Escolar Documentos
Profissional Documentos
Cultura Documentos
ILHÉUS-BA
2015
PERLA SILVA MATOS CARVALHO
ILHÉUS-BA
2015
Aos meus pais, Tereza Cristina e Milton, minha irmã Paloma e
Á Deus pela vida e proteção que me deste, pela coragem para vencer todos os
desafios e por tornar cada momento uma oportunidade de adquirir novos
conhecimentos.
Ao professor Dr. Samuel de Assis Silva por repassar um pouco de seu valioso
conhecimento para condução deste trabalho, pela sua grande paciência e por
confiar a mim esta responsabilidade.
Aos professores Dr. George Sodré e Dr. Arlicélio Paiva pelas orientações para o
enriquecimento do trabalho.
Por fim, a todos que em algum momento fizeram parte desta importante etapa,
com contribuições e críticas tornou possível a realização deste trabalho.
AGRICULTURA DE PRECISÃO NO CULTIVO DO CACAUEIRO:
DELINEAMENTO DE ZONAS DE MANEJO EM LAVOURA DO SUL DA
BAHIA
RESUMO
ABSTRACT
The knowledge about variability of soil chemical and physical attributes through
precision farming techniques allows a specific management of cultivation areas
and an efficient manner of inputs application. This work aimed, specifically, to
evaluate the spatial variability of soil physical-chemical attributes and the
productivity of a cocoa tillage and to delineate management zones for lime and
fertilizer recommendation. The study was accomplished in a cocoa cultivated
area in a grid with 120 points in the Executive Commission of Cocoa Tillage Plan
(Comissão Executiva do Plano da Lavoura Cacaueira – CEPLAC). Soil samples
classified as nitisols was collected in a layer with 0 to 0,20 meters to determinate
the following attributes: pH(H2O), H+Al, P, K+, Ca2+, Mg2+, Na+, Fe, Zn, Cu, Mn,
SB, V%, TOC, CTC effective, CTC pH 7,0, coarse sand, fine sand, silt and clay.
The data was submitted to an exploratory and descriptive analysis and then to a
geostatistical analysis to quantify the spatial dependence. Posteriorly, the data
interpolation by ordinary kriging was proceeded. The management zones were
defined using the Fuzzy K-Means algorithm and the evaluation of minimization of
the indices FPI and NCE for combinations between physical attributes and cocoa
productivity. The analysis of agrrement between physical attributes combinations
and productivity with classificatory variables, tha were chemical attributes,
indicated through values of Kappa coeficient, the best managament zones. Two
of twenty-seven attributes evaluated, Al and m%, weren't analyzed by statistical
means due values equals zero. In the geostatistical analysis, 10 attributes were
adjusted to the Gaussian model, 07 to the Spherical model, 06 to the Exponential
model and 02 attributes to the Pure Nugget Effect. The geostatistical analysis
allowed the construction of 23 maps with spatial variability where specifics
regions were identified with variable attribute levels which can be used in variable
rates as referential of soil fertility correction. The combinations of total sand,
cocoa mid-crop and total sand, cocoa mid-crop and clay, cocoa mid-crop and silt,
cocoa main crop and total sand, cocoa main crop and clay presented values
considered good in the agreement analysis of some soil chemical attributes.
Merely the attributes pH (H2O), Ca2+/Mg2+ and TOC presented significant
agreements with all combinations used in the conception of management zones.
Recommended variables in the definition of management zones, in the studied
area, is cocoa mid-crop productivity and total sand or clay fractions.
RESUMO.......................................................................................................... vii
ABSTRACT....................................................................................................... ix
1 INTRODUÇÃO ................................................................................................ 1
2 REVISÃO DE LITERATURA .......................................................................... 3
2.1 A cultura do cacau ..................................................................................... 3
2.2 Agricultura de Precisão ............................................................................. 5
2.3 Geoestatística ............................................................................................. 8
2.4 Zonas de manejo ...................................................................................... 13
3 MATERIAIS E MÉTODOS ............................................................................ 15
3.1 Caracterização da área de estudo .......................................................... 15
3.2 Malha amostral ......................................................................................... 15
3.3 Coleta e preparo do solo ......................................................................... 16
3.4 Análise física do solo ............................................................................... 17
3.5 Análise química do solo .......................................................................... 17
3.6 Determinação da produtividade do cacaueiro ....................................... 17
3.7 Análises estatísticas e geoestatísticas .................................................. 18
3.7.1 Estatística Descritiva ............................................................................... 18
3.7.2 Geoestatística ......................................................................................... 19
3.8 Implementação do algoritmo para definição de zonas de manejo ...... 21
4 RESULTADOS E DISCUSSÃO .................................................................... 24
4.1 Zonas de manejo ...................................................................................... 44
4.2 Avaliação da concordância entre as zonas de manejo e atributos
químicos.......................................................................................................... 56
5 CONCLUSÕES ............................................................................................. 61
REFERÊNCIAS ................................................................................................ 62
APÊNDICES .................................................................................................... 78
1
1 INTRODUÇÃO
2 REVISÃO DE LITERATURA
Pires et al. (2004) e Werner (2004) afirmam que existe três tipos de
variabilidade que são manejadas em Agricultura de Precisão: a) variabilidade
espacial, define espacialmente a quantidade ou concentração do componente
avaliado (produtividade, fertilidade, plantas invasoras, pragas, doenças e
outros); b) variabilidade temporal, demonstra alterações com o passar dos anos
(disponibilidade de um nutriente ou água); c) variabilidade induzida pelo manejo
ou variabilidade preditiva, contrasta o resultado obtido com o resultado esperado
(escolha da cultura ou local de plantio). Ainda neste contexto, pode-se considerar
a variabilidade horizontal e vertical que ocorrem em profundidade do solo devido
aos sistemas de manejo e de características do sistema solo-planta-atmosfera,
respectivamente (MACHADO et al., 2004b).
A variabilidade espacial dos solos é resultado de processos
pedogenéticos, cujas propriedades químicas e físicas têm interligações
específicas entre si, de modo que essas interações influenciam diretamente o
crescimento e o desenvolvimento das culturas (SOUZA et al., 2004; SILVA et al.,
2010a). A avaliação conjunta da variabilidade espacial dos atributos do solo e da
cultura é uma importante ferramenta na determinação de estratégias de manejo
específico das áreas, visando o aumento da produtividade agrícola (GREGO;
VIEIRA, 2005; SILVA et al., 2010c).
A identificação da variação de atributos químicos do solo é importante
para o levantamento e manejo do solo, o planejamento de esquemas de
amostragem e o gerenciamento de práticas agrícolas (SILVA; LIMA, 2012). A
avaliação da extensão e intensidade da dependência espacial, isolada ou em
conjunto com outros parâmetros, necessita ser relacionada com a cultura, pois
a fertilidade do solo pode influenciar diretamente o potencial genético das
culturas (GANDAH et al., 2000; SILVA; LIMA, 2012).
Os solos apresentam valores bastante diferenciados de macro e
micronutrientes ao longo do relevo, por causa das alterações provocadas pelo
manejo agrícola e processos erosivos (SILVA et al., 2010c). Silva; Chaves (2001)
comentam que os atributos químicos apresentam maior variação que os físicos,
sendo assim, o uso de amostragem aleatória utilizando a média é insuficiente
para caracterizar toda uma classe de solo.
A amostragem adotada na agricultura de precisão é realizada na forma de
malha ou grade (Grid) para avaliar a existência de variabilidade espacial nas
7
2.3 Geoestatística
∑ 𝜆𝑖 = 1 (3)
𝑖=1
𝑛
3 MATERIAL E MÉTODOS
3.7.2 Geoestatística
Modelo Linear:
𝐶
𝛾(ℎ) = 𝐶𝑜 + ( ) ∗ ℎ 0<ℎ<𝑎
𝑎
𝛾(ℎ) = 𝐶𝑜 + 𝐶 ℎ>𝑎 (5)
𝐶
Em que: (𝑎) é o coeficiente angular para 0<h<a. Nesse modelo, o patamar é
𝐶
determinado por inspeção; o coeficiente angular, (𝑎) é determinado pela
inclinação da reta que passa pelos primeiros pontos de 𝛾(ℎ), dando-se maior
peso aqueles que correspondem a maior número de pares; o efeito pepita, 𝐶𝑜 , é
determinado pela interseção da reta no eixo 𝛾(ℎ); o alcance, a, é o valor de h
correspondente ao cruzamento da reta inicial com o patamar; e C1 = patamar -
𝐶𝑜 .
20
Modelo Esférico:
3 ℎ 1 ℎ 3
𝛾(ℎ) = 𝐶𝑜 + 𝐶 ∗ [ ∗ ( ) − ∗ ( ) ] 0<ℎ<𝑎 (6)
2 𝑎 2 𝑎
𝛾(ℎ) = 𝐶𝑜 + 𝐶 ℎ>𝑎
Modelo Exponencial:
ℎ
𝛾(ℎ) = 𝐶𝑜 + 𝐶 [1 − exp (− 3 ∗ )] 0<ℎ<𝑑 (7)
𝑎
Modelo Gaussiano:
ℎ 2
𝛾(ℎ) = 𝐶𝑜 + 𝐶 ∗ [1 − exp (− 3 ∗ ( ) )] 0<ℎ<𝑑 (8)
2
(1994), como fraca (IDE ≥ 75%), moderada (25% < IDE > 75%) e forte (IDE ≤
25%).
Comprovada a dependência espacial, foi aplicado o método de
interpolação por krigagem ordinária, para estimar valores em locais não
medidos. A krigagem é um método de interpolação baseado na teoria das
variáveis regionalizadas que estima valores sem tendência e com variância
mínima, assim a variação espacial de uma variável aleatória pode ser modelada
por uma função aleatória intrínseca (GREGO; VIEIRA, 2005).
Para definir o número de classes dos mapas a serem construídos foi
realizado uma análise de agrupamento, por meio da avaliação de dendogramas,
seguindo o método de Ward a fim de se obter grupos mais homogêneos de
dados. O Método de Ward agrupa um conjunto de dados de modo hierárquico e
com base na distância euclidiana, segundo a similaridade entre eles e forma
grupos de tamanhos semelhantes e com mínima variação (HAIR et al., 2005).
O método K-means foi aplicado as classes geradas para identificar os
limites inferiores e superiores das classes (SEIDEL et al., 2008). As análises
geoestatísticas foram realizadas no software GS+, os dendogramas foram
obtidos no software Statistica e os mapas interpolados foram construídos no
software Surfer.
𝑘 𝑛
(𝑗) 2
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝐽 = ∑ ∑ ‖𝑥𝑖 − 𝑐𝑗 ‖ (9)
𝑗−1 𝑖−1
(𝑗) 2
Em que:‖𝑥𝑖 − 𝑐𝑗 ‖ é a distância entre o ponto dos dados e o centro do
4 RESULTADOS E DISCUSSÃO
Com exceção do pH, areia grossa, areia fina e areia total, todos os
atributos analisados apresentaram valores discrepantes (outliers), optando-se
pela sua retirada conforme recomendado por Silva; Lima (2012). A retirada dos
outliers dos atributos Al e m% implicaram num conjunto de dados composto por
valores iguais à zero, assim as análises estatísticas não foram aplicadas para
estes atributos.
A retirada dos outliers favorece a obtenção de um resumo estatístico mais
confiável, capaz de melhor representar a variabilidade dos dados, principalmente
no que diz respeito às medidas de tendência central (LIBARDI et al., 2006).
Assim, após a retirada destes valores as análises estatísticas foram aplicadas
aos dados, visto que o resumo estatístico apresentou maior confiabilidade,
confirmando a influência dos outliers nas medidas de tendência central e a
distribuição de frequência dos dados (Tabela 2).
Os valores de média e mediana dos atributos, com exceção do Fe,
atributos físicos e a produtividade do cacaueiro, foram similares, demonstrando
que as medidas de tendência central não são dominadas por valores atípicos na
distribuição, conforme Cambardella et al. (1994). O coeficiente de assimetria (Cs)
apresentou valores próximos de zero, com exceção do P+, Fe, CTC pH 7,0, AT
e a produtividade do cacaueiro, indicando ajustes a distribuição normal, sendo
confirmado pelo teste de normalidade. Segundo Andriotti (2002) o Cs avalia o
grau de afastamento da média e mediana em relação a curva normal, sendo uma
medida sensível a valores discrepantes.
O coeficiente de curtose (Ck) que indica o grau de achatamento da curva
(ANDRIOTTI, 2002) demonstrou um comportamento leptocúrtico para todos os
atributos, exceto o Na+, cacau temporão e cacau anual que apresentaram
comportamento platicúrtico. Os valores distantes de zero para K+, Na+, Zn, Cu,
Mn, AG e AF, refletiram numa distribuição que foge da normalidade, o que foi
confirmada pelo teste de Shapiro-Wilk’s.
25
da curva à distribuição normal. Os altos valores de Ck para o K+, Na+, Zn, Cu,
Mn, AG e AF resultaram em seu afastamento à distribuição normal, mesmo com
valores baixos de desvio padrão para essas variáveis, com exceção da AG e AF.
Esse comportamento indica a influência de poucos valores extremos capazes de
alterar a curva de distribuição normal.
Apesar de não ser uma exigência, atributos que apresentam distribuição
normal, quando submetidos à interpolação de dados por krigagem, serão
estimados com maior eficiência (WEBSTER; OLIVER, 2007). De acordo com
Cressie (1993) é ideal que a calda da distribuição não seja muito alongada, fato
não evidenciado neste trabalho dado os valores de assimetria próximos de zero.
Corá et al. (2004) informam que valores positivos de assimetria indicam
grande frequência de valores menores que a média e poucos valores maiores
que ela, implicando em locais com diferentes níveis de nutrientes. Devido a este
comportamento Ferraz et al. (2011) recomendam a agricultura de precisão na
recomendação de corretivos e fertilizantes pois o uso de insumos será realizado
de modo eficiente, ou seja, na quantidade e local adequado reduzindo os custos
de produção.
Para este estudo os valores médios dos atributos físicos areia total, argila
e silte é de 437, 139 e 391 g kg-1, respectivamente. O atributo silte apresentou o
maior valor das frações finas, com 391 g kg-1. É válido ressaltar que a camada
amostrada refere-se ao horizonte A, podendo o horizonte diagnóstico apresentar
valores mais altos de argila (CHEPOTE, 2012; EMBRAPA, 2013). Souza et al.
(2008) encontraram o valores médios de 361, 230 e 398 g kg-1, para os mesmos
atributos, respectivamente, no Estado do Pernambuco.
Os altos teores das “frações finas” podem causar a redução de
macroporos, limitando a capacidade de retenção de água e trocas gasosas,
aumento na densidade do solo e, devido os ciclos de umedecimento e secagem,
promoverem o rearranjo de partículas, principalmente em áreas com baixos
teores de matéria orgânica (MO) (SOUZA et al., 2008; CARDOSO et al., 2011).
Segundo Pedrotti; Mello Jr (2009) em sistemas conservacionistas o aporte de
resíduos orgânicos em superfície proporcionam a melhoria da estrutura do solo
devido à melhor distribuição de poros, dissipam a energia cinética de gotas de
chuva reduzindo o escoamento superficial e eleva a infiltração de água.
27
Figura 7: Mapas da distribuição dos atributos Zn, Cu, CTC efetiva e CTC pH 7,0
na camada 0 – 0,20 m.
42
Tabela 4: Índice FPI e NCE para cada classe de cada zona de manejo.
FPI NCE
ZM
2 3 4 5 2 3 4 5
AT 0,2105 0,2894 0,2779 0,3111 0,2607 0,3154 0,2877 0,3034
ARG 0,1461 0,1800 0,2647 0,2776 0,1873 0,2091 0,2668 0,2625
SIL 0,1410 0,1555 0,2167 0,2630 0,1823 0,1833 0,2202 0,2495
AT_ARG 0,1799 0,3002 0,3028 0,3205 0,2345 0,3285 0,3104 0,3141
AT_SIL 0,1896 0,3980 0,3838 0,4446 0,2508 0,4170 0,3888 0,4305
ARG_SIL 0,1577 0,3130 0,3736 0,3963 0,2095 0,3393 0,3742 0,3851
AT_ARG_SIL 0,1787 0,3833 0,3915 0,4329 0,2375 0,4021 0,3923 0,4175
S 0,2294 0,2171 0,2815 0,3286 0,2798 0,2450 0,2896 0,3096
S_AT 0,5170 0,4075 0,4654 0,4545 0,5929 0,4556 0,4852 0,4606
S_ARG 0,4469 0,3529 0,4081 0,4328 0,5241 0,3993 0,4277 0,4368
S_SIL 0,4261 0,3452 0,4022 0,4125 0,5044 0,3900 0,4201 0,4179
T 0,2837 0,2954 0,3068 0,2915 0,3469 0,3317 0,3160 0,2882
T_AT 0,5401 0,4076 0,4758 0,4955 0,6119 0,4620 0,4996 0,5022
T_ARG 0,5564 0,3527 0,4163 0,4819 0,6225 0,4046 0,4394 0,4792
T_SIL 0,5803 0,3549 0,4095 0,4104 0,6496 0,4045 0,4316 0,4234
T_S 0,5524 0,4743 0,5095 0,5225 0,6205 0,5204 0,5313 0,5287
T_S_AT 0,7077 0,5933 0,5760 0,6246 0,7664 0,6401 0,6057 0,6324
T_S_ARG 0,7095 0,5525 0,5342 0,5776 0,7671 0,6015 0,5661 0,5913
T_S_SIL 0,7146 0,5489 0,5351 0,5975 0,7720 0,5959 0,5653 0,6007
T_S_AT_ARG_SIL 0,4736 0,5462 0,5851 0,6265 0,5608 0,5831 0,6036 0,6285
ZM – zona de manejo; AT – areia total; ARG – argila; SIL – silte; T – cacau temporão; S – cacau safra; FPI – Índice de Performance Fuzzy; NCE –
Entropia da Classificação Normalizada; Valores em negrito indicam a minimização dos índices para as classes de zonas de manejo.
47
Figura 10: Mapas temático das zonas de manejo geradas para as combinações
AT_SIL, ARG_SIL, AT_ARG_SIL, T e T_S_AT_ARG_SIL.
49
Tabela 5: Média e desvio padrão dos centroides das melhores zonas de manejo com duas classes.
Figura 11: Mapas temático das zonas de manejo geradas para as combinações
S_AT, S_ARG, S_SIL e S.
51
Figura 12: Mapas temático das zonas de manejo geradas para as combinações
T_AT, T_ARG, T_SIL e T_S.
52
Tabela 6: Média e desvio padrão dos centroides das melhores zonas de manejo com três classes.
Figura 13: Mapas temático das zonas de manejo geradas para as combinações
T_S_AT, T_S_ARG e T_S_SIL.
54
Tabela 7: Média e desvio padrão dos centroides das melhores zonas de manejo com quatro classes.
Atributos Químicos
Zonas
CTC pH
de Manejo pH H+Al P K Ca Mg Ca/Mg SB COT Na Fe Zn Cu V (%) CTC
7,0
AT 0,26B -0,25D 0,34B -0,25D 0,41A 0,17C 0,20B -0,20D 0,42A 0,27B 0,31B 0,21B 0,34B 0,34B 0,23B 0,21B
ARG 0,22B -0,24D 0,31B -0,24D 0,38B 0,17C 0,22B -0,21D 0,38B 0,25B 0,35B -0,33D -0,32D 0,31B 0,20B -0,32D
SIL 0,19C -0,22D 0,22B -0,24D 0,32B 0,20B 0,20B -0,17D 0,29B 0,18C 0,40B -0,31D 0,24B 0,25B -0,23D -0,33D
AT_ARG 0,23B -0,24D 0,31B -0,24D 0,38B 0,16C 0,22B -0,21D 0,39B 0,26B 0,35B -0,33D 0,31B 0,31B 0,21B -0,33D
AT_SIL 0,19C -0,23D 0,28B -0,23D 0,34B 0,16C 0,23B -0,20D 0,35B 0,24B 0,39B -0,31D 0,28B 0,28B -0,29D -0,30D
ARG_SIL 0,19C -0,23D 0,28B -0,23D 0,34B 0,16C 0,23B -0,20D 0,35B 0,24B 0,39B -0,31D 0,28B 0,28B -0,29D -0,30D
AT_ARG_SIL 0,19C -0,23D 0,28B -0,23D 0,34B 0,17C 0,24B -0,20D 0,35B 0,22B 0,39B -0,31D 0,28B 0,28B -0,29D -0,30D
S 0,15C 0,12D -0,16D -0,06D -0,05D -0,07D 0,17C -0,11D 0,22B -0,21D -0,18D 0,19C 0,17C -0,13D -0,12D -0,06D
T_AT 0,23B 0,13C 0,32B 0,28B 0,65A 0,13C 0,20B 0,28B 0,29B 0,29B 0,43A 0,16C 0,28B 0,36B 0,26B 0,22B
T_ARG 0,22B 0,14C 0,30B -0,30D 0,63A 0,14C 0,22B 0,27B 0,28B 0,29B 0,46A 0,19C 0,26B 0,33B 0,24B 0,20B
T_SIL 0,24B 0,15C 0,26B -0,28D 0,61A 0,13C 0,20B 0,26B 0,23B 0,27B 0,47A 0,19C 0,24B 0,31B 0,20B 0,19C
S_AT 0,14C 0,01D 0,30B 0,22B 0,35B 0,14C 0,18C 0,23B 0,30B 0,21B 0,16C 0,25B 0,30B 0,43A 0,24B 0,25B
S_ARG 0,12C 0,02D 0,27B -0,01D 0,33B 0,12C 0,19C 0,24B 0,26B 0,22B 0,19C 0,03C 0,27B 0,41A 0,20B 0,22B
S_SIL 0,10C 0,03D 0,17C 0,0D 0,28B 0,16C 0,21B 0,22B 0,20B 0,20B 0,22B 0,04C 0,22B 0,36B 0,15C 0,20B
T_S 0,17C 0,18C 0,14C 0,29B 0,30B 0,08D 0,19C 0,07D 0,24B 0,13C 0,26B 0,27B 0,05C 0,16C 0,07D 0,04D
T_S_AT 0,24B 0,22B 0,39B 0,32B 0,38B 0,10C 0,11C 0,21B 0,32B 0,39B 0,32B 0,33B 0,35B 0,34B 0,28B 0,22B
T_S_ARG 0,23B 0,21B 0,35B 0,31B 0,36B 0,13C 0,13C 0,21B 0,33B 0,36B 0,33B 0,34B 0,32B 0,32B 0,25B 0,21B
T_S_SIL 0,20B 0,20B 0,34B 0,30B 0,36B 0,15C 0,14C 0,23B 0,31B 0,32B 0,36B 0,32B 0,30B 0,31B 0,22B 0,20B
T_S_AT_ARG_SIL 0,21B -0,24D 0,29B -0,24D 0,36B 0,15C 0,22B -0,21D 0,36B 0,24B 0,37B -0,32D 0,29C 0,29B 0,19C -0,31D
AT – Areia total; ARG – argila; SIL – silte; T – cacau temporão; S – cacau safra.
59
A saturação por bases (V) foi o atributo que apresentou concordância com
o maior número de combinações de zonas de manejo. O mapa gerado para esse
atributo foi bem classificado para todas as combinações, exceto safra (S) e
temporão e safra (T_S). Arévalo et al. (2012) comentam que o cultivo de
cacaueiros requer solos férteis e com boa disponibilidade de Ca 2+, Mg2+, K+ e
Na+, quantificado no resultado do atributo V forma a SB, principalmente no que
diz respeito ao Mg2+ e K+ devido ao acúmulo destes elementos na casca e
amêndoas. No geral, para as culturas agrícolas a SB está relacionada a
disponibilidade de bases trocáveis, o que afeta a capacidade de troca na
superfície dos colóides, principalmente quando na presença de H + e Al3+
podendo comprometer a disponibilidade das bases em solução (RAIJ, 2011).
Para os macronutrientes fósforo (P) e potássio (K+), as maiores
concordâncias foram observadas para as zonas geradas à partir de temporão,
safra e areia total (T_S_AT), entretanto, estes valores não apesentam diferença
para os índices Kappa da maioria das demais combinações. Apesar da
inexistência de diferença entre classes de índice, Valente (2010) relata que a
escolha das melhores zonas deve considerar os maiores valores absolutos de
Kappa, de forma a elevar a representatividade das zonas.
A concordância entre os mapas de zonas de manejo e as variáveis
classificatórias indicam que os atributos pH (H2O), a relação Ca2+/Mg2+ e o COT
foram os únicos que apresentaram concordâncias significativas com todas as
combinações. De acordo com Alves et al. (2013) os atributos matéria orgânica e
pH, geralmente, são os mais bem classificados pelas zonas de manejo.
Como as zonas de manejo para o cacau temporão (T) não minimizou os
índices FPI e NCE com o mesmo número de classes, avaliou-se a concordância
para 2 e 5 classes (Tabela 9), conforme Alves et al. (2013). Resultados obtidos
com o coeficiente Kappa indicam que o melhor número de classes de zonas de
manejo do cacau temporão foi 2, por ter apresentado um maior número de
atributos bem classificados.
Após a análise de concordância entre as zonas de manejo e as variáveis
classificatórias (Tabelas 8 e 9), e conforme observado para os índices FPI e NCE
e mapas temáticos, pode-se dizer que, no geral, as combinações temporão e
areia total (T_AT), temporão e argila (T_ARG), temporão, safra e areia total
(T_S_AT), temporão, safra e argila (T_S_ARG) e temporão, safra e silte
60
5 CONCLUSÕES
REFERENCIAS
CRESSIE, N. A. C. Statistic for spatial data. New York: John Wiley & Sons.
pp.900. 1993.
FU, W.; TUNNEY, H.; ZHANG, C. Spatial variation of soil nutrients in a dairy farm
and its implications for site-specific fertilizer application. Soil & Tillage Research,
v.106, p.185–193. 2010.
GONÇALVES, M. G.; FARIAS, L. N.; COSTA, A. D.; MOTA, L. dos S.; OLIVEIRA,
B. L. de; CEDDIA, M. B.; VIEIRA, S. R. Contribuição da geoestatística para o
planejamento experimental de uma pastagem do sistema integrado de produção
agroecológica (Fazendinha km-47). Rev. Univ. Rural, v. 25, n. 1, p.01-05. 2005.
HIROBE, M.; KONDO, J.; ENKHBAATAR, A.; AMARTUVSHIN, N.; FUJITA, N.;
SAKAMOTO,K.; YOSHIKAWA, K.; KIELLAND, K. Effects of livestock grazing on
the spatial heterogeneity of net soil nitrogen mineralization in three types of
Mongolian grasslands. Journal Soils Sediments DOI 10.1007/s11368-013-
0702-6. 2013.
KÖPPEN, W.; GEIGER, R. Die Klimate der Rrde. Gotha, Verlag Justus Perthes,
Wall-map 150 cm x 200 cm. 1928.
LI, Y.; SHI, Z.; LI, F. Delineation of Site-Specific Management Zones Based on
Temporal and Spatial Variability of Soil Electrical Conductivity. Soil Science
Society of China, v. 17, n. 2, p.156-164. 2007.
PENG, G.; BING, W.; GUANGPO, G.; GUANGCAN, Z. Spatial Distribution of Soil
Organic Carbon and Total Nitrogen Based on GIS and Geostatistics in a Small
Watershed in a Hilly Area of Northern China. PLOS ONE, v. 8, n. 12, p.1-9. 2013.
SANTI, A. L.; AMADO, T. J. C.; CHERUBIN, M. R.; MARTIN, T. N.; PIRES, J. L.;
FLORA, L. P. D.; 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.
SILVA, S. A., LIMA, J. S. S., BOTTEGA, E. L. Yield mapping of arabic coffee and
their relationship with plant nutritional status. Journal of Soil Science and Plant
Nutrition, v. 13, n. 3, p.556-564. 2013.
YAN, L.; ZHOU, S.; CI-FANG, W.; HONG-YI, L.; FANG, L. Determinationof
potential management zones from soil electrical conductivity, yield and crop data.
Journal of Zhejiang University Science B, v. 9, n. 1, p.68-76. 2008.
APÊNDICES
79
Apêndice A
Apêndice B
Apêndice C
Intervalo das classes dos mapas dos atributos físicos e químicos do solo e da
produtividade do cacaueiro
88
pH
Classes Centroide
M s
1 6,01 0,09
3 2 6,36 0,15
3 5,64 0,16
H+Al
Classes Centroide
M s
1 4,53 0,33
3 2 5,91 0,47
3 3,18 0,45
P
Classes Centroide
M s
1 25,06 3,89
3 2 42,23 6,30
3 12,34 3,09
K
Classes Centroide M s
1 0,10 0
3 2 0,07 0
3 0,05 0
Ca
Classes Centroide
M s
1 10,69 0,65
3 2 13,21 1,17
3 8,22 0,71
Mg
Classes Centroide
M s
1 6,00 0,28
2 4,82 0,48
4
3 6,82 0,24
4 8,06 0,50
Ca/Mg
Classes Centroide
M s
1 1,68 0,12
3 2 2,10 0,18
3 1,26 0,14
89
Fe
Classes Centroide
M s
1 226,53 25,33
2 148,63 21,77
4
3 352,50 32,13
4 73,13 27,12
Zn
Classes Centroide
M s
1 9,00 0
3 2 10,94 0,99
3 7,77 0,53
Cu
Classes Centroide
M s
1 7,43 0,51
3 2 4,64 1,19
3 10,22 1,49
SB
Classes Centroide
M s
1 17,35 0,77
3 2 20,20 1,40
3 13,87 1,09
V (%)
Classes Centroide
M s
1 87,24 2,21
3 2 80,64 1,76
3 73,09 3,08
CTC efetiva
Classes Centroide
M s
1 17,35 0,77
3 2 20,20 1,40
3 13,88 1,07
CTC pH 7,0
Classes Centroide
M s
1 22,24 0,87
3 2 26,03 1,21
3 18,98 0,91
COT
Classes Centroide
M s
1 15,69 1,33
2 19,88 1,20
4
3 24,84 1,34
4 10,74 1,90
Na
Classes Centroide
M s
1 0,09 0
3 2 0,10 0
3 0,07 0
90
AG
Classes Centroide
M s
1 159,44 17,22
2 211,36 13,79
4
3 86,20 20,47
4 276,49 26,61
AF
Classes Centroide
M s
1 220,20 13,83
2 272,83 12,37
4
3 163,58 13,43
4 318,55 15,55
AT
Classes Centroide
M s
1 428,67 28,16
3 2 530,41 32,59
3 273,54 44,50
ARG
Classes Centroide
M s
1 158,34 8,30
2 130,03 7,56
4
3 196,28 15,16
4 100,39 9,75
SIL
Classes Centroide
M s
1 410,81 11,38
2 370,90 10,81
4
3 325,63 16,56
4 448,63 13,85
Cacau Temporão
Classes Centroide
M s
1 3720,48 843,11
3 2 7111,33 1185,78
3 620,89 691,97
Cacau Safra
Classes Centroide
M s
1 1538,04 229,87
3 2 730,99 181,97
3 143,21 143,11
AG – areia grossa; AF – areia fina; AT – areia total; ARG – argila; SIL – silte; M – média; s –
desvio padrão; M – média; s – desvio padrão.
91
Apêndice D
AT (g kg-1)
ZM_AT Classes
M s
1 309,34 50,76
2
2 486,10 39,25
1 290,58 38,49
3 2 438,89 30,64
3 514,46 22,36
1 271,35 25,08
2 370,90 28,29
4
3 460,59 19,50
4 521,38 19,24
1 263,65 19,76
2 345,20 26,29
5
3 427,42 19,11
4 476,80 14,11
ARG (g kg-1)
ZM_ARG Classes
M s
1 147,48 36,49
2
2 375,90 60,28
1 137,32 23,07
3 2 264,79 44,27
3 413,72 31,72
1 126,87 15,32
2 179,98 23,97
4
3 295,16 34,81
4 418,44 27,23
1 121,37 12,92
2 159,54 15,05
5
3 240,87 26,75
4 334,23 26,55
ZM – zona de manejo; AT – areia total; ARG - argila; M – média; s – desvio padrão
93
SIL (g kg-1)
ZM_SIL Classes
M s
1 57,37 73,21
2
2 359,38 47,63
1 7,76 20,91
3 2 189,58 48,50
3 369,12 33,97
1 7,76 20,91
2 173,73 37,66
4
3 319,92 27,49
4 387,35 19,47
1 7,76 20,91
2 171,46 35,97
5
3 301,27 24,25
4 361,38 13,65
5 400,23 14,45
T (kg ha-1)
ZM_T Classes
M s
1 1745,85 333,98
2
2 2950,20 360,40
1 1605,60 249,17
3 2 2503,87 234,83
3 3235,62 227,17
1 1426,03 153,66
2 1989,28 197,83
4
3 2669,92 181,15
4 3301,18 193,72
1 1370,21 112,53
2 1831,39 135,02
5
3 2359,37 138,26
4 2807,01 140,91
5 3336,11 180,18
ZM – zona de manejo; SIL – silte; T - temporão; M – média; s – desvio padrão.
94
S (kg ha-1)
ZM_S Classes
M s
1 1026,82 325,70
2
2 2651,58 837,72
1 941,85 242,92
3 2 2036,93 371,35
3 3863,23 781,06
1 839,26 173,97
2 1445,21 231,48
4
3 2355,27 319,36
4 4041,03 760,80
1 768,00 150,12
2 1162,24 149,82
5
3 1842,52 210,28
4 2618,25 305,94
5 4178,25 747,93
ZM – zona de manejo; S - safra; M – média; s – desvio padrão.
95
AT (g kg-1) SIL
ZM_AT_SIL Classes (g kg-1)
M s M s
1 297,97 47,35 48,14 71,59
2
2 479,58 46,96 352,30 61,05
1 294,70 44,50 43,29 67,49
3 2 437,59 33,93 369,31 51,32
3 513,51 23,28 335,30 67,26
1 275,28 31,43 6,24 20,05
2 369,41 49,17 185,11 78,40
4
3 445,96 27,82 379,94 36,26
4 515,76 22,34 337,36 61,74
1 273,16 28,53 6,22 20,30
2 366,68 48,23 146,97 55,77
5 3 416,69 33,31 341,75 5,17
4 468,73 16,10 391,76 21,01
5 521,57 19,73 332,84 63,29
ZM – zona de manejo; AT – areia total; SIL - silte; M – média; s – desvio padrão.
96
ARG SIL
ZM_ARG_SIL Classes (g kg-1) (g kg-1)
M s M S
1 151,20 42,28 352,30 61,05
2
2 385,04 55,19 48,14 71,59
1 139,38 27,36 372,53 33,97
3 2 218,20 64,02 250,00 78,21
3 400,02 43,87 26,98 53,30
1 138,60 28,64 382,15 23,59
2 174,37 48,17 282,46 64,87
4
3 306,31 28,04 175,88 62,46
4 413,11 33,08 7,18 20,77
1 127,57 16,86 375,87 28,03
2 144,68 22,24 232,39 60,67
5 3 202,05 38,37 364,24 35,79
4 307,84 28,89 160,93 42,95
5 413,11 33,08 7,18 20,77
ZM – zona de manejo; ARG – argila; SIL - silte; M – média; s – desvio padrão.
S AT
ZM_S_AT Classes (kg ha-1) (g kg-1)
M s M S
1 1054,37 475,65 319,48 57,21
2
2 1511,27 763,80 489,08 37,01
1 991,47 357,60 307,10 51,28
3 2 1028,60 291,80 493,16 42,09
3 2370,79 577,92 463,45 43,85
1 1004,62 353,17 422,77 32,25
2 1032,26 354,76 284,97 35,68
4
3 1034,17 281,41 516,28 24,11
4 2401,56 568,72 464,68 43,99
1 871,52 260,83 414,82 34,77
2 993,87 243,12 516,55 24,75
5 3 1042,10 355,69 282,43 33,97
4 1915,03 278,09 462,89 42,66
5 2976,72 523,06 470,03 43,00
ZM – zona de manejo; S – safra; AT – areia total; M – média; s – desvio padrão.
97
S ARG
ZM_S_ARG Classes (kg ha-1) (g kg-1)
M s M s
1 1074,35 494,93 365,36 67,81
2
2 1486,57 759,47 144,58 32,66
1 1005,14 370,17 381,92 58,84
3 2 1028,90 295,14 146,17 40,43
3 2391,98 570,66 163,87 52,81
1 929,91 212,15 146,09 41,45
2 979,24 363,90 389,29 53,52
4
3 1787,42 275,47 162,06 53,57
4 2826,06 537,43 168,32 54,47
1 938,23 341,67 243,37 36,94
2 969,79 223,61 130,25 21,57
5 3 1001,05 359,68 402,98 41,11
4 1890,44 2.741,22 154,59 44,63
5 2936,59 525,89 169,50 58,33
ZM – zona de manejo; S – safra; ARG – argila; M – média; s – desvio padrão.
S SIL
ZM_S_SIL Classes (kg ha-1) (g kg-1)
M s M s
1 1033,61 489,26 73,74 86,30
2
2 1505,70 753,05 363,70 42,37
1 990,04 431,77 49,38 70,07
3 2 1047,53 289,61 354,44 49,91
3 2387,28 573,24 355,36 66,94
1 935,07 209,17 349,34 52,67
2 971,53 368,21 47,68 68,53
4
3 1803,13 292,07 367,99 57,06
4 2879,07 531,91 330,23 88,33
1 852,69 334,75 205,49 55,78
2 993,02 220,85 368,19 30,76
5 3 1002,33 352,79 9,91 25,47
4 1885,64 274,66 368,13 57,03
5 2936,59 525,89 327,41 91,71
ZM – zona de manejo; S – safra; SIL - silte; M – média; s – desvio padrão.
98
T AT
ZM_T_AT Classes (kg ha-1) (g kg-1)
M s M s
1 1769,67 393,89 491,12 47,63
2
2 2907,24 412,42 398,20 92,43
1 1698,04 330,83 493,57 43,82
3 2 2640,38 412,68 305,96 49,05
3 3030,82 364,71 474,38 34,05
1 1563,68 249,11 503,59 38,54
2 2295,25 310,73 442,15 49,17
4
3 2725,27 381,10 289,97 38,75
4 3173,17 284,45 481,55 32,30
1 1535,45 215,70 499,98 40,68
2 2265,00 321,98 358,91 33,64
5 3 2388,75 255,04 485,71 35,21
4 2893,80 318,15 268,93 25,54
5 3208,99 260,91 474,59 32,50
ZM – zona de manejo; T – temporão; AT – areia total; M – média; s – desvio padrão.
T ARG
ZM_T_ARG Classes (kg ha-1) (g kg-1)
M s M s
1 1780,80 394,49 146,71 39,07
2
2 2920,34 406,94 249,50 122,50
1 1698,36 321,93 148,61 42,02
3 2 2693,53 381,41 380,67 57,34
3 3012,99 373,66 149,97 35,79
1 1552,57 221,08 140,90 34,67
2 2372,14 281,02 177,52 53,04
4
3 2717,11 386,61 389,49 50,56
4 3217,28 260,83 140,76 28,94
1 1471,20 183,64 134,17 31,65
2 2000,01 187,41 178,43 55,85
5 3 2667,70 201,74 166,72 49,29
4 2738,62 375,03 392,35 49,00
5 3322,31 202,07 139,20 23,56
ZM – zona de manejo; T – temporão; ARG – argila; M – média; s – desvio padrão.
99
T SIL
ZM_T_SIL Classes (kg ha-1) (g kg-1)
M s M S
1 2956,00 364,60 244,45 169,11
2
2 1766,72 358,87 332,66 77,52
1 2699,70 404,73 50,22 70,90
3 2 1709,71 332,22 340,91 65,70
3 3005,78 376,56 370,40 39,48
1 2743,00 389,24 39,69 63,31
2 2354,55 241,05 322,67 69,24
4
3 1559,95 224,43 347,99 66,96
4 3194,78 273,23 378,77 31,39
1 2845,65 321,16 16,01 41,82
2 2018,67 420,13 180,69 49,60
5 3 2506,27 249,01 352,60 37,67
4 1580,39 241,30 366,61 37,91
5 3279,52 228,77 382,77 28,71
ZM – zona de manejo; T – temporão; SIL - silte; M – média; s – desvio padrão.
T S
ZM_T_S Classes (kg ha-1) ( kg ha-1)
M s M s
1 1839,68 429,95 1068,63 471,21
2
2 2951,00 466,33 1689,57 794,65
1 1686,71 320,05 1027,56 375,95
3 2 2620,59 541,36 2452,38 574,41
3 2950,13 378,95 1080,93 333,39
1 1625,88 272,69 1002,02 339,84
2 2404,23 530,16 2572,20 577,10
4
3 2707,89 325,21 937,70 252,96
4 3287,47 273,72 1618,44 344,30
1 1613,72 269,60 928,44 248,54
2 1817,62 331,74 2119,34 415,44
5 3 2626,50 272,40 942,25 266,41
4 2800,06 376,54 2589,85 600,88
5 3314,50 217,91 1367,46 349,63
ZM – zona de manejo; T – temporão; S - safra; M – média; s – desvio padrão.
100
T S AT
ZM_T_S_AT Classes (kg ha-1) (kg ha-1) (g kg-1)
M s M s M s
1 1759,92 392,38 1163,50 548,60 486,00 54,69
2 2900,41 411,90 1550,47 796,22 403,47 93,35
2
1 90,47 359,51 1130,44 483,86 495,59 44,96
3 2 2632,21 416,85 974,50 364,20 308,91 54,67
3 2948,25 447,20 1887,31 799,38 468,54 42,98
1 1647,53 320,03 1005,18 320,59 498,17 47,75
2 427,21 539,35 528,08 581,68 460,32 47,27
4 2627,27 427,72 989,52 368,64 302,08 48,67
3
4 119,25 339,31 1296,85 427,49 475,12 34,62
1 1611,00 278,07 990,63 306,41 497,70 48,85
2 2247,35 476,33 2561,23 616,88 456,26 47,98
5 3 2651,34 433,34 1014,04 373,24 294,43 42,45
4 2781,68 358,75 951,49 242,93 467,36 45,31
5 3280,13 267,22 1811,59 434,97 478,67 32,58
ZM – zona de manejo; T – temporão; S – safra; AT – areia total; M – média; s – desvio padrão.
101
T S ARG
ZM_T_S_ARG Classes (kg ha-1) (kg ha-1) (g kg-1)
M s M s M s
1 1766,70 388,67 1110,44 492,42 159,87 59,81
2
2 2909,68 409,70 1598,91 803,51 236,73 123,27
1 1710,80 365,12 1127,60 478,08 147,55 42,45
3 2 2688,47 385,22 1019,21 449,08 377,53 62,98
3 2952,15 448,56 1871,42 806,35 153,00 41,56
1 1658,89 318,77 1043,41 373,81 149,32 45,92
2 2507,99 516,12 2538,93 581,21 170,31 58,02
4
3 2688,69 390,71 985,45 371,96 383,23 58,60
4 3117,35 346,18 1270,52 399,85 143,36 31,19
1 1626,95 305,10 919,28 229,23 145,56 44,52
2 1871,15 338,72 1965,51 458,07 155,85 36,64
5 3 2685,14 393,09 993,10 370,37 385,42 56,58
4 2806,59 395,92 2600,83 595,98 175,10 64,52
5 3094,65 356,68 1193,69 360,50 146,83 35,69
ZM – zona de manejo; T – temporão; S – safra; ARG – argila; M – média; s – desvio padrão.
T S SIL
ZM_T_S_SIL Classes (kg ha-1) (kg ha-1) (g kg-1)
M s M s M s
1 1886,31 464,68 1048,05 453,51 281,09 134,92
2
2 2957,94 420,91 1745,00 786,65 291,51 147,42
1 1722,42 373,35 1122,84 479,55 345,44 63,30
3 2 2696,15 415,79 1007,53 429,87 45,91 70,42
3 2937,31 447,83 1858,08 805,14 357,95 59,95
1 1680,46 333,91 1049,08 377,04 338,48 66,39
2 2522,06 523,06 2542,61 578,86 346,35 73,98
4
3 2707,17 410,42 1010,41 432,98 43,82 69,11
4 3106,88 351,72 1261,75 387,24 372,97 37,55
1 1524,24 212,05 1040,56 379,14 341,43 69,67
2 2303,40 272,09 1176,58 377,19 321,40 69,49
5 3 2459,07 497,28 2606,07 578,65 342,69 77,24
4 2740,56 406,30 1015,60 433,60 31,00 56,51
5 3234,99 265,55 1379,81 436,78 378,51 34,39
ZM – zona de manejo; T – temporão; S – safra; SIL - silte; M – média; s – desvio padrão.
102