Aplicação de técnicas de geoestatística para a espacialização da variável resistência a penetração do solo (índice de Cone)

Transcrição

1 Aplicação de técnicas de geoestatística para a espacialização da variável resistência a penetração do solo (índice de Cone) José Ricardo Melges Bortolin 1, Gustavo Portz 2 e José Ricardo Sturaro 3 1 Físico, Doutorando em Geociências e Meio Ambiente, Departamento de Geologia Aplicada, IGCE/Unesp, Campus de Rio Claro, Avenida 24-A, 1515, Bela Vista, Caixa Postal 178, CEP , Rio Claro (SP), Brasil, jrmb@bol.com.br 2 Engenheiro Agrônomo, Mestrando em Máquinas Agrícolas, Esalq USP, gportz@gmail.com 3 Geólogo, Livre docente, Departamento de Geologia Aplicada, IGCE/Unesp, Campus de Rio Claro, sturaro@rc.unesp.br Resumo O sistema de plantio direto vem se expandindo, visando a sustentabilidade econômica e ambiental das áreas agrícolas produtivas. Porém, o não revolvimento dos solos, aliado ao tráfego de máquinas, pode causar compactação. Penetrômetros podem ser usados como indicadores da condição física do solo para o crescimento vegetal, mas seu correto uso requer conhecimento do alcance espacial que a variável resistência à penetração do solo (RP) possui no local a ser amostrado. Assim, objetivando demonstrar a obtenção do alcance da RP através de técnicas geoestatísticas, executou-se uma pesquisa de campo onde foram amostradas duas transectas (horizontal e vertical ao nível do terreno) contendo 100 pontos de RP cada, espaçados em um metro. O valor médio da RP entre as profundidades de 5 a 50 cm de cada ponto foi analisado estatisticamente e geoestatisticamente, utilizando-se Krigagem Indicativa e criando-se o variograma dos pontos. Fazendo uso do alcance do variograma gerado, foi alocada uma grade amostral de RP na área. Os pontos de RP amostrados possuem distribuição normal, porém baixa dependência espacial, sendo de 17 m o alcance para as amostras na área estudada. O mapa gerado com uso dos parâmetros geoestatísticos apresenta variabilidade espacial e dependência espacial da RP na área. Palavras-chave: variabilidade espacial; krigagem indicativa; penetrômetro. Application of geostatistics techniques on the specialized data of Cone Index Abstract No-tillage farming is expanding aiming economical and environmental sustainability of agricultural production areas. However, the untilled soil, combined with machine traffic over humid soil, can cause compaction. Cone penetrometers can be used as indicators of soil physical condition for plant growth, but their correct use requires knowledge of the spatial range of variability that the cone index has on the site to be sampled. Thus, aiming to demonstrate the achievement of the spatial range of cone index through geostatistical analysis, was conducted a field study where they were sampled two transects (horizontal and vertical from ground level) with 100 sample points each, spaced one meter point to point. Average value of cone index between depths of 5 to 50 cm of each sample point was analyzed statistically, and geostatistically using indicator kriging, and the variogram of the points was created. Using the variogram range was allocated a grid in the same area and cone index sampled. The cone index points have normal distribution, but low spatial dependence, being the range for the samples in the study area only 17 m. The map generated using the geostatistical parameters presents spatial variability and spatial dependence of Cone index on the sampled area. Keywords: spatial variability; indicator kriging; penetrometer. Introdução É de conhecimento geral que sistemas de preparo mínimo ou não revolvimento de solos visam a sustentabilidade das áreas de produção agrícola, comprovando-se eficientes no controle da erosão. Porém, o pouco revolvimento do solo das áreas agrícolas, aliado ao tráfego de máquinas pesadas sobre a superfície úmida, provoca alterações em sua estrutura que, associadas à reduzida rugosidade superficial, podem ser desfavoráveis à infiltração de água, desenvolvimento de raízes e produção vegetal. A descompactação do solo utilizando escarificadores e subsoladores produz superfícies mais rugosas, aumenta a porosidade, reduz a densidade e rompe as camadas superficiais e subsuperficiais compactadas, constituindo uma rápida forma de remediar o problema. Entretanto, gera alta demanda energética e custo II Simpósio de Geoestatística em Ciências Agrárias ISSN:

2 elevado. Assim, deve-se identificar as áreas problemáticas para que esta operação seja feita de forma específica e, conseqüentemente, viável financeira e ambientalmente. Segundo Taylor e Ratliff (1969), penetrômetros são equipamentos de grande utilidade na correlação de força e resistência do solo com a taxa de crescimento radicular, que expressa a qualidade física do solo. A avaliação da resistência mecânica do solo à penetração (RP) em campo, normalmente é realizada pelo Índice de Cone, que consiste na resistência à penetração de uma ponta cônica padronizada (ASAE, 1999) e expressa como a força por unidade de área na base do cone até uma determinada profundidade. Não é consenso entre os pesquisadores que o valor de RP seja limite ao desenvolvimento de raízes e produtividade das culturas, pois este varia principalmente em função da espécie vegetal. Em geral, tem-se adotado o valor de 2000 kpa como crítico ao crescimento radicular de culturas anuais, estando a umidade do solo no estado de capacidade de campo (CC) (KLEIN et al., 1998). Um fator de fundamental importância na confecção do mapa de condição física do solo é a distância entre os pontos de RP da grade amostral. Contudo, para que se possa determinar o alcance da variável RP é preciso que se faça um estudo local desta variável, requerendo conhecimentos e programas de geoestatística. A prática atual utilizada por muitos prestadores de serviço em agricultura de precisão e produtores que fazem uso da ferramenta, em relação à coleta de dados de RP, é de empregar a mesma grade e momento amostral para a coleta de amostras de solo para análise química. Esta metodologia visa reduzir o tempo e o esforço de uma segunda amostragem, mas não leva em consideração a dependência espacial da variável RP e pode gerar dados dúbios e pouco confiáveis. Com vistas à problemática apresentada, este trabalho teve o intuito de conhecer a propagação da variável RP no espaço e apresentar uma forma de se identificar seu alcance, baseado em técnicas de geoestatística, objetivando o uso prático do mesmo em campo. Material e Métodos A fim de investigar e compreender a RP relacionada à sua variabilidade espacial foi realizada uma pesquisa de campo em uma área gramada, com aproximadamente m 2 e histórico de pastagem, situada dentro do campus da Universidade Estadual Paulista Júlio de Mesquita Filho (Unesp) do município de Rio Claro (SP), situada nas coordenadas S e O, e alocada sobre um Argissolo vermelho de textura franca. O solo do local, em seu estado natural, apresenta boas características físicas, como drenagem, porosidade e densidade, e está situado em relevo suave ondulado, caracterizando-se por boa aptidão agrícola. A coleta de dados de RP foi realizada com um penetrômetro eletrônico manual (PenetroLOG, PLG Falker Automação Agrícola) capaz de medir até 60 cm de profundidade com resolução de 1 cm e memória passível de armazenar até 2 mil medições (Figura 1). Cada ponto amostrado teve sua coordenada gravada por um receptor GPS L1. Posteriormente as coordenadas foram associadas aos pontos amostrados. Figura 1. Coleta dos dados com uso do penetrômetro eletrônico manual. Visando representar a variabilidade de RP existente no terreno, inicialmente, foi executada uma amostragem em forma de cruz, composta por 200 medidas espaçadas a cada 1 m, sendo 100 medidas no eixo das abscissas, acompanhando, aproximadamente, a curva de nível, e 100 medidas no eixo das ordenadas (Figura 2). II Simpósio de Geoestatística em Ciências Agrárias ISSN:

3 Figura 2. Área estudada com as transectas de pontos amostrais: horizontal, em vermelho, e perpendicular, em azul. A princípio, a profundidade investigada foi de 60 cm, mas depois de realizada a correção da profundidade inicial, por meio do software fornecido juntamente com o penetrômetro, foram excluídos os primeiros cinco centímetros de profundidade devido à pouca consistência dos dados em função da construção cônica da ponteira do penetrômetro, que não usa sua área total de medição nos primeiros 2,5 cm, e devido à característica natural do solo em dissipar a energia em sua superfície. Também foram eliminados os valores nulos do início de cada medição gerados por espaço vazio entre a placa de referencia de profundidade e o solo. Desse modo, foi contabilizada a média de RP dos valores de 5 a 50 cm de profundidade em todas as amostragens feitas. No local das amostragens também foi feita a quantificação da umidade gravimétrica, por meio da coleta de amostras de solo na profundidade de 0 a 20 cm, seguida de posterior pesagem em balança de precisão e secagem por 48 horas em estufa a 105ºC em laboratório. A interpretação da probabilidade local das variáveis é muito importante para subsidiar o planejamento do uso do solo. A seguir, faz-se uma explicação sucinta desta técnica, cujos detalhes encontram-se em Goovaerts (1997). A estimativa geoestatística não-paramétrica dos valores da função de distribuição acumulada condicional é baseada na interpretação da probabilidade condicional, como o valor esperado condicional de uma variável Indicativa I(x;z k ) com base nos n dados observados: F( x; z ( n)) E{ I( x) z ( n)} k (1) em que: I(x;z k )=1 se Z(x) z k e I(x;z k )=0 se Z(x)> z k. k Os valores da função de distribuição acumulada condicional podem, então, ser estimados pela Krigagem Ordinária dos dados indicativos transformados. Na implementação da aproximação Indicativa deve-se escolher o conjunto de K valores de corte, de modo que a faixa de valores da variável z seja dividida em K+1 classes, com frequências aproximadamente iguais. Para cada valor de corte z k são computados os variogramas indicativos experimentais, definidos por: N( h) i ˆ I ( h; ) [ i( xi; ) i( xi h; )] (2) 2N( h) em que: N(h) é o número de pares de dados dentro de determinada classe separados pelo vetor h (distância e direção). Quanto maior for o valor de ˆ I ( h; ) menos conectados no espaço são os pequenos ou grandes valores. Resultados e Discussão A umidade gravimétrica do solo no momento das amostragens de RP apresentava valor de 17%, inferior à capacidade de campo (CC) do solo em questão e não foi utilizada nenhuma equação de ajuste da umidade para a CC por não ser foco do trabalho. Assim, os valores de RP permaneceram inalterados, apesar de relativamente altos, pois não se referem à umidade padrão de CC do local. II Simpósio de Geoestatística em Ciências Agrárias ISSN:

4 Conforme a distribuição de freqüência da Figura 3, nota-se uma configuração simétrica onde os valores de tendência central encontram-se próximos. Algumas classes se sobressaem em relação à curva normal, com destaque para a classe que representa a classe modal. Os parâmetros de dispersão são relativamente baixos, com um coeficiente de variação de 20% (Tabela 1). Embora a dispersão estatística seja baixa, o mesmo não acontece com a variabilidade espacial, cuja componente aleatória apresentou-se alta. Figura 3. Histograma dos dados coletados. Tabela 1. Estatística descritiva dos dados coletados Parâmetro Valor Número de dados 200 Soma Mínimo Máximo Média Mediana Primeiro quartil Terceiro quartil Desvio padrão Coeficiente de variação Assimetria A configuração relativamente simétrica do histograma da Figura 3 facilitou a escolha dos 5 níveis de corte (cutoff), os quais procuraram estabelecer a estimativa da distribuição acumulada para cada ponto de uma malha densa (grid). Com base no histograma, foram definidos os seguintes níveis de corte: Nível 1: igual a 2250 kpa, correspondente à probabilidade de corte igual a 0,10 Nível 2: igual a 2261 kpa, correspondente à probabilidade de corte igual a 0,25 Nível 3: igual a 3106 kpa, correspondente à probabilidade de corte igual a 0,50 Nível 4: igual a 3574 kpa, correspondente à probabilidade de corte igual a 0,75 Nível 5: igual a 3900 kpa, correspondente à probabilidade de corte igual a 0,80 A Tabela 2 expressa os parâmetros dos variogramas para cada nível de corte. Tabela 2. Parâmetros dos variogramas indicativos Nível Modelo C 0 C 1 a 1 Esférico 0,047 0,06 14,0 2 Esférico 0,15 0,054 14,0 3 Esférico 0,11 0,14 17,0 4 Esférico 0,12 0,06 14,0 5 Esférico 0,07 0,051 21,5 II Simpósio de Geoestatística em Ciências Agrárias ISSN:

5 Após estabelecidos os níveis, foram feitos os variogramas para cada nível de corte. Adotou-se utilizar a Krigagem Indicativa da mediana, visto que os variogramas apresentaram determinada proporcionalidade e componente aleatória muito alta. Assim, o variograma base da mediana estabelecido para a Krigagem Indicativa foi o modelo esférico (Figura 4) com os seguintes parâmetros: Componente aleatória: 0,11 Componente estruturada: 0,14 Alcance: 17 m Figura 4. Variograma indicativo da mediana. Usando os resultados obtidos da análise geoestatística, os quadrantes da cruz amostral foram preenchidos por meio de uma malha em grade regular, com pontos espaçados de 17 m, somando 45 pontos amostrados para representar a variabilidade espacial de resistência à penetração na superfície da área estudada. Desse modo, gerou-se um mapa de caráter preliminar a fim de se comparar os resultados obtidos pela Krigagem ordinária e pela Krigagem Indicativa (Figura 5). Figura 5. Mapa preliminar de RP interpolado por Krigagem ordinária para o local estudado baseado nos parâmetros das transectas. Tendo em vista os intervalos críticos das pressões que refletem no desenvolvimento da planta, optou-se pelo mapeamento probabilístico destes intervalos, cujos resultados encontram-se nos mapas da Figura 6. Desse modo, foram elaborados os mapas pela Krigagem Indicativa, que demonstram a probabilidade de ocorrência das pressões para cada intervalo crítico, ou seja: 1 intervalo: abaixo de 2000 kpa 2 intervalo: kpa 3 intervalo: kpa 4 intervalo: acima de 3000 kpa Com relação à Figura 6, nota-se uma classificação probabilística da variável, ou seja, o usuário pode consultar os mapas e obter a probabilidade no local que ele eventualmente estiver investigando. Os mapas foram confeccionados com a permissão de um raio que pode atingir o dobro do alcance variográfico. Este procedimento, adotado por autores como Deutsch & Journel (1992), resulta em que a variabilidade introduzida no sistema seja máxima e, conseqüentemente, em estimativas com a variância dos erros mais elevada e as amostras de fronteira mais prestigiadas. Desta forma, toda a área foi contemplada com estimativas. II Simpósio de Geoestatística em Ciências Agrárias ISSN:

6 Os mapas dos valores extremos (prob. < 2000 kpa e prob. > 3000 kpa) apresentaram a área N-NE como a mais interessante para o cultivo do solo, ou seja, é a área mais provável de o solo ser menos compactado. Os mapas dos intervalos apresentam algumas áreas circulares que reforçam mais enfaticamente os valores pertencentes àquela classe. Figura 6. Mapas de probabilidade de ocorrência das pressões dos intervalos críticos. Conclusões O histograma se apresentou com uma configuração normal, ou seja, os valores de tendência central apresentam-se próximos e não se observa uma assimetria evidente, bem como a presença de outliers. Conseqüentemente, os intervalos para a Krigagem Indicativa possuíram uma freqüência significativa de informações para a análise variográfica. Desta forma, as funções acumuladas de probabilidade foram bem discretizadas. Os mapas foram feitos para uma classificação crítica de compactação do solo, isto é, conforme as pressões de penetração pode-se inferir a capacidade de cultivo do solo. Nos mapas extremos, nota-se que a região N-NE apresenta-se mais adequada para o desenvolvimento radicular das plantas. Com relação às classes intermediárias, os mapas evidenciam as probabilidades da ocorrência das classes determinadas, ou seja, as maiores possibilidades atingem 50% de chances de ocorrerem e encontram-se ligeiramente orientadas na direção N-S. Referências AMERICAN SOCIETY OF AGRICULTURAL ENGINEERS. ASAE S313.3: soil cone penetrometer. St. Joseph: American Society of Agricultural and Biological Engineers, p DEUTSCH, V, C.; JOURNEL, A. G. Geostatistical Software Library and User s Guide. New York: Oxford University Press, p. GOOVAERTS, P. Geostatistics for Natural Resources Evaluation. New York: Oxford University Press, p. KLEIN, V. A.; LIBARDI, P. L.; SILVA, A. P. Resistência mecânica do solo à penetração sob diferentes condições de densidade e teor de água. Engenharia Agrícola, Jaboticabal, v.18, n.2, p.45-54, TAYLOR, H. M.; RATLIFF, L. F. Root elongation rates of cotton and peanuts as a function of soil strength and soil water content. Soil Science, v.108, p , II Simpósio de Geoestatística em Ciências Agrárias ISSN: