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
Arcoverde4, Mateus
Luiz Secretti5
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
1Centro Universitário da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0002-7039-2447
2Centro Universitário da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0003-2332-663
3Centro Universitário da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0001-5863-4450
4Universidade Federal da Grande Dourados. Dourados, MS. Brasil.
https://orcid.org/0000-0002-0453-4566
5Centro 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. Atribuição CC BY.
2
Londero, R. et al.
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).
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.
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).
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).
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).
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
3
Dependência espacial da fertilidade do solo sob plantio direto e suas relações com a produtividade da soja
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.
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).
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).
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.
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).
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.
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%.
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.
Os dados obtidos foram submetidos a análise de
estatística descritiva, sendo analisados os valores médios,
mínimo e máximo, distribuição de frequência
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
4
Londero, R. et al.
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
CTC1
H+Al1
P2
K
1
Ca1
Mg1
PH CaCl2
V%
MO3
Produção4
159,60
54,28
12,01
3,34
76,44
25,55
5,44
65,53
37,00
3641
16,24
45,38
26,56
1,11
218,44
9,82
0,03
30,84
17,37
290307
10,1
12,4
42,8
31,5
19,3
12,2
3,3
8,4
11,2
14,7
128
37
5
1,9
42
16
5
49
28
2415
187
71
32
7,5
105
31
5,9
78
46
4905
-0,09
-0,14
1,38
2,03
-0,15
-0,49
-0,34
-0,51
0,24
0,35
-0,92
0,34
3,05
5,23
-0,78
0,25
0,01
0,47
-0,58
0,06
0,878
0,915
0,471
1,094
0,926
0,888
0,803
0,958
0,246
0,357
CV: coeficiente de variação; 1mmol dm-3; 2mg.dm-3, 3g.dm-3, 4kg 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%.
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.
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).
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 CaCl2 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.
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).
Após a escolha do melhor modelo para inter-
polação, procedeu-se a geração de mapas para todos os
atributos (Figura 2).
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 resultados da análise descritiva para a pro-
dutividade da cultura de soja na safra 2017/18 estão
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
5
Dependência espacial da fertilidade do solo sob plantio direto e suas relações com a produtividade da soja
apresentados na Figura 3, na qual nota-se que a cultura da
soja apresentou padrões de produtividade altamente
satisfatórios, obtendo média de 3641,21 kg ha-1. Ainda
assim, constatou-se uma grande variação entre a pro-
dutividade mínima, de 2415,00 kg ha-1 e máxima, de
4905,00 kg ha-1, tendo uma amplitude de 2490,00 kg ha-1,
significando o mesmo que 41,5 sc ha-1. Resultando em um
CV de 14,7%.
Tabela 2 – Parâmetros do semivariogramas ajustados aos dados dos atributos químicos do solo no Sítio Ranho Alegre região de
Dourados – MS safra 2017-18
Variável
Modelo
C0
C1
GDE%
A(m)
R2
SQR
CTC
H+Al
P
K
Ca
Mg
pH CaCl2
V%
MO
Produção
Gaussiano
Exponencial
Exponencial
Gaussiano
Gaussiano
Gaussiano
Esférico
Gaussiano
Esférico
Gaussiano
13,00
0,40
4,82
0,32
21,80
2,67
0,008
7,70
8,23
30900
367,7
61,40
21,34
1,753
293,4
8,91
0,0304
32,38
13,72
3020
3,4
0,6
18,4
15,4
6,90
23,0
21,5
19,2
37,4
10,2
252
227
92
529
255
203
420
233
508
93
0,978
0,970
0,826
0,989
0,989
0,997
0,968
0,996
0,947
0,968
1294
18,5
4,33
7,633
418
0,077
7,402E-06
1,73
3,03
6,84E+07
C0: efeito pepita; C1: variância estrutural; A: alcance; R2: coeficiente de determinação; GDE: grau de dependência espacial; SQR: Soma de quadrado de resíduo
Figura 2 – Mapa de CTC (A), acidez potencial (B), fósforo (C), potássio (D), cálcio (E), magnésio (F), pH (G), V% (H) e matéria
orgânica (I), coletados em Dourados - MS safra 2017-18
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
6
Londero, R. et al.
Os valores próximos da média indicam que a
produtividade tem distribuição assimétrica positiva, fato
confirmado pelo GS+, assim pode-se dizer que a distribui-
ção
tende a normal. Com relação à análise geoestatística
utilizou-
se o critério do menor valor da soma do quadrado
dos resíduos
(SQR), técnica que melhor possibilita ava- liar a
dependência espacial da variável. Diante disso, o
semivariograma que melhor se ajustou à produtividade da
soja foi o modelo gaussiano.
A importância do alcance (a) para o planejamento
e
avaliação experimental, sendo capaz de contribuir na
definição dos procedimentos amostrais. Determinan- do
como a distância máxima entre amostras onde há
dependência espacial, o alcance possivelmente seja o
parâmetro mais importante e de aplicação prática da análise
geoestatística.
Segundo Gatiboni et al. (2007), em um sistema de
plantio direto consolidado por um manejo correto de muitos
anos, associado a solos com elevados teores de argila e MO,
pode levar o solo a conter uma boa reserva de P. O que leva a
uma estabilização do solo pelo plantio direto consolidado
influenciando a forte dependência espacial da fertilidade do
solo na aérea deste estudo.
A variável demostrou forte dependência espacial,
sendo de 10,2% para GDE, conforme Cambardella et al.
(1994), segundo o qual as variáveis que apresentam forte
dependência espacial são mais influenciadas por
propriedades intrínsecas do solo.
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
7
Dependência espacial da fertilidade do solo sob plantio direto e suas relações com a produtividade da soja
Figura 3 – Mapa de Produtividade de soja em Dourados-MS safra 2017/18
A interpretação do mapa de produtividade é
imprescindível para a correção dos fatores de produção
que
persistem ao longo do tempo, tais como, variação do
tipo do
solo na área plantada, acidez do solo em locais
específicos e
deficiência de fertilidade. Segundo Molin et
al. (2015), os
mapas de produtividade são considerados como a alternativa
mais completa para discriminar a variabilidade espacial das
lavouras. Sendo assim, elabo- rou-se o mapa de distribuição
espacial da produtividade da cultura a partir dos parâmetros
do semivariograma ajustado e a técnica de interpolação dos
dados por kri- gagem.
e CTC presente no solo, houve um incremento de 1 kg ha-1
na produtividade da soja e a cada -0,29 mmol dm-3 de acidez
potencial houve redução em 1 kg ha-1 (Tabela 3).
Os altos valores de CV para o P (42,80%) são nor-
malmente encontrados em trabalhos com solos tropicais, como
o de Dalchiavon et al. (2012), atribuído à dificuldade
na
adubação fosfatada que sofre interferências de vários
fatores,
como, por exemplo, o teor de argila. No entanto,
apesar da
variabilidade verificada para este elemento, a correção do
solo se mostrou eficaz para elevar o teor a níveis
satisfatórios à cultura o que foi evidenciado pela correlação
positiva, possivelmente devido à elevação do pH que
minimizou a interação entre os colóides e o íon
fosfato,
amenizando as reações de adsorção (Dalchiavon
et al., 2012).
Com base nos coeficientes de correlação entre
produtividade de soja e atributos químicos do solo foi
constatado significância para a CTC, acidez potencial e
fósforo. A correlação do fósforo (0,3) e CTC (-0,3), sig-
nificativo a 5%, ou seja, a cada 0,3 mg dm-3 de fósforo
Tabela 3 –
Coeficientes de correlação linear de Pearson da distribuição de atributos químicos do solo e rendimento
de grãos no Sítio Ranho Alegre região de Dourados- MS safra 2017-18.
Avaliação
Coeficiente correlação
Ajuste R2
Significância
CTC
H+Al
P
K
Ca
Mg
pH CaCl2
V%
MO
-0,30
-0,29
0,30
0,25
-0,20
-0,08
0,02
0,026
0,018
2,22
2,11
2,208
1,832
1,435
0,594
0.189
0,188
0,25
0.05*
0.05*
0,05*
NS
NS
NS
NS
NS
NS
*Correlação significativa p < 0,05 pelo Teste T; NS: não significativo.
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450
8
Londero, R. et al.
Conclus
ão
Houve correlação positiva entre fósforo e produ-
tividade da soja, enquanto que a correlação entre H+Al, CTC
e produtividade da soja foi negativa.
Os atributos químicos do solo, exceto a matéria
orgânica do solo, e a produtividade da soja apresentaram forte
dependência espacial, validando os mapas temáticos.
Referências
Raij, B. Van et al. (ed) Análise quimica para avaliação da fertilidade de
solos tropicais. Campinas: Instituto Agronômico de Campinas, 2001. 212
p.
Alvares, C. A.; Stape, J. L.; Sentelhas, P. C.; Gonçalves, M.; Leonardo, J.;
Spavorek, G. 2013. Köppen’s climate classification map for Brazil.
Meteorologische Zeitschrift, 22:711–728. Doi: 10.1127/0941-
2948/2013/0507.
Resende, A. V.; Hurtado, S. M. C.; Vilela, M. F.; Corazza, E. J.; Shiratsuchi,
L. S. 2004. Aplicações da agricultura de precisão em sistemas de produção
de grãos no Brasil. In: Sousa, D. M. G.; Lobato, E., 2014. Cerrado
correção do solo e adubação.
Brasil. 2017. Ministério da Agricultura, Pecuária e Abastecimento –
MAPA. Agricultura de precisão 19. Brasília, 2017. 15p. Disponível em:
<http://www.agricultura.gov.br/assuntos/ camaras-setoriais-tematicas/
documentos/camaras-setoriais/florestas-plantadas/anos-anteriores/
agricultura-de-precisao-19.pdf/view>. Acesso em: 23 set. 2019.
Robertson, G.P. 1998. GS+: Geostatistics for the Environmental Sciences.
Plainwel: Gamma Design Software.
Cambardella CA, Moorman JM, Novak TB, Karlen DL, Turco RF, Konopka AE
(1994) Field-scale variability of soilproperties in Central Iowa Soils.
Soil
Science Society of America Journal 58(5):1501-1511.
Santos, E. O. J.; Gontijo, I.; Silva, M.B.; Drumond Neto, A.P. 2015.
Variabilidade espacial de macronutrientes em uma lavoura de café conilon
no Norte do Espírito Santo. Revista Ciência Agronômica, 46(3):469-476.
COMPANHIA NACIONAL DE ABASTECIMENTO – CONAB.
2019.
Boletim da Safra de Grãos: 1º Levantamento - Safra 2019/20 - Tabela de
levantamento. Brasília: CONAB, 2019. Disponível em: <https://
www.conab.gov.br/info-agro/safras/graos>. Acesso em: 13 out. 2019.
Santos, H. G.; Jacomine, P. K. T.; Anjos, L. H. C.; Oliveira, V. A.;
Lumbreras, J. F.; Coelho, M. R.; Almeida, J. A.; Araujo Filho, J. C.;
Oliveira, J. B.; Cunha, T. J. 2018. Sistema Brasileiro de Classificação de
Solos. 5. ed. Brasília: Embrapa, 187 p. Disponível em: https://
www.embrapa.br/solos/busca-de-publicacoes/ /publicacao/1094003/
sistema-
brasileirode-classificacao-de-solos. Acesso em: 18 out. 2018.
Dalchiavon, F. C.; Carvalho, M. P.; Andreotti, M.; Montanari R. 2012.
Variabilidade espacial de atributos da fertilidade de um Latossolo
Vermelho Distroférrico sob Sistema Plantio Direto. Revista Ciência
Agronômica, 43: 453-461.
Santos, R. O.; Franco, L. B.; Silva, S. A.; Sodré, G. A.; Menezes, A. A.
2017. Spatial variability of soil fertility and its relation of cocoa yield.
Revista Brasileira de Engenharia Agrícola e Ambiental, 21:88-93. Doi:
https://doi.org/10.1590/1807-1929/agriambi.v21n2p88-93.
Freitas, R. E.; Mendonça, M. A. A. 2016. Expansão Agrícola no Brasil e a
Participação da Soja: 20 anos. Revista de Economia e Sociologia Rural,
54:497-516. Doi: http://dx.doi.org/10.1590/1234-56781806- 94790540306.
Soares Filho, R.; Cunha, J. P. A. R. 2015. Agricultura de precisão:
particularidades de sua adoção no sudoeste de Goiás – Brasil. Engenharia
Agricola, 35(4):689-698. Doi: 10.1590/1809-4430-Eng. Agric.v35n4p689-
698/2015.
Gatiboni, L. C.; Kminski, J.; Rheinheimer, D. S.; Flores, J. P. C. 2007.
Biodisponibilidade de formas de fósforo acumuladas em solo sob sistema
plantio direto. Revista Brasileira de Ciência do Solo, 31: 691-699. Doi:
10.1590/S0100-06832007000400010.
Trentin, R. G.; Modolo, A. J.; Vargas, T. O.; Campos, J. R. R.; Adami,
P. F.; Baesso, M. M. 2018. Soybean productivity in Rhodic Hapludox
compacted by the action of furrow openers. Acta Scientiarum. Agronomy
40:1-
9. Doi: http://dx.doi.org/10.4025/actasciagron.v40i1.35015.
Gontijo, I.; Nicole, L. R.; Partelli, F. L.; Bonomo, R.; Santos, E.O.J. 2012.
Variabilidade e correlação espacial de micronutrientes e matéria orgânica do
solo com a produtividade da pimenta-do-reino. Revista Brasileira de
Ciência do Solo 36(4):1093-1102. Doi: 10.1590/S0100-
06832012000400004.
Vieira, S. R.; Carvalho, J. R. P.; Paz Gonzalez, A. 2010. Jack knifing for
semivariogram validation. Bragantia, 69: 97-105. Doi: http://dx.doi.
org/10.1590/S0006-87052010000500011.
Grego, C. R.; Vieira, S. R. 2005. Variabilidade espacial de propriedades
físicas do solo em uma parcela experimental. Revista Brasileira de
Ciência
do Solo, 29(2):169-177. Doi: https://doi.org/10.1590/S0100-
06832005000200002.
Zanão Júnior, L. A.; Lana, R. M. Q.; Carvalho-Zanão, M. P.; Guimarães,
E. C. 2010. Variabilidade espacial de atributos químicos em diferentes
profundidades em um Latossolo em sistema de plantio direto. Revista
Ceres, 57:429-438. Doi: https://doi.org/10.1590/S0034-
737X2010000300021.
Malavolta, E. 2006. Manual de nutrição mineral de plantas. São Paulo:
Agronômica Ceres, 2006. 638p.
Molin, J. P.; Amaral, L. R.; Colaço, A. F. 2015. Agricultura de precisão.
1. ed. Oficina de textos. São Paulo.
Zonta, J. H.; Brandão, Z. N.; Medeiros, J. C.; Sana, R. S.; Sofiatti, V.
2014.
Variabilidade espacial da fertilidade do solo em área cultivada com algodoeiro
no Cerrado do Brasil. Revista Brasileira de Engenharia Agrícola
e Ambiental, 18(6):595-602. Doi: 10.1590/S1415-43662014000600005.
Cad. Ciênc. Agrá., v. 12, p. 01–08, https://doi.org/10.35699/2447-6218.2020.25450