Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

Pesquisas Agrárias e Ambientais

DOI: https://doi.org/10.31413/nativa.v9i5.11717 ISSN: 2318-7670

Variabilidade espacial e correlação dos atributos do solo

com produtividade do milho e da soja

Evandro GELAIN1, Eduardo Leonel BOTTEGA2*,

Anamari Viegas de Araujo MOTOMIYA1, Zanandra Boff de OLIVEIRA2

1Universidade Federal da Grande Dourados, Dourados, MS, Brasil.

2Universidade Federal de Santa Maria, Santa Maria, RS, Brasil.

*E-mail: eduardo.bottega@ufsm.br

(ORCID: 0000-0003-0585-5318; 0000-0003-4035-6880; 0000-0003-2170-8676; 0000-0003-3422-8452)

Recebido em 21/01/2021; Aceito em 29/11/2021; Publicado em 17/12/2021.

RESUMO: O emprego de técnicas de agricultura de precisão, associadas a análises geoestatísticas, possibilita

mapear a variabilidade espacial existente em um campo de produção. O conhecimento da variabilidade é

importante ferramenta na tomada de decisões quanto ao manejo da área, uma vez que possibilita que este seja

realizado de forma localizada. O estudo foi realizado em um talhão da Fazenda Planalto, localizada no

município de Maracaju – MS, com o objetivo de avaliar a variabilidade espacial e correlação entre os atributos

químicos e granulométricos do solo e a produtividade do milho e da soja. Foi utilizada uma grade amostral

contendo 187 pontos, utilizando-se 10 amostras simples de solo por ponto amostral. Não foi detectado

dependência espacial para o cálcio, alumínio, acidez potencial, soma de bases, ferro e zinco. As melhores

estimativas em locais não amostrados foram obtidos para a areia e argila. A produtividade da soja apresentou

forte dependência espacial e se correlacionou positivamente de forma forte com o fósforo e moderada com o

magnésio.

Palavras-chave: Latossolo; dependência espacial; Glycine max; Zea mays.

Spatial variability and correlation of chemicals and physical soil attributes

with corn and soybean yield

ABSTRACT: The use of precision farming techniques, associated with geostatistical analysis, makes it possible

to map the spatial variability in a production field. The knowledge of variability is an important tool in decision

making regarding the management of the area, since it allows it to be carried out in a localized manner. The

study was carried out in a plot of Fazenda Planalto, located in the municipality of Maracaju - MS, with the

objective of evaluating the spatial variability and correlation between the chemical and granulometric attributes

of the soil and the corn and soybeans yield. A sampling grid containing 187 points was used, using 10 simple

soil samples per sample point. No spatial dependence was detected for calcium, aluminum, potential acidity,

sum of bases, iron and zinc. The best estimates in unsampled locations were obtained for sand and clay. The

soybeans yield showed strong spatial dependence and was positively correlated strongly with phosphorus and

moderately with magnesium.

Keywords: Oxisol; spatial dependence; Glycine max; Zea mays.

1. INTRODUÇÃO

O advento da mecanização agrícola foi um dos

responsáveis pelo aumento da produção agrícola mundial,

isso ocorreu em função de mudanças no processo de

produção, destacando-se a possibilidade de cultivo em

extensas áreas. Na agricultura moderna, a utilização dos

insumos agrícolas é empregada de forma a otimizar sua

eficiência, ou seja, utilizar a quantidade adequada, no

momento correto. Isto contribui para a redução da

contaminação do ambiente e aumento na margem de lucro

do agricultor.

Neste cenário, a agricultura de precisão vem ganhando

espaço como importante ferramenta do sistema produtivo

atual. De acordo com Baerdemaeker (2013) os princípios

básicos da agricultura de precisão podem ser vistos como um

resumo das boas práticas agrícolas que requerem a correta

coleta, análise e utilização de informações sobre o solo,

histórico da produtividade da área, o correto emprego de

produtos químicos/biológicos (no momento e local correto

utilizando dos equipamentos corretos nas aplicações).

Neste contexto, o conhecimento da variabilidade espacial

e temporal, em especial dos atributos do solo, é destacado. O

conhecimento da variabilidade espacial dos atributos

químicos e físicos do solo é destacado em diversos estudos,

nos quais é relatado que o conhecimento desta variação ao

longo do tempo e espaço se faz necessário para orientar

estratégias de manejo agrícola (CRUZ et al., 2011;

OLIVEIRA et al., 2013; CERRI; MAGALHÃES, 2012).

Estudos recentes têm demonstrado que o solo está

naturalmente sujeito à variação de suas propriedades físicas e

químicas no espaço e no tempo, resultante da complexa

interação entre pedologia, topografia e clima (ARAÚJO et al.,

2018). A modelagem desta variabilidade é possível utilizando

Gelain et al.

Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

537

de técnicas geoestatísticas. A geoestatística permite realizar o

estudo da variabilidade espacial dos atributos do solo através

de modelos teóricos de variogramas, efetuando a estimativa

de valores em locais não amostrados por meio da krigagem,

o que possibilita a confecção de mapas temáticos dos

atributos de interesse na área estudada (SILVA et al., 2010).

Como já ressaltado, conhecer a variabilidade espacial dos

atributos do solo é de fundamental importância para tomada

de decisão quanto ao manejo a ser adotado. Além disso, tal

informação pode explicar variações observadas na

produtividade das culturas, uma vez que os mapas de

produtividade ilustram esta variabilidade (GUO et al., 2012).

Diante do exposto, o objetivo deste trabalho foi avaliar a

variabilidade espacial e a correlação dos atributos do solo, da

produtividade de milho e da produtividade de soja, em uma

área comercial de produção agrícola, cultivada sob semeadura

direta no sistema de sucessão de culturas: soja / milho

safrinha + braquiária (Urochloa ruziziensis).

2. MATERIAL E MÉTODOS

O presente estudo foi conduzido na Fazenda Planalto, no

município de Maracajú – MS. A propriedade apresenta

coordenadas geográficas de 21º 38’ 20’’ de latitude Sul e 55º

33’ 30’’ de longitude Oeste. A altitude média em relação ao

nível do mar é de 550 m. De acordo com a classificação de

Köppen, o clima da região é classificado como Am (Alvares

et al., 2013), com verão chuvoso e inverno seco, com

temperatura média acima de 18°C no mês mais frio.

Apresenta ainda precipitação média anual de 1500 a 1700

mm.

A coleta de dados foi realizada em um talhão com área de

101 ha. O solo área é classificado como Latossolo Vermelho

Distroférrico, de textura argilosa a muito argilosa

(EMBRAPA, 2013). A área vem sendo cultivada, nos últimos

20 anos, sob semeadura direta.

Na semeadura da cultura da soja utilizou-se 150 kg ha-1

de MAP, depositados na linha. Para a implantação da cultura

do milho safrinha, aplicou-se 100 kg ha-1 de Ureia na linha e

200 kg ha-1 de KCl em cobertura. Nas safras de 2005/06 e

2006/07 o talhão foi utilizado com pastagem de capim

tanzânia (Panicum maximum cv. Tanzânia) não sendo realizada

adubação. Nas safras de 2007/08 a 2012/13, a área foi

cultivada sob sucessão de soja/milho safrinha + braquiária,

com adubação de 150 kg ha-1 de MAP no sulco de semeadura

da soja e de 100 kg ha-1 de Uréia no sulco de semeadura do

milho safrinha + braquiária, complementando com 200 kg

ha-1 de KCl em cobertura.

Na coleta de solo, para o mapeamento da variabilidade

espacial dos atributos químicos e granulométricos, foi

utilizada uma grade amostral composta por 187 pontos

georreferenciados (Figura 1). Para a navegação aos pontos

amostrais utilizou-se um aparelho receptor GPS Garmin,

Modelo HCx.

Figura 1. Grade amostral utilizada para coleta de solo.

Figure 1. Sampling grid used for date collection.

Em um raio de aproximadamente 10 metros de cada

ponto amostral, foram retiradas 10 amostras simples de solo,

representativas da profundidade de 0,00 – 0,20 m. Utilizou-

se, para coleta do solo, uma broca helicoidal de uma polegada

de diâmetro acoplada a uma furadeira.

Foram avaliados os seguintes atributos químicos do solo:

pH em CaCl2 (0,01 mol L-1), potássio (K+), cálcio (Ca+2),

magnésio (Mg+2) e hidrogênio mais alumínio (H+ + Al+3)

trocáveis determinados de acordo com Claessen (1997). A

soma de bases (SB) foi estimada pelo somatório das bases

trocáveis no solo. Utilizando a equação T = SB + (H+ +

Al+3), estimou-se a capacidade de troca de cátions do solo

(T). A saturação por bases (V) foi estimada pela expressão: V

= 100 x SB/T.

A granulometria do solo foi determinada por meio da

dispersão do solo em solução com NaOH (0,1 mol L-1) e

agitação lenta durante 16 horas. O conteúdo de argila foi

obtido pelo método da pipeta (GEE; BAUDER, 1986). Os

teores de micronutrientes foram determinados através de

solução quelante (DTPA). Por meio de espectrofotometria

de absorção atômica foram determinados os elementos

(Embrapa, 1997). A matéria orgânica foi estimada

multiplicando o valor estimado de carbono orgânico por

1,724. Para estimativa do carbono orgânico empregou-se o

procedimento de oxidação da matéria orgânica via úmida

com dicromato de potássio em meio sulfúrico, empregando-

se como fonte de energia o calor desprendido do ácido

sulfúrico. O excesso de dicromato após a oxidação é titulado

com solução padrão de sulfato ferroso amoniacal (Embrapa,

1997).

Os dados da produtividade do milho safra 2012 e soja

(2012/2013) foram obtidos por sistema de mapeamento da

Variabilidade espacial e correlação dos atributos do solo com produtividade do milho e da soja

Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

538

produtividade de grãos de uma colhedora combinada. O

sistema é composto por sensor de umidade, sensor de fluxo

de grãos, sistema de posicionamento e monitor. Os erros de

posicionamento, tempo de enchimento da colhedora e

largura da plataforma foram eliminados da base de dados.

Para a avaliação da produtividade em cada ponto amostral,

calculou-se a média dos 10 registros mais próximos do ponto

amostral, obtendo-se assim, 187 registros de produtividade,

um para cada ponto da grade amostral.

Para identificação de valores discrepantes no banco de

dados, foi utilizada a metodologia proposta por Libardi et al.

(1996), calculando-se a dispersão interquartil (DQ),

considerando o primeiro (Q1) e o terceiro (Q3) quartil. O

limite superior foi definido por (Q3 + 1,5 x DQ) e o inferior

por (Q1 – 1,5 x DQ). A normalidade foi testada pelo teste

Shapiro-Wilk’s (p<0,05).

Foi utilizado o método dos momentos de Matheron, na

avaliação da dependência espacial. Buscou-se ajustar o

modelo de semivariância teórico que melhor descreveu a

variância empírica dos dados. Os modelos testados forma o

esférico, exponencial e o gaussiano. Os ajustes dos modelos

foram realizados no programa Vesper. Ajustou-se o modelo

que apresentou o maior coeficiente de determinação (R2) e a

menor soma de quadrados do resíduo (SQR). Com base nos

modelos ajustados, foram confeccionados os mapas

temáticos representativos da variabilidade espacial por meio

de interpolação, utilizando krigagem ordinária.

O índice de dependência espacial dos atributos (IDE), foi

determinado e classificado, segundo Zimback (2001),

utilizando-se a Equação (1)

IDE = 

 ∙ 100 (01)

em que: C = valor da variância espacial; C0 = valor do efeito pepita,

assumindo os seguintes intervalos: dependência espacial baixa para

IDE < 25%, moderada para 25% ≤ IDE ≤ 75% e forte para IDE

> 75%.

A correlação espacial entre os atributos químicos e

granulométricos do solo e a produtividade foi realizada por

meio do coeficiente de correlação de Pearson. Para a análise

de correlação foram selecionados aleatoriamente 30 pontos

dos 187 pontos amostrados, pois, quanto maior o número de

pontos, maior a chance de rejeição da hipótese de nulidade,

sendo 30 um valor adequado de pontos (MONTGOMERY;

RUNGER, 2009).

3. RESULTADOS

Observou-se que, de 18 atributos do solo avaliados, 12

apresentaram valores discrepantes e estes foram removidos

do conjunto de dados, para posterior análise dos mesmos. Os

valores discrepantes influenciam na média, amplitude,

desvio-padrão e a na distribuição dos dados. Para a

produtividade, também foram observados dados

discrepantes, provenientes de erro de leitura da largura da

plataforma e tempo de enchimento da máquina, no entanto,

estes foram eliminados antes da estimativa da produtividade

localizada nos pontos amostrais.

Os coeficientes de variação (CV%) variaram de 4,36 a

597,54%, para a acidez ativa do solo em CaCl2 e alumínio

trocável, respectivamente. Os valores de CV foram

considerados altos (CV > 35%) para o fósforo, alumínio e

zinco (Tabela 1).

Os valores moderados de CV (15% < CV < 35%), foram

classificados para o potássio, cálcio, magnésio, acidez

potencial, cobre, manganês, ferro e areia. O restante dos

atributos do solo apresentou CV classificados como baixos

(CV < 15%).

Os valores médios dos atributos químicos do solo foram

classificados segundo a Embrapa (2011) como altos para

Ca+2, Mg+2, K+, V, SB, matéria orgânica, cobre, ferro,

manganês e zinco (Tabela 1). Foram classificados como

médios os atributos acidez ativa em CaCl2, fósforo, acidez

potencial e capacidade de troca de cátions total, e como baixo

para o alumínio. Estes valores já eram esperados pois a área

é utilizada para agricultura a 35 anos, sendo corrigida e

adubada ao longo deste período.

Tabela 1. Estatística descritiva dos atributos do solo e da produtividade da soja e do milho.

Table 1. Descreptive statiscs of soil attributes, soybean and corn yield.

Atributos

Valores Excluídos

Média

Mediana

Min.

Máx.

(7)

(%)

(8)

(9)

(10)

(1)

5,19

5,16

4,56

5,75

4,36

5,03

5,32

MO(2) (g kg-1) 2 29,12 28,40 20,21 41,50 14,11 26,08 31,79 *

Fósforo (P) (mg dm

-3

)

11,16

10,03

2,85

30,93

40,25

7,79

13,58

Potássio (K) (cmolc dm-3) 4 0,45 0,43 0,17 0,90 28,25 0,36 0,52 *

Cálcio (Ca) (cmol

-3

)

5,43

5,44

2,76

7,78

16,83

4,90

6,01

Magnésio (Mg) (cmolc dm-3) 3 1,98 1,98 1,15 3,12 18,82 1,71 2,21 ns

Alumínio (Al) (cmol

-3

)

0,01

0,00

0,12

597,54

0,00

H+Al(3) (cmolc dm-3) 0 4,08 3,99 2,53 7,39 20,12 3,47 4,58 ns

(4)

(cmol

-3

)

7,87

7,89

4,85

11,20

14,48

7,09

8,59

T(5) (cmolc dm-3) 0 11,99 11,90 9,17 14,93 9,70 11,17 12,75 ns

(6)

(%)

66,17

66,00

50,07

81,59

9,22

62,86

70,54

Cobre (Cu) (mg dm-3) 3 7,59 7,32 3,94 12,11 22,87 6,25 8,73 ns

Manganês (Mn) (mg dm

-3

)

61,20

58,73

27,63

104,68

24,60

50,87

72,00

Ferro (Fe (mg dm-3) 1 49,60 47,61 18,36 92,59 31,66 37,41 59,86 *

Zinco (Zn) (mg dm

-3

)

4,79

4,52

1,28

13,08

35,64

3,77

5,34

Argila (g kg-1) 0 540,11 550,00 450,00 650,00 11,64 500,00 600,00 *

Silte (g kg

-1

)

165,00

150,00

125,00

200,00

12,36

150,00

175,00

Areia (g kg-1) 0 294,25 275,00 200,00 400,00 22,18 250,00 350,00 *

Produtividade soja (kg ha

-1

)

3676,3

3674,8

3023,7

4387,2

8,38

3439,8

3907,1

Produtividade milho (kg ha-1) 0 5421,4 5497,2 3189,8 6610,4 10,88 5219,2 5779,5 ns

(1)Acidez ativa em CaCl2; (2) Matéria orgânica; (3)Acidez potencial; (4)Soma de bases; (5)Capacidade de trocas de cátions; (6)Saturação por bases; (7)Coeficiente de

variação; (8) Quartil inferior; (9)Quartil superior. (10)Teste de normalidade de Shapiro-Wilk’s (p<0,05): *indica distribuição não normal e ns indica distribuição

normal.

Gelain et al.

Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

539

Os atributos cálcio, alumínio, acidez trocável, soma de

bases, ferro e zinco não apresentaram dependência espacial

(Tabela 2). A falta de dependência espacial ocorre quando o

valor da semivariância é igual ao patamar, em qualquer

distância entre os pares de pontos, sendo chamado de efeito

pepita puro. O efeito pepita puro ocorre quando a

distribuição da variável na área é aleatória, ou quando

distância mínima entre os pontos amostrais é superior à

distância da dependência espacial.

Para o restante dos atributos do solo, os variogramas

obtidos apresentaram-se bem ajustados, com valores do

coeficiente de determinação (R2) acima de 0,77 e os menores

valores de soma de quadrados dos resíduos. O alcance da

dependência espacial variou 122 a 2362 m, para o potássio e

o magnésio, respectivamente. Para os teores de potássio,

magnésio, argila e areia foi observada forte dependência

espacial (IDE > 0,75) e para os demais atributos químicos do

solo foi encontrada moderada dependência espacial (0,25 ≤

IDE ≤ 0,75), sendo o maior IDE (96) observado para a areia

e o menor (50) para a capacidade de trocas de cargas,

saturação por bases, manganês e silte.

A produtividade da soja apresentou dependência espacial

com alcance de 905 m. O modelo teórico que melhor se

ajustou foi o esférico com coeficiente de determinação de

0,99 e forte dependência espacial (87%), para a produtividade

do milho foi observada moderada dependência espacial

(63%) com alcance de 157 m e coeficiente de determinação

de 0,91 do modelo teórico exponencial (Tabela 2).

Tabela 2. Parâmetros dos modelos teóricos de semivariância ajustados para os atributos físicos e químicos do solo e produtividade da soja.

Table 2. Parameters of the theoretical models of semi-variance adjusted for the physical and chemical attributes of the soil and soybean

yield.

Atributos Modelo

Alcance

(m)

C0+C(7) C0(8) IDE(9) SQR(10) R2(11)

(1)

ESF

(12)

361

0,058

0,020

4,4x.10

-5

0,93

(2)

(g kg

-1

)

GAU

(13)

509

24,46

8,29

0,4

0,99

Fósforo (P) (mg dm

-3

)

EXP

(14)

500

26,02

10,72

1,6

0,98

Potássio (K) (cmol

-3

)

EXP

122

0,0200

0,0036

1,9x10

-6

0,96

Cálcio (Ca) (cmol

-3

)

EPP

(15)

0,8025

Magnésio (Mg) (cmol

-3

)

GAU

2362

0,523

0,103

2,0x10

-3

0,91

Alumínio (Al) (cmol

-3

)

EPP

0,002

H+Al

(3)

(cmol

-3

)

EPP

0,9019

(4)

(cmol

-3

)

EPP

1,3690

(5)

(cmol

-3

)

EXP

195

1,403

0,701

0,0457

0,77

(6)

(%)

ESF

286

40,03

20,01

4,46

0,97

Cobre (Cu) (mg dm

-3

)

ESF

580

3,355

1,485

0,0574

0,97

Manganês (Mn) (mg dm

-3

)

EXP

255

251,90

125,90

874,00

0,88

Ferro (Fe

(mg dm

-3

)

EPP

246,91

Zinco (Zn) (mg dm

-3

)

EPP

2,1307

Argila (g kg

-1

)

GAU

431

6630,0

260,0

139711

0,99

Silte (g kg

-1

)

EXP

300

412,90

206,04

1208,0

0,92

Areia (g kg

-1

)

GAU

418

7587,00

240,00

250023

0,99

Produtividade soja (kg ha

-1

)

ESF

905

86090

11000

2,1x10

0,99

Produtividade milho (kg ha

-1

)

EXP

213

227000

27400

4,4x10

0,88

(1)Acidez ativa em CaCl2; (2) Matéria orgânica; (3)Acidez potencial; (4)Soma de bases; (5)Capacidade de trocas de cátions; (6)Saturação por bases;

(7)Patamar; (8) Efeito pepita; (9)Índice de dependência espacial; (10)Soma de quadrados do resíduo; (11)Coeficiente de determinação; (12)Esférico;

(13)Gaussiano; (14)Exponencial; (15)Efeito pepita puro.

Pela validação cruzada dos dados (Tabela 3) observa-se

que as melhores estimativas em locais não amostrados foram

obtidas em ordem decrescente para a: argila, areia, matéria

orgânica, cobre, acidez ativa, fósforo, potássio, silte,

saturação por bases, manganês, magnésio e capacidade de

troca de cátions total.

Para a acidez ativa, matéria orgânica, fósforo, potássio,

cobre, argila e areia os coeficientes de regressão e os erros

quadráticos estão próximos de 1 e 0, respectivamente. Assim,

considera-se as estimativas como satisfatórias, entretanto, os

coeficientes de determinação da validação cruzada segundo a

classificação adotada por Nanni et al. (2011) foram

considerados como excelentes (R2 > 0,75) para a argila e areia

e baixos (R2 < 0,50) para o restante dos atributos testados.

Bottega et al. (2013a) e Nanni et al. (2011) também

observaram baixos coeficientes de determinação da validação

cruzada para todos os atributos químicos do solo estudados.

Os coeficientes de correlação de Pearson entre a

produtividade do milho e da soja e os atributos do solo

(Tabela 4), foram significativos tanto a 1% quanto a 5% de

probabilidade, sendo consideradas as correlações (r)

moderadas (0,29 < r < 0,50) e fortes (r > 0,50) segundo a

classificação proposta por Cohen (1988). Foi observada

correlação significativa positiva forte (0,51) e moderada

(0,49) entre a produtividade da soja e os teores de fósforo e

magnésio, respectivamente, e moderada negativa com o silte

(-0,39). Desta forma podemos considerar que quando os

atributos químicos se encontram em níveis preconizados para

as culturas, a sua correlação com a produtividade é

minimizada e outros atributos passam a explicar a

variabilidade na produção.

