VARIABILIDADE ESPACIAL DA PRODUTIVIDADE DO CAFÉ CONILON EM DUAS SAFRAS AGRÍCOLAS

Transcrição

1 VARIABILIDADE ESPACIAL DA PRODUTIVIDADE DO CAFÉ CONILON EM DUAS SAFRAS AGRÍCOLAS Rone Batista de Oliveira 1, Julião Soares de Souza Lima 2, Alessandra Fagioli da Silva 3, Ulisses Rocha Antuniassi 4, Samuel Assis Silva 5 1 Eng o Agrônomo, FCA/Unesp, Depto Eng. Rural, Botucatu, SP, rbatista@fca.unesp.br 2 Eng o Agrícola, Prof. Adjunto IV, CCA/UFES, Depto. Eng. Rural, Alegre, ES, limajss@yahoo.com.br 3 Eng o Agrônoma, FCA/Unesp, Depto Eng. Rural, Botucatu, SP, alefagioli@hotmail.com 4 Engº Agrônomo, Prof. Titular, FCA/Unesp, Depto. Eng. Rural, Botucatu,SP, ulisses@fca.unesp.br 5 Engº Agrônomo, UFV, Depto. Eng. Agrícola, Viçosa-MG, samuel-assis@hotmail.com Resumo - O objetivo deste estudo foi avaliar a variabilidade espacial da produtividade do café conilon em duas safras agrícolas consecutivas. Para tal foi construído um grid irregular com 109 pontos amostrais espaçados de 10 m na linha do cafeeiro. Cada ponto foi constituido de cinco plantas de café que foram colhidas através de derriça manual, seco em terreiro suspenso e, posteriomente determinada a produtividade em kg ha -1 de café seco em coco. A variabilidade dos dados foi analisada pela estatística descritiva e geoestatística para verificar a dependência espacial, com base nos ajustes de variogramas experimentais. A produtividade na safra 2004/05 e 2005/06 apresentou coeficiente de variação de 25% e 33%, respectivamente. O modelo esférico foi o que melhor ajustou-se aos variogramas experimentais com alcances de 27,4 m (2004/05) e 47,4 m (2005/06). A produtividade do café conilon nas duas safras apresentaram dependência espacial e, portanto, deve-se levar em consideração a distância entre as amostras, quando se deseja analisar detalhadamente o comportamento da produtividade na área. A produtividade do café conilon apresentou baixa correlação espacial entre as safras ao longo da área. Palavras-chave: geoestatística, dependência espacial. SPATIAL VARIABILITY OF CANEPHORA COFFEE YIELD DURING TWO GROWING SEASONS Abstract - The aim of this study was to evaluate the spatial variability of coffee canephora yields during two consecutives growing seasons. For this, it was built an irregular grid with 109 sampling points, spaced 10 m in the coffee line. Each point was composed by five coffee plants, harvested manually and dried in a suspended yard. The productivity was determined in kg ha -1 of dried coffee fruit. The variability was analyzed by descriptive statistics and geostatistics, checking the spatial dependence based on experimental adjustments. The 2004/05 and 2005/06 growing seasons presented a coefficient of variation of 25% and 33%, respectively. The spherical model was the best fit to experimental semivariograms, reaching 27,4 m (2004/05) and 47,4 m (2005/06) range. Coffee Canephora productivity during the two growing seasons presented spatial dependence. The sampling distance should be considered in detailed productivity analysis. The coffee Canephora yield in the areas presented a low spatial correlation between the two seasons. Key words: Geoestatistics, spatial dependence. Introdução A aplicação de conceitos de geoestatística e agricultura de precisão na cultura do cafeeiro conilon ainda não é uma realidade na agricultura capixaba, uma vez que existem poucas pesquisas desenvolvidas na área. Segundo Oliveira et al. (2008), a análise dos dados pelo método espacial possibilita identificar zonas de déficit ou excesso de calagem e de adubação na área, que não poderiam ser definidas com o método convencional de amostragem (ziguezague). Os procedimentos iniciais de análise de dados nas ciências agrárias baseavam-se na utilização de parâmetros como média, variância e desvio-padrão para representar um fenômeno e supondo que as variações de um local para outro são aleatórias (CAMARGO, 1997). No entanto, segundo Vieira (2000), a informação dada somente pela variância é insuficiente para explicar um fenômeno, sendo necessário levar em consideração a distância entre as observações. A partir daí surge o conceito da geoestatística que leva ISBN:

2 em consideração a localização geográfica e a dependência espacial, permitindo uma visão espacial útil para tomada de decisões no processo de produção agrícola. O objetivo deste estudo foi avaliar a variabilidade espacial da produtividade do café conilon em duas safras agrícolas consecutivas. Material e Métodos O experimento foi conduzido durante as safras de 2004/05 e 2005/06 na Fazenda Experimental Bananal do Norte, pertencente ao Instituto Capixaba de Pesquisa, Assistência Técnica e Extensão Rural (INCAPER), localizada no município de Cachoeiro de Itapemirim, sul do Estado do Espírito Santo. A área experimental está compreendida entre as coordenadas geográficas: 20º 45 17,31 de Latitude Sul e 41º 17 8,86 de Longitude Oeste de Greenwich, com altitude média de 113 metros. A espécie de café do experimento é a Coffea canephora Pierre, var. Robusta Tropical Emcaper 8151, sendo a primeira variedade melhorada de café conilon de propagação por sementes para o Estado do Espírito Santo. Para esse estudo, foi construído um grid irregular com espaçamento entre pontos de dez metros na linha do cafeeiro, totalizando 109 pontos amostrais numa área de um hectare. Cada ponto amostral foi constituído de cinco plantas de café que foram colhidos através de derriça manual, secos em terreiro suspenso e, posteriormente determinado a produtividade em kg ha -1 de café seco em coco. A análise dos dados foi realizada em três estágios: (i) distribuição de freqüências e teste de normalidade; (ii) resumo estatístico (média, mediana, mínimo, máximo, desvio padrão e coeficientes de variação, assimetria e curtose); e (iii) geoestatística a fim de quantificar o grau de dependência espacial, utilizando-se do variograma clássico de Matheron com auxilio do software GS + (ROBERTSON, 2004). O variograma foi estimado pela expressão: ^ γ ( h) = 1 2N h ( ) N( h) 2 i = 1 [ Z( x ) Z( x + h) ] i i em que: γ é a variância experimental, obtida pelos valores amostrados Z(xi), Z(xi + h); h é a distância entre pontos amostrais e N(h) é o número total de pares de pontos possíveis, dentro da área de amostragem (BACHMAIER; BACKES, 2008). No ajuste dos modelos teóricos: esférico, exponencial e gaussiano definiu os parâmetros efeito pepita (C 0 ), o patamar (C 0 +C), o alcance (a) e o índice de dependência espacial (IDE). Os modelos foram escolhidos com base no coeficiente de correlação entre os valores observados e os estimados pela validação cruzada. Com o ajuste dos variogramas experimentais e presença da dependência espacial, foi realizada a interpolação para estimar valores em locais não medidos pelo método da krigagem ordinária. Resultados e Discussão Na Tabela 1 estão apresentados os resultados da estatística descritiva e distribuição de freqüência da produtividade do cafeeiro conilon nas duas safras. Nas duas safras os dados apresentam distribuição normal, segundo o teste de Kolmogorov-Smirnov (KS) a 5% de probabilidade. A produtividade na safra de 2004/05 apresenta média inferior à produtividade na safra de 2005/06, porém com o valor máximo e amplitude superiores ao ano de Resultado semelhante foi encontrado por Azevedo (2004) para atributos de solo. Segundo esse mesmo autor, isto mostra, inicialmente, neste caso, que a utilização da média mascara os sítios com valores relativamente altos na área na safra 2004/05. Dessa forma, apesar da utilização da média ser um procedimento clássico de análise, deixa de mostrar informações importantes, quando se deseja analisar detalhadamente o comportamento dos atributos no espaço. Isso se deve ao fato de que a média é uma medida de posição que representa o conjunto de dados dos valores de determinado atributo, e é tanto menos representativa quanto maior for a variação em torno dela, medido pelo coeficiente de variação. Nesse caso, na prática, pode-se afirmar que a desuniformidade da produtividade na área na safra 2004/05, contribui para uma alta variabilidade apresentada pelo coeficiente de variação (CV>30%). Segundo a classificação de Gomes (1987), o coeficiente de variação (CV) apresentou-se alto para a produtividade na safra 2004/05 (20% < CV < 30%) e muito alto para 2005/06 (CV > 30%). ISBN:

3 Tabela 1. Estatística descritiva e distribuição de freqüência da produtividade do cafeeiro conilon nas duas safras agrícolas (2004/05 e 2005/06) Valores Coeficientes Teste Variáveis Média Md s Mínimo Máximo CV C s C k KS PROD 1/ 6636,0 6765,0 2189,0 2701, ,0 33,0 0,55 0,70 p>0,20 ns PROD 2/ 6784,0 6503,0 1720,0 3429, ,0 25,0 0,41 0,54 p>0,20 ns 1 e 2 / Produtividades de café seco em coco em Kg ha -1 nas safras de 2004/05 e 2005/06; Md - mediana; s - desvio-padrão; CV - coeficiente de variação; C s - Coeficiente de simetria; C k - coeficiente de curtose; ns - não significativo pelo teste Kolmogorov-Smirnov (KS) a 5% de probabilidade (Distribuição normal). Na Figura 1 são apresentados os variogramas escalonados pela variância com os modelos e os parâmetros alcance (a), índice de dependência espacial (IDE) e coeficiente de determinação (R 2 ) para a produtividade nas duas safras. O modelo esférico foi o que melhor ajustou-se aos variogramas experimentais com menor alcance para safra de 2005/06 (27,4 m). Segundo Trangmar et al., (1985), várias pesquisas indicam esse modelo como o mais adaptado para descrever o comportamento de variogramas dos atributos de solo e de plantas. Sanchez et al. (2005), também ajustaram o modelo esférico para a produção de café em diferentes superfícies geomórficas. Quanto ao índice de dependência espacial, as duas safras apresentaram moderada dependência espacial (25% < IDE <75%), conforme classificação proposta por Zimback (2001). Nesse caso, a maior parte da variância dessa variável é espacial, confirmada pelos baixos valores de C 0, o qual indica o valor da variância para a distância zero (VIEIRA, 2000) e representa o componente da variabilidade espacial que não pode ser relacionado com uma causa específica (variabilidade ao acaso). 1,5 1,5 Variância 1,0 0,5 Esférico (47,4 m; 67,6%; 89,5%) Variância 1,0 0,5 Esférico (27,4 m; 73,0%; 91,4%) 0, Distância (m) 0, Distância (m) (a) (b) Figura 1. Modelos e parâmetros (a, IDE e R 2, respectivamente) estimados dos variogramas escalonados para a produtividade do cafeeiro conilon (kg ha -1 ) de café seco em coco nas safras de 2004/05 (a) e 2005/06 (b). Na Figura 2 são apresentados os mapas de produtividade, construídos por krigagem, para as duas safras avaliadas. Observa-se que a produtividade apresenta variações diferentes ao longo da área entre os anos, mostrando falta de consistência no padrão desta variabilidade de uma safra para outra. Stafford et al. (1999), em um estudo realizado em diversas fazendas na Inglaterra também encontraram falta de estabilidade em culturas com mais de três safras consecutivas. Nos mapas observam-se tendências de maior produtividade na parte inferior da área para a safra de 2004/05 e o inverso para 2005/06. Entretanto, não se encontrou uma explicação razoável que evidenciasse esse comportamento, visto que não foram realizadas práticas de manejo diferenciadas na área que pudessem afetar os atributos químicos e físicos. Para compreender melhor esse fenômeno, seria necessária uma continuidade do estudo através de uma análise espaço-temporal. ISBN:

4 (a) (b) Figura 2. Distribuição espacial da produtividade (kg ha -1 ) de café conilon seco em coco var. Robusta Tropical para as safras 2004/05 (a) e 2005/06 (b). Conclusões A produtividade do café conilon nas duas safras apresenta dependência espacial e, portanto, deve-se levar em consideração a distância entre as amostras, quando se deseja analisar detalhadamente o comportamento da produtividade na área; A produtividade do café conilon apresenta baixa correlação espacial entre as safras ao longo da área. Referências AZEVEDO, E. C. Uso da geoestatística e de recursos de geoprocessamento no diagnóstico da degradação de um solo argiloso sob pastagem no estado de Mato Grosso f. Tese (Doutorado) - Unicamp, Campinas, BACHMAIER, M.; BACKES, M. Variogram or semivariogram? Understanding the variances in a variogram. Precision Agriculture. v.9, n.3, p , CAMARGO, E. C. G. Desenvolvimento, implementação e teste de procedimentos geoestatísticos (krigeagem) no sistema de processamento de informações georreferenciadas (Spring) f. Dissertação (Mestrado) Instituto Nacional Pesquisa Espaciais, São José dos Campos, GOMES, F. P. Curso de estatística experimental. São Paulo: Nobel, p. OLIVEIRA, R. B.; LIMA, J.S. S.; XAVIER, A. C.; PASSOS, R. R.; SILVA, S. A.; SILVA, A. F. Comparação entre métodos de amostragem do solo para recomendação de calagem e adubação do cafeeiro conilon. Eng. Agríc., Jaboticabal, v.28, n.1, p , jan./mar ROBERTSON, G.P. GS+: Geostatistics for the environmental sciences - GS+ User s Guide. Plainwell: Gamma Desing Software, p. SANCHEZ, R. B.; MARQUES JÚNIOR, J.; PEREIRA, G. T.; SOUZA, Z. M. Variabilidade espacial de propriedades de latossolo e da produção de café em diferentes superfícies geomórficas. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 9, n. 4, p , Campina Grande, STAFFORD, J. V.; LARK, R. M.; BOLAM, H. C.; Using yield maps to recognize fields into potencial management unit. In: INTERNATIONAL CONFERENCE ON PRECISION AGRICULTURE, 4., 1999, Madison, Proceedings Madison: ASA, CSSA, SSSA, v. 2, p TRANGMAR, B.B. YOST, R.S. UEHARA, G. Application of geostatistics to spatial studies of soil properties. Advances in Agronomy, V. 38, p , VIEIRA, S.R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R.F.; ALVARE, V.V.H.; SCHAEFER, C.E.G.R. (Eds.). Tópicos em ciência do solo. Viçosa: Sociedade Brasileira de Ciência do Solo, v.1, p ISBN:

5 ZIMBACK, C.R.L. Análise espacial de atributos químicos de solos para fins de mapeamento da fertilidade f. Tese (Livre-Docência em Levantamento do Solo e Fotopedologia) -Faculdade de Ciências Agronômicas, Universidade Estadual Paulista, Botucatu, ISBN: