RESUMOParte da variabilidade dos índices de produção agrícola está associada com as características do solo e da paisagem. Dessa forma, práticas de manejo, como a adubação, devem levar em consideração esta variabilidade. O sensoriamento remoto é uma ferramenta que pode fornecer, de maneira rápida, informações para o manejo do solo, pois relaciona a radiação eletromagnética com os atributos do solo. Assim, este trabalho teve como objetivo avaliar o comportamento espectral, em dois níveis de aquisição de dados (terrestre e orbital), de diferentes classes de solos ao longo de toposseqüências na região de São Carlos e Ibaté, SP. Para isso, amostras de terra georreferenciadas foram coletadas em 319 pontos, em três profundidades. Em seguida, obtiveram-se os dados radiométricos em laboratório, na faixa espectral entre 450 e 2.500 nm. Os mesmos locais amostrados na camada superficial, no campo, foram avaliados na imagem de satélite. A partir dos resultados obtidos, pode-se concluir que: (a) teores de areia grossa, argila e matéria orgânica, e cor tiveram relação com a reflectância dos solos; (b) ao longo das vertentes ocorrem variações nos dados espectrais dos solos; e (c) solos da mesma ordem taxonômica, porém com classes texturais diferentes, apresentam diferentes comportamentos espectrais, podendo ser discriminados por sensoriamento remoto.Termos de indexação: toposseqüência, atributos do solo, reflectância.
ResumoO uso de técnicas de sensoriamento remoto nos estudos de solo é relativamente recente e pode abrir novos campos nesta área. Objetivou-se com este trabalho estimar atributos químicos e físicos de solos da região de Ibaté e São Carlos (SP), por meio de equações de regressão linear e múltipla, geradas a partir de informações eletromagnéticas captadas por sensores instalados em laboratório e satélite. Foi realizada uma análise da viabilidade econômica da utilização de sensores na quantificação de elementos do solo em comparação ao método convencional de análises de solo. Para tanto, foram georreferenciadas e realizadas análises espectrais em laboratório (sensor FieldSpec, 400-2500 nm) e por sensor orbital (ASTER) de 319 amostras de terra. Assim, elaboraram-se modelos de predição para atributos de amostras de terra desconhecidas, nos dois níveis de aquisição. Foi possível quantificar o teor de argila (R² = 0,69) e areia (R² = 0,53) do solo, utilizando-se a energia eletromagnética refletida e mensurada por sensor terrestre. Através do sensor orbital obtiveram-se coeficientes de determinação de 0,45 e 0,41 para areia grossa e areia total respectivamente. Verificaram-se que a análise de atributos do solo por sensores pode ser um método menos oneroso, mais rápido e não poluente, como apoio ao método tradicional de análise de terra.Palavras-chave: sensores; quantificação de atributos; agricultura de precisão.Terrestrial and orbital spectral models for the determination of soil attributes: potential and costs AbstractThe use of remote sensing techniques in soils studies is relatively new. Further research in this area should be made. The objective of this work was to estimate chemical and granulometric attributes of soil from Ibaté and São Carlos counties, State of São Paulo, through multiple and linear regression equations generated with reflected electromagnetic information collect by sensors installed in laboratory and satellite. An analysis of the economic viability of the sensor uses for quantifying soil attributes were carried out in comparison with the conventional method of soil analysis. It was collected and georeferenced 319 soil samples. The soil samples were evaluated by laboratory sensor (FielSpec) and orbital image (ASTER). Spectral prediction models were elaborated for both acquisition levels. The models were used to determine the attributes on unknown samples. It was possible to quantify some soil attributes, such as clay (R² = 0.69) and sand (R² = 0.53) content using the reflected electromagnetic energy measures by terrestrial sensor. The orbital sensor showed good results to predict coarse sand (R² = 0.45) e total sand (R² = 0.41). It was verified that the attribute analysis by sensors can be cheaper and faster to assist the traditional method of soil analysis.
RESUMOOs levantamentos de solos são na maioria antigos e pouco detalhados, geralmente nos níveis exploratório e de reconhecimento. Isso pode ser explicado pelo fato de que o método tradicional de levantamento de solos é lento e caro, requerendo grande número de observações de campo. Assim, o presente trabalho teve como objetivo caracterizar unidades de mapeamento de solos das regiões de Ibaté e São Carlos, SP, desenvolvidos de materiais basálticos e areníticos em função da declividade e altitudes correspondentes, com base em modelo digital de elevação (MDE). Primeiramente, foi feito um mapa de solos semidetalhado pelo método tradicional. Posteriormente, utilizando-se curvas de nível da região, foi elaborado o MDE, do qual foram extraídos mapas com diferentes classes de declividade e elevação. Por meio da tabulação cruzada, foi determinada a incidência de cada solo nas respectivas classes de declives e altitudes. Cada solo apresentou comportamento diferenciado em relação às classes de declive. Contudo, nas faixas limítrofes de declividade pode ocorrer sobreposição de dois ou mais solos. Na referida região, o Latossolo Amarelo encontra-se predominantemente nas regiões mais altas e de relevo plano; entretanto, solos pouco intemperizados, como os Neossolos Litólicos, aparecem em diferentes faixas de declividade. Conclui-se que o conhecimento da distribuição dos solos no relevo é de grande importância, pois facilita a execução do levantamento de solos. O modelo de elevação apresenta semelhanças com o mapa de solos, podendo auxiliar na sua determinação. As variações de solo, no entanto, são mais complexas, não dispensando as observações de campo.
The understanding of sugar cane straw decomposition dynamics is essential for defining a sustainable rate of straw removal for bioenergy production without jeopardising soil functioning and other ecosystem services. Thus, we conducted a field study in south-east Brazil over 360 days to evaluate sugar cane straw decomposition and changes in its composition as affected by increasing initial straw amounts and management practices. The sugar cane straw amounts tested were: (1) 3.5 Mg ha–1 (i.e. 75% removal); (2) 7.0 Mg ha–1 (i.e. 50% removal); (3) 14.0 Mg ha–1 (i.e. no removal); and (4) 21.0 Mg ha–1 (i.e. no removal plus 50% of the extra straw left on the field). In addition, two management practices were studied for the reference straw amount (14 Mg ha–1), namely straw incorporation into the soil and irrigation with vinasse. The findings showed that dry mass (DM) loss increased logarithmically as a function of the initial amount left on the soil surface. An exponential curve efficiently described straw DM and C losses, in which more readily decomposable compounds are preferably consumed, leaving compounds that are more recalcitrant in the late stages of decomposition. After 1 year of decomposition, net straw C and N losses reached approximately 70% and 23% respectively for the highest initial straw amounts. Straw incorporation in the soil significantly accelerated the decomposition process (i.e. 86% DM loss after 1 year) compared with maintenance of straw on the soil surface (65% DM loss after 1 year), whereas irrigation with vinasse had little effect on decomposition (60% DM loss after 1 year). We conclude that straw decomposition data are an essential starting point for a better understanding of the environmental effects caused by straw removal and other management practices in sugar cane fields. This information can be used in models and integrated assessments towards a more sustainable sugar cane straw management for bioenergy production.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.