Documents

A FERTILIDADE DO SOLO NO SISTEMA DE PLANTIO DIRETO, COM ÊNFASE NA VARIABILIDADE ESPACIAL E SUA APLICAÇÃO NA AGRICULTURA DE PRECISÃO

Description
Breve discussão sobre o uso da agricultura de precisão e análise geoestatística.
Categories
Published
of 6
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Related Documents
Share
Transcript
  A FERTILIDADE DO SOLO NO SISTEMA DE PLANTIO DIRETO, COM ÊNFASE NA VARIABILIDADE ESPACIAL E SUA APLICAÇÃO NA AGRICULTURA DE PRECISÃO Eduardo Guimarães COUTO 1 , Carlo Ralph de MUSIS 2  1 Universidade Federal de Mato Grosso, Av. Fernando Correa s/n- FAMEV-DSER- 78060-900 – Boa Esperança - Cuiabá (MT), ecouto@zaz.com.br  2 - Universidade Federal de Mato Grosso, Av. Fernando Correa s/n- ICET-DEST- 78060-900 – Boa Esperança - Cuiabá (MT), musis@uol.com.br   Os cientistas têm se deparado com o problema da variabilidade espacial e temporal dos solos desde o início do século XX. Entretanto, apenas a partir do fim da década de 60 é que se começou a estudar a variação do solo de uma forma mais sistemática. Os primeiros estudos foram testes independentes de mapas de solos nos quais as fontes de variação eram vistas como um entrave que reduzia a confiabilidade do mapa. Gradualmente, a natureza geral da variação do solo, e sua imprevisibilidade, tem levado os cientistas a ver a variabilidade muito mais como uma chave para se entender os atributos do solo do que como um entrave ao conhecimento (Burrough et al., 1994). O estudo sobre a variabilidade dos solos tem sido abordado pela classificação numérica, por métodos de estatística multivariada, classificação contínua (fuzzy), geoestatística, métodos de fractais, morfologia matemática e teoria do caos (Burrough et al., 1994). Embora estes métodos estatísticos permitam inferir sobre a variabilidade do solo (vertical e horizontal), a dependência espacial entre as amostras somente  pode ser modelada através da geoestatística (Webster, 1985). A Geoestatística tem-se   mostrado de grande utilidade na ciência do solo  para caracterizar e mapear a variação espacial das propriedades do solo. Ela consiste da variografia, krigagem  , simulações espaciais, e de estratégias que otimizem os planos de amostragem dos atributos dos solos (Stein, 1995; Webster & Oliver, 1990). Uma vez que o variograma é conhecido, o valor de um atributo em qualquer ponto de uma unidade de mapeamento pode ser estimado a partir dos dados disponíveis, o que pode reduzir substancialmente o número de amostras necessárias para se fazer estimativas quando comparado com o modelo clássico, 1  definindo o número mínimo de amostras (menor intervalo de distância entre amostras) necessário para se atingir uma determinada  precisão num mapa interpolado, o que, evidentemente, servirá como critério para se otimizar a amostragem de solos num programa de agricultura de precisão (Marques Júnior & Corá, 1998). Winkels & Stein (1997) recentemente apresentaram a base teórica do programa computacional interativo Optim (Stein & Staritsky, 1993), o qual estima o melhor intervalo de amostragem das variáveis estudadas a  partir dos parâmetros dos semivariogramas, para se atingir um determinado nível de precisão. Este nível de precisão é expresso na mesma unidade destas variáveis, sendo definido como o valor mais elevado de incerteza que se tem num mapa interpolado. A amostragem dos solos para caracterização da variabilidade espacial é o ponto chave  para um programa de agricultura de precisão,  principalmente nas áreas sob sistema de plantio direto (PD), considerando