado, para dois 1096
pontos xi e xi + h, separados pelo vetor h. 1097
Para ajuste dos modelos matemáticos aos semivariogramas foi utilizado o 1098
método de tentativa e erro, que se baseia no ajuste manual dos semivariogramas 1099
até obter o melhor ajuste, aliado a menor soma de quadrado dos resíduos (SQR), e 1100
ao exame dos resultados da correlação de regressão de validação cruzada (CRVC), 1101
que avalia a qualidade da estimativa realizada pela krigagem (AMADO et al., 2007). 1102
Foi calculada o grau de dependência espacial (GDE), que é a proporção em 1103
percentagem do efeito pepita (Co) em relação ao patamar (Co + C), que de acordo 1104
com Cambardella et al. (1994), apresenta a seguinte proporção: (a) dependência 1105
espacial forte, <25%; (b) dependência espacial moderada, de 25 a 75%; e (c) 1106
dependência espacial fraca, >75%, como mostrado na equação 3: 1107 1108 ... (3) 1109 1110 Resultados e Discussão 1111 1112
Os resultados referentes à análise descritiva para os elementos químicos 1113
estudados estão apresentados na Tabela 1. Os valores da média e da mediana, 1114
para os atributos químicos do solo, estão próximos, mostrando tendência de 1115
distribuição simétrica para todos os atributos, exceto K e Fe. Quanto aos resultados 1116
referentes ao teste de Shapiro-Wilk à 5% de probabilidade, verifica-se normalidade 1117
dos dados para o teor de Zn, pH, H+Al e MO, o que pode ser confirmado pelos 1118
baixos valores de assimetria e curtose (LITTLE e HILLS, 1978). 1119
O coeficiente de assimetria é mais sensível a valores extremos do que a 1120
média, mediana e o desvio padrão, uma vez que um único valor pode influenciá-lo, 1121
pois os desvios entre cada valor e a média são elevados à terceira potência 1122
(ISAAKS e SRIVASTAVA, 1989). Chaves e Farias (2009) afirmam que, mesmo que 1123
os dados não apresentem distribuições simétricas e se os coeficientes de assimetria 1124
e curtose forem próximos de zero, tal como valores médios e medianos próximos, 1125
como é o caso da maioria dos atributos neste solo, tratamentos geoestatísticos 1126
podem ser aplicados possibilitando avaliar a dependência espacial dos atributos haja 1127
vista que a normalidade dos dados não é uma exigência da geoestatística. 1128
O fato de algumas variáveis não seguirem uma distribuição normal não 1129
influência na análise, demonstrando maior importância à utilização de geoestatística 1130
para representar a variabilidade encontrada (CLARK, 1979). Considerando que o 1131
solo é heterogêneo e, portanto, as variáveis não são aleatórias e independentes 1132
umas das outras, como representa um dado que segue distribuição normal, a 1133
utilização da geoestatística é aconselhável. 1134
1135
TABELA 1. Estatística descritiva dos dados de cálcio, magnésio, fósforo, potássio,
1136
ferro, cobre, manganês, zinco, acidez ativa, acidez potencial e matéria orgânica em 1137
lavoura de macadâmia cultivada no município de São Mateus, ES. 1138
1139
Estatística
descritiva Média Mediana CV (%) Ass. Curt. p-valor Ca 1,54 1,50 31,8 0,57 0,025 0,00961 Mg 0,40 0,40 24,3 0,20 0,40 0,00000 P 72,32 70,05 26,4 0,61 0,36 0,03169 K 63,96 53,50 47,1 1,16 0,62 0,00000 Fe 80,80 66,35 48,0 1,631 2,186 0,00000 Cu 8,48 8,00 31,9 0,682 0,559 0,00439 Mn 18,07 17,20 47,0 0,737 0,285 0,00201 Zn 12,24 12,80 35,1 0,264 -0,188 0,35858* pH 5,26 5,30 4,91 0,10 0,02 0,14200* H+Al 3,34 3,30 16,76 -0,05 -0,13 0,22900* MO 2,03 2,00 16,1 -0,127 0,000 0,40465*
CV: coeficiente de variação; Ass.: coeficiente de assimetria; Curt.: coeficiente de curtose; *:
1140
distribuição normal pelo teste de Shapiro-Wilk, a 5% de probabilidade.
