DELINEAMENTO DE ZONAS DE MANEJO COM BASE EM ATRIBUTOS FÍSICO- HÍDRICOS DE SOLO ARENOSO Oldoni 1, H., Bassoi 2, L. H. 1 Eng. Agrícola, Mestrando em Engenharia Agrícola, UNIVASF/CPGEA, Avenida Antônio Carlos Magalhães, 510, Caixa Postal 309, Juazeiro-BA, CEP: 48902-300, henriqueoldoni@gmail.com 2 Eng. Agrônomo, Pesquisador, Embrapa Semiárido, BR 428, km 152, Caixa Postal 23, Petrolina-PE, CEP 56302-970, luis.bassoi@embrapa.br Resumo - A irrigação é uma prática indispensável no cultivo da videira no Vale do Submédio São Francisco, devido à insuficiência da precipitação pluvial para suprir a necessidade hídrica da cultura nessa região. A definição de zonas de manejo pode auxiliar a prática da irrigação, por meio do monitoramento da umidade do solo em zonas com diferentes valores de atributos de solo. Assim, o objetivo desse trabalho foi estabelecer zonas de manejo de irrigação, com base em atributos físico-hídricos do solo, em um pomar de videira de mesa no Perímetro Irrigado Senador Nilo Coelho, em Petrolina PE. Mapas de distribuição espacial dos atributos do solo foram gerados utilizando a krigagem ordinária. As zonas de manejo para 5 atributos do solo (percentuais de areia, silte e argila, densidade do solo e quantidade de água disponível) foram delimitadas utilizando o algoritmo de agrupamento fuzzy c-means, e dois índices foram aplicados para determinar o melhor número dessas zonas. Foi possível separar a área do pomar em 3 zonas para um manejo diferenciado da irrigação. Palavras-chave: Semiárido; agricultura de precisão; geoestatística multivariada. DELINEATION OF MANAGEMENT ZONES BASED ON SOIL PHYSIC-HYDRICAL ATRIBUTES OF A SANDY SOIL Abstract - Irrigation is an essential practice in the vine cultivation in the Lower Middle São Francisco Valley, since rainfall is not enough to supply the crop water demand in that region. The definition of management zones can help irrigation practice through soil water monitoring in zones with different soil attribute values. The goal of this study was to generate maps of the spatial distribution of soil attributes of an irrigated table grape orchard in the Senador Nilo Coelho Irrigation Scheme, in Petrolina, State of Pernambuco, Brazil. Spatial distribution maps of soil attributes were generated by ordinary kriging. Management zones for 5 variables (percentages of sand, silt and clay, soil density, and available soil water) were defined using the fuzzy c-means clustering algorithm and two rates were applied to determine the optimal number of those zones. It was possible to separate the orchard area into 3 management zones, for differentiated irrigation management. Key words: Semi-arid, precision agriculture; multivariate geostatistics. Introdução A região do Vale do Submédio São Francisco é responsável por aproximadamente 80% da produção de uva de mesa do Brasil, além de possibilitar a colheita de até 2,5 safras durante um ano (BRAGA et al., 2011). Com isso, a geração de renda e criação de empregos diretos e indiretos mostra a importância desta cultura para a economia da região. O clima semiárido predominante na região faz com que irrigação seja uma prática indispensável no cultivo da videira. No entanto, a preocupação com o uso ineficaz da água na irrigação, e suas consequências ambientais e econômicas, torna cada vez mais importante a procura por práticas de manejo de irrigação eficientes e eficazes. Para isso, é possível a utilização de práticas de agricultura de precisão que busquem o conhecimento da variabilidade espacial de atributos do solo e da planta e, a divisão destas em zonas distintas de manejo. Valente et al. (2012) sugerem a utilização de mais de uma variável para a definição de zonas de manejo. A análise geoestatística caracteriza a dependência espacial e possibilita a construção de mapas para cada variável separadamente em uma dada área de cultivo. Ao mesmo tempo, as técnicas de análise multivariada também podem contribuir para a delimitação de zonas homogêneas, permitindo um estudo mais aprofundado entre as diversas variáveis. Morari et al. (2009) comenta que a divisão da área de cultivo em zonas de manejo é altamente desejável para a viticultura de precisão, e apresenta-se eficiente quando existe a associação entre a interpolação geoestatística e a análise multivariada IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: 2236-2118 1
de agrupamento. O algoritmo de agrupamento fuzzy c-means (BEZDEK et al., 1984) associado às técnicas geoestatísticas, vem sendo utilizado para delinear zonas de manejo em diversos trabalhos (LI et al., 2007; MORAL et al., 2010; WANG et al., 2012). Assim, este estudo teve como objetivo gerar mapas de distribuição espacial de atributos do solo de um pomar irrigado de videira de mesa na região do Vale do Submédio São Francisco e, por meio deles, gerar zonas de manejo potenciais de irrigação por meio da técnica multivariada de agrupamento fuzzy c-means. Material e Métodos O estudo foi conduzido em um pomar de videira cv. Thompson Seedless sobre o porta-enxerto SO4, plantada em maio de 2004, com espaçamento entre plantas de 2,5 m e entre fileiras de 4 m, e conduzida no sistema de latada. Foram selecionadas 20 fileiras, cada uma contendo 81 plantas, e totalizando 1,6 ha. A área está localizada no Perímetro Irrigado Senador Nilo Coelho, Núcleo 5 (9º 23 12,8 de latitude sul, 40º 38 13,8 de longitude oeste, 394 m de altitude) no município de Petrolina PE, no Vale do Submédio do São Francisco. O solo é classificado como Neossolo Quartzarênico caracterizado por apresentar solos profundos, de textura arenosa e franco arenosa (CUNHA et al., 2008). O sistema de irrigação é o de microaspersão, com 1 difusor por planta com vazão aferida de 30 L h -1, e uma válvula de derivação de água para cada 10 fileiras de plantas. Registros de linha foram instalados pelo produtor na mangueira de irrigação de cada fileira de plantas, para divisão da área em três partes, pois foi observada durante sucessivos ciclos de produção de uva a diferença quanto ao armazenamento de água no perfil de solo. Para avaliar a variabilidade de alguns atributos físico-hídricos do solo, foram coletadas amostras de solo, nas profundidades de 0,00 0,20 e 0,20 0,40 m, em duas transeções, localizadas nas fileiras 5 e 15. Em cada transeção coletou-se, por meio de um trado, 40 amostras de solo, separadas a 5 m. A partir das amostras deformadas, foram determinadas as frações granulométricas areia, silte e argila (kg kg -1 ) de acordo com Donnagema et al. (2011) e, através do método da centrífuga (SILVA; AZEVEDO, 2002), determinou-se a capacidade de campo (θcc) à umidade do solo (m 3 m -3 ) retida à 0,006 MPa e o ponto de murcha permanente (θpmp) à umidade do solo (m 3 m -3 ) retida à 1,5 MPa. A água disponível (AD, m 3 m -3 ) foi obtida pela diferença entre θcc e θpmp. A densidade do solo (Ds, kg dm -3 ) foi determinada nos mesmos pontos por meio do método do anel cilíndrico. Para obterem-se os valores dos atributos físicohídricos do solo representativos à profundidade de 0,00 0,40 m, foi calculada a média aritmética entre os valores de cada uma das duas camadas amostradas. Inicialmente, foi realizada análise dos dados pela estatística descritiva e, posteriormente, semivariogramas experimentais foram construídos para todas variáveis em estudo, modelos teóricos foram ajustados e o índice de dependência espacial (IDE) dos atributos foi calculado, seguindo metodologia descrita em Zimback (2001). A qualidade do modelo matemático ajustado ao semivariograma experimental foi avaliada pelo procedimento de validação cruzada (VIEIRA, 2000). A partir disto, mapas de isolinhas foram gerados através da krigagem ordinária. Todos os procedimentos geoestatísticos e construção de mapas foram realizados com auxílio do software GS+ 7.0 (GAMMA DESIGN SOFTWARE, 2004). A técnica multivariada de agrupamento através do algoritmo fuzzy c-means (BEZDEK et al., 1984), foi realizada por meio do pacote e1071 no programa R (R DEVELOPMENT CORE TEAM, 2012), aplicada aos dados interpolados das variáveis em estudo, para dividir a área em diferentes zonas de manejo. Esta técnica atribui aos valores interpolados (indivíduos) graus de associação