CADERNO DE CIÊNCIAS AGRÁRIAS
Agrarian Sciences Journal
Dependência espacial da fertilidade do solo sob plantio direto e suas relações com a
produtividade da soja
Ricardo Londero
1
, Rogério Barbosa de Oliveira
2
, Jackeline Matos do Nascimento
3
, Sálvio Napoleão Soares
Arcoverde
4
, Mateus Luiz Secretti
5
DOI: https://doi.org/10.35699/2447-6218.2020.25450
Resumo
As ferramentas de agricultura de precisão permitem interpretação das causas de variações da fertilidade do solo e,
assim, realizar intervenções de maneira localizada por meio da aplicação de insumos em taxa variável. Objetivou-se
analisar a dependência espacial da fertilidade do solo e sua correlação com a produtividade da soja Glycine max (L)
em Dourados - MS. Foi realizado o mapeamento com GPS de navegação global demarcando a área de 50 hectares,
para posterior geração da malha de amostragem de solo e de produtividade. A partir da distribuição dos pontos, foi
realizada a coleta do solo na camada de 0,00-0,20 m a cada 1 hectare, sendo as amostras identificadas e submetidas
às análises químicas em laboratório, nas quais foram avaliados: CTC, H+Al, Fósforo, Potássio, Cálcio, Magnésio, pH,
V%, e Matéria Orgânica. Além de determinada a produtividade da cultura. Os dados foram submetidos à estatística
descritiva, geoestatistica e correlação de Pearson. Todos os atributos químicos do solo encontraram-se em níveis ade-
quados para produção da soja. Quanto à dependência espacial dos atributos químicos do solo e produtividade da soja,
estes apresentaram forte dependência espacial, exceto Matéria Orgânica cuja dependência foi moderada. O semiva-
riograma constatou que as variáveis pH e Matéria Orgânica foram ajustadas ao modelo esférico, Fósforo e H+Al ao
modelo exponencial e os demais ao modelo gaussiano. Com base nos coeficientes de correlação entre produtividade
de soja e atributos químicos do solo foi constatado significância positiva para Fósforo (0,30) e significância negativa
para CTC (-0,30) e H+Al (-0,29).
Palavras-Chave: Geoestatística. Krigagem. Latossolos. Semivariogramas.
Spatial dependence of soil fertility under no-tillage their relationship of yield
soybean
Abstract:
Precision agricultural tools allow interpretation of the causes of variations in soil fertility and, thus, carry out inter-
ventions in a localized manner through the application of inputs at a variable rate. The objective was to analyze the
spatial dependence on soil fertility and its correlation with the yield of soybean Glycine max (L) in Dourados - MS.
Global navigation GPS mapping was carried out, demarcating the area of 50 hectares, for subsequent generation of
the soil sampling and yield grid. From the distribution of the points, the soil was collected in the 0.00-0.20 m layer
for each 1 hectare, and the samples were identified and submitted to chemical analysis in the laboratory, in which the
1
Centro Universitário da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0002-7039-2447
2
Centro Universitário da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0003-2332-663
3
Centro Universitário da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0001-5863-4450
4
Universidade Federal da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0002-0453-4566
5
Centro Universitário da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0001-9538-4104
*Autor para correspondência: salvionapoleao@gmail.com
Recebido para publicação em 03 de setembro de 2020. Aceito para publicação em 19 de novembro de 2020.
e-ISSN: 2447-6218 / ISSN: 2447-6218 / © 2009, Universidade Federal de Minas Gerais, Todos os direitos reservados.
Londero, R. et al.
2
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
following were evaluated: CTC, H + Al, Phosphorus, Potassium, Calcium, Magnesium, pH, V%, and Organic Matter.
In addition to determining the yield of the crop. The data were submitted to descriptive statistics, geostatistics and
Pearson correlation. All the chemical attributes of the soil were found at adequate levels for soybean yield. As for
the spatial dependence on the chemical attributes of the soil and soybean productivity, these showed strong spatial
dependence, except for Organic Matter, whose dependence was moderate. The semivariogram found that the varia-
bles pH and Organic Matter were adjusted to the spherical model, Phosphorus and H + Al to the exponential model
and the others to the Gaussian model. Based on the correlation coefficients between soybean yield and soil chemical
attributes, a positive significance was found for Phosphorus (0.30) and a negative significance for CTC (-0.30) and
H + Al (-0.29).
Keywords: Geostatistics. Kriging. Oxisol. Semivariograms.