1141 1142
Segundo a classificação proposta por Warrick e Nielsen (1980), os 1143
coeficientes de variação apresentaram-se baixos (CV<12%) para pH e médios 1144
(12<CV<62%) para os demais atributos químicos, corroborando com Santos et al. 1145
(2013), Oliveira et al. (2015) e Azevedo et al. (2015). Resultados obtidos por Lima et 1146
al. (2010), em Argissolo Vermelho-Amarelo textura argilosa sob Mata Atlântica, e 1147
Santos et al. (2011), em Latossolo Vermelho-Amarelo distrófico e cultura da 1148
pimenta-do-reino, tiveram CV médio para Ca, Mg e K. Gontijo et al. (2012), em 1149
mesmo solo, obteve CV médio para Fe, Cu, Mn, Zn e MO. Quanto menor o CV mais 1150
homogêneo tende a ser o conjunto de dados. Portanto, o baixo CV de variação para 1151
o pH é explicado pela normalidade encontrada entre seus dados através do teste de 1152
Shapiro-Wilk. O CV permite comparar a variabilidade entre amostras de variáveis 1153
com diferentes unidades, mas não permite a análise da variabilidade espacial das 1154
propriedades do solo ou seu padrão espacial (CAMARGO et al., 2008). Portanto, os 1155
atributos químicos dos solos foram posteriormente submetidos a análise 1156
geoestatística à qual teve correlação espacial, sendo expressa por modelos de 1157
semivariograma ajustados (Figura 3). 1158
O coeficiente de variação dos dados permite calcular o número de amostras, 1159
com a finalidade de estimar o valor de um atributo, em determinada área, com base 1160
na fórmula de Cline (1944). Na Figura 2, observa-se o número de amostras de solo 1161
necessário, para representar a área em estudo, ao nível de 5%, para variações em 1162
torno da média, medidas pelo erro relativo, de 5 a 30%. O número de amostras para 1163
obter variação de 10% em torno da média, com 5% de nível de significância foi de 7, 1164
4, 5, 18, 17, 8, 18, 11, 1, 2 e 2 para Ca, Mg, P, K, Fe, Cu, Mn, Zn, pH, H+Al e MO, 1165
respectivamente (Figura 2). Aquino et al. (2014) obteve densidade amostral (pontos 1166
ha-1) de 4, 16, 43, 23, 3 e 4 para Ca, Mg, P, K, pH e H+Al, respectivamente, pelo 1167
método do alcance estimado na análise geoestatística. Gontijo et al. (2007) salienta 1168
que à medida que se reduz a variação em torno da média há aumento no número de 1169
subamostras. Entretanto, onera o processo de amostragem sem incremento 1170
proporcional em precisão. Considerando, portanto, que não se faz amostragem em 1171
separado para cada atributo químico (SOUZA et al., 1997) e, que o erro amostral 1172
está dentro do tolerável, 10% ao redor da média, recomendou-se coletar 18 1173
amostras simples de solo nas condições estudadas, valor que está de acordo com a 1174
recomendação de Prezotti et al. (2007), que é de 15 a 20 amostras simples por área. 1175
1177
FIGURA 2. Números de pontos amostrais para estimativa da média da dos atributos
1178
químicos do solo: cálcio (A), magnésio (B), fósforo (C), potássio (D), ferro (E), cobre 1179
(F), manganês (G), zinco (H), pH em água (I), acidez potencial (J) e matéria orgânica 1180
(K), conforme o erro relativo em torno da média, com 5% de significância. 1181
1182
Os resultados referentes à análise geoestatística encontram-se na Tabela 2 1183
e Figura 3. Para todos os atributo químicos verificou-se estrutura de dependência 1184
espacial com o modelo esférico ajustando-se às semivariância estimadas, 1185
comprovado pelos valores de R2 dos nutrientes maiores que 0,887, ou seja, mais de 1186
88,7% da variabilidade existente nos valores da semivariância estimada são 1187
explicadas pelos modelos ajustados, indicando que os modelos de semivariogramas 1188
adotados satisfazem às exigências de interpolação espacial. 1189
O coeficiente de regressão da validação cruzada (CRCV) variou entre 31,7 e 1190
101,4%, para Cu e K, respectivamente. Nessa análise, depois de obtido o modelo 1191
variográfico, cada valor original é removido do domínio espacial e, usando-se os 1192
demais, um novo valor é estimado para esse ponto. Desse modo, um gráfico pode 1193
ser construído mostrando a relação entre valores reais e estimados. A validação 1194
cruzada não prova que o modelo escolhido é o mais correto, mas sim que o mesmo 1195
não é inteiramente incorreto. O CRCV do K indica que sua estimativa no solo, 1196
utilizando a técnica da krigagem, apresenta um menor erro e, portanto, é mais 1197
confiável. A validação cruzada é uma forma para medir a incerteza da predição dos 1198
dados, ou seja, uma maneira de verificar a confiabilidade do modelo variográfico, 1199
que terá reflexos na interpolação dos dados e, consequentemente, no mapeamento 1200
por krigagem (BERNARDI et al, 2015). Faraco et al. (2008), estudando diversos 1201
critérios para validação de atributos do solo, concluíram que a validação cruzada foi 1202
o método mais adequado para escolha do melhor ajuste. 1203
1204
TABELA 2. Modelos e parâmetros estimados dos semivariogramas experimentais
1205
para cálcio, magnésio, fósforo, potássio, ferro, cobre, manganês, zinco, acidez ativa, 1206
acidez potencial e matéria orgânica em lavoura de macadâmia cultivada no 1207
município de São Mateus, ES. 1208 Parâmetros GDE R² CRVC SQR --- % --- Ca 43,3 98,4 85,5 2,79 10-4 Mg 32,1 99,7 83,5 8,10 10-8 P 43,7 98,2 56,5 271 K 20,7 97,1 101,4 24177 Fe 0,1 97,4 98,8 24254 Cu 6,8 99,9 31,7 1,285 10-3 Mn 32,1 95,2 87,4 119 Zn 48,9 79,5 81,3 23,8 pH 49,9 92,7 80,0 1,02 10-4 H+Al 60,8 88,7 60,0 2,84 10-3 MO 27,1 97,0 91,5 2,78 10-4
GD: grau de dependência espacial; R2: coeficiente de determinação; CRCV: coeficiente de regressão
1209
da validação cruzada; SQR: soma de quadrado de resíduo.
