Variabilidade espacial do pH, Ca, Mg e V% do solo em diferentes formas do relevo sob cultivo de cana (página 2)

A área de estudo localiza-se no nordeste do Estado de São Paulo, no município de Guariba (SP). As coordenadas geográficas são 21º 19’ de latitude sul e 48o 13’ de longitude oeste, com altitude média de 640m acima do nível do mar. O clima da região, segundo a classificação de Köppen, é do tipo mesotérmico com inverno seco (Cwa), com precipitação média de 1400mm, com chuvas concentradas no período de novembro a fevereiro. A vegetação natural era constituída por floresta tropical subcaducifólia e mata ciliar.

O relevo é predominantemente suave ondulado com declividades médias variando de 3 a 8 %. A área experimental está sob cultivo de cana-de-açúcar há mais de trinta anos. O solo da área foi classificado como Latossolo Vermelho eutroférrico textura muito argilosa (LVef), (EMBRAPA, 1999).

De acordo com o modelo de TROEH (1965), classificou-se a curvatura e o perfil das formas do terreno no terço inferior da encosta, em dois compartimentos I e II, como mostrado na Figura 1. No compartimento I, verificou-se uma menor variação das formas e curvaturas do terreno (predomínio da forma linear) e, no compartimento II, observou-se uma maior variação das formas e curvaturas do terreno (presença de formas linear, côncavas e convexas). Os solos foram amostrados nos pontos de cruzamento de uma malha, com intervalos regulares de 50m, perfazendo um total de 206 pontos em uma área de 42 ha, nas profundidades de 0,0-0,2m e 0,6-0,8m. Na caracterização química do solo foi determinada, a acidez ativa (pH em CaCl₂) determinada potenciometricamente utilizando-se a relação 1:2,5 de solo: CaCl₂. As bases trocáveis cálcio (Ca) e magnésio (Mg), foram extraídos utilizando o método da resina trocadora de íons proposta por RAIJ et al. (2001). Com base nos resultados das análises químicas, foi calculada a porcentagem de saturação por bases do solo (V%).

Os atributos químicos do solo foram analisados através da análise estatística descritiva e de técnicas geoestatística. A hipótese de normalidade dos dados foi testada pelo teste de Kolmogorov-Smirnov, SAS (SCHLOTZHAVER & LITTELL, 1997). A dependência espacial foi analisada por meio de ajustes de semivariogramas (VIEIRA et al., 1983; ROBERTSON, 1998), com base na pressuposição de estacionariedade da hipótese intrínseca, a qual é estimada por:

em que N (h) é o número de pares experimentais de observações Z(x_i) e Z (xi + h) separados por uma distância h. O semivariograma é representado pelo gráfico versus h. Do ajuste de um modelo matemático aos valores calculados de , são estimados os coeficientes do modelo teórico para o semivariograma (o efeito pepita, C₀; patamar, C₀+C₁; e o alcance, a). Os modelos de semivariogramas considerados foram o esférico, o exponencial, linear com patamar e o gaussiano (McBRATNEY & WEBSTER, 1986). Para analisar o grau da dependência espacial dos atributos em estudo, utilizou-se a classificação de CAMBARDELLA et al. (1994), em que são considerados de dependência espacial forte os semivariogramas que têm um efeito pepita = 25 % do patamar, moderada quando está entre 25 e 75 %, e fraca > 75 %.

Estes modelos foram ajustados através do programa GS+ (ROBERTSON, 1998). Em caso de dúvida entre mais de um modelo para o mesmo semivariograma, considerou-se o maior valor do coeficiente de correlação obtido pelo método de validação cruzada e menor SQR (soma de quadrados do resíduo). Os mapas de distribuição espacial foram obtidos por meio de interpolação dos dados (krigagem ordinária) através do programa SURFER (1999).

Os resultados referentes à análise descritiva para o pH e teores de Ca, Mg e V% são apresentados na tabela 1. Nota-se que os valores da média e mediana de todas as variáveis são próximos. Os coeficientes de assimetria e curtose estão próximos de zero, o que caracteriza distribuição simétrica, somente as variáveis Ca e V% na profundidade 0,6-0,8m apresentaram não significância pelo teste Kolmogorov-Smirnov. A normalidade dos dados não é uma exigência da geoestatística, é conveniente apenas que a distribuição não apresente caudas muito alongadas, o que poderia comprometer as estimativas da krigagem, as quais são baseadas nos valores médios (ISAAKS & SRIVASTAVA, 1989 e WARRICK & NIELSEN, 1980). Mais importante que a normalidade dos dados é a ocorrência do efeito proporcional em que a média e a variância dos dados não sejam constante na área de estudo. Este fato não ocorreu no presente estudo, tendo em vista que os semivariogramas apresentaram patamares bem definidos.