Introdução
A grande demanda no mercado internacional
proporcionou rápida expansão da soja no Brasil, que
ocorreu pela tomada de áreas cultivadas com outras cul-
turas e, principalmente, da conquista de novas fronteiras
agrícolas (Freitas; Mendonça, 2016). O produtor tem
incrementado o uso de tecnologia a fim de aumentar a
produtividade e, dessa forma, melhorar sua rentabilida-
de. Assim, a produtividade da soja passou de 2.823 kg
ha-1 na safra 2006/07, para produção recorde 3.394 kg
ha-1 na safra 2017/18, um aumento de 20%, já na safra
2018/19 a produção foi de 3.206 kg ha-1, a estimativa
para este ano agrícola (2019/20) é de 3.292 kg ha-1
(CONAB, 2019).
Nos últimos 40 anos ocorreu significativa expan-
são das áreas destinadas à produção de grãos, fazendo-se
necessário a adoção de tecnologias e ferramentas para
melhorar o gerenciamento da propriedade rural (Tren-
tin et al., 2018). Dentre os meios usados para elevar a
produtividade está a agricultura de precisão (AP), que
engloba um conjunto de ferramentas e tecnologias que
permitem o gerenciamento agrícola baseado na variabili-
dade espacial e temporal da unidade produtiva, visando
ao aumento de retorno econômico e à redução do impacto
ao ambiente (Brasil, 2017).
Entre as ferramentas utilizadas ao longo do
tempo, destacam-se o emprego de amostragem de solo
em grade e a adubação a taxa variada a lanço (Soares
Filho; Cunha, 2015), sobretudo para o gerenciamento de
sistemas de produção intensivo, principalmente àqueles
voltados à produção de grãos e algodão, cuja atividade
gera um custo elevado especialmente com a adubação
(Zonta et al., 2014).
Podem-se citar como as principais tecnologias
ou operações agrícolas referidas como AP, os sistemas de
guia e automação agrícola, manejo fitossanitário, amos-
tragem de solo, sistemas de corretivos e fertilizantes em
taxa variável, semeadura em taxa variável, mapeamento
de produtividade e sensoriamento. A prática de AP mais
disseminada no Brasil, atualmente, consiste da amostra-
gem de solo georreferenciada para o mapeamento da
fertilidade dos talhões de cultivo (Resende et al., 2014;
Soares Filho; Cunha, 2015).
De acordo com Dalchiavon et al. (2012), a varia-
bilidade dos atributos químicos do solo é consequência de
interações complexas em processos de sua formação e de
práticas de manejo do solo e da cultura, com impacto prin-
cipalmente nas camadas superficiais do solo. O estudo da
variabilidade espacial dos atributos da fertilidade do solo
mostra-se uma importante ferramenta na compreensão
da distribuição espacial dos macronutrientes, auxiliando
no planejamento de coletas de amostras e nas práticas
de manejo do solo (Zonta et al., 2014) e, portanto, no
auxílio à tomada de decisão que vise atender à exigência
nutricional da cultura (Santos et al., 2015).
Para se ter um melhor entendimento desta di-
nâmica do solo, é utilizada a geoestatística, que é uma
ferramenta, que permite obter informações essenciais
ao manejo agrícola a partir da variabilidade espacial de
características do solo (Grego; Vieira, 2005; Santos et
al., 2017). Com isso, a descrição da distribuição espacial
dos macronutrientes, considerando-se os efeitos conjun-
tos de práticas de fertilização/correção e de manejo do
solo, permite melhor entendimento do comportamento
dos elementos no solo, gerando informações importan-
tes como subsídio à melhoria da fertilidade do solo e à
sustentabilidade dos sistemas de produção agrícola.
Portanto, este trabalho teve como objetivo ana-
lisar a dependência espacial da fertilidade do solo e sua
correlação com a produtividade da soja Glycine max (L)
em Dourados - MS.
Material e métodos
O trabalho foi conduzido no Sitio Rancho Alegre
no município de Dourados, MS. O local situa-se em lati-
tude de 22°12’S, longitude de 54 °42’W e altitude de 395
m, onde predomina o clima Mesotérmico úmido, do tipo
Cwa, segundo a classificação de Köppen, com tempera-
turas de 20° a 24°C e precipitação de 1250 a 1500 mm
média anual variando (Alvares et al., 2013). Conforme
o Sistema Brasileiro de Classificação de Solos (SBCS), o
solo da área é um Latossolo Vermelho Distroférrico típico
argiloso (Santos et al., 2018).
Dependência espacial da fertilidade do solo sob plantio direto e suas relações com a produtividade da soja
3
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
O mapeamento foi realizado com o GPS de na-
vegação da marca Falker, modelo FieldBox, demarcando
o perímetro de 50 ha (840m x 600m), para geração da
malha de amostragem de solo e dos mapas de produti-
vidade e fertilidade. A malha utilizada foi quadrada com
os pontos no centro, sendo um ponto por hectare (Figura
1).
Figura 1 – Área experimental demarcada com os pontos georreferenciados
A partir da distribuição dos pontos, realizou-se
a coleta de solo na profundidade de 0,00-0,20 m, com
seis subamostras utilizando um quadriciclo equipado
com amostrador de solo hidráulico automático com broca
helicoidal de inox introduzido por sistema hidráulico.
Em seguida, as amostras foram homogeneizadas
colocadas em sacos plásticos identificados e submetidas às
análises químicas em laboratório. Os atributos avaliados
foram: teor de pH (acidez ativa) do solo, MO (Matéria
Orgânica do Solo) (g dm
-³
), K (potássio), Ca (Cálcio),
Mg (Magnésio), H +Al (Acidez Potencial), SB (Soma das
Bases), CTC (Capacidade de Troca de Cátios) (mmol dm
-
³
), V (Saturação por Bases) (%) e P (Fósforo) de acordo
com a metodologia de Raij (2001).
Com os dados do laboratório foram gerados os
mapas de fertilidade e realizado a correção do solo com
calcário (2,118 kg ha
-1
), gesso (800 kg ha
-1
), e cloreto
de potássio (200 kg ha
-1
) a lanço, na superfície do solo,
sem incorporação. A seguir foi realizada a semeadura
da soja, com uma população de 300.000 plantas ha
-1
,
utilizando a cultivar Brasmax Potência RR, com adubação
do formulado N P K 02-20-20 (300 kg ha
-1
).
Para obtenção dos dados de produtividade, foi
realizada a coleta manual da soja em uma área útil de
3,6 m² (duas linhas de quatro metros espaçadas de 0,45
m). As amostras foram coletadas e identificadas nos 52
pontos georreferenciados, as quais foram determinados
e a umidades corrigidas a 13%.
Os dados obtidos foram submetidos a análise
de estatística descritiva, sendo analisados os valores
médios, mínimo e máximo, distribuição de frequência
dos dados, coeficiente de variação (CV) e coeficientes de
assimetria e curtose. Para a geração de mapas, parâmetros
geoestatítiscos foram gerados, e a validação dos modelos
matemáticos por meio de semivariograma e validação
cruzada através do programa GS+ (Robertson, 1998).
Resultados e discussão
Os resultados da estatística descrita são apre-
sentados na Tabela 1, na qual pode-se observar que os
valores de capacidade de troca de cátions (CTC), acidez
potencial (H+Al), fósforo (P), potássio (K), cálcio (Ca),
magnésio (Mg), acidez ativa (pH CaCl2) saturação por
bases (V%) e matéria orgânica do solo (MO) estão pre-
sentes no solo em níveis adequados à produção agrícola,
segundo a classe de interpretação utilizada. A relação
Cálcio:Magnésio manteve-se em 3:1; desse modo, con-
forme Malavolta (2006), sendo adequada à cultura.
Os valores para todos os atributos químicos do
solo encontram-se em níveis adequados recomendados
para cultura da soja. Os teores de K estão na faixa de
“muito alto”, mas o percentual médio de participação do
K na CTC é de 2%. De acordo com Malavolta (2006), o
percentual ideal de K na saturação é entre 3 e 5%. Por-
tanto os teores de K são adequados, mas o percentual de
participação na CTC está abaixo do ideal.
Com base nos coeficientes de correlação entre
produtividade de soja e atributos do solo, pode-se concluir
que, para os valores de CTC (-0,30) e acidez potencial
(-0,29), as correlações foram significativas negativa e, o
fósforo (0,30) obteve uma correlação significativa positiva
em relação à produtividade da soja.
Londero, R. et al.