Não foi observado correlação significativa entre a

produtividade do milho e os atributos do solo avaliados

(Tabela 4). Provavelmente isto ocorreu pela interferência

causada pelo ataque dos porcos no talhão. Os ataques

ocorreram em manchas pontuais em toda a extensão do

talhão, interferindo na coleta dos dados de produtividade da

colhedora.

Variabilidade espacial e correlação dos atributos do solo com produtividade do milho e da soja

Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

540

Tabela 3. Parâmetros da validação cruzada dos modelos teóricos de semivariância ajustados para os atributos químicos e físicos do solo e

da produtividade da soja.

Table 3. Cross-validation parameters of the theoretical models of semivariance adjusted for the chemical and physical soil attributes and

soybean yield.

Atributos Coeficiente de regressão Intercepto (Y) Erro quadrático (SE) R2(5)

(1)

1,017

0,08

0,104

0,34

(2)

1,034

0,98

0,079

0,48

P (mg dm

-3

)

0,954

0,48

0,105

0,31

K (cmol

-3

)

0,916

0,04

0,102

0,31

Mg (cmol

-3

)

0,754

0,48

0,143

0,13

(3)

(cmol

-3

)

0,734

3,19

0,139

0,13

(4)

(%)

0,872

8,53

0,135

0,19

Cu (mg dm

-3

)

0,990

0,08

0,099

0,35

Mn (mg dm

-3

)

0,885

7,21

0,141

0,18

Argila (g kg

-1

)

1,037

20,74

0,023

0,92

Silte (g kg

-1

)

0,867

21,96

0,128

0,20

Areia (g kg

-1

)

1,033

9,07

0,023

0,92

Produtividade soja (kg ha

-1

)

1,018

65,84

0,038

0,79

Produtividade milho (kg ha

-1

)

0,884

630,91

0,134

0,19

(1)Acidez ativa em CaCl2; (2) Matéria orgânica; (3)Soma de bases; (4)Capacidade de trocas de cátions; (5)Coeficiente de determinação.

Tabela 4. Coeficiente de correlação de Pearson (r) entre a produtividade da soja e do milho e os atributos químicos e físicos do solo.

Table 4. Pearson correlation coefficient (r) between soybean and corn yield with chemical and physical soil attributes.

Variável

Soja

Milho

Soja

Milho

P (mg dm

-3

)

0,51

0,04

K (cmol

-3

)

0,04

0,02

Mg (cmol

-3

)

0,49

0,02

0,12

Argila (g kg

-1

)

0,36

0,34

Al (cmol

-3

)

0,01

0,03

MO (g kg

-1

)

0,33

0,28

Zn (mg dm

-3

)

0,02

0,10

SB (cmol

-3

)

0,24

0,11

H+Al (cmol

-3

)

0,07

0,09

V (%)

0,14

0,03

Cu (mg dm

-3

)

0,13

0,14

T (cmol

-3

)

0,14

0,18

Fe (mg dm

-3

)

0,17

0,01

Mn (mg dm

-3

)

0,11

0,04

Areia (g kg

-1

)

0,19

0,31

Ca (cmol

-3

)

0,05

0,14

Silte (g kg

-1

)

0,39

0,00

(*) Significância ao nível de 5% de probabilidade; ** Significância de 1% de probabilidade.

Na Figura 2 estão apresentados os mapas temáticos dos

atributos químicos e físicos do solo elaborados pela

interpolação dos valores amostrados utilizando a técnica da

krigagem ordinária.

Observa-se que os mapas da argila e areia apresentam maior

continuidade espacial, isso se deve ao excelente ajuste do R2

da validação cruzada para estes atributos do solo, além disso,

observa-se similaridade na localização entre os maiores

valores de argila e os menores valores areia. Este

comportamento é justificado pois as frações do solo

geralmente apresentam comportamento inverso,

principalmente de distribuição, pois como são medidos em

porcentagem quando há acréscimo de um ocorre redução de

outro (SOUZA et al., 2004).

4. DISCUSSÃO

A alta dispersão relativa para o P e Al, moderada para o

K, Ca, Mg, H + Al e baixa para o pH, T e argila, corroboram

com estudos anteriores em Latossolos (Bottega et al., 2013a;

Sana et al., 2014; Santi et al., 2012). A ampla maioria dos

estudos de variabilidade espacial de atributos químicos do

solo classificam o fósforo como de alta variabilidade. Este

fato pode ser decorrente de sucessivas adubações com este

nutriente no sulco de semeadura, o que acarreta grandes

variações a curtas distâncias (CHERUBIN et al., 2015;

NANNI et al., 2011).

Também se observou alta dispersão relativa para o Zn,

que é um micronutriente que se encontra originalmente em

baixos teores no solo. A dispersão relativa foi moderada para

os micronutrientes (Fe, Mn e Cu) que normalmente

apresentam altos teores nos Latossolos argilosos e para os

macronutrientes Ca, Mg e K que são aplicados em área total

a lanço.

A dispersão relativa da produtividade soja e do milho foi

classificada como baixa (CV < 15%) e corrobora com os

valores encontrados por Bottega et al. (2013b) que em um

estudo de três safras consecutivas de soja também

observaram coeficientes de variação abaixo dos 15%. Amado

et al. (2007) estudando a variabilidade espacial de diferentes

safras encontraram valores de dispersão relativa classificados

de baixa a moderada variabilidade (12% a 35%). Segundo

Amado et al. (2007), as menores dispersões relativas são

observadas em anos com precipitação pluviométrica

normais.