De acordo com a classificação do coeficiente de variação (CV) proposta por WARRICK & NIELSEN (1980), a variável pH nas profundidades de 0,0-0,2m e 0,6-0,8m apresentou baixa variabilidade (Tabela 1). Resultados semelhantes para a profundidade de 0,0-0,2m foram encontrados por SILVEIRA et al. (2000), CARVALHO et al. (2002), CARVALHO et al. (2003) e SILVA et al. (2003). Na profundidade de 0,6-0,8m os resultados do CV para a variável pH concordam com os resultados obtidos por ARAUJO (2002). As variáveis Ca, Mg e V% apresentaram moderada variabilidade nas profundidades estudadas. Resultados semelhantes foram encontrados por SILVEIRA et al. (2000) e SILVA et al. (2003) na profundidade de 0,0-0,2m e ARAUJO (2002) e SOUZA et al. (2003) na profundidade de 0,6-0,8m.

Os resultados da análise geoestatística (Tabela 2 e Figura 2) mostraram que todas as variáveis analisadas apresentaram dependência espacial nas duas profundidades. Os modelos que melhor ajustaram ao semivariograma das variáveis pH, Ca e Mg, com base no menor valor da soma de quadrado dos resíduos (SQR) e no maior valor do coeficiente de determinação (R2), foi o esférico, enquanto que a variável V% foi o modelo exponencial na profundidade de 0,0-0,2m.

Na profundidade 0,6-0,8m, o pH e Mg ajustaram ao modelo exponencial e o Ca e V% ao modelo esférico. O modelo que ajustou com maior freqüência aos dados químicos foi o esférico, juntamente com o exponencial, sendo que OLIVEIRA et al. (1999), ARAUJO (2002), CARVALHO et al. (2003) e SOUZA et al. (2003), estudando a variabilidade espacial de atributos químicos obtiveram resultados semelhantes.

Na análise do grau de dependência espacial das variáveis em estudo, utilizou-se a classificação de CAMBARDELLA et al. (1994). A relação C₀/(C₀+C₁) mostrou que todas as variáveis estudadas apresentaram dependência espacial moderada nas profundidades em estudo (Tabela 2), concordando com resultados obtido por SALVIANO et al. (1998), ARAUJO (2002) e SOUZA et al. (2003). Os atributos químicos apresentaram diferentes alcances, nas profundidades de 0,0-0,2m e 0,6-0,8m (Tabela 2), a variável Ca apresentou os maiores alcances (510 e 537m) e a saturação por bases os menores alcances (235 e 230m). Na profundidade de 0,6-0,8m, os alcances foram menores em relação à profundidade de 0,0-0,2m, com exceção do Ca, indicando a maior descontinuidade na distribuição espacial das propriedades do solo na camada mais profunda. O manejo do solo através de aplicação de fertilizantes, calcário e revolvimento do solo, pode ter contribuído para aumentar o alcance, caracterizando uma maior continuidade na distribuição das variáveis na camada mais superficial da área estudada, concordando com estudo de ARAUJO (2002) e SOUZA et al. (2003).

Observando-se a Figura 1 e os mapas de Krigagem (Figuras 3), nota-se que, no compartimento I, a variabilidade é relativamente menor, devido provavelmente ao predomínio da forma linear, já, no compartimento II, que apresenta curvaturas côncavas, convexas e linear, a variabilidade apresentou-se mais elevada. FLORINSKY et al. (2002) e VAIDYA & PAL (2002) encontraram relação de atributos químicos com diferentes posições na paisagem. Resultado semelhante foi obtido por SOUZA et al. (2003) em solos tropicais. KRAVCHENKO & BULLOCK (2000), estudando a correlação da produção de milho e feijão com posições da topografia, verificaram que 40 % da variabilidade da produção destas culturas foi explicada pelas curvaturas do terreno.

Verifica-se, através dos mapas de krigagem (Figura 3), para os teores de pH, Ca, Mg e V%, uma semelhança nos padrões de ocorrência mostrando que as variáveis apresentaram correlação espacial na área em estudo. Para o entendimento das causas da variabilidade do solo, é preciso conhecer os processos do solo que operam em locais específicos. Esses processos estão muito ligado ao fluxo de água em subsuperfície, que, por sua vez, são controlados pelo relevo. Neste sentido, a compartimentação das formas do relevo revela ser eficiente para identificação e mapeamento de áreas com variabilidade controlada, bem como a transferência de informações.

As variáveis estudadas apresentaram estrutura de dependência espacial, o que permitiu o seu mapeamento, utilizando-se técnicas geoestatística.

A identificação de compartimentos da paisagem na área de estudo mostrou-se muito eficiente na compreensão da variabilidade espacial dos atributos químicos estudados. Pequenas variações nas formas do relevo condicionam variabilidade diferenciada para os atributos químicos.