4
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
Tabela 1 – Estatística descritiva de atributos químicos do solo no Sítio Ranho Alegre situado na região de Dourados
- MS, safra 2017-18
Variável Média Variância CV% Mínimo Máximo Assimetria Curtose CR
CTC
1
159,60 16,24 10,1 128 187 -0,09 -0,92 0,878
H+Al
1
54,28 45,38 12,4 37 71 -0,14 0,34 0,915
P
2
12,01 26,56 42,8 5 32 1,38 3,05 0,471
K
1
3,34 1,11 31,5 1,9 7,5 2,03 5,23 1,094
Ca
1
76,44 218,44 19,3 42 105 -0,15 -0,78 0,926
Mg
1
25,55 9,82 12,2 16 31 -0,49 0,25 0,888
PH CaCl
2
5,44 0,03 3,3 5 5,9 -0,34 0,01 0,803
V% 65,53 30,84 8,4 49 78 -0,51 0,47 0,958
MO
3
37,00 17,37 11,2 28 46 0,24 -0,58 0,246
Produção
4
3641 290307 14,7 2415 4905 0,35 0,06 0,357
CV: coeficiente de variação;
1
mmol dm
-3
;
2
mg.dm
-3
,
3
g.dm
-3
,
4
kg ha
-1
, CR: coeficiente de regressão da validação cruzada.
Segundo Dalchiavon et al. (2012), a variabilidade
de um atributo pode ser classificada de acordo com a
magnitude de seu coeficiente de variação (CV), em baixo
(CV < 10%), médio (10% < CV < 20%), alto (20% <
CV < 30%) e muito alto (CV > 30%). Com base nesta
classificação, portanto, observou-se que a maior parte
dos atributos químicos apresenta CV médio, exceto o pH
e V%, com valores baixos entre 3,3 e 8,4%; e P e K com
valores muito altos entre 42,8 e 31,5%.
De acordo com Dalchiavon et al. (2012), traba-
lhando em Latossolo Vermelho Distroférrico sob plantio
direto, a variabilidade dos atributos químicos do solo é
consequência de interações complexas em processos de
sua formação e de práticas de manejo do solo e da cultura,
com impacto principalmente nas camadas superficiais do
solo. Todavia, neste estudo, a variabilidade nos atributos
da fertilidade do solo, possivelmente, esteve associada ao
efeito das sucessivas e irregulares adubações e calagens,
que vêm sendo aplicadas na área (Gontijo et al., 2012;
Zonta et al., 2014).
Os atributos químicos que apresentaram coefi-
cientes de assimetria positivos foram P 1,38 e o K 2,03. Os
demais atributos apresentaram coeficientes de assimetria
negativa. O coeficiente de assimetria é utilizado para ca-
racterizar como e quanto a distribuição de frequências se
afasta da simetria, sendo que: se coeficiente de assimetria
maior que zero tem-se que a distribuição é assimétrica à
direita (positiva): se coeficiente de assimetria menor que
zero distribuição é assimétrica à esquerda (negativa): e
se coeficiente de assimetria igual a zero a distribuição é
simétrica (Zanão Júnior et al., 2010).
Os atributos químicos que apresentaram coeficien-
te de curtose com distribuição mesocúrtica (normal) foi o
pH CaCl2, distribuição platicúrtica (menor que zero) foi
o Ca e a CTC e distribuição leptocúrtica (maior que zero)
os demais atributos químicos. O coeficiente de curtose
é utilizado para caracterizar a forma da distribuição de
frequências quanto ao seu achatamento. O termo médio
de comparação é a distribuição normal que apresente
valor de coeficiente de curtose igual a zero tem-se então a
distribuição mesocúrtica, se coeficiente de curtose menor
que zero a distribuição será platicúrtica, e se coeficiente
de curtose maior que zero tem-se a distribuição leptocúr-
tica. Sendo que todas as variáveis apresentaram valores
próximas de zero.
A dependência espacial dos atributos químicos
do solo e produtividade da soja foram analisadas através
da análise de semivariogramas (Tabela 2). Os parâme-
tros avaliados apresentaram forte dependência espacial,
exceto a MO que foi moderada. Esta dependência está
relacionada com baixo valor do efeito pepita em relação
ao patamar. Os semivariogramas constataram que as
variáveis pH CaCl
2
e MO foram ajustadas ao modelo
esférico, P e H+Al ao modelo exponencial e os demais
ao modelo gaussiano.
Vieira et al. (2010) recomendam que o usuário
escolha um destes três modelos segundo o comportamen-
to de seus semivariogramas para distancias menores do
que o alcance), faça o ajuste usando algum método de
otimização dos parâmetros C0, C1 e a, e submeta este
modelo ao processo da validação pelo “jack knifing”. Este
método, embora trabalhoso, elimina qualquer possibili-
dade de ajuste inadequado porque os resultados estarão
dentro de alguns padrões estatísticos.
Após a escolha do melhor modelo para inter-
polação, procedeu-se a geração de mapas para todos os
atributos (Figura 2).
Os resultados da análise descritiva para a pro-
dutividade da cultura de soja na safra 2017/18 estão