a cada zona de manejo, o qual permite avaliar a relação de cada indivíduo a cada zona. Para a escolha do número de zonas de manejo mais adequado, a técnica foi aplicada para 2, 3, 4, 5 e 6 zonas. Duas funções de validação do agrupamento, incluindo o índice de desempenho fuzziness (FPI) e a entropia de partição modificada (MPE), foram utilizadas para a indicação do melhor número de zonas de manejo, sendo este escolhido para quão menor forem os valores dos índices. Após, os resultados de partição e suas localizações espaciais são levados de volta ao software GS+ 7.0 para gerar o mapa de zonas de manejo. Diferenças significativas entre os valores médios de cada conjunto de dados amostrados pertencentes a cada zona de manejo foram testadas pelos testes ANOVA e Tukey HSD (Diferença Significativa Honesta) para amostras de diferentes tamanhos. Resultados e Discussão Os resultados da estatística descritiva e do teste de normalidade dos atributos fisico-hídricos do solo na profundidade de 0,00 0,40 m, são apresentados na Tabela 1. Todas as variáveis possuem valores de média e mediana relativamente próximos, e os valores do coeficiente de assimetria e de curtose apresentam-se um pouco distantes de zero. No entanto, com o teste de normalidade de Kolmogorov-Smirnov, a hipótese de normalidade foi confirmada para os dados de areia, silte, argila e AD, e uma não normalidade para os dados de Ds. Os valores do coeficiente de variação (CV) para os dados de areia e Ds, estão abaixo de 12% (3,23 e 4,13%), demonstrando uma baixa variabilidade dos dados conforme proposto por Warrick e Nielsen (1980). Para os demais, os valores variaram entre 14,82 e 22,17%, o qual, segundo mesmo autor, mostra uma média variabilidade dos dados (12<CV<60%). IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: 2236-2118 2
Tabela 1. Estatística descritiva e teste de normalidade dos atributos físico-hídricos do solo, na profundidade de 0,00 0,40 m. Variável Média Med Mín Máx DP CV (%) Assimetria Curtose d Areia (kg kg -1 ) 0,844 0,844 0,768 0,895 0,02 2,36-0,73 2,36 0,08 ns Silte (kg kg -1 ) 0,098 0,097 0,055 0,170 0,02 22,14 0,71 1,21 0,09 ns Argila (kg kg -1 ) 0,058 0,060 0,032 0,079 0,01 22,17-0,25-0,92 0,10 ns AD (m³ m -3 ) 0,096 0,096 0,066 0,131 0,01 14,82 0,27-0,20 0,06 ns Ds (kg dm -3 ) 1,433 1,450 1,278 1,516 0,06 4,13-0,87-0,05 0,15 * Med, mediana; Mín, valor mínimo; Máx, valor máximo; DP, desvio padrão; CV, coeficiente de variação; d, teste de normalidade (Kolmogorov-Smirnov), ns (p > 0,05), * (p < 0,05); AD, água disponível; Ds, densidade do solo. Na Tabela 2, são apresentados os modelos ajustados aos semivariogramas teóricos, com seus respectivos parâmetros de ajuste para os atributos físico-hídricos do solo na profundidade de 0,00 0,40 m. O modelo ajustado variou para todas as variáveis em estudo. Estes tiveram uma elevada precisão, exeto para o silte, que apresentou o valor de R² mais baixo (0,690). A AD apresentou um alcance de 146,2 m, sendo um valor muito acima das demais variáveis, mostrando maior homogeneidade ao longo da área em estudo para esta variável. Para as variáveis areia e silte, o IDE apresentou-se como moderado (25% <IDE< 75%), e forte para as demais variáveis (IDE> 75%), segundo classificação proposta por Zimback (2001). Isso mostra que, de maneira geral, existe dependência espacial adequada para todos os dados na área em estudo. Tabela 2. Modelos de semivariogramas teóricos ajustados com seus respectivos parâmetros de ajuste para os atributos físico-hídricos do solo na profundidade de 0,00 0,40 m. Variável Modelo Efeito pepita Patamar Alcance (m) IDE (%) R² Validação cruzada CR r² Areia (kg kg -1 ) Exponencial 0,00024 0,00048 85,5 50,2 0,953 0,805 0,144 Silte (kg kg -1 ) Gaussiano 0,00034 0,00053 55,5 35,5 0,690 0,772 0,119 Argila (kg kg -1 ) Esférico 0,00004 0,00017 40,6 79,9 0,867 0,992 0,552 AD (m³ m -3 ) Esférico 0,00004 0,00028 146,2 84,6 0,939 1,051 0,710 Ds (kg dm -3 ) Gaussiano 0,00095 0,00394 60,6 75,9 0,921 0,966 0,588 IDE, índice de dependência espacial; R², coeficiente de determinação; CR, coeficiente de regressão da