Modelagem geoestatística das incertezas da distribuição espacial do fósforo disponível no solo, em área de cana-de-açúcar

Abstract

RESUMOO fósforo destaca-se como um dos nutrientes limitantes ao desenvolvimento da cultura da cana-de-açúcar em solos brasileiros. Esse elemento apresenta grande variabilidade espacial, coordenada pelos atributos que regem as reações de adsorção e dessorção. Estimativas espaciais são conduzidas por meio de interpolações geoestatísticas para a caracterização dessa variabilidade. No entanto, tais estimativas apresentam incertezas inerentes ao procedimento que estão associadas à estrutura de variabilidade do atributo em estudo e à configuração amostral da área. Dessa forma, avaliar a incerteza das predições associada à distribuição espacial do fósforo disponível (P lábil ) é importante para otimizar o uso dos fertilizantes fosfatados. O objetivo deste estudo foi avaliar o desempenho da simulação sequencial gaussiana (SSG) e da krigagem ordinária (KO) na modelagem da incerteza das predições do fósforo disponível. Uma malha amostral com 626 pontos foi instalada em uma área experimental de 200 hectares de cana-de-açúcar no município de Tabapuã, São Paulo. Foram geradas 200 realizações por meio do algoritmo da SSG. As realizações da SSG reproduziram as estatísticas e a distribuição dos dados amostrais. A estatística G (0,81) indicou boa proximidade entre as frações dos valores simulados e as dos observados. As realizações da SSG preservaram a variabilidade espacial do P lábil , sem o efeito de suavização obtido pelo mapa da KO. A acurácia na reprodução do variograma dos dados amostrais,

Variabilidade espacial de atributos físicos de solo coeso sob sistemas de manejo convencional e de plantio direto

“…Esse modelo tem sido o mais utilizado para descrever o comportamento de atributos do solo (Cambardella et al, 1994;Oliveira et al, 2013). Os três atributos avaliados apresentaram grau de dependência espacial (GDE) moderada, segundo a classificação de Cambardella et al (1994).…”

Comparação de mapas temáticos de diferentes grades amostrais para a produtividade da soja

“…Por meio desta análise, busca-se estimar os parâmetros que caracterizam a estrutura de dependência espacial, para posteriormente serem utilizados em técnicas de interpolação, como a krigagem, para fins de construção de mapas temáticos a serem considerados na tomada de decisão, com um melhor gerenciamento do processo produtivo das propriedades agrícolas (MOLIN, 2008;OLIVEIRA, et al, 2013;ASSUMPÇÃO et al, 2014).…”

Stochastic simulations of calcium contents in sugarcane area

“…The best model adjusted to the normalized Ca data was the spherical, with nugget effect (C 0 ) = 0.32, sill (C 0 + C 1 ) = 1.030 and range (a) = 377.06 m. The degree of spatial dependence, obtained by the ratio C 0 /(C 0 + C 1 ), indicates that both adopted variograms had strong spatial dependence (Cambardella et al, 1994), showing that the normalization necessary for the geostatistical simulation methods preserved the structure of dependence of the evaluated attribute (Oliveira et al, 2013).…”

“…These maps visually confirmed the characteristic of smoothness of OK, that is, they smoothed the local details of the spatial variation of the Ca contents in the area. This smoothing of the results is due to the criterion of least squares of the kriging algorithm, which overestimates low values and underestimates relevant values of Ca contents (Lin et al, 2001;Oliveira et al, 2013;Silva Júnior et al, 2013).…”

“…As alternatives for the smoothness promoted by OK and the incapacity to reproduce the uncertainties through its variance, stochastic simulations have been widely applied for the most diverse purposes in the last years, among which some stand out: simulation of distribution and spatial variability of heavy metals in the soil, for the identification of polluted areas (Lin, 2008); evaluation of uncertainties of soil chemical (Oliveira et al, 2013) and mineralogical attributes (Silva Júnior et al, 2013), and soil classes (Silva et al, 2015); construction of different scenarios of estimates for soil CO 2 (Teixeira et al, 2012) and demarcation of erosion-prone areas (Delbari et al, 2009).…”