Amado et al. (2007) e Bottega et al. (2013b), encontraram

em seus estudos, dependência espacial para a produtividade

da soja e milho com alcances variando de 56,1 a 764 m, e

IDE variando de moderado a forte. Índices de dependência

espacial moderados e fortes indicam que os variogramas

explicam a maior parte da variância dos dados. Atributos que

possuem forte dependência espacial são influenciados por

fatores intrínsecos do solo, já os que possuem fraca

dependência espacial receberam maior influência de fatores

Gelain et al.

Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

541

externos, devido a aplicações de corretivos e fertilizantes no

cultivo do solo (SOUZA et al., 2010).

Kerry; Oliver (2004) propuseram a utilização de

distâncias máximas entre as amostras não superiores à

metade do valor do alcance da dependência espacial obtido.

Isso porque, este parâmetro indica a distância a que os pontos

amostrados estão correlacionados (RODRIGUES et al.,

2012; AQUINO et al., 2014). Neste estudo, entretanto, para

todos os atributos do solo que apresentam dependência

espacial esta recomendação foi atendida, e mesmo assim não

se observou boas estimativas em locais não amostrados.

Diversos autores atribuem essa baixa qualidade das

estimativas ao uso de malhas amostrais insuficientes para

captarem a variabilidade horizontal do solo e recomendaram

o uso de malhas amostrais mais densas (CHERUBIN et al.

2014; NANNI et al. 2011). Entretanto, deve-se considerar

também o período em que a área em estudo está sendo

utilizada para agricultura, e as alterações intensas na

variabilidade dos atributos químicos do solo causadas pelas

operações de adubação e correção do solo realizadas ao longo

do tempo. Tais práticas podem influenciar de tal forma que

seja inviável ou até impossível modelar a variabilidade com

bons ajustes da validação cruzada em função das profundas

alterações ocasionadas por fatores extrínsecos.

A estimativa da produtividade da soja foi considerada

excelente, com R2 da validação cruzada de 0,79, coeficiente

de regressão e erro quadrático próximos de 1 e 0,

respectivamente. Amado et al. (2007) concluíram que a soja

apresenta, em anos com precipitação normal, restrita

capacidade de discriminar a variabilidade espacial existente na

lavoura. Porém, neste trabalho, mesmo em ano sem déficit

hídrico, observou-se que a produtividade da soja apresentou

forte dependência espacial.

Figura 2. Mapas temáticos de distribuição espacial dos atributos do solo e da produtividade de soja e milho.

Figure 2. Thematic maps of spatial distribution of soil attributes and soybean and corn yield.

Variabilidade espacial e correlação dos atributos do solo com produtividade do milho e da soja

Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

542

Para a estimativa da produtividade do milho, o R2 foi

baixo (0,19), contrariando os resultados encontrados por

Amado et al. (2007). Provavelmente isto ocorreu, devido a

grande população de porcos selvagens existente na região,

que percorrem toda a extensão do talhão quando este é

cultivado por uma cultura atrativa como o milho,

ocasionando perdas de produtividade localizadas e aleatórias

que interferem na variabilidade da produtividade do milho.

A correlação positiva entre a produtividade da soja e o P

e o Mg no solo é esperado uma vez que originalmente os

Latossolos apresentam baixa disponibilidade de P e bases

trocáveis. Nos solos da região do Cerrado em condição

natural, o teor de P é muito baixo; no entanto, nos solos

cultivados a variação pode ser grande em razão da alta

capacidade de retenção do P na fase sólida e da sua aplicação

na linha de semeadura (SANA et al., 2014).

A moderada correlação negativa obtida entre o silte e a

produtividade da soja pode estar associada a formação de

crosta superficial, o que prejudicaria o desenvolvimento

inicial das plântulas e diminuiria a infiltração de água. O

desenvolvimento de crostas superficiais no solo é originado

a partir da quebra dos agregados e dispersão das partículas,

com influência da textura do solo (HU et al., 2012), onde as

partículas do solo são rearranjadas e consolidadas em uma

estrutura coesa, reduzindo o número e a continuidade do

espaço poroso, afetando a infiltração e a distribuição de água

ao logo do perfil do solo (ZONTA et al., 2012; ARMENISE

et al., 2018).

Destaca-se que a não existência de correlações entre a

acidez ativa do solo e os teores de alumínio com

produtividade. Este fato é explicado pois a maioria dos

pontos amostrais apresentaram valores de pH adequados ao

cultivo de soja e milho (EMBRAPA, 2011). Com relação aos

teores de alumínio, somente sete das 187 amostras

apresentaram este elemento em baixas concentrações.

Comparando os mapas da argila e MO, observa-se uma

similaridade na localização dos maiores teores de argila com

os maiores de MO. Este comportamento se deve

provavelmente a capacidade da argila em reter e proteger a

decomposição da MO. Para o mapa do silte e do restante dos

atributos químicos do solo podemos observar menor

continuidade espacial e a ocorrência de manchas, isto se deve

a menor precisão das estimativas de valores em regiões não

amostradas, podendo ser confirmado analisando os menores

valores dos parâmetros de ajuste da validação cruzada.

5. CONCLUSÕES

Não foi detectada dependência espacial para os atributos

cálcio, alumínio, acidez potencial, soma de bases, ferro e

zinco.

Os melhores ajustes dos variogramas e da validação

cruzada foram obtidos para os atributos físicos areia e argila.

A produtividade da soja apresentou forte dependência

espacial e se correlacionou positivamente de forma forte com

o fósforo e moderada com o magnésio.

6. AGRADECIMENTOS

Ao Sr. Florino Wielemaker pela colaboração e cessão da

área estudada, ao CNPQ pela concessão da bolsa de estudos,

a Danilo Gomes Fortes, Eduardo Messias de Andrade

Almeida, Eliéser de Almeida e Matheus Andrade Martinez

pelo auxílio na condução dos trabalhos de campo.

7. REFERÊNCIAS

ALVARES, C. A.; STAPE, J. L.; SENTELHAS, P. C.;

GONÇALVES, J. L. M.; SPAROVEK, G. Köppen’s

climate classification map for Brazil. Meteorologische

Zeitschrift, v. 22, n. 6, p. 711-728, 2013. DOI:

https://doi.org/10.1127/0941-2948/2013/0507

AMADO, T. J. C.; PONTELLI, C. B.; SANTI, A. L.;

VIANA, J. H. M.; SULZSBACH, L. A. S. Variabilidade

espacial e temporal da produtividade de cultura sob

sistema plantio direto. Pesquisa Agropecuária

Brasileira, v. 42, n. 8, p. 1101-1110, 2007. DOI:

https://doi.org/10.1590/S0100-204X2007000800006

AQUINO, R. E.; CAMPOS, M. C. C.; MARQUES

JÚNIOR, J.; OLIVEIRA, I. A. de; MANTOVANELI, B.

C.; SOARES, M. D. R. Geostatistics in assessment of

physical properties in a latossolo (oxisol) under native

forest and grassland in Manicoré, Amazonas, Brazil.

Revista Brasileira de Ciência do Solo, v. 38, n. 2, p.

397-406, 2014. DOI: https://doi.org/10.1590/S0100-

06832014000200004

ARAÚJO, D. C. dos S.; MONTENEGRO, S. M. G. L.;

MONTENEGRO, A. A. de A.; SILVA JUNIOR, V. DE

P.; SANTOS, S. M. dos. Spatial variability of soil

attributes in an experimental basinin the semi-arid region

of Pernambuco, Brazil. Revista Brasileira de

Engenharia Agrícola e Ambiental, v. 22, n. 1, p. 38-44,

2018. DOI: http://dx.doi.org/10.1590/1807-

1929/agriambi.v22n1p38-44

ARMENISE, E.; SIMMONS, R. W.; AHN, S.; GARBOUT,

A.; DOERR, S. H.; MOONEY, S. J.; STURROCK, C. J.;

RITZ, K. Soil seal development under simulated rainfall:

structural, physical and hydrological dynamics. Journal

of Hydrology, v. 556, p. 211-219, 2018. DOI:

https://doi.org/10.1016/j.jhydrol.2017.10.073

BAERDEMAEKER, J. de. Precision Agriculture

Technology and Robotics for Good Agricultural

Practices. IFAC Proceedings Volumes, v. 46, n. 4, p. 1-

4, 2013. DOI: https://doi.org/10.3182/20130327-3-JP-

3017.00003

BOTTEGA, E. L.; QUEIROZ, D. M.; PINTO, F. A. C.;

SOUZA, C. M. A. Variabilidade espacial de atributos do

solo em sistema de semeadura direta com rotação de

culturas no cerrado brasileiro. Revista Ciência

Agronômica, v. 44, n. 1, p. 1-9, 2013a.

BOTTEGA, E. L.; PINTO, F. A. C.; QUEIROZ, D. M.;

SANTOS, N. T.; SOUZA, C. M. A. (2013b) Variabilidade

espacial e temporal da produtividade de soja no Cerrado

brasileiro. Revista Agrarian, v. 6, n. 20, p. 167-177,

2013b.

CERRI, D. G. P.; MAGALHÃES, P. S. G. Correlation of

physical and chemical attributes of soil with sugarcane

yield. Pesquisa Agropecuária Brasileira, v. 47, n. 4, p.

613-620, 2012. DOI: https://doi.org/10.1590/S0100-

204X2012000400018

CHERUBIN, M. R.; SANTI, A. L.; EITELWEIN, M. T.;

MENEGOL, D. R.; DA ROS, C. O.; PIAS, O. H. C.;

BERGHETTI, J. Eficiência de malhas amostrais

utilizadas na caracterização da variabilidade espacial de

fósforo e potássio. Ciência Rural, v. 44, n. 3, p. 425-432,

2014. DOI: https://doi.org/10.1590/S0103-

84782014000300007

CHERUBIN, M. R.; SANTI, A. L.; EITELWEIN, M. T.;

AMADO, T. J. C.; SIMON, D. H.; DAMIAN, J. M.

Gelain et al.

Nativa, Sinop, v. 9, n. 5, p. 536-543, 2021.

543

Dimensão da malha amostral para caracterização da

variabilidade espacial de fósforo e potássio em Latossolo

Vermelho. Pesquisa Agropecuária Brasileira, v. 50, n.

2, p. 168-177, 2015. DOI:

https://doi.org/10.1590/S0100-204X2015000200009

COHEN, J. Statistical power analysis for the behavioral

sciences. 2 ed. Hilsdale. NJ: Lawrence Earlbaum

Associates, 1988. 579p.

CRUZ, J. S.; ASSIS JÚNIOR, R. N. DE; MATIAS, S. S. R.;

CAMACHO-TAMAYO, J. H. Spatial variability of an

Alfisol cultivated with sugarcane. Ciencia e

Investigación Agraria, v. 38, n. 1, p. 155-164, 2011.

DOI: https://doi.org/10.4067/S0718-

16202011000100015

EMBRAPA_Empresa Brasileira de Pesquisa Agropecuária.

Manual de métodos de análise de solo. 2. ed. rev.

atual. Rio de Janeiro: Centro Nacional de Pesquisa de

Solos, 1997. 212p.

EMBRAPA_Empresa Brasileira de Pesquisa Agropecuária.

Tecnologias de produção de soja – região central do

Brasil – 2012 e 2013. Londrina: Embrapa Soja, 2011.

261p.

EMBRAPA_Empresa Brasileira de Pesquisa Agropecuária.

Sistema brasileiro de classificação de solos. 3 ed.