validação cruzada (coeficiente angular); r², coeficiente de determinação da validação cruzada; AD, água disponível; Ds, densidade do solo. Segundo Vieira (2000), a validação cruzada é a melhor ferramenta para a avaliação da qualidade do ajuste do semivariograma. A Tabela 2 mostra os valores do coeficiente de regressão (CR) e de determinação (r²) da validação cruzada, onde as variáveis areia e silte apresentaram uma menor qualidade do modelo de ajuste ao semivariograma experimental (CR = 0,805, e 0,772 e r² = 0,144 e 0,119, respectivamente), quando comparada às demais variáveis. Na Figura 1 e 2 são apresentados os mapas de distribuição espacial dos atributos físico-hídricos do solo na profundidade de 0,00 0,40 m. É possível observar que a distribuição espacial da fração argila do solo apresenta maior variabilidade em comparação aos outros atributos do solo. As menores proporções de areia e maiores de silte encontram-se na região central do mapa e, as maiores proporções de argila encontram-se nas regiões inferior e superior direita do mapa. Para os mapas de água disponível e densidade do solo é possível observar certa semelhança na distribuição espacial, concentrando os menores valores na região superior direita do mapa. Figura 1. Mapas de distribuição espacial das frações de textura do solo na profundidade de 0,00 0,40 m. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: 2236-2118 3
Figura 2. Mapas de distribuição espacial da água disponível e da densidade do solo na profundidade de 0,00 0,40 m. A partir dos dados interpolados, aplicou-se a técnica de agrupamento fuzzy c-means para 2, 3, 4, 5 e 6 zonas de manejo. A Figura 3 mostra os resultados das funções de validação do número de zonas de manejo ideal (índice de desempenho fuzziness FPI e entropia de partição modificada MPE). Os valores de FPI e MPE apresentaram-se menores quando a técnica de agrupamento foi aplicada para 3 zonas de manejo, sendo esta quantidade adotada. Figura 3. Índice de desempenho fuzziness (FPI) e entropia de partição modificada (MPE) para os diferentes números de zonas de manejo. A Figura 4 apresenta o mapa resultante da técnica de agrupamento com as 3 zonas de manejo e com as áreas para irrigação diferenciada pré-estabelecidas pelo produtor, realizadas previamente sem o monitoramento da umidade do solo. Figura 4. Mapa de zonas de manejo. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: 2236-2118 4
É perceptível que para a válvula de derivação 1, a zona 3 deve ser considerada para o monitoramento da umidade do solo para fins de manejo de irrigação. Para a válvula de derivação 2, a irrigação poderá ser manejada a partir do monitoramento da zona 1 para o terço superior e da zona 3 para o terço inferior; para o terço central da área, a extensão da zona 2 é um pouco maior que as demais, podendo essa ser a escolhida para o monitoramento da umidade do solo (Figura 4). Os resultados da análise de variância mostraram que existe diferença significativa para todas variáveis, com nível de confiança de no mínimo 99%, entre, pelo menos, duas zonas de manejo. A Tabela 3 apresenta o resultado do teste de Tukey para as variáveis em estudo pertencentes às diferentes zonas de manejo. Tabela 3. Valores médios dos atributos físico-hídricos do solo na profundidade de 0,00 0,40 m para cada zona de manejo. Zona de Areia Silte Argila AD Ds manejo ------------------ (kg kg -1 ) ------------------ (m 3 m -3 ) (kg dm -3 ) 1 0,847 a 0,088 b 0,065 a 0,078 b 1,36 b 2 0,821 b 0,116 a 0,063 ab 0,085 b 1,38 b 3 0,848 a 0,097 b 0,055 b 0,102 a 1,46 a AD, água disponível; Ds, densidade do solo As médias das variáveis na mesma coluna seguidas por letras diferentes são diferentes entre zonas de manejo pelo teste de Tukey HSD para amostras de tamanho desiguais (P = 0,05). Na Tabela 3 é possível observar que a fração areia esteve com proporções mais baixas na zona de manejo 2 e as maiores nas demais. O silte manteve um comportamento inverso da areia, estando com as maiores proporções na zona de manejo 2. Já a argila apresentou suas menores proporções na zona 3 e as maiores na zona 1. A AD e Ds mantiveram os menores níveis nas zonas 1 e 2 e os maiores na zona 3. Com estas informações, o manejo de irrigação nesta área, pode ser realizado levando em conta a influência dos atributos físico-hídricos no comportamento da água no solo de cada uma das 3 zonas de manejo. Conclusão O uso da geoestatística e da técnica de agrupamento fuzzy c-means possibilitaram a obtenção de mapas de distribuição espacial dos atributos físico-hídricos do solo, com a delimitação de zonas para o monitoramento da umidade do solo, para fins de manejo diferenciado da irrigação. Agradecimentos À CAPES, pela concessão da bolsa de pós-graduação ao primeiro autor; à Rede de Agricultura de Precisão da Embrapa e à FACEPE, pelo apoio financeiro, e à Fazenda Sasaki; pela cessão da sua área de produção. Referências BEZDEK, J. C.; EHRLICH, R.; FULL, W. FCM: The fuzzy c-means clustering algorithm. Computers & Geosciences, v. 10, p. 191-203, 1984. BRAGA, M. B.; BASSOI, L. H.; CALGARO M.; PINTO, J. M.; SIMÕES W. L. Irrigação na produção integrada de uvas finas de mesa PI-Uva. Petrolina: Embrapa Semiárido, 2011. 45p. Disponível em: <http://ainfo.cnptia.embrapa.br/digital/bitstream/item/51531/1/sdc241.pdf>. Acesso em: 05 nov. 2014. CUNHA, T. J. F.; SILVA, F. H. B. B.; SILVA, M. S. L.; PETRERE, V. G.; SÁ, I. B.; OLIVEIRA NETO, M. B.; CAVALCANTIL, A. C. Solos do Submédio do Vale do São Francisco: potencialidades e limitações para uso agrícola. Petrolina: Embrapa Semiárido, 2008. 59p. <http://www.infoteca.cnptia.embrapa.br/handle/doc/161560>. Acesso em: 06 nov. 2014. DONNAGEMA, G. K.; CAMPOS, D. V. B. DE; CALDERANO, S. B.; TEIXEIRA, W. G.; VIANA, J. H. M. Manual de métodos de análise de solo. 2ª Ed. Revista. Rio de Janeiro: Embrapa Solos, 2011. 230p. GAMMA DESIGN SOFTWARE. GS+: Geostatistics for the Environmental Sciences. Plainwell: Gamma Design Software, 2004. LI, Y.; SHI, Z.; LI, F.; LI, H. Delineation of site-specific management zones using fuzzy clustering analysis in a coastal saline land. Computers and Electronics in Agriculture, v. 56, p. 174-186, 2007. MORAL, F. J.; TERRÓN, J. M.; MARQUES DA SILVA, J. R. Delineation of management zones using mobile measurements of soil apparent electrical conductivity and multivariate geostatistical techniques. Soil & Tillage Research, v. 106, p. 335-343, 2010. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: 2236-2118 5
MORARI, F.; CASTRIGNANÒ, A.; PAGLIARIN, C. Application of multivariate geostatistics in delineating management zones within a gravelly vineyard using geo-electrical sensors. Computers and Electronics in Agriculture, v. 68, p. 97-107, 2009. R DEVELOPMENT CORE TEAM. R: a language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2012. SILVA, E. M.; AZEVEDO, J. A. de. Influência do período de centrifugação na curva de retenção de agua em solos de Cerrado. Pesquisa Agropecuária Brasileira, v. 37, n. 10, p. 1487-1494, 2002. VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R. F.; ALVAREZ, V. V. H.; SCHAEFER, G. R. ed. Tópicos em ciência do solo. Viçosa, MG, Sociedade Brasileira de Ciência do Solo, v. 1, p. 1-54, 2000. VALENTE, D. S. M.; QUEIROZ, D. M.; PINTO, F. A. C.; SANTOS, N. T.; SANTOS, F. L. Definition of management zones in coffee production fields based on apparent soil electrical conductivity. Scientia Agricola, v. 69, n. 3, p. 173-179, 2012. WANG, D.; ZHANG, G.; PAN, X.; ZHAO, Y.; ZHAO, M.; WANG, G. Mapping soil texture of a plain area using fuzzy-c-means clustering method based on land surface diurnal temperature difference. Pedosphere, v. 22, n. 3, p. 394-403, 2012. WARRICK, A. W.; NIELSEN, D. R. Spatial variability of soil physical properties the soil. In: HILL, D. (ed.). Applications of soil physics. New York: Academic Press, p. 319-344, 1980. ZIMBACK, C. R. L. Análise espacial de atributos químicos de solos para fins de mapeamento da fertilidade do solo. 2001. 114p. Tese (Livre-Docência em Levantamento do Solo e Fotopedologia) Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, Botucatu, 2001. IV Simpósio de Geoestatística em Ciências Agrárias SGeA ISSN: 2236-2118 6