ATRIBUTOS F´ISICO-QU´IMICOS DE UMA ESTAC¸ ˜AO
EXPERIMENTAL POR MEIO DE M ´ETODOS MULTIVARIADOS E
ESPACIAIS
Djair Durand Ramalho FRADE1 Luiz Ricardo NAKAMURA1 Ana Julia RIGHETTO1 Ezequiel Abraham L´opez BAUTISTA2 Ricardo Alves de OLINDA3
RESUMO: A variabilidade espacial dos atributos f´ısico-qu´ımicas do solo exerce grande influˆencia sobre o rendimento de culturas agr´ıcolas. O objetivo do trabalho foi analisar a variabilidade espacial desses atributos, utilizando, conjuntamente, an´alise fatorial e geoestat´ıstica. Os dados experimentais foram coletados na ´area experimental situada na Esta¸c˜ao Experimental Camantulul, munic´ıpio de Santa Luc´ıa Cotzumalguapa, Guatemala e as amostras de solo recolhidas a uma profundidade de 0,20 m, em uma grade de amostragem com 49 pontos. Os seguintes atributos f´ısico-qu´ımicas do solo foram analisados: condutividade el´etrica (CE), potencial hidrogeniˆonico (pH), mat´eria orgˆanica (MO), C´alcio (Ca), magn´esio (Mg), pot´assio (K), S´odio (Na), f´osforo (P), cobre (Cu), zinco (Zn), ferro (Fe), manganˆes (Mn), capacidade de campo (CC), capacidade de troca catiˆonica (CTC), ponto de murcha permanente (PMP) e densidade do solo (dApa). Os dados foram analisados pela estat´ıstica descritiva, seguida de an´alise fatorial. A geoestat´ıstica foi utilizada para verificar e quantificar o grau de dependˆencia espacial de atributos - representado pelos fatores extra´ıdos. A an´alise fatorial permitiu a redu¸c˜ao dimensional do problema, fornecendo fatores interpret´aveis, com baixa perda de informa¸c˜oes. Apesar desta perda de informa¸c˜ao, caracter´ıstica da an´alise fatorial, a combina¸c˜ao desta t´ecnica com a an´alise geoestat´ıstica foi eficiente para quantificar e determinar a estrutura de dependˆencia espacial das caracter´ısticas do solo da regi˜ao.
1Universidade de S˜ao Paulo – USP, Escola Superior de Agricultura “Luiz de Queiroz”
-ESALQ, Programa de P´os-Gradua¸c˜ao em Estat´ıstica e Experimenta¸c˜ao Agronˆomica, CEP:
13418-900, Piracicaba, SP, Brasil. E-mail: djairdurand@gmail.com; lrnakamura@usp.br;
ajrighetto@gmail.com
2Universidad de San Carlos de Guatemala - USAC, Facultad de Agronom´ıa, C´odigo Postal: 01012,
Guatemala, Guatemala, Guatemala.ealbautis@gmail.com
3Universidade Estadual da Para´ıba - UEPB, Departamento de Estat´ıstica, CEP: 58429-500,
PALAVRAS-CHAVE: An´alise fatorial; geoestat´ıstica; krigagem; solo; variabilidade Espacial.
1
Introdu¸
c˜
ao
Um dos desafios atuais da agricultura mundial est´a no aumento da produ¸c˜ao a n´ıveis capazes de atender a demanda populacional (Gomes e Bor´em, 2013). Esse aumento de produ¸c˜ao deve acontecer sem que haja agress˜ao ao meio ambiente, conservando os recursos naturais, deixando um legado para as futuras gera¸c˜oes.
Para elevar a produtividade das culturas, novas metodologias devem ser propostas para aumentar a eficiˆencia dos sistemas agr´ıcolas e garantir seguran¸ca alimentar a um custo ambiental cada vez menor, fugindo do modelo atual, em que o aumento da produ¸c˜ao agr´ıcola, tanto em pa´ıses desenvolvidos como em desenvolvimento, vem provocando uma crescente preocupa¸c˜ao com as condi¸c˜oes dos alimentos, que est´a cada vez mais ligada `a conserva¸c˜ao dos recursos naturais explorados, especialmente ´agua e solo.
O conhecimento sobre a variabilidade espacial das propriedades do solo e da planta que controlam a produtividade das culturas ´e indispens´avel na agricultura moderna, uma vez que pequenas altera¸c˜oes podem levar `a grandes diferen¸cas de rendimento. O comportamento dessas propriedades nas ´areas cultivadas pode ser caracterizado por mudan¸cas expressivas associadas `as variabilidades espacial e temporal significativas, podendo ocorrer pela paisagem, pelo manejo agr´ıcola ou por outros fatores (Silva et al., 2010).