1210 1211
A análise do grau de dependência espacial dos atributos químicos do solo 1212
mostrou que as variáveis K, Fe e Cu apresentaram grau de dependência espacial 1213
forte (<25%), concordando com e grau de dependência moderada (25 a 75%) para 1214
os demais atributos em estudo. De acordo com Cambardella et al. (1994) as 1215
variáveis que apresentam forte dependência especial são mais influenciadas pelas 1216
propriedades intrínsecas do solo, como textura e mineralogia, enquanto aquelas que 1217
apresentam fraca dependência são influenciadas por propriedades extrínsecas do 1218
solo, como o cultivo e a aplicação de fertilizantes, ou seja, são dependentes do 1219
manejo do solo. 1220
1221
Os valores entre parênteses representam o efeito de efeito pepita (Co), o patamar (Co + C) e o
1222
alcance (A), respectivamente. Esf. - modelo esférico.
FIGURA 3. Semivariogramas das variáveis cálcio (A), magnésio (B), fósforo (C),
1224
potássio (D), ferro (E), cobre (F), manganês (G), zinco (H), pH em água (I), acidez 1225
potencial (J) e matéria orgânica (K). 1226
1227
O alcance da dependência espacial é um parâmetro importante no estudo 1228
dos semivariogramas. Chaves e Farias (2009) define como a distância máxima em 1229
que os pontos amostrais do atributo do solo se correlacionam espacialmente entre 1230
si. Isso significa que os pontos amostrais localizados em distâncias maiores que o 1231
alcance apresenta distribuição aleatória independente entre si, portanto e, desse 1232
modo é aplicada a estatística clássica. Os valores de alcance variaram entre 14,6 a 1233
133,3 metros, para a Cu e MO, respectivamente (Figura 3F e 3K). Santos et al. 1234
(2013) corrobora que o alcance do semivariograma, pode auxiliar no processo de 1235
amostragem, pois proporciona a correta distribuição do número de amostras para a 1236
estimativa dos atributos do solo, de acordo com a escala de estudo. 1237
A área estudo apresentou tendência central dos atributos, onde foram 1238
observados os maiores valores de pH e os maiores valores das bases Ca e Mg 1239
(Figura 4A, 4B e 4I), porque, de acordo com Ronquim (2010), as bases têm a 1240
propriedade de aumentar o pH do solo. Um padrão similar de distribuição espacial 1241
também foi encontrado por Azevedo et al. (2015) para macronutrientes e pH; e 1242
por Lima et al. (2010) entre Ca, Mg, K e pH. Do mesmo modo, valores mais elevados 1243
de pH foram observados coincidindo com a ocorrência de menores teores de H+Al 1244
(Figura 4J). Resultados semelhantes foram encontrados por Lima et al. (2010) 1245
corroborando com Ronquim (2010), que concluíram que os solos menos ácidos, ou 1246
seja, os solos com maior pH, apresentam menores teor de H e Al permutáveis 1247
(Figura 4). 1248
O principal aporte de material orgânico é oriundo de restos vegetais das 1249
podas e de produção deixados no solo e da senescência das folhas da planta de 1250
macadâmia. Contudo, apesar de deixados nas entrelinhas da lavoura o material 1251
orgânico pode ser mobilizado, devido ao escoamento superficial favorecido pelo 1252
relevo mais declivoso (Figura 4K). A MO coincidiu com os valores mais elevados do 1253
micronutriente Fe e do macronutriente P, mostrando a importância da matéria 1254
orgânica nesses solos (Figura 4C e 4E). Costa et al. (2014), em Latossolo Vermelho 1255
eutroférrico observaram que P disponível esteve mais correlacionado com a matéria 1256
orgânica (MO), demonstrada pela similaridade de áreas com teores mais elevados