CARACTERIZAÇÃO E ESTRATÉGIAS DE MANEJO DA VARIABILIDADE ESPACIAL DOS ATRIBUTOS QUÍMICOS DO SOLO UTILIZANDO A ANÁLISE
DOS COMPONENTES PRINCIPAIS
Maurício Roberto Cherubin1; Antônio Luis Santi2; Claudir José Basso2; Mateus Tonini Eitelwein3; André Luis Vian4
1
Engenheiro Agrônomo, Mestrando do Programa de Pós-Graduação em Agronomia – Agricultura e Ambiente da Universidade Federal de Santa Maria. Frederico
Westphalen, Rio Grande do Sul, Brasil (mauricio_eafs@yahoo.com.br) 2
Engenheiro Agrônomo, Doutor, Professor do Departamento de Ciências Agrárias e Ambientais da Universidade Federal de Santa Maria campus de Frederico
Westphalen, Rio Grande do Sul, Brasil 3
Engenheiro Agrônomo, Mestrando do Programa de Pós-Graduação em Agronomia – Agricultura e Ambiente da Universidade Federal de Santa Maria. Frederico
Westphalen, Rio Grande do Sul, Brasil 4
Graduando do Curso de Agronomia da Universidade Federal de Santa Maria
campus de Frederico Westphalen, Rio Grande do Sul, Brasil
Data de recebimento: 07/10/2011 - Data de aprovação: 14/11/2011
RESUMO
O objetivo do trabalho foi caracterizar e estabelecer estratégias de manejo da variabilidade espacial dos atributos químicos do solo utilizando a análise dos componentes principais em área manejada com agricultura de precisão. Para tanto, o estudo foi conduzido em área experimental, localizada no município de Boa Vista das Missões, Estado do Rio Grande do Sul, Brasil, cujo solo é classificado como Latossolo Vermelho distrófico típico. A amostragem georreferenciada do solo, camada 0 a 0,15 m, procedeu-se a partir da vetorização das áreas e sobreposição dos pontos em malha amostral quadricular regular de 173,73 x 173,73 m. Para determinar a variabilidade espacial dos atributos químicos do solo, os dados foram submetidos a análise estatística descritiva clássica e a geoestatística. A partir dos parâmetros dos semivariogramas ajustados, utilizando o interpolador geoestatístico krigagem, foram gerados os mapas temáticos dos atributos estudados. Para estabelecer as estratégias de manejo da variabilidade utilizou-se a análise multivariada dos componentes principais (ACP). A partir dos resultados pode-se concluir que os atributos químicos do solo apresentaram variabilidade espacial com estrutura de dependência espacial variando de acordo com o atributo analisado. Os teores dos atributos químicos no solo são considerados satisfatórios ao desenvolvimento de plantas, excetuando a acidez do solo. A ACP forneceu componentes interpretáveis, possibilitando traçar estratégias de manejo, a partir do estabelecimento das prioridades de intervenções a serem adotadas. A estratégia de manejo sugerida, prevê prioritariamente a correção da acidez do solo e a aplicação de fertilizante fosfatado e potássico em sítios específicos.
PALAVRAS - CHAVES: agricultura de precisão; fertilidade do solo, variabilidade espacial, mapas temáticos, análise multivariada
CHARACTERIZATION AND MANAGEMENT STRATEGIES OF THE SPATIAL VARIABILITY OF SOIL CHEMICAL ATTRIBUTES USING PRINCIPAL
COMPONENTS ANALYSIS ABSTRACT
The objective of this study was to characterize and establish strategies for managing the spatial variability of soil chemical attributes using principal components analysis in an area managed with precision agriculture. Thus, the study was conducted in the experimental area, located in Boa Vista das Missões, Rio Grande do Sul State, Brazil whose soil is classified as Oxisol typical. Sampling georeferenced soil layer from 0 to 0.15 m, were made to the overlapping area and vectorization of points in regular squared mesh sample 173.73 x 173.73 m. To determine the spatial variability of soil chemical attributes, the data were submitted to classical descriptive statistical analysis and geostatistics. From the parameters of semivariograms adjusted using the geostatistical interpolator kriging, it were generated thematic maps of the attributes studied. To establish management strategies of the variability was used multivariate analysis of principal components (APC). From the results was possible conclude that the of soil chemical attribute had spatial variability with spatial dependence structure varying according to the attribute considered. The levels of soil chemicals attribute are considered satisfactory development of plants, except soil acidity. The APC gave interpretable components, enabling management to strategize, from the establishment of priorities for interventions to be adopted. The suggested management strategy, provides primarily the correction of soil acidity and the application of phosphate and potash fertilizer at specific sites.
KEYWORDS: precision agriculture, soil fertility, variability spatial, thematic maps, multivariate analysis
INTRODUÇÃO
A agricultura de precisão (AP) pode ser concebida como um sistema de gestão ou de gerenciamento da produção agrícola que emprega um conjunto de tecnologias e procedimentos para que as lavouras e sistemas de produção sejam otimizados, tendo como elemento-chave o manejo da variabilidade da produção e dos fatores envolvidos (MOLIN, 2002). Segundo COELHO (2003), a AP, engloba aspectos da variabilidade dos solos, clima, diversidade de culturas, desempenhos de máquinas agrícolas e insumos (físicos, químicos e biológicos) naturais ou sintéticos, usados na produção das culturas. Utilizando-se da integração da computação, eletrônica, organização de banco de dados, e considerando a habilidade em monitorar e gerenciar a atividade agrícola em locais específicos (AMADO & SANTI, 2010).
Neste sentido, conhecer a estrutura da variabilidade de atributos do solo, como os químicos, constituí-se como uma ferramenta útil para compreender a variabilidade da produtividade na área. De acordo com DURIGON (2007) a variabilidade do solo é resultante da interação dos processos que comandam os fatores de sua formação, como o clima, topografia, material de origem, vegetação, processos geológicos e pedológicos complexos e práticas de manejo do solo. Tais fatores influenciam a variabilidade em diferentes escalas. Assim, em escala regional, fatores climáticos, sistemas de uso do solo, cobertura vegetativa e características da superfície do solo são os principais fatores que afetam a variação. Em escala de
campo, os principais fatores que influenciam a variabilidade são o tipo de solo, a topografia, a cultura anterior e as práticas de manejo do solo. Em menor escala, a orientação da linha da cultura, o método de aplicação de nutrientes, o cultivo e a compactação podem predominar como as causas de variabilidade (CAMBARDELLA et al., 1994).
Uma vez conhecida a variabilidade dos atributos do solo, é importante verificar a dependência espacial dos dados. CAMBARDELLA et al. (1994), cita que diversos estudos têm demonstrado que a variabilidade das propriedades do solo apresentam dependência espacial, ou seja, o valor em qualquer ponto amostrado depende de algum modo, dos valores dos pontos localizados em determinada área ao redor. Deste modo, DURIGON (2007) destaca que o estudo da dependência espacial de variáveis relacionadas com a agricultura facilita a compreensão do comportamento e ocorrência dessas variáveis nas áreas estudadas e, conseqüentemente, a interferência das mesmas na produtividade. JOHANN et al., (2004) destaca que a modelagem da variabilidade dos atributos do solo, pode ser procedida utilizando a geoestatística como ferramenta auxiliar, permitindo estabelecer um modelo de semivariograma que melhor à descreve, possibilitando então, utilizar no processo de interpolação dos valores e geração de mapas temáticos.
Diante deste cenário, a utilização de ferramentas de AP permite a valorização da variabilidade espacial dos atributos do solo e possibilita manejá-la, visando aumentar a eficiência técnica e econômica do uso de insumos (SANTI et al., 2009). No entanto, o solo é um corpo natural muito complexo, onde traçar estratégias de manejo da variabilidade, não é uma tarefa fácil, especialmente quando se almeja analisar a relação do potencial produtivo das culturas com indicadores físico-químicos do solo (SANTI, 2007). Isso se deve ao grande número de variáveis envolvidas. Portanto, este tipo de análise, muitas vezes, ao ser realizado por meio de métodos estatísticos univariados, eleva a dimensão do problema, além de onerar o processo (SILVA et al., 2010). Desta forma, a redução de variáveis através de critérios objetivos, permitindo a construção de gráficos bidimensionais contendo maior informação estatística, pode ser conseguida através da técnica de estatística multivariada denominada de análise de componentes principais (ACP) (MOITA NETO & MOITA, 1998). A ACP pode servir para agrupar indivíduos com características semelhantes e estudar suas correlações (VALLADARES et al., 2008). Na ACP, cada sítio tem um valor para cada componente. Esses componentes podem ser vistos como “supervariáveis”, construídas pela combinação da correlação entre as variáveis, e são extraídos em ordem decrescente de importância, em termos de sua contribuição para a variação total dos dados. Os autovetores são valores que representam o peso de cada variável em cada componente (eixos) e funcionam como coeficientes de correlação, que variam de –1 até +1. As variáveis com elevado autovetor no primeiro eixo tendem a ter autovetor inferior no segundo eixo. Os autovalores são valores que representam a contribuição relativa de cada componente para explanar a variação total dos dados, existindo um para cada componente (SILVA et al., 2010). Assim, este método permite a redução da dimensionalidade dos pontos representativos das amostras, pois, embora a informação estatística presente nas “n” variáveis originais seja a mesma dos “n” componentes principais, é comum obter em apenas 2 ou 3 das primeiras componentes principais mais que 90% desta informação (MOITA NETO & MOITA, 1998). SANTI (2007), destaca que a ACP pode auxiliar a definição dos atributos que estejam determinando a variabilidade nas áreas produtivas. Possibilitando assim, a
geração de informações que auxiliam na tomada de decisão frente às estratégias de manejo a serem adotadas, bem como possibilitam avaliar a eficácia e eficiência das práticas adotadas.
Neste contexto, o objetivo do trabalho foi caracterizar e traçar estratégias de manejo da variabilidade dos atributos químicos do solo utilizando a análise dos componentes principais em área manejada com AP.
MATERIAIS E MÉTODOS
O estudo foi conduzido em área experimental localizada no município de Boa Vista das Missões – RS, situada entre as coordenadas de latitude: 26°90’27’’ S a 27°02’86’’ S e longitude: 69°30’88’’ W a 69°32’67’’ W, totalizando uma área cultivada de 117,17 ha. O clima da região segundo a classificação de KOEPPEN é do tipo Cfa – temperado chuvoso, com precipitação média anual elevada, geralmente entre 1.800 e 2.100 mm, bem distribuída ao longo do ano e subtropical do ponto de vista térmico. A temperatura média anual é em torno 18ºC, com máximas no verão podendo atingir 41ºC e mínimas no inverno atingindo valores inferiores a 0ºC (MORENO, 1961).
O relevo da região é suave ondulado e o solo presente na área experimental, foi classificado como Latossolo Vermelho distrófico típico (EMBRAPA, 2006), com textura argilosa. O sistema de manejo adotado na área é o de semeadura direta.
A vetorização da área experimental foi obtida a partir da demarcação do perímetro da mesma, por meio de aparelho de GPS de navegação portátil, marca Garmin®, modelo Legend. Para proceder à amostragem georreferenciada de solo, utilizou-se uma malha amostral quadricular regular de 173,73 x 173,73 m, totalizando assim, 39 pontos amostrais. A malha amostral foi gerada através do programa computacional Sistema CR - Campeiro 7 (GIOTTO & ROBAINA, 2007).
A amostragem do solo foi realizada, utilizando um sistema de trado de rosca com acionamento hidráulico acoplado em um quadriciclo. Cada amostra foi composta por 12 subamostras, sendo estas coletadas num raio de aproximadamente 15 m do ponto georreferenciado, na profundidade de 0 a 0,15 m. As amostras foram enviadas para análise no Laboratório de Solos da Universidade Federal do Rio Grande do Sul e analisadas conforme as metodologias recomendadas pela Comissão de Química e Fertilidade do Solo – RS/SC (COMISSÃO..., 2004). Os atributos químicos do solo determinados e estudados foram: pH H2O (relação 1:1); CTC efetiva; saturação por bases (V%) e por alumínio (m%); teores de fósforo (P) – Mehlich-1; potássio (K); alumínio (Al); cálcio (Ca), magnésio (Mg); enxofre (S); teor de matéria orgânica (MO) e teores de argila.
Os dados foram submetidos a análise estatística descritiva, utilizando o programa computacional Statistical Analysis System – SAS 8.0 (SAS INSTITUTE, 1999). Com base nos valores de CV (%) obtidos, a dispersão dos dados foi classificada em: baixa (CV < 12 %), média (12 ≤ CV ≥ 62 %) e alta (CV > 62 %) (WARRICK & NIELSEN, 1980). Além disso, verificou-se a existência de tendência central (normalidade) dos dados originais por meio do Teste W (p < 0,05) (SHAPIRO & WILK, 1965)
A análise da variabilidade espacial dos atributos químicos foi feita através de semivariogramas experimentais (ISAAKS & SRIVASTAVA, 1989). O ajuste de semivariogramas experimentais foi realizado por modelos teóricos utilizando o programa computacional GS+ (ROBERTSON, 1998). Os modelos dos semivariogramas foram ajustados com base no melhor coeficiente de correlação (r2)
obtido pela técnica chamada de validação cruzada. Essa técnica consiste em retirar, individualmente, cada ponto medido da área estudada e o seu valor é estimado como se ele não existisse (SILVA et al., 2003). Do ajuste de um modelo matemático aos dados, foram definidos os parâmetros do semivariograma: efeito pepita (C0), patamar (C), alcance (a), Contribuição (C1). O grau de dependência espacial (GD), foi calculado por meio da equação, GD=(CO/CO+C1)*100, cuja classificação, segundo CAMBARDELLA et al. (1994), é de forte, para GD = 25 %; moderado, para GD entre 25 e 75 %, e fraco, para GD > 75 %:
O método de interpolação utilizado para construção dos mapas temáticos foi a krigagem linear, efetuada por meio do programa CR Campeiro7. As classes utilizadas para classificar a distribuição dos atributos químicos do solo dos mapas seguiram as recomendações do Manual de Adubação e Calagem para os Estados do Rio Grande do Sul e Santa Catarina, propostos pela COMISSÃO... (2004).
A análise multivariada dos componentes principais (ACP) foi determinada pela sobreposição vetorial de modelos digitais utilizando matrizes de variância e covariância, auxiliado pelo programa computacional CR – Campeiro 7 (GIOTTO & ROBAINA, 2007). De forma a identificar novas variáveis que explicam a maior parte da variabilidade, gerando-se novos valores para cada ponto amostral correspondente aos componentes principais. Esses componentes foram construídos pela combinação da correlação entre as variáveis, sendo extraídos em ordem decrescente de importância, em termos de sua contribuição para a variação total dos dados (SILVA et al., 2010). O critério para classificação dos autovetores (valores que representam o peso de cada variável em cada componente e funcionam como coeficientes de correlação, que variam de –1 até +1) foi: valor absoluto <0,30 é considerado significativo; 0,30 – 0,40, mediamente significativo; e ≥0,50, altamente significativo (COELHO, 2000).
RESULTADOS E DISCUSSÃO Análise estatística clássica
Na tabela 1 são apresentados os resultados obtidos a partir da análise estatística descritiva dos atributos químicos do solo na área experimental de estudo. De maneira geral, verificou-se que os valores da média e da mediana para todos os atributos estudados foram similares, no entanto, somente os teores de argila, CTC, V%, K e Mg apresentaram valores que seguem a distribuição normal pelo Teste W (5%). Os demais atributos não seguiram a distribuição normal dos dados, podendo ser comprovado pelos valores dos coeficientes de assimetria e curtose observados.
Estes resultados demonstram a existência das distribuições não normal dos dados referentes aos atributos do solo, quando trabalhados dentro dos princípios da AP, e portanto, concordam com os dados obtidos por diversos autores (CAMBARDELLA et al., 1994; COELHO, 2003; CORA et al., 2004; CORA & BERALDO, 2006; GOMES et al., 2008; SILVA et al., 2008; ZARDO, 2009). No entanto, como estes estudos levam em consideração a posição geográfica e a dependência espacial, CRESSIE (1991) apud CORA e BERALDO (2006), afirma que a normalidade dos dados não é uma exigência da geoestatística, sendo conveniente apenas que a distribuição não apresente caudas muito alongadas, o que pode comprometer os resultados.
TABELA 1. Análise estatística descritiva dos atributos químicos do solo da área experimental (Boa Vista das Missões – RS, 2011).
Parâmetros Estatísticos Variáveis
Mínimo Média Mediana Máximo CV (%) Assimetria Curtose Teste W1
Argila (g dm-3) 47,00 60,05 60,00 73,00 10,21 0,05 -0,36 0,98ns CTC efetiva (cmolc dm-3) 13,10 14,99 15,20 17,60 6,50 0,08 0,14 0,96 ns pH (1:1) 5,10 5,50 5,40 5,90 2,99 0,55 0,36 0,86* Alumínio (cmolc dm-3) 0,00 0,09 0,10 0,90 99,55 1,09 1,56 0,82 * V (%) 44,90 63,00 63,50 78,20 9,27 -0,31 1,92 0,96ns m (%) 0,00 1,02 1,00 4,80 105,78 1,40 2,70 0,82* MO (g dm-3) 0,70 4,19 4,30 4,90 15,54 -4,17 22,40 0,59* Fósforo (mg dm-3) 3,20 12,17 12,00 28,80 47,23 1,00 1,17 0,93* Potássio (mg dm-3) 128,00 181,2 181,00 223,00 13,69 -0,28 -0,80 0,96ns Cálcio (cmolc dm-3) 5,10 6,35 6,30 8,90 11,45 1,06 2,55 0,93 * Magnésio (cmolc dm -3 ) 1,90 2,67 2,60 3,60 15,06 0,43 -0,37 0,97ns Enxofre (mg dm-3) 4,90 16,08 16,40 21,10 20,23 -1,10 2,42 0,94* (1) Teste de Shapiro-Wilk para distribuição normal, onde: (*) significativo em níveis de p
≤
0,05 e (ns) não significativo. Quando for significativo indica que a hipótese para distribuição normal é rejeitada.
Quanto à dispersão relativa dos dados, fornecida pelos valores dos coeficientes de variação (CV%), constatou-se que os atributos que apresentaram os valores de CV% altos (>62%) foram os teores de Al (98,84%) e os valores de m% (105,72%). Esta variação é atribuída ao fato que na maioria dos pontos amostrados os valores de Al foi zero. Os dados de P também apresentaram CV% relevantes (47,23%), mesmo que classificados como médios. Esta variação apresentada pelo P concorda com resultados encontrados em outras áreas manejadas com agricultura de precisão (COELHO, 2000; SILVA et al., 2003; COELHO, 2003; CORA et al., 2004; SANTI, 2007; DURIGON, 2007; SILVA et al., 2008; AMADO et al., 2009; SILVA et al., 2010; CHERUBIN et al., 2011).
Quanto a amplitude dos teores no solo, destaca-se o comportamento do P, variando de 3,2 à 28,8 mg dm-3. Esta grande amplitude apresentado pelo P pode ser decorrente de fatores naturais, como sua baixa concentração natural nos Latossolos e conseqüente alto poder tampão que, aliados à sua dinâmica de baixa mobilidade, podem resultar em alta variabilidade (SCHLINDWEIN, 2003). Além disso, a ocorrência de grandes amplitudes nos teores de P pode ser atribuída ao manejo antrópico, onde a aplicação de fertilizantes localizada na linha a taxa fixa podem contribuir para a manutenção ou/e agravamento da micro e macrovariabilidade espacial na área.
O pH foi o atributo que apresentou a menor dispersão dos dados com CV% de 2,99%. Este resultado também foi encontrado por vários autores trabalhando com AP (CORA et al., 2004; SANTI, 2007; DURIGON, 2007; GOMES, et al., 2008; SILVA et al., 2008; AMADO et al., 2009). No entanto, COELHO (2003) alerta que o pH é medido em escala logarítmica e seu CV não pode ser comparado com os valores de CVs apresentados pelos outros atributos.
Análise geoestatística
Na tabela 2 são apresentados os resultados obtidos a partir da análise geoestatística dos atributos químicos do solo na área experimental de estudo. Observou-se que os atributos foram ajustados por diferentes modelos, gaussiano, exponencial, esférico e linear utilizando como parâmetro o melhor coeficiente de correlação (r2). Estes resultados discordam, em parte, de alguns autores, tais como
CAMBARDELLA et al. (1994), CORÁ et al. (2004), GOMES et al. (2008) e AMADO et al. (2009) que encontraram em seus estudo, os melhores ajustes utilizando o modelo esférico e exponencial. O Al e a m% apresentaram efeito pepita puro, ou seja, os dados não apresentam dependência espacial, sendo considerados de ocorrência aleatória.
TABELA 2. Parâmetros geoestatísticos dos atributos químicos do solo da área experimental. (Boa Vista das Missões – RS, 2011).
Dependência Espacial Variável Efeito Pepita Patamar Alcance Modelo
IDE(1) Classe Argila (g dm-3) 22,60 82,20 1320 Gaussiano 27,49 Moderada CTC efetiva (cmolc dm -3 ) 0,79 1,57 3110 Exponencial 50,31 Moderada pH (1:1) 0,02 0,03 1094 Linear 66,67 Moderada Alumínio (cmolc dm -3
) EPP(2) EPP EPP EPP EPP EPP
m (%) EPP EPP EPP EPP EPP EPP
V (%) 29,36 58,73 3110 Exponencial 49,99 Moderada MO (g dm-3) 0,08 0,16 3110 Esférico 50,00 Moderada Fósforo (mg dm-3) 0,10 36,75 484 Esférico 0,27 Forte Potássio (mg dm-3) 319,00 2748,00 1905 Gaussiano 11,60 Forte Cálcio (cmolc dm -3 ) 0,43 0,53 1094 Linear 81,11 Fraca Magnésio (cmolc dm -3 ) 0,10 0,41 2747 Exponencial 24,39 Forte Enxofre (mg dm-3) 10,35 10,55 1094 Linear 98,10 Fraca (1)IDE: Índice de Dependência Espacial; (2)EPP: Efeito Pepita Puro.
Quando a estrutura da dependência espacial verificou-se que esta diferiu em função dos atributos estudado. Sendo classificada como forte para P, K e Mg, moderada para teores de argila, CTC, pH, V% e MO e fraca para Ca e S. Esta estrutura de dependência espacial moderada e fraca para a maioria dos atributos estudados, pode estar relacionado a distância entre pontos amostrados. Uma vez que de acordo com CORÁ et al. (2004) amostragens mais intensivas podem revelar maior continuidade espacial dos atributos analisados.
CAMBARDELLA et al. (1994), afirmam, que atributos que apresentam forte dependência espacial são mais influenciados por propriedades intrínsecas do solo, notadamente a textura e a mineralogia, enquanto os que apresentam fraca dependência são mais influenciados por fatores externos, como aplicações de fertilizantes e sistemas de preparo e cultura, ou seja, estão relacionados com o manejo do solo.
Os atributos que apresentaram dependência espacial apresentaram alcances que variaram de 484 a 3110 m. De acordo com TRANGMAR et al. (1985) o alcance do semivariograma varia dependendo da interação espacial dos processos do solo que afetam cada propriedade conforme a escala de amostragem utilizada. Dos atributos estudados, o fósforo apresentou o menor alcance. Estes resultados, mesmo que apresentando valores mais altos, em função da escala utilizada (VIEIRA, 2000), concorda com AMADO et al. (2009). Neste sentido, AMADO et al. (2009) destacaram que quando o P for o nutriente prioritário no programa de fertilização, a malha de amostragem deve ser densa, a fim de representar eficientemente a variabilidade espacial observada.
Espacialização da variabilidade espacial dos atributos do solo
Os parâmetros dos modelos de semivariogramas ajustados obtidos para cada atributo químico estudado foram utilizados para estimar os valores dessas variáveis em locais não amostrados por meio do interpolador geoestatístico krigagem. Com os
valores estimados por krigagem foram gerados os mapas temáticos de “condição” dos atributos no solo (Figura 1, 2 e 3). As classes utilizadas para construção do mapa seguiram recomendações da COMISSÃO... (2004). Esta classificação, atrelada a parâmetros técnicos é imprescindível para que os dados obtidos possam se transformar em informações agronomicamente úteis.
A espacialização da variabilidade espacial dos atributos de acidez (pH, V%) e da CTC efetiva na área de estudo é apresentada na figura 1, onde para aos valores de pH, verificou-se que a maior parte da área (61,17%) apresenta valores baixos (5,1 – 5,4) e 38,83% apresentam valores médios (5,5 – 6). Estes resultados evidenciam, que a área experimental apresenta valores de pH, considerado inadequado para o desenvolvimento da maioria das culturas agrícolas (COMISSÃO..., 2004). Quanto à V%, 68,96% da área apresentou valores baixos (45 – 64%) e o restante, 30,04%, concentração média (65 – 80%). Os resultados de pH e V% indicam a necessidade de intervenções localizadas de correção do solo, visto os critérios recomendados pela COMISSÃO... (2004), que indicam necessidade de aplicação de corretivo quando pH < 5,5 ou V% < 65. De acordo com AMADO & SANTI (2007), as principais causas químicas da acidez do solo são a água da chuva (dissociação do ácido carbônico – H2CO3), a elevada adição de fertilizantes nitrogenados (uréia e sulfato de amônio), associadas a perdas por lixiviação de N e de cátions como Ca, K e Mg.
Quanto aos resultados da CTC efetiva, 48,16% da área apresentou valores médios (5,1 – 15,0) e 51,84% apresentou valores altos (≥ 15,0). O conhecimento de tal variabilidade, contribui efetivamente na racionalização do uso de insumos, visto que a CTC efetiva é um dos critérios para as recomendações de fertilizantes potássicos.
FIGURA 1. Espacialização da variabilidade espacial dos valores de: A) pH H2O; B) Saturação por bases (%); e C) CTC efetiva (cmolc dm-3) na área experimental de estudo (Boa Vista das Missões - RS, 2011).
A espacialização da variabilidade espacial dos atributos P e K na área de estudo é apresentada na figura 2. Os teores de P apresentaram alta variabilidade espacial e variaram da classe baixa (≤ 2 mg dm-3) à muito alta (> 12 mg dm-3). Tomando como referência os teores críticos (TC), 6 mg dm-3 (classe de argila 1) e 9 mg dm-3 (classe de argila 2) propostos pela COMISSÃO ... (2004), verifica-se que
apenas 8,01% da área, apresentam-se abaixo do TC. Desta forma, pode-se inferir que a área apresenta níveis de P adequados ao desenvolvimento de plantas, demandando somente adubação fosfatada de manutenção (solo e planta) e reposição (planta) na maioria da área. No entanto, tais resultados, para P, necessitam de cautela na tomada de decisão, baseada unicamente por recomendações da COMISSÃO... (2004), uma vez que a dinâmica e a disponibilidade do P em áreas manejadas sob sistema plantio direto vêm se mostrando diferente as apresentadas na atual recomendação (SCHLINDWEIN, 2003).
FIGURA 2. Espacialização da variabilidade espacial dos teores de: A) Fósforo (mg dm-3); e B) Potássio (mg dm-3) na área experimental de estudo (Boa Vista das Missões - RS, 2011).
Quanto aos teores de K, mesmo sendo comprovada a variabilidade espacial na área (Tabela 2), conforme as classes de interpretação utilizadas, 100% da área apresenta-se na classe muito alta (>120 mg dm-3). Uma das justificativas, recai no fato de que além do histórico das adubações preconizarem fórmulas com altos teores de K, Latossolos Vermelhos apresentam minerais no material de origem com altas concentrações de Ki.
Na figura 3 é apresentada a espacialização da variabilidade espacial dos atributos Ca, Mg, S, MO e teor de argila na área de estudo. Semelhantemente ao ocorrido com o K, os macronutrientes secundários Ca, Mg e S mesmo apresentando variabilidade espacial (Tabela 2), conforme as classes de interpretação utilizadas, 100% da área apresenta-se na classe alta. WEIRICH, DA ROS & CHERUBIN (2008), comentam que estes resultados, especialmente Ca e Mg, devem estar relacionados ao material de origem, o basalto, que apresenta minerais, como plagioclásios, piroxênios e olivina. Outros dois fatores que também devem ter contribuído significativamente para elevar os teores originais de Ca e Mg no solo, são as calagens realizadas em anos anteriores e a baixa mobilidade destes elementos no solo, influenciando a manutenção destas altas concentrações nas camadas superficiais, uma vez que suas perdas por lixiviação são praticamente nulas.
Para a MO, verificou-se, que 97,02% da área experimental se enquadrou na classe média (2,5 – 5,0%) e 2,98% na classe baixa. Este resultados indicam, que mesmo sob sistema de plantio direto, com alta adição de palhada, os teores de MO se mantém médios, exigindo um plano de rotação de culturas eficiente, a longo prazo, para aumentar estes níveis.
Quanto aos teores de argila, 50,75% da área enquadra-se na classe 1 (> 60%) e o restante na classe 2 (49,25%). Esta informação é relevante, visto que esta variabilidade existente no teor de argila interfere diretamente na recomendação do fertilizante fosfatado, podendo assim, subestimar ou superestimar a necessidade das culturas. Além disso, permite definir áreas com potencial maior de retenção de água no solo, um dos fatores que mais influencia a produtividade das culturas agrícolas (SANTI, 2007).
FIGURA 3. Espacialização da variabilidade espacial dos teores de: A) Cálcio (cmolc dm-3); B) Magnésio (cmolc dm-3); C) Enxofre (cmolc dm-3); D) Matéria orgânica (%); e E) Teor de argila (%) na área experimental de estudo (Boa Vista das Missões - RS, 2011).
Análise dos componentes principais (ACP)
A ACP permitiu identificar as principais fontes de variação no conjunto de dados observados. Além disso, possibilitou a redução do número de variáveis sem a perda de informações importantes, auxiliando na tomada de decisão, frente às prioridades de intervenções a serem adotadas nas áreas. As 10 variáveis originais foram agrupadas em cinco fatores e o ajuste do modelo foi capaz de explicar 99,83% das variâncias das variáveis com autovalores maiores que 1 (Tabela 3). Em geral, o primeiro componente principal explicou a maior parte da variação original dos dados (86,68%). Estas variações estão altamente correlacionadas aos teores de K. Isto pode estar atrelado aos minerais cuja constituição apresenta alta concentração de Ki no material de origem (basalto) onde formaram os solos da região onde o trabalho foi desenvolvido. Outro aspecto pode ser o histórico das áreas, onde predomina aplicações em linha (taxa fixa) de fórmulas de fertilizantes com altos teores de K.
O segundo componente principal, representou 7,65% das variações dos dados. Este segundo grupo, é fortemente correlacionado com a dinâmica do P no solo (teores de P e de argila). O terceiro componente principal apresentou alta significância com os atributos de acidez do solo (pH, V%, Ca e Mg), explicando 2,64%. Mesmo que a acidez do solo tenha apresentado pouca contribuição relativa na variação dos atributos do solo (terceiro componente), cabe ressaltar que o pH apresenta coeficiente de correlação altamente significativos no primeiro e no segundo componente também, demonstrando a importância da correção da acidez do solo para promover melhorias no equilíbrio nutricional do solo.
O quarto e o quinto componentes principais representam juntos 2,03%, 0,83% das variações dos dados. Estas variações são mais difíceis de serem identificadas, podendo estar ligada a outras propriedades do solo, como físicas e biológicas, que possam estar atuando diretamente ou indiretamente na variabilidade dos atributos químicos estudados.
TABELA 3. Análise de componentes principais dos atributos químicos do solo da área experimental. Boa Vista das Missões - RS, 2011.
Componentes Principais
Componentes da variância 1 2 3 4 5
Autovalores 428,66 37,85 13,05 10,05 4,04 Proporção (%) 86,68 7,65 2,64 2,03 0,83 Proporção acumulada (%) 86,68 94,33 96,97 99,00 99,83
Variáveis Correlação com os componentes principais*
Argila (%) 0,386 0,816 -0,164 -0,397 0,023 pH H2O 0,520** 0,502 0,561 0,070 0,109 Saturação por Bases 0,439 -0,342 0,827 0,059 0,049 CTC efetiva 0,205 -0,352 0,073 -0,101 -0,214 Matéria Orgânica 0,079 -0,107 -0,273 0,388 -0,120 Fósforo -0,087 -0,861 0,077 0,495 0,008 Potássio 0,999 -0,031 -0,011 -0,009 -0,001 Cálcio 0,331 -0,120 0,770 -0,050 -0,130 Magnésio 0,448 0,402 0,595 0,082 0,012 Enxofre -0,076 -0,180 -0,149 -0,100 0,963 (*) Coeficientes de correlação com variáveis originais; (**) Números em negrito indicam as variáveis com maior carga fatorial (escores) selecionadas dentro de cada fator. Onde o critério para classificação foi: valor absoluto <0,30 é considerado significativo; 0,30 – 0,40, mediamente significativo; e ≥0,50, altamente significativo. Fonte: COELHO (2000).
Desta forma, é possível inferir que a ACP permitiu identificar as principais fontes de variação no conjunto de dados observados. Além disso, possibilitou a redução do número de variáveis sem a perda de informações importantes.
Com bases nos resultados obtidos referente a variabilidade dos atributos químicos é possível traçar estratégias de manejo, a partir do estabelecimento das prioridades de intervenções a serem adotadas. Desta forma, em função da alta contribuição do K e o P (primeiro e segundo componente principal) na variabilidade das áreas, teoricamente, dever-se-ia priorizar aplicações destes nutrientes em sítios específicos, através da taxa variável, objetivando homogeneizar seus níveis no solo. No entanto, tendo em vista que, em geral, os teores destes nutrientes apresentam-se acima dos teores críticos, ou apresentam-seja, não são considerados limitantes ao desenvolvimento de plantas, esta intervenção poder-se-ia ser remanejadas para um próximo momento.
A partir deste entendimento, é possível inferir que a prioridade de intervenção passa a ser a correção da acidez do solo (terceiro componente principal), atributo este, que pode caracterizar-se como grande limitante ao ótimo desenvolvimento das culturas. Neste momento, percebe-se a importância, do conhecimento agronômico aliado ao uso de tecnologias, na tomada de decisão, visto que priorizar a aplicação de corretivos inicialmente, possibilita proceder à correção antecedendo a semeadura da cultura de interesse econômico, potencializando a reatividade e poder de neutralização do corretivo e também a utilização da mão-de-obra e equipamentos na entressafra.
Num segundo momento, a prioridade de intervenção é a aplicação de P e K, respectivamente, em sítios específicos, buscando uniformizar as áreas, reduzindo a probabilidade de desequilíbrios nutricionais.
Em um planejamento focando resultados a longo prazo, a estratégia é buscar intensivamente o aumento nos teores de MO, a partir de práticas de manejo conservacionistas. Considerando a MO um dos melhores indicadores de qualidade do solo, o aumento do teor, favorecerá o equilíbrio químico e nutricional do solo. Além disso, contribuirá na melhoria das propriedades físicas e biológicas do solo.
CONCLUSÕES
1. Os atributos químicos do solo apresentaram variabilidade espacial com estrutura de dependência espacial variando de acordo com o atributo estudado;
2. Os teores de K, P, Ca, Mg e S, apresentam-se acima dos teores críticos, recomendados para o Rio Grande do Sul e a acidez do solo caracteriza-se como a principal limitação química do solo ao desenvolvimento de plantas na área; 3. A análise multivariada baseada nos componentes principais forneceu
componentes interpretáveis, possibilitando traçar estratégias de manejo a partir do estabelecimento das prioridades de intervenções a serem adotadas;
4. A estratégia de manejo sugerida, prevê prioritariamente a correção da acidez do solo e a aplicação de fertilizante fosfatado e potássico em sítios específicos.
AGRADECIMENTOS
Ao Grupo Schaedler - Fazenda Vila Morena pelo apoio financeiro e logístico para a realização da pesquisa.
REFERÊNCIAS BIBLIOGRÁFICAS
AMADO, T. J. C. PES, L. Z.; LEMAINSKI, C. L.; SCHENATO, R. B. Atributos químicos e físicos de Latossolos e sua relação com os rendimentos de milho e feijão irrigados. Revista Brasileira de Ciência do Solo, v. 33, p. 831-843, 2009.
AMADO, T. J. C.; SANTI, A. L. Agricultura de precisão aplicada ao aprimoramento do manejo do solo. In: FUNDACEP. (Org.). Manejo e Fertilidade do Solo sob Sistema Plantio Direto. 1 ed. Cruz Alta: Editora Berthier, p. 99-144, 2007.
AMADO, T. J. C.; SANTI, A. L. Agricultura de precisão aplicada ao manejo do solo na cultura da soja. In: THOMAS, A. L.; COSTA, J. A. Soja: manejo para alta produtividade de grãos. Porto Alegre: Evangraf, 2010. 248 p.
CAMBARDELLA, C. A.; MOORMAN, T. B.; NOVAK, J. M.; PARKIN, T. B.; KARLEN, D. L; TURCO, R. F.; KONOPKA, A. E. Field-scale variability of soil properties in central Iowa soils. Soil Science Society American Journal, v.58, p.1501-1511, 1994.
CHERUBIN, M. R.; SANTI, A. L.; MORAES, M. T.; AMARAL, A. Demonstração da viabilidade técnica e econômica da utilização de taxa variável em área manejada com agricultura de precisão. Enciclopédia Biosfera. n.12, p. 1-10, 2011.
COELHO, A. M. Agricultura de Precisão: manejo da variabilidade espacial e temporal dos solos e das culturas. In: CURI, R. F.; MARQUES, J. J.; GUILHERME, L. R. G. , LIMA, J. M. LOPES, A. S.; ALVARES V., V. H. eds. Tópicos em Ciência do Solo. Sociedade Brasileira de Ciência do Solo, v. 3, p. 259-290, 2003.
COELHO, A. M. Irrigated corn yield as related to spatial variability of selected soil properties in a silty clay loam and sandy soils. 2000. 175f. Tese (Doutorado). Lincoln, University of Nebraska, 2000.
COMISSÃO DE QUÍMICA E FERTILIDADE DO SOLO. Manual de adubação e calagem para os estados do Rio Grande do Sul e Santa Catarina. Porto Alegre: Sociedade Brasileira de Ciência do Solo - Núcleo Regional Sul, 2004. 400 p.
CORA, J. E.; BERALDO, J. M. G. Variabilidade espacial de atributos do solo antes e após a calagem e fosfatagem em doses variadas na cultura da cana-de-açúcar. Revista Engenharia Agrícola. v. 26, n. 2, p. 374-387, 2006.
CORA, J. E. ARAUJO, A. V.; PEREIRA, G. T.; BERALDO, J. M. G. Variabilidade espacial de atributos do solo para adoção do sistema de agricultura de precisão na cultura de cana-de-açúcar. Revista Brasileira de Ciência do Solo, v.28, p. 1013-1021, 2004.
DURIGON, R. Aplicação de técnicas de manejo localizado na cultura de arroz irrigado (Oryza sativa). 2007. 150 f. Tese (Doutorado em Engenharia Agrícola) – Universidade Federal de Santa Maria, Santa Maria, 2007.
EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária. Centro Nacional de Pesquisa de Solos. Sistema brasileiro de classificação de solos. 2.ed. Rio de Janeiro, 2006. 306p.
GIOTTO, E.; ROBAINA, A. D. A agricultura de precisão com o CR Campeiro 7. Manual do usuário. Santa Maria: UFSM/Centro de Ciências Rurais/Departamento de Engenharia Rural/Laboratório de Geomática, 2007, 319 p
GOMES, J. B. V.; BOLFE, E. L.; CURI, N.; FONTES, R. H.; BARRETO, A. C.; VIANA, R. D. Variabilidade espacial de atributos de solos em unidades de manejo em área piloto de produção integrada de coco. Revista Brasileira de Ciência do Solo, v.32, p. 2471-2482, 2008.
ISAAKS, E. H.; e SRIVASTAVA, R. M. An introduction to applied geostatistics. New York, Oxford University Press, 1989. 561p.
JOHANN, J. A. OPAZO, M. A. U.; SOUZA, E. G.; ROCHA, J. V. Variabilidade espacial dos atributos físicos do solo e da produtividade em um Latossolo Bruno distrófico da região de Cascavel, PR. Revista Brasileira de Engenharia Agrícola e Ambiental. v. 8, n. 2/3, p. 212-219, 2004.
MOITA NETO, J. M.; MOITA, G. C. Uma introdução à análise exploratória de dados multivariados. Revista Química Nova, v.21, n.4, p. 467-469, 1998.
MOLIN, J. P. Definição de unidades de manejo a partir de mapas de produtividade. Revista Engenharia Agrícola, v.22, p. 83-92, 2002.
MORENO, J. A. Clima do Rio Grande do Sul. Porto Alegre: Secretaria da Agricultura, Diretoria de Terras e Colonização, Secção de Geografia, 1961. 46 p. ROBERTSON, G. P. GS+: Geostatistics for the environmental sciences. Versão 5.03 Beta, Plainwell, Gamma Design Software, 1998. 152p.
SANTI, A. L. Relações entre indicadores de qualidade do solo e a produtividade das culturas em áreas com agricultura de precisão. 2007. 175 f. Tese (Doutorado em Ciência do Solo) - Universidade Federal de Santa Maria, Santa Maria, 2007. SANTI, A. L.; AMADO, T. J. C.; DELLA FLORA, L. P.; SMANIOTTO, R. F. F. É chegada a hora da integração do conhecimento. Revista Plantio Direto. 109 ed. Passo Fundo, RS. jan./fev 2009.
SAS INSTITUTE - Statistical Analysis System. SAS/STAT User´s Guide 8.0. North Caroline, NC: SAS Institute Inc., 1999.
SCHLINDWEIN, J. A. Calibração de métodos de determinação e estimativa de doses de fósforo e potássio em solos sob sistema plantio direto. 2003. 169 f. Tese (Doutorado em Ciência do Solo) – Universidade Federal do Rio Grande do Sul, Porto Alegre, 2003.
SHAPIRO, S. S.; WILK, M. B. An analysis of variance test for normality: complete samples. Biometrika, v.52, p. 591-611, 1965.
SILVA, V. R.; REICHERT, J. M.; STORCK, L.; FEIJÓ, S. Variabilidade espacial das características químicas do solo e produtividade de milho em um Argissolo Vermelho-Amarelo distrófico arênico. Revista Brasileira de Ciência do Solo, v.27, p. 1013-1020, 2003.
SILVA, F. M.; SOUZA, Z. M.; FIGUEIREDO, C. A. P.; VIEIRA, L. H. S.; OLIVEIRA, E. Variabilidade espacial de atributos químicos e produtividade da cultura do café em duas safras agrícolas. Revista Ciência Agrotécnica, v. 32, n. 1, p. 231-241, 2008. SILVA, S. A.; LIMA, J. S. S.; XAVIER, A. C.; TEIXEIRA, M. M. Variabilidade espacial de atributos químicos de um Latossolo Vermelho-amarelo húmico cultivado com café. Revista Brasileira de Ciência do Solo, v.34, p. 15-22, 2010.
TRANGMAR, B. B.; YOST, R. S.; UEHARA, G. Application of geostatistics to spatial estudies of soil properties. Advances in Agronomy, 38:45-93, 1985.
VALLADARES, G. S.; GOMES, E. G.; SOARES DE MELLO, J. C. C. B.; PEREIRA, M. G.; ANJOS, L. H. C.; EBELING, A. G.; BENITES, V. M. Análise dos componentes principais e métodos multicritério ordinais no estudo de Organossolos e solos afins.
Revista Brasileira de Ciência do Solo, v.32, p. 285-296, 2008.
VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R. F.; ALVARES V., V. H. e SCHAEFFER, C. E. G. R. eds. Tópicos em Ciência do Solo. Sociedade Brasileira de Ciência do Solo, v. 1, p.1-54, 2000.
WARRICK, A. W.; NIELSEN D. R. Spatial variability of soil physical properties in the field. In: HILLEL, D. Applications of soil physics. New York: Academic Press, p. 319-344, 1980.
WEIRICH, S. W.; DA ROS, C. O.; CHERUBIN, M. R. Situação da Fertilidade dos Solos da Região do Médio Alto Uruguai do Estado do Rio Grande do Sul. In: VII Reunião Sul Brasileira de Ciência do Solo. Anais... VII RSBCS. Santa Maria – RS, 2008.
ZARDO, K. Vitivinicultura de precisão aplicada à produção e qualidade da uva Pinot Noir no Rio Grande do Sul. 2009. 98 f. Dissertação (Mestrado em Engenharia Agrícola) – Universidade Federal de Santa Maria, Santa Maria, 2009.