Brasília: Embrapa Informação Tecnológica, 2013. 353p.

GEE, G. W.; BAUDER, W. Particle-size analysis. In:

BLACK C. A. (Ed.) Methods of soil analysis. Part 1.

Madison, American Society of Agronomy, 1986.

(Agronomy, 9)

GUO, W.; MAAS, S. J.; BRONSON, K. F. Relationship

between cotton yield and soil electrical conductivity,

topography, and landsat imagery. Precision Agriculture,

v. 13, p. 678-692, 2012. DOI:

https://doi.org/10.1007/s11119-012-9277-2

HU, X.; LIU, L. Y.; LI, S. J.; CAI, Q. G.; LÜ, Y. L.; GUO, J.

R. Development of soil crusts under simulated rainfall

and crust formation on a loess soil as influenced by

polyacrylamide. Pedosphere, v. 22, n. 3, p. 415-424,

2012. DOI: https://doi.org/10.1016/S1002-

0160(12)60027-7

KERRY, R.; OLIVER, M. Average variograms to guide soil

sampling. International Journal of Applied Earth

Observation and Geoinformation, v. 5, n. 4, p. 307-

325. 2004. DOI:

https://doi.org/10.1016/j.jag.2004.07.005

LIBARDI, P. L.; MANFRON, P. A.; MORAES, S. O.;

TUON, R. L. Variabilidade da umidade gravimétrica de

um solo hidromórfico. Revista Brasileira de Ciência

do Solo, v. 20, n. 1, p. 1-12, 1996.

MONTGOMERY, D. C.; RUNGER, G. C. Estatística

aplicada e probabilidade para engenheiros. 4 ed. Rio

de Janeiro: Editora LTC, 2009. 493p.

NANNI, M. R.; POVH, F. P.; DEMATTÊ, J. A. M.;

OLIVEIRA, R. B. de; CHICATI, M. L.; CEZAR, E.

Optimum size in grid soil sampling for variable rate

application in site-specific management. Scientia

Agricola, v. 68, n. 3, p. 386-392, 2011. DOI:

http://dx.doi.org/10.1590/S0103-901620110003 000

OLIVEIRA, I. A. de; CAMPOS, M. C. C.; SOARES, M. D.

R.; AQUINO, R. E. de; MARQUES JÚNIOR, J.;

NASCIMENTO, E. P. do. Variabilidade espacial de

atributos físicos em um cambissolo háplico, sob

diferentes usos na região sul do Amazonas. Revista

Brasileira de Ciência do Solo, v. 37, n. 4, p. 1103-1112,

2013. DOI: https://doi.org/10.1590/S0100-

06832013000400027

RODRIGUES, M. S.; CORÁ, J. E.; FERNANDES, C.

Spatial relationships between soil attributes and corn yield

in no-tillage system. Revista Brasileira de Ciência do

Solo, v. 36, n. 2, p. 599-609, 2012. DOI:

https://doi.org/10.1590/S0100-06832012000200029

SANA, R. S.; ANGHINONI, I.; BRANDÃO, Z. N.;

HOLZSCHUM, M. L. Variabilidade espacial de atributos

físico-químicos do solo e seus efeitos na produtividade

do algodoeiro. Revista Brasileira de Engenharia

Agrícola e Ambiental, v. 18, n. 10, p. 994-1002, 2014.

DOI: http://dx.doi.org/10.1590/18071929/agriambi.

v18n10p994-1002

SANTI, A. L.; AMADO, T. J. C.; CHERUBIN, M. R.;

MARTINS, T. N.; PIRES, J. L.; DELLA FLORA, L. P.;

BASSO, C. J. Análise de componentes principais de

atributos químicos e físicos do solo limitantes à

produtividade de grãos. Pesquisa Agropecuária

Brasileira, v. 47, n. 9, p. 1346-1357, 2012. DOI:

https://doi.org/10.1590/S0100-204X201200090002 0

SILVA, S. A.; LIMA, J. S. S.; SOUZA, G. S.; OLIVEIRA, R.

B.; SILVA, A. F. Variabilidade espacial do fósforo e das

frações granulométricas de um Latossolo Vermelho

Amarelo. Revista Ciência Agronômica, v. 41, n. 1, p. 1-

8, 2010.

SOUZA, Z. M.; CERRI, D. G. P.; MAGALHÃES, P. S. G.;

SIQUEIRA, D. S. Spatial variability of soil attributes and

sugarcane yield in relation to topographic location.

Revista Brasileira de Engenharia Agrícola e

Ambiental, v. 14, n. 12, p. 1250-1256, 2010. DOI:

http://dx.doi.org/10.1590/S1415-43662010001200001

SOUZA, Z. M.; MARQUES JÚNIOR, J.; PEREIRA, G. T.;

BARBIERI, D. M. Variabilidade espacial da textura de

um Latossolo Vermelho Amarelo eutroférrico sob

cultivo de cana-deaçúcar. Engenharia Agrícola, v. 24, n.

2, p. 309-319. 2004. DOI:

https://doi.org/10.1590/S0100-69162004000200009

ZIMBACK, C. R. L. Análise espacial de atributos

químicos de solos para fins de mapeamento da

fertilidade do solo. Tese de Livre Docência.

Universidade Estadual Paulista, Botucatu, 2001. 114p.

ZONTA, J. H.; MARTINEZ, M. A.; PRUSKI, F. F.; SILVA,

D. D.; SANTOS, M. R. Efeito da aplicação sucessiva de

precipitações pluviais com diferentes perfis na taxa de

infiltração de água no solo. Revista Brasileira de

Ciência do Solo, v. 36, n. 2, p. 377-388, 2012. DOI:

http://dx.doi.org/10.1590/S0100-06832012000200007