A an´alise geoestat´ıstica tem-se mostrado uma importante ferramenta nas ciˆencias do solo, pois permite detectar e descrever com detalhes a variabilidade e distribui¸c˜ao espacial de suas propriedades (Alves et al., 2014; Carvalho et al., 2002; Manzione e Zimback, 2011). Segundo Fidalski et al. (2007) e Manzione e Zimback (2011), estudos que quantificam a qualidade do solo, de modo geral, al´em de apresentarem in´umeras vari´aveis tamb´em possuem intera¸c˜oes entre si. Usualmente, essas caracter´ısticas s˜ao analisadas univariadamente, ou seja, n˜ao se considera nenhum tipo de dependˆencia entre as mesmas. Este tipo de an´alise, pode culminar em resultados imprecisos, invalidando o estudo.
Uma op¸c˜ao para o tratamento da dependˆencia das vari´aveis, bem como ao excesso delas, est´a na utiliza¸c˜ao de t´ecnicas de estat´ıstica multivariada, como, por exemplo, a an´alise fatorial, extremamente utilizada na literatura (Borges et al., 2013; Preston et al., 2014; Righetto et al., 2014) com o intuito de reduzir a dimensionalidade de um determinado problema, transformando um n´umero elevado de vari´aveis em apenas alguns fatores, capazes de representar quase a totalidade da varia¸c˜ao dos dados reais. Desta maneira, essa metodologia tem grande potencialidade de, aliada `as t´ecnicas de agricultura de precis˜ao, gerar resultados positivos para a agricultura nacional.
Finalmente, o objetivo deste trabalho foi estudar a variabilidade espacial dos atributos qu´ımicos e f´ısicos do solo de uma esta¸c˜ao experimental localizada na Guatemala, auxiliado por m´etodos estat´ısticos multivariados que levam em
considera¸c˜ao a rela¸c˜ao pr´e-existente entre essas vari´aveis e, desta maneira, expˆor informa¸c˜oes extremamente relevantes que podem ser utilizadas pelas entidades competentes no que tange a gera¸c˜ao de culturas no local de estudo.
2
Material e m´
etodos
Os dados foram coletados na ´area experimental situada na Esta¸c˜ao Experimental Camantulul (Figura 1(a)), munic´ıpio de Santa Luc´ıa Cotzumalguapa, Guatemala. A ´area de estudo compreende 61,46 ha, estando situada entre as coordenadas geogr´aficas 14◦19′48′′de latitude Norte e 91◦03′16′′de longitude Oeste com 300 m acima do n´ıvel do mar e, distribu´ıda em 29 lotes, com ´areas que variam de 1,24 a 3,17 ha. Neste trabalho, apenas o lote 27 foi utilizado, o qual possui ´area total de 1,91 ha. Os solos da esta¸c˜ao experimental pertencem `a ordem Andisol, s´erie Camantulul, originados de cinzas vulcˆanicas, cimentados de cor clara, relevo ligeiramente plano, drenagem interno moderado, marrom escuro, textura franco argilosa, com teor m´edio de 3,8% de mat´eria orgˆanica, consistˆencia fri´avel e com espessura entre 25 a 50 cm. A variedade de cana plantada foi a CP (Canal Point, Florida, Estados Unidos) 881.165 de segundo corte (soca). A fertiliza¸c˜ao foi realizada numa ´unica aplica¸c˜ao (40 kg de P2O5 por hectare) de fosfato monoamˆonio (MAP) grau 10-50-0 (50% de P2O5), aos 30-45 dias depois do corte.
No talh˜ao estudado foram selecionados 49 pontos amostrais (Figura 1(b)) e extra´ıdas amostras de 500 g de solo a uma profundidade de 0-0,20 m, utilizando-se um trado tipo californiano. As amostras de solo foram secas ao ar e temperatura ambiente, desterroadas, mo´ıdas e peneiradas com malha de 2 mm. As an´alises f´ısico-qu´ımicas foram realizadas no Laborat´orio de solos do Centro Guatemalteco de Investigaci´on y Capacitaci´on de la Ca˜na de Az´ucar (CENGICA ˜NA), utilizando-se metodologias padr˜ao. O pH do solo, foi medido a partir de uma suspens˜ao de solo e ´agua (rela¸c˜ao 1:2) usando um medidor de pH calibrado. O teor de carbono orgˆanico no solo foi determinado pelo m´etodo de digest˜ao ´umida e depois convertido a mat´eria orgˆanica (MO).
Os seguintes atributos f´ısico-qu´ımicos do solo foram analisados: condutividade el´etrica (CE), potencial hidrogeniˆonico (pH), mat´eria orgˆanica (MO), c´alcio (Ca), magn´esio (Mg), pot´assio (K), s´odio (Na), f´osforo (P), cobre (Cu), zinco (Zn), ferro (Fe), manganˆes (Mn), capacidade de campo (CC), capacidade de troca catiˆonica (CTC), ponto de murcha permanente (PMP) e densidade do solo (dApa).
Como em Nakamura et al. (2013), devido ao alto n´umero de vari´aveis mensuradas em campo, optou-se pela utiliza¸c˜ao do m´etodo estat´ıstico multivariado denominado an´alise fatorial (AF). Seu principal objetivo ´e o de sumarizar um determinado n´umero p de vari´aveis em m fatores (m < p), reduzindo assim o n´umero de dimens˜oes do problema (Johnson e Wichern, 2007). Matematicamente, tem-se que
X− µ = ΛF + ϵ,
em que X ´e o vetor de vari´aveis aleat´orias p-dimensional, com vetor de m´edias
(a)
(b)
Figura 1 - (a) Localiza¸c˜ao geogr´afica da Esta¸c˜ao Experimental Camantulul; e (b) Localiza¸c˜ao dos 49 pontos amostrais
com dimens˜ao p×m, de cargas fatoriais que indicam a intensidade das rela¸c˜oes entre cada uma das vari´aveis com cada um dos fatores; F ´e o vetor m-dimensional de vari´aveis n˜ao observ´aveis, ou fatores; e ϵ ´e o vetor de erros aleat´orios.
Para a escolha do n´umero m de fatores foram utilizados dois crit´erios descritos em Johnson e Wichern (2007): i) Crit´erio dos autovalores: m corresponde ao n´umero de autovalores obtidos da matriz de autocorrela¸c˜ao que foram maiores ou iguais a um; e ii) An´alise da representividade em rela¸c˜ao `a variˆancia original: m corresponde
ao n´umero de fatores que acumulam uma porcentagem γ×100 da variˆancia original dos dados.
Com a obten¸c˜ao dos fatores foi realizada uma rota¸c˜ao nos mesmos utilizando o procedimento Varimax, descrito em Kaiser (1958). Ap´os esta etapa, observou-se, por meio das cargas fatoriais, quais vari´aveis influenciaram mais cada um dos fatores e, desta forma, os mesmos foram rotulados de modo que seus nomes refletissem da maneira mais concisa poss´ıvel as cargas mais elevadas.
Posteriormente, an´alises geoestat´ısticas foram utilizadas para verificar e, caso fosse detectado, quantificar o grau de dependˆencia espacial (GDE) dos dados gerados pela AF. A montagem de fun¸c˜oes te´oricas para modelos experimentais do variograma foi baseado no pressuposto de estacionaridade da hip´otese intr´ınseca e de acordo com a equa¸c˜ao:
ˆ γ(h) = 1 2N (h) N (h)∑ i=1 [Z(xi)− Z(xi+ h)] 2 ,
em que ˆγ(h) corresponde a semivariˆancia estimada a partir dos dados experimentais;
Z s˜ao os valores obtidos nos pontos xi e xi + h; N (h) ´e o n´umero de pares experimentais de observa¸c˜oes Z(xi), Z(xi+ h), separados por um vetor de distˆancia
h. Para os semivariogramas que apresentaram dependˆencia espacial, ajustou-se um modelo te´orico para a estima¸c˜ao dos parˆametros τ2 (efeito pepita), τ2+ σ2 (patamar) e ϕ (alcance). Os modelos escolhidos foram os que obtiveram o menor valor referente ao Crit´erio de Informa¸c˜ao de Akaike (AIC). Foram utilizados os seguinte modelos: a) Esf´erico: ˆ ρ(h) = τ2+ σ2 [ 3h 2ϕ− 1 2 ( h ϕ )3] , se 0 < h < ϕ τ2+ σ2, se h≥ ϕ. b) Exponencial: ˆ ρ(h) = { τ2+ σ2{1− exp[−3(h ϕ )]} , se 0 < h < ϕ τ2+ σ2, se h≥ ϕ. c) Gaussiano: ˆ ρ(h) = τ2+ σ2 { 1− exp [ −3(h ϕ )2]} , se 0 < h < ϕ τ2+ σ2, se h≥ ϕ. d) Wave: ˆ ρ(h) = { τ4+ϕ hsen ( h ϕ ) , se 0 < h < ϕ τ2+ σ2, se h≥ ϕ.
Avaliou-se o GDE do modelo, dado pela raz˜ao entre o efeito pepita (τ2) e o patamar (τ2+ σ2), expresso em porcentagem. Segundo Guimar˜aes (2004), se essa raz˜ao for inferior ou igual a 25%, diz-se que a vari´avel possui forte dependˆencia espacial, se a raz˜ao estiver compreendida entre 25% e 75%, diz-se que a vari´avel apresenta dependˆencia espacial moderada e, finalmente, se a raz˜ao for superior a 75%, a dependˆencia espacial ´e fraca.
Ap´os a identifica¸c˜ao da existˆencia de dependˆencia espacial, o m´etodo de interpola¸c˜ao de krigagem ordin´aria foi utilizado para estimar valores em locais n˜ao avaliados. As estimativas dos modelos de semivariˆancia e a realiza¸c˜ao da krigagem foram obtidas por meio do programa R vers˜ao 3.0.1 (R Core Team, 2013), por meio do pacote geoR (Ribeiro Junior e Diggle, 2001).
3
Resultados e discuss˜
ao
Na Tabela 1 observa-se o resultado da an´alise explorat´oria para as propriedades do solo. Medidas de tendˆencia central (m´edia e mediana) foram semelhantes para mais de 65% das propriedades, o que indica uma distribui¸c˜ao de dados com pouca varia¸c˜ao em torno de um valor central. Contudo, as vari´aveis CE, Mg, Na, P, Cu, Fe, Mn, CC, PMP e dApa apresentaram distribui¸c˜ao assim´etrica do lado direito, indicando um desvio da distribui¸c˜ao normal, que foi confirmado pelo teste de Shapiro-Wilk (p<0,05). As demais propriedades apresentaram coeficientes de assimetria pr´oximo `a zero, apresentando uma distribui¸c˜ao normal, como confirmado pelo teste de normalidade utilizado. Segundo Cressie (1993), mesmo para dados que n˜ao seguem uma distribui¸c˜ao normal, a krigagem ´e eficaz em situa¸c˜oes em que as caudas da distribui¸c˜ao normal n˜ao s˜ao muito longas.
Analisando o coeficiente de varia¸c˜ao (C.V.) de acordo com a classifica¸c˜ao proposta por Warrick e Nielsen (1980), os valores foram agrupados como: baixo (C.V. < 12%); moderado (12% ≤ C.V. ≤ 60%); e alto (C.V. > 60%). Com exce¸c˜ao do P e Mn que apresentaram um coeficiente de varia¸c˜ao alto e do pH, CC, PMP e dApa que apresentaram um coeficiente de varia¸c˜ao baixo, todas as outras propriedades apresentaram-se na faixa de varia¸c˜ao de 12-60% considerada como moderado. Estas varia¸c˜oes nas propriedades qu´ımicas do solo podem ser relacionadas a sucessivas mudan¸cas causadas por atividades agr´ıcolas e, consequentemente, por processos de eros˜ao. O comportamento diferente das propriedades atrav´es da paisagem tamb´em pode ser explicado pela sucessiva e irregular fertiliza¸c˜ao e aduba¸c˜ao (Silva e Chaves, 2001).
Com o intuito de reduzir a dimensionalidade do problema, a AF foi aplicada `as vari´aveis originais e observou-se que cinco fatores possu´ıam autovalores associados maiores do que um (dados, respectivamente, por: 4,27; 2,56; 1,74; 1,49; e 1,13), que juntos representam um total de 70,09% da variˆancia original dos dados. Segundo Mardia et al. (1992) a utiliza¸c˜ao de um n´umero de fatores que reflita pelo menos 70% da variabilidade das vari´aveis originais ´e adequada. Esta margem ´e respeitada por diversos autores na literatura como, por exemplo, Firetti et al. (2012), Melo e Silva (2014), Paye et al. (2012), entre outros. Ap´os a escolha do n´umero de fatores
T ab ela 1 -Estat ´ıstica descritiv a e distribui¸ c˜ ao de frequ ˆencia de propriedades do solo Propriedade Estat ´ısticas M ´edia Mediana M´ aximo M ´ınimo s C.V.(%) C c C a w CE (dS/m) 0,09 0,08 0,19 0,04 0,03 38,58 4,13 1,14 pH (em H 2O) 6,66 6,60 7,15 6,17 0,24 3,59 2,18 0,32 * MO (%) 3,80 3,82 5,88 1,44 0,83 21,77 3,36 -0,10 * Ca (meq/100g) 11,15 11,34 16,84 6,93 2,07 18,58 3,18 0,27 * Mg (meq/100g) 1,65 1,54 3,23 0,95 0,45 27,38 4,82 1,16 K (meq/100g) 0,66 0,68 1,27 0,24 0,21 31,95 3,12 0,07 * Na (meq/100g) 0,06 0,06 0,17 0,01 0,03 52,72 4,70 1,22 CTC(meq/100g) 13,52 13,45 20,45 8,20 2,37 17,49 3,42 0,29 * P (ppm) 13,64 8,51 90,40 0,48 16,43 120,40 12,23 2,80 Cu (ppm) 0,52 0,50 1,60 0,25 0,20 38,93 16,76 2,99 Zn (ppm) 3,28 3,20 5,50 1,40 0,98 30,01 2,03 0,17 * F e (ppm) 2,58 2,40 7,35 0,05 1,33 51,53 5,22 0,95 Mn (ppm) 13,65 10,65 51,05 3,36 9,75 71,39 5,89 1,56 CC (% umidade) 37,25 36,83 44,48 33,30 2,66 7,15 3,85 1,03 PMP (% umidade) 18,08 17,80 24,45 15,88 1,66 9,18 6,35 1,63 dApa (gr/cm 3 ) 0,90 0,90 1,02 0,79 0,05 5,87 2,62 0,19 * CE: condutividade el ´etrica; pH: p otencial hidrogeniˆ onico; MO: mat ´eria orgˆ anica; Ca: c´ alcio; Mg: magn ´esio; K: p ot´ assio; Na: s´ odio; CTC: capacidade de tro ca catiˆ onica; Cu: cobre; Zn: zinco; F e: ferro; Mn: mangan ˆes; CC: capacidade de camp o; PMP: p on to de m urc ha p ermanen te; dApa: densidade do solo; s: desvio padr˜ ao; C.V.(%): co eficien te de v aria¸ c˜ ao; C c: co eficien te de curtose; C a : co eficien te de assimetria; *:distribui¸ c˜ ao normal p elo teste de Shapiro-Wilk’s (p-v alor < 0,05)
`
a serem utilizados, prosseguiu-se com a obten¸c˜ao das cargas fatoriais e a rota¸c˜ao dos fatores, apresentada na Tabela 2. As cargas fatoriais em negrito denotam aquelas que mais influenciam em determinado fator.
Tabela 2 - Matriz fatorial rotacionada pelo crit´erio Varimax. Em negrito, os valores com cargas mais significativas
Atributo Fator 1 Fator 2 Fator 3 Fator 4 Fator 5
CE 0,76390 -0,05207 -0,11371 0,12343 0,00599 pH -0,04878 -0,18336 0,41036 -0,59905 0,13567 MO 0,21414 0,20659 0,08888 0,14819 -0,76090 Ca 0,67691 0,10201 -0,04875 0,53780 0,27248 Mg 0,73969 0,08841 0,07096 -0,05318 -0,09162 K 0,26418 0,10918 -0,00787 0,17042 0,71605 Na 0,11642 0,04832 0,22153 0,86143 0,07085 CTC 0,76736 0,10496 -0,01328 0,47453 0,28331 P 0,68613 0,01786 0,10788 -0,10342 -0,18915 Cu -0,15782 0,21277 0,21331 0,03746 0,47483 Zn 0,68252 0,07999 0,42880 0,32879 -0,05607 Fe 0,04324 -0,22914 0,74808 0,14173 -0,19984 Mn 0,09398 0,10716 0,82479 -0,07343 0,21772 CC -0,00435 0,88963 0,14035 -0,05315 0,10234 PMP 0,21889 0,88955 -0,10908 0,18391 0,05951 dApa 0,04069 -0,71631 0,47687 -0,19617 0,11561
Por meio da Tabela 2, observa-se que: i) O Fator 1 apresenta como cargas fatoriais mais altas as vari´aveis CE, Ca, Mg, CTC, P e Zn e, logo, foi denominado disponibilidade de nutrientes no solo; ii) O Fator 2 apresentou cargas fatoriais positivas altas para CC e PMP e alta carga negativa para dApa e, logo, foi denominado de capacidade h´ıdrica do solo; iii) O Fator 3 possui altas cargas positivas para Fe e Mn e, portanto, foi nomeado como oxi-redu¸c˜ao; iv) O Fator 4 apresenta apenas uma carga fatorial positiva alta e, portanto, recebe o nome da vari´avel correspondente, s´odio; e v) por fim, o Fator 5 apresenta alta carga positiva para K e alta carga negativa para MO, sendo denominado como dinˆamica do solo.
Uma vez obtidos os fatores, a an´alise geoestat´ıstica foi realizada utilizando-se os valores dos escores fatoriais apreutilizando-sentados, ajustando-utilizando-se aos variogramas experimentais os modelos esf´erico, exponencial, wave e Gaussiano. O modelo wave foi escolhido, haja vista que se ajustou melhor `as semivariˆancias experimentais e a estima¸c˜ao de seus parˆametros ´e apresentada na Tabela 3.
Observou-se a dependˆencia espacial, com aumento gradual da semivariˆancia at´e determinada distˆancia, em que o valor se estabiliza (alcance de 13,73–82,73) dependendo do fator considerado (Tabela 3). Em tais casos, os pontos situados numa zona de raio menor ou igual ao alcance s˜ao mais semelhantes, dependem uns dos outros no espa¸co e podem ser usados para estimar valores em locais pr´oximos,
Tabela 3 - Parˆametros dos variogramas ajustados para os cinco fatores extra´ıdos
Fator Parˆametros
τ2 τ2+ σ2 ϕ GDE AIC 1 0,09 0,98 13,73 0,91 141,89 2 0,73 0,99 46,81 0,27 141,82 3 0,54 0,94 82,73 0,43 128,11 4 0,81 0,98 40,78 0,17 144,45 5 0,44 0,87 77,55 0,49 120,39
τ 2 : efeito pepita; τ 2 + σ2 : patamar; ϕ: alcance; GDE: grau de dependˆencia espacial (τ 2 /(τ 2 + σ2 ))
n˜ao amostrados.
Como pode-se observar na Tabela 3, os valores do efeito pepita (τ2) est˜ao pr´oximos de zero para todos os fatores analisados, o que aumenta a precis˜ao das estimativas, por meio da krigagem, de valores em locais n˜ao medidos, uma vez que o
τ2 representa o componente da variabilidade espacial que n˜ao pode ser relacionado com uma causa espec´ıfica, ou seja, quanto menor a varia¸c˜ao ao acaso, mais precisa ´e a estimativa (Vieira, 2000).
No que se refere ao GDE, a Tabela 3 indica uma forte dependˆencia para o quarto fator analisado, uma moderada dependˆencia espacial para o segundo, o terceiro e o quinto fatores analisados e uma baixa dependˆencia espacial para o primeiro fator analisado, de acordo com a classifica¸c˜ao sugerida por Guimar˜aes (2004).
Ap´os defini¸c˜ao dos modelos e parˆametros dos variogramas, os dados foram interpolados por meio da krigagem ordin´aria para mapear a fertilidade e a textura do solo com base nos cinco fatores extra´ıdos (Figura 2).
De acordo com Silva (2009), menores valores estimados para o alcance (ϕ) de semivariˆancia, menores ser˜ao a continuidade espacial e consequentemente maior a variabilidade. Pode-se observar tal fenˆomeno visualizando o mapa de predi¸c˜ao do Fator 1 (Figura 2(a)), cujo alcance estimado foi o menor entre todos os outros fatores, ainda, ´e poss´ıvel observar que a ´area apresenta-se de forma equilibrada em rela¸c˜ao a disponibilidade de nutrientes. Altos valores desse fator indicam regi˜oes que podem apresentar uma alta produtividade.
Com rela¸c˜ao a Figura 2(b), observa-se que as regi˜oes nordeste e sul apresentaram a maior capacidade h´ıdrica, com decr´escimo gradual para o centro da ´area. Altos n´ıveis desse fator, podem indicar uma maior capacidade de armazenamento de ´agua. No que se refere a Figura 2(c), que representa a oxi-redu¸c˜ao presente na ´area, o mapa apresenta altos ´ındices na regi˜ao sul da ´area com um acr´escimo gradual para a regi˜ao norte. Valores positivos deste fator indicam regi˜oes que apresentam maior capacidade de troca de c´ations e consequentemente redu¸c˜ao nos n´ıveis de pH.
(a) (b)
(c) (d)
(e)
Figura 2 - Mapa de predi¸c˜ao dos cinco fatores extra´ıdos: (a) Fator 1; (b) Fator 2; (c) Fator 3; (d) Fator 4 e (e) Fator 5.
2(d), pode-se dizer que este apresenta uma grande continuidade espacial. Valores positivos indicam alta concentra¸c˜ao de s´odio. Pode-se observar no mapa deste fator que a maior parte dessa regi˜ao apresenta altos n´ıveis de salinidade.
O mapa da dinˆamica do solo, representado na Figura 2(e), est´a bem distribu´ıdo espacialmente. Valores positivos desse fator, indicam regi˜oes potencialmente ricas em pot´assio e, valores negativos indicam regi˜oes potencialmente ricas em mat´eria orgˆanica.
Conclus˜
oes
A an´alise fatorial se mostrou uma poderosa ferramenta para a redu¸c˜ao dimensional do problema, uma vez que forneceu fatores perfeitamente interpret´aveis com baixa perda de informa¸c˜oes.
A an´alise geoestat´ıstica combinada aos fatores obtidos foi extremamente eficaz no que diz respeito `a quantifica¸c˜ao e determina¸c˜ao da estrutura de dependˆencia espacial da fertilidade do solo.
Finalmente, a caracteriza¸c˜ao f´ısico-qu´ımica da regi˜ao seguindo a abordagem estabelecida por esse trabalho se mostrou eficiente e pode ser utilizada pelas entidades competentes no que se refere ao cultivo de diferentes culturas na esta¸c˜ao experimental em estudo.
FRADE, D. D. J.; OLINDA, R. A.; NAKAMURA, L. R.; RIGHETTO, A. J.; BAUTISTA, E. A. L. Physico-chemical properties in an experimental station through multivariate and spatial methods. Rev.Bras. Biom., S˜ao Paulo, v.33, n.3, p.184-196, 2015.
ABSTRACT: The spatial variability of physicochemical soil properties has large influence on the agricultural crops yields. Therefore, the main objective of this paper was to analyze the spatial variability of these properties, applying jointly, factor and geostatistics analysis. The data set was collected from an experimental area based on the Camantulul experimental station, Santa Luc´ıa Cotzumalguapa, Guatemala. The soil samples were collected on a soil depth of 0.20 m, in a sampling grid with 49 points. The following physicochemical properties were measured: conductivity, power of hydrogen (pH), organic matter, calcium (Ca), magnesium (Mg), potassium (K), sodium (Na), phosphorus (P), copper (Cu), zinc (Zn), iron (Fe), manganese (Mg), field capacity, cation exchange capacity, permanent wilting point and soil bulk density. The data set was analyzed through descriptive statistics, followed by factor analysis. Geostatistics was used to verify and quantify spatial dependence of attributes – represented by the extracted factors. The factor analysis reduced the dimensionality of the problem, with a low-loss of information. Despite of this loss of information, the combination of factor and geostatistical analysis was efficient to quantify and determine the spatial dependence structure of the soil characteristics.
Referˆ
encias
ALVES, S. M. F.; QUEIROZ, D. M.; ALC ˆANTARA, G. R.; REIS, E. F. Variabilidade espacial de atributos f´ısico-qu´ımicos do solo usando t´ecnicas de an´alise de componentes principais e geoestat´ıstica. Bioscience Journal, Uberlˆandia, v. 30, n. 1, p.22–30, 2014.
BORGES, A. F.; BORGES, M. A. C. S.; REZENDE, J. L. P.; FERREIRA NETO, A.; SILVA, S. C.; MACEDO, M. A. A. Environmental concern of university students in the federal education institute in rural Goi´as, Brazil. Ciˆencia Rural, Santa Maria,
v. 43, n. 11, p. 2109–2114, 2013.
CARVALHO J. R. P.; VIEIRA S. R.; MORAN R. C. C. P. An´alise de correspondˆencia – uma ferramenta ´util na interpreta¸c˜ao de mapas de produtividade.
Revista Brasileira de Ciˆencia do Solo, Vi¸cosa, v. 26, p. 435–443, 2002.
CRESSIE, N. A. C. Statistical for spatial data. New Jersey: Wiley Series in Probability and Mathematical Statistics, 1993. 928 p.
FIDALSKI, J,; TORMENA, C.A.; SCAPIM, C.A. Espacializa¸c˜ao vertical e horizontal dos indicadores de qualidade para um Latossolo Vermelho. Revista
Brasileira de Ciˆencia do Solo, Vi¸cosa, v. 31, n. 1, p. 9–19, 2007.
FIRETTI, R.; BEZERRA, L. M. C.; FACHINI, C.; TURCO, P. H. An´alise de vari´aveis estrat´egicas para o desenvolvimento da agropecu´aria do Pontal do Paranapanema. Revista de Economia e Sociologia Rural, Bras´ılia, v. 50, n. 1, p. 141–156, 2012.
GOMES, W. S.; BOR´EM, A. Biotecnologia: Novo Paradigma do Agroneg´ocio Brasileiro. Revista de Economia e Agroneg´ocio, Vi¸cosa, v. 11, n. 1, p. 115–136,
2013.
GUIMAR ˜AES, E. C. Geoestat´ıstica b´asica e aplicada. Uberlˆandia-MG: Universidade Federal de Uberlˆandia, 2004. 76p.
JOHNSON, R. A; WICHERN, D. W. Applied multivariate statistical analysis. 6. ed. New Jersey: Upper Saddle River, 2007. 773 p.
KAISER, H. F. The varimax criterion for analytic rotation in factor analysis.
Psychometrika, New York, v. 23, n. 3, p. 187–200, 1958.
MANZIONE, R. L.; ZIMBACK, C. R. L. An´alise espacial multivariada aplicada na avalia¸c˜ao da fertilidade do solo. Revista Engenharia na Agricultura, Vi¸cosa, v. 19, n. 3, p. 227–235, 2011.
MARDIA, K. V.; KENT, J. T.; BIBBY, J. M. Multivariate analysis. London: Academic Press, 1992. 518 p.
MELO, C. O.; SILVA, G. H. Desenvolvimento rural dos munic´ıpios da regi˜ao sudeste paranaense: uma proposta de medida atrav´es da an´alise fatorial. Organiza¸c˜oes Rurais & Agroindustriais, Lavras, v. 16, n. 1, p. 33–45, 2014.
NAKAMURA, L. R.; BAUTISTA, E. A. L.; QUARESMA, E. S.; DIAS, C. T. S.; MIRANDA, E. F. O. Sele¸c˜ao de gen´otipos promissores de caf´e: uma abordagem
multivariada. Revista Brasileira de Biometria, S˜ao Paulo, v. 31, n. 4, p. 516–528, 2013.
PAYE, H. S.; MELLO, J. W. V.; MELO, S. B. M´etodos de an´alise multivariada no estabelecimento de valores de referˆencia de qualidade para elementos-tra¸co em solos. Revista Brasileira de Ciˆencia do Solo, Vi¸cosa, v. 36, n. 3, p. 1031–1041, 2012.
PRESTON, W.; NASCIMENTO, C. W. A.; BIONDI, C. M.; SOUZA JUNIOR, V. S.; SILVA, W. R.; FERREIRA, H. A. Valores de referˆencia de qualidade para metais pesados em solos do Rio Grande do Norte. Revista Brasileira de Ciˆencia do Solo, Vi¸cosa, v. 38, n. 3, p. 1028–1037, 2014.
R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL <http://www.R-project.org/>.
RIBEIRO JUNIOR, P. J.; DIGGLE, P. J. geoR: a package for geostatistical analysis.
R-NEWS, Vienna, v. 1, n. 2, p. 15–18, 2001.
RIGHETTO, A. J.; NAKAMURA, L. R.; BAUTISTA E. A. L.; DIAS, C. T. S. Aplicaci´on de t´ecnicas estad´ısticas multivariadas para el agrupamiento de materiales gen´eticos de cacao (Theobroma cacao L.). Tikalia, Guatemala, v. 32, n. 1, p. 47–62, 2014.
SILVA, P. C. M.; CHAVES, L. H. G. Avalia¸c˜ao e variabilidade espacial de f´osforo, pot´assio e mat´eria orgˆanica em alissolos. Revista Brasileira de Engenharia Agr´ıcola
e Ambiental, Campina Grande, v. 5, n. 3, p. 431–436, 2001.
SILVA, S. A. Variabilidade espacial de atributos de solo e folhas em lavouras de
caf´e ar´abica utilizando an´alise multivariada e geoestat´ıstica. 2009. 105p. Disserta¸c˜ao (Mestrado em Produ¸c˜ao Vegetal) - Universidade Federal do Esp´ırito Santo, Alegres, 2009.
SILVA, S. A.; LIMA, J. S. S.; SOUZA, G. S. Estudo da fertilidade de um Latossolo Vermelho-Amarelo h´umico sob cultivo de caf´e ar´abica por meio de geoestat´ıstica.
Revista Ceres, Vi¸cosa, v. 57, n. 4, p. 560–567, 2010.
VIEIRA, S. R. Geoestat´ıstica em estudos de variabilidade espacial do solo. In: Novais, R.F.; Alvarez, V.; Schaefer, G. R. (Eds.). T´opicos em ciˆencia do solo.
Vi¸cosa: Sociedade Brasileira de Ciˆencia do Solo, 2000. p. 1–54.
WARRICK, A. W.; NIELSEN, D. R. Spatial variability of soil physical properties in field. In: Hillel, D. (Ed.); Applications of soil physics. New York: Academic
Press, 1980. p. 319–344.
Recebido em 17.12.2014. Aprovado ap´os revis˜ao em 02.04.2015.