que deve ser nestas áreas que um programa de agricultura de precisão deve se estabelecer. A estreita margem de lucro da produção agrícola e a maior  preocupação com a poluição ambiental têm aumentado consideravelmente o interesse no uso eficiente dos produtos  para fertilização (Torre-Neto, 1997). No sistema de PD, a concentração de nutrientes na superfície e nas linhas de adubação, aliada a não mobilização do solo, fazem com que a amostragem seja ainda mais crítica que no sistema convencional (Salet et al., 1997). Algumas questões básicas referentes a amostragem de solos no sistema de PD foram 1 - de acordo com a teoria estatística clássica, o número de amostras necessárias para se estimar o valor médio de um atributo do solo é determinado através da seguinte equação: n=(t 2 CV 2 /p 2 ), onde t= 1,96 (usado para determinar 95% do intervalo de confiança quando n = ∞ ), CV= coeficiente de variação do atributo considerado, e p= percentagem do erro  provável (p=0,10, implica que ±  10% é aceitável) de acordo com Davis el al. (1995)  colocadas por Salet et al. (1997), e referem-se às seguintes indagações: ã Qual a variabilidade espacial das características químicas do solo no sistema PD? ã Qual o número de subamostras necessárias, a serem retiradas com um trado, para representar o índice de fertilidade de uma lavoura no sistema PD? As respostas a parte destas indagações através de estudos realizados por estes autores, mostraram que as propriedades químicas analisadas (pH, índice SMP, fósforo e potássio) apresentaram maior coeficiente de variação no sistema de PD do que no plantio convencional. Além disso, o número mínimo de subamostras necessárias para avaliar os teores de fósforo e  potássio para uma variação em torno de 10% da média, foi muito alto (34 a 170 amostras), o que torna a coleta inexeqüível por parte dos  produtores. Em outro estudo objetivando avaliar a variabilidade dos índices de fertilidade  perpendicular às linhas de adubação, os mesmos autores demonstraram que a variabilidade horizontal, perpendicular às linhas de adubação foram baixas para o pH, índice SMP e Al trocável e muito alta para fósforo e potássio. As amostras retiradas nas linhas de adubação das culturas de milho (ano anterior) e de trigo (última cultura) apresentaram duas a três vezes mais fósforo e potássio que as amostras da entrelinha. Com base nesses resultados, os autores sugeriram que não seria recomendável fazer uma amostragem dirigida com trado no sistema de PD, devido ao pequeno volume de solo amostrado e alta variabilidade horizontal resultante das linhas de adubação. Sugeriu-se ainda que para adubação a lanço, a amostragem deveria ser realizada com trado ou pá de corte em 20 pontos ao acaso na lavoura. Para adubação em linha deveria ser amostrado  perpendicularmente todo o comprimento da entrelinha de maior espaçamento. Apesar do avanço realizado por Salet et al. (1997), é necessário um aprofundamento sobre o estudo da variabilidade espacial das propriedades químicas dos solos após longo tempo de aplicação contínua nas linhas de plantio, em especial para o fósforo e potássio, em áreas onde o solo está submetido ao sistema de PD, conforme mostram os resultados obtidos por Souza et al. (1998). Além disso, o estudo da variabilidade espacial das propriedades químicas e físicas dos solos pode indicar alternativas de manejo não só para reduzir os efeitos da variabilidade do solo, mas também para aumentar a  possibilidade de se estimarem respostas destes atributos a determinadas práticas de manejo (Carvalho et al., 1998). Entretanto, para que a agricultura de precisão seja implementada com sucesso, deve-se usar métodos precisos e eficientes para melhor avaliação da variabilidade dos solos. A agricultura convencional considera as áreas de cultivo relativamente homogêneas, o que implica no emprego de práticas de manejo do solo extremamente uniformes, o que inclui a semeadura, as aplicações de fertilizantes e agrotóxicos, ignorando a variabilidade espacial do solo (Mcbratney & Pringle, 1998). É necessário dar atenção às estratégias de amostragem para mapear a variabilidade espacial dos solos, pois só a partir de sua modelagem é possível produzir mapas mais acurados. Há um grande número de estratégias de amostragem (Webster & Oliver, 1990), sendo que uma das mais utilizadas na agricultura de precisão é a amostragem sistemática em malha (grid) regular. Apesar das evidências empíricas mostrarem que este tipo de amostragem parece ser mais  preciso do que a amostragem aleatória, é necessário considerar as tendências periódicas (adubação em linha durante anos sucessivos, como no caso do padrão de tráfico dos equipamentos utilizados, etc). Este efeito pode ser reduzido pela escolha de um padrão de amostragem que não coincida com o espaçamento e orientação das tendências periódicas (Dick et al., 1996). A intensidade da amostragem em áreas sob uso contínuo depende de vários fatores, como por exemplo, os níveis dos nutrientes em relação às necessidades das culturas, os padrões da variabilidade espacial destes nutrientes, as recomendações de adubação utilizadas, a expectativa de resposta à adubação, e os custos adicionais decorrentes do esquema de amostragem (Malarino, 1998). O mesmo autor apresenta resultados de uma pesquisa onde foram realizados três diferentes esquemas de amostragem (coletas com malha quadrada de 45 metros; 135 metros e por tipo de solo) num mesmo campo de cultivo. Os resultados expressos através de mapas foram completamente distintos, sem nenhum padrão entre eles. De qualquer forma, o autor concluiu que uma malha de 100 metros estaria dentro do critério custo/ precisão da informação. Evidentemente, outras decisões sobre o número de amostras podem ser tomadas, dependendo da homogeneidade do campo, expressa pela dependência espacial. O conhecimento do alcance da dependência espacial dos atributos do solo pode ser um critério para definir o intervalo das amostragens (Souza et al., 1997). Entretanto, estes valores dependem da  escala, da intensidade da coleta e do manejo da área (Webster & Oliver, 1990). A Tabela 1 apresenta resultados de trabalhos recentes realizados no Brasil objetivando determinar o alcance da dependência espacial de algumas  propriedades químicas do solo avaliadas em um  programa de agricultura de precisão. Os resultados mostram grande diferença de magnitude na variabilidade espacial, o que não  permite a elaboração de uma norma definindo o número de amostras, conforme o recomendado  por Miranda (1982)4 e Teixeira et al.(1984). Os valores do alcance da dependência espacial variaram de 2,6 m para o fósforo até 13,5 km  para o potássio, enfatizando entre outras coisas, que a escala de realização das coletas é fundamental. Não se pode concluir sobre  padrões de variabilidade das propriedades além da área objeto da coleta (Webster & Oliver, 1990). Da mesma forma que as propriedades químicas, as propriedades físicas e morfológicas  podem ser mais importantes que a fertilidade  para explicar a variabilidade na produção das culturas e podem ser mais úteis no delineamento de zonas homogêneas de manejo para agricultura de  precisão (Marques Júnior & Corá, 1998). A partir do momento que as informações são expressas através de um mapa da distribuição espacial das propriedades consideradas, pode-se implementar algumas mudanças no manejo dentro do campo de cultivo. Estas mudanças mostrarão a conveniência de se estabelecer diferentes intensidades de amostragem numa mesma área. Pesquisa realizada em Wisconsin (EUA) i , mostrou que os produtores  poderiam realizar um investimento substancial na amostragem, quando os solos apresentassem resposta significativa à adição de fertilizantes comparada à aplicação  baseada nos valores médios das amostras compostas. O mesmo estudo mostrou que onde a densidade de amostragem foi inadequada, as áreas potencialmente capazes de responder à aplicação de fertilizantes foram classificadas incorretamente. Neste caso, a aplicação localizada de fertilizantes proporcionou menores rendimentos quando comparada ao procedimento usual  baseado nos valores das propriedades consideradas. O custo da amostragem nas áreas onde os níveis dos nutrientes está acima do preconizado é compensado na economia obtida  pela aplicação desnecessária dos mesmos. Tabela 1. Variabilidade de algumas propriedades químicas do solo determinadas no Brasil Prop. Prof. (cm) C.V (%) Uso Modelo Alcance (metros) Argila 0-20 8,0 1 ; 17,0 1 ; 24,9 3 ; 32,4 5  a 1 , b 1 ,c 2 ,d 5  exp 1 , gau 1 ,esf  2 , esf  5  94 1 , 347 1 ;18 2 , 40 5  20-40 6,0 1 ; 15,0 1 ; 31,3 5  a 1 , b 1 , d 5  esf  1 , gau 1 , esf  5  471 1 ; 425 1  Ca 2+  0-20 79,0 1 ; 32,0 1 ; 20,0 3 ; 47,1 5  a 1 , b 1 , d 5  epe 1 , gau 1 , esf  3 , esf  5  ?; 105 1 ; 59 3 ; 18 20-40 35,0 1 ; 59,0 1 ; 53,6 5 ; a 1 , b 1 , d 5  esf  1 , gau 1 , esf  3 , esf  5  188 1 ; 211 1 ; 27 3 ; 16 P 0-5 30,9 4  f  4  esf  4  2,5 0-10 32,2 4  g 4  esf  4  30 0-20 45,0 1 ; 106,0 1 ; 33,7 3 ; 75,4 5 a 1 , b 1 ,c 3 , d 5  epe 1 , lin 1 , exp 3 , esf  5  ?; ?; 27 20-40 14 ,0 1 ; 107,0 1 ; 102,1 5  a 1 , b 1 , d 5  epe 1 , epe 1 , epe 5  ?; ?; ? Mg 2+  0-20cm 45,0 1 ; 39 ,0 1 ; 18,1 3 ; 54,0 5  a 1 , b 1 , c 3 , d 5  epe 1 , epe 1 , esf  3 , esf  5  ?; ?; 59; 32 20-40cm 14,0 1 ; 47 ,0 1 ; 54,7 5  a 1 , b 1 , d 5  epe 1 , epe 1 , esf  5  ?; ?; 25 M.Org 0-5 9,6 4  f  4  esf  4  2,6 0-10 7,5 4  g 4  esf  4  30 . 0-20 6,0 1 ; 9,0 1 ; 23,5 3 ; 32,1 5 a 1 , b 1 ,c 3 , d 5  epe 1 , gau 1 , gau 3 , esf  5  ?; 105 1 ; 59; 22 20-40 9,0 1 ; 12,0 1 ; 34,5 5  a 1 , b 1 , d 5  lin 1 , gau 1 , esf  5  ?; 25 1 ; 20;  pH 0-20 2,0 ; 6 ,0; 3,5; 5,1 a, b, c, d epe, esf, esf, esf ?; 631; 45; 22 20-40 3,0 ; 6,0 ; 7,1 a, b, d lin, epe, esf ?; ?;18 0-5 28,2 f epe ? 0-10 33,8 g esf 30 K 0-20 38,0 1 , 53,0 1 , 86 2 , 38,3 3 ; a 1 , b 1 ,e 1 , d 5  epe 1 , gau 1 , gau 2 , gau 3 , esf  5 ?; 445 1 ;13.500 2 ; 36; 20-40 39,0 , 54,0 , 115; 43,8 a, b,e, d epe, gau, gau, esf ?; 482 ; 6.500; 16   1  Couto (1997) , 2  Couto et al. (1997), 3  Souza et al. (1997) , 4 Souza et al.(1998), 5 Salviano et al. (1998). a  Cerrado sob Latossolo Vermelho-Escuro (MT),  b  Pivô Central sob Latossolo Vermelho-Escuro (MT), c  Pomar Cítrico sob Latossolo Amarelo (BA) na Bahia, d  Área erodida com Crotalaria sob Podzólico Vermelho-Amarelo (SP), e área extensa com culturas anuais e pastagens, f   área sob Podzólico Vermelho-  Escuro em sistema de plantio direto 1, g  área sob Latossolo Roxo em sistema de plantio direto esf=modelo esférico, exp= modelo exponencial, gau= modelo gaussiano, epe= efeito pepita puro, lin= modelo linear    Mcbratney & Pringle (1998) considera dois tipos de técnicas para obter informações a respeito da variabilidade dos solos: técnicas de amostragem e técnicas de varredura. Em função do custo, nas técnicas de amostragem, o espaçamento entre amostras é maior, com uso intensivo de interpolação para estimar o valor dos pontos não amostrados. As técnicas de varredura, por outro lado, permitem realizar observações a intervalos muito  pequenos. A desvantagem é que a qualidade da observação estimada é inferior àquela obtida pelas técnicas convencionais (Mcbratney & Pringle,1998). Esta técnicas, também denominadas de técnicas de enumeração completa, em função da pequena distância física entre os pontos de amostragem, consomem muito menos tempo e dinheiro para produzir informações sobre os dados amostrados. Elas podem ser invasivas ou não-invasivas, referindo-se respectivamente à posição do sensor dentro e fora da amostra que está sendo medida. Algumas destas técnicas são apresentadas por Mcbratney & Pringle (1998) na Tabela 2. Whelan et al. (1996) comentam que o aspecto mais importante para o manejo da agricultura de precisão, é a combinação de uma estratégia de amostragem que permita uma representação suficientemente detalhada da verdadeira distribuição espacial dos aspectos da cultura e das propriedades do solo. Dependendo da variável analisada, a intensidade da amostragem é definida pela conveniência e pela relação custo/benefício. Como conseqüência deste enfoque, um grande número de informações que são normalmente obtidas pelas técnicas convencionais de amostragem, é geralmente esparsa, ou desigualmente distribuída, o que  proporciona uma estimativa irreal da variabilidade dos solos. TABELA 2. Alguns exemplos de tipos de sensores e scanners desenvolvidos para  propriedades de solos que podem ser de interesse para a agricultura de precisão (Mcbratney & Pringle,1998). Propriedade do solo Sensor/scaner Tipo Umidade Infravermelho próximo (NIR) Capacitância Microondas Radar de penetração (GPR) Invasivo Invasivo Invasivo  Não-invasivo  Nitrogênio Infravermelho próximo (NIR) ISFET Invasivo Invasivo Invasivo Argila Infravermelho próximo (NIR) Invasivo Matéria Orgânica Infravermelho próximo (NIR) Ótico Invasivo Invasivo CTC Infravermelho próximo (NIR) Invasivo Salinidade Indução eletromagnética (EM)  Não-invasivo Resist. Penetração Penetrômetro Invasivo Potássio total Radiação gama Não-invasivo  Neste mesmo artigo, os autores propõem critérios para decidir qual método de interpolação deve ser usado na agricultura de  precisão, considerando-se o tamanho da amostra e a intensidade da amostragem (Tabela 3). TABELA 3. Recomendação para métodos de estimativa da distribuição espacial de atributos de solo e planta aplicados à agricultura de precisão em relação ao tamanho da amostra e intensidade (Whelan et al., 1996) Intensidade de amostragem (n o / AMI) Tamanho da amostra Esparsa 0,0001-0,01 Modrada 0,01-1 Intensa > 1 < 10 NA NA NA 10 - 100 NA ?IS ?IS/NR* 101 - 500 NA GS GS/NR* > 500 NA/GS LGS LGS/NR* Onde NA= não aplicável, ?IS= estimativa pelo inverso do quadrado da distância , podendo haver problemas com a  precisão dos valores estimados, GS= krigagem ordinária ou universal com variograma , LGS= krigagem local usando valores estimados a partir dos vizinhos, NR*= estimativa espacial será apenas necessária se a amostragem for desigualmente destribuída. O objetivo destas recomendações é converter as estimativas espaciais a, pelo menos, 1 estimativa/Área Mínima de Interesse (AMI).
Search
Tags
Related Search
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks