Predição da fertilidade do solo do polo agrícola do Rio de Janeiro por meio de modelagem solo x paisagem

Abstract

Resumo -O objetivo deste trabalho foi predizer a fertilidade do solo no polo agrícola do Estado do Rio de Janeiro, por meio da modelagem solo x paisagem. A área de estudo compreendeu as regiões mais produtivas do Estado do Rio de Janeiro: Norte, Noroeste e Serrana. Características químicas do solo -pH em H 2 O e capacidade de troca catiônica (CTC) -e ambientais -elevação, plano de curvatura, perfil de curvatura, índice de umidade, aspecto e declividade do terreno, além de tipos de solos, índice de vegetação normalizada (NDVI), imagens Landsat 7 e litologia -foram utilizadas como variáveis preditoras. A análise exploratória dos dados identificou valores extremos, os quais foram expurgados, na preparação para a análise por regressão linear múltipla (RLM). Aos resultados da RLM, foram adicionados os resultados de krigagem dos resíduos da regressão, com uma técnica de mapeamento digital de solos (MDS) denominada regressão-krigagem. Na região Serrana, as variáveis ambientais explicaram as variáveis químicas. A variável NDVI foi importante nas três regiões, o que evidencia a importância da cobertura vegetal para a predição da fertilidade do solo. Em geral, os solos analisados apresentaram baixo pH. Os valores de CTC, nas regiões estudadas, estão dentro do intervalo considerado bom para a fertilidade do solo.Termos para indexação: mapeamento digital de solos, pedometria, regressão-krigagem, variabilidade espacial. Prediction of soil fertility of the agricultural hub of the state of Rio de Janeiro using soil x landscape modelingAbstract -The objective of this work was to predict soil fertility in the agricultural hub of the state of Rio de Janeiro, Brazil, using soil x landscape modeling. The studied area comprised the most productive regions of the state of Rio de Janeiro: northern, northwestern, and Serrana (highlands). Soil chemical traits -pH H 2 O and cation exchange capacity (CEC) -and environmental variables -elevation, plane of curvature, curvature profile, moisture content index, aspect and slope of the terrain, in addition to soil types, normalized difference vegetation index (NDVI), Landsat 7 images, and lithology -were used as prediction variables. Exploratory data analysis identified outliers, which were purged, in the preparation for analysis by multiple linear regression (MLR). The kriging results of the regression residuals were added to the results of MLR, using a soil digital mapping (SDM) technique known as regression-kriging. In the Serrana region, the environmental variables explained the chemical variables. The NDVI variable was significant in all three regions, showing the importance of vegetation cover for the prediction of soil fertility. Generally, the tested soils showed low pH. The CEC values in the studied regions are within the range considered good for soil fertility.