Variabilidade espacial da textura em solo aluvial sob o cultivo de cenoura (Daucus Carota L.)

Variabilidade espacial da textura em solo aluvial sob o cultivo de cenoura (Daucus Carota L.) ANDRADE, CAROLYNE WANESSA LINS DE ¹; SILVA, JUCICLÉIA SO...
0 downloads 0 Views 299KB Size
Variabilidade espacial da textura em solo aluvial sob o cultivo de cenoura (Daucus Carota L.) ANDRADE, CAROLYNE WANESSA LINS DE ¹; SILVA, JUCICLÉIA SOARES DA ²; MONTENEGRO, ABELARDO ANTÔNIO DE ASSUNÇÃO ³; MONTENEGRO, SUZANA MARIA GICO LIMA 4; TAVARES, UILKA ELISA 2 1

Mestranda em Engenharia Agrícola, UFRPE/Recife - PE, Brasil, [email protected] 2 Doutoranda em Engenharia Agrícola, URFPE/Recife - PE. ³ Professor Associado, URFPE/Recife - PE. 4 Professora Associada, UFPE/Recife - PE. 5 Professor Adjunto, URFPE/Recife - PE. RESUMO: Em muitas áreas irrigadas de regiões semiáridas brasileiras há um grande risco de perda de produção e de aproveitamento dos recursos naturais devido ao manejo inadequado de água e solo. Uma das técnicas onde é possível realizar uma descrição quantitativa da variabilidade é a geoestatística, que pode contribuir para o planejamento e o manejo adequado das áreas irrigadas. O objetivo deste trabalho foi estudar a variabilidade espacial da textura na profundidade de 0 a 20 cm, em um solo aluvial do semiárido pernambucano sob o cultivo de cenoura (Daucus carota L.) durante o período seco de 2012, a fim de investigar a dependência espacial da textura do solo de modo a orientar técnicas de manejo mais eficientes, propondo o melhoramento da produção agrícola na região. Adotando uma malha regular 4 x 4 m com 49 pontos, foram realizadas amostragens para determinação da textura do solo através do método do densímetro. As variáveis foram submetidas à análise estatística clássica, seguida de análise geoestatística. A variabilidade dos dados de areia e argila foi classificada como baixa, enquanto que o silte apresentou média variabilidade. Os valores de areia e silte apresentaram fraca dependência espacial e a argila, moderada dependência. Palavras-Chave: Geoestatística, mapas de krigagem, semiárido Spatial variability of texture of a alluvial soil under cultivation of carrot (Daucus Carota L.) ABSTRACT: In many irrigated areas of semi-arid Brazilian there is a great risk of loss of production and use of natural resources due to inadequate management of water and soil. One of the techniques which you can perform a quantitative description of the variability is geostatistics, which can contribute to the planning and proper management of irrigated areas. The objective of this work was to study the spatial variability of texture depth 0-20 cm, in a semiarid alluvial soil of Pernambuco under cultivation carrot (Daucus carota L.) during the dry period of 2012, in order to investigate the dependence spatial soil texture in order to guide more efficient management techniques, proposing the improvement of agricultural production in the region. Adopting a regular grid 4 x 4 m with 49 points, samples were taken to determine soil texture by the hydrometer method. The variables were subjected to statistical analysis classic, followed by geostatistical analysis. The variability of the data of sand and clay was classified as low, while the silt had a mean variability. The amounts of sand and silt showed weak spatial dependence and clay, moderate dependence. Keywords: Geostatistics, kriging maps, semiarid 1

Introdução O manejo adequado do solo tem grande importância, uma vez que interfere na produção de alimentos e consequentemente na economia local. Na região semiárida, há um grande risco de perda de produção e de aproveitamento dos recursos naturais devido ao manejo inadequado de água e solo. De acordo com Duda & Araújo (2003), a cenoura constitui uma das hortaliças mais cultivadas e de maior valor econômico no Brasil. Entretanto, a produtividade da cenoura pode ser afetada devido a utilização de água com baixa qualidade, com níveis elevados de sais, utilização de quantidades substanciais de produtos químicos, que constituem práticas de manejo inadequadas. Para alcançar a sustentabilidade agrícola, é necessário conhecer a variabilidade das propriedades dos solos de cada região. O conhecimento do comportamento espacial da textura do solo pode auxiliar no entendimento de processos pedogenéticos (Young et al., 1999), na compreensão do movimento de água no solo e na inserção de práticas conservacionistas, quando necessário (Bouma et al., 1999). A maioria dos estudos sobre as propriedades físicas do solo tem apresentando uma ampla variedade de resultados, devido aos diferentes locais de estudo, tipos de solos e diferentes sistemas de manejo (Grego & Vieira, 2005). Entretanto, segundo Campos et al. (2013), as propriedades físicas constituem bons indicadores da qualidade do solo e através delas podem ser realizados monitoramentos e encontrar áreas que sofreram algum tipo de interferência. A qualidade estrutural está associada às condições favoráveis ao crescimento das raízes, a aeração e ao movimento de água no solo (Gomes et al., 2007). Analogamente, Siqueira et al. (2010) afirmam que o solo com pobre estrutura física apresenta dinâmica e estoque de água limitados, o que reduz a área explorada pelas raízes das plantas. Portanto, o processo de formação do solo como o manejo empregado no cultivo e na colheita pode alterar esta qualidade, desequilibrando os atributos físicos, químicos e biológicos (Silva & Cabeda, 2006). As alterações na estrutura do solo incidem no arranjo das partículas, consequentemente, afetando a distribuição de poros, a resistência mecânica do solo à penetração e a densidade do solo (Oliveira et al., 2010; Tormena et al., 2002). Assim, a macroporosidade é drasticamente reduzida com a compactação, ocasionando o aumento da densidade do solo e sua resistência mecânica à penetração das raízes, o que faz com que estas propriedades sirvam como indicadoras ao crescimento radicular das culturas. O solo apresenta uma heterogeneidade de suas propriedades, por isso, Cambardella et al. (1994) e Vieira (2000) ressaltam que conhecer a variabilidade existente nos solo melhora as práticas manejo e permitindo um manejo específico para diferentes locais . Diante disso, a geoestatística é uma ferramenta que possibilita o conhecimento da variabilidade espacial do solo. Através da geoestatística, é possível realizar uma descrição quantitativa da variabilidade espacial das propriedades do solo e a estimativa de valores dessas propriedades em locais não amostrados (Vieira, 2000). As alterações para corrigir variações indesejáveis da demanda de nutrientes, água ou até mesmo manejo, passam a ser delimitadas por mapas de isovalores das variáveis de interesse. Dentre os estudos que utilizaram técnicas geoestatísticas para o mapeamento de propriedades do solo, podem-se citar: Montenegro et al. (2006), que avaliaram a variabilidade 2

espacial de classes de textura, salinidade, e condutividade hidráulica de solos em planície aluvial. Leão et al., (2010), que estudaram a variabilidade espacial da textura de um latossolo sob cultivo de citros; Mion et al., (2012), que observaram a variabilidade espacial da porosidade total, umidade e resistência do solo à penetração de um argissolo amarelo; Campos et al. (2013), que analisaram a variabilidade espacial dos atributos físicos em argissolo vermelho sob floresta. O objetivo deste trabalho foi estudar a variabilidade espacial da textura na profundidade de 0 a 20 cm, em um solo aluvial do semiárido pernambucano sob o cultivo de cenoura (Daucus carota L.) durante o período seco de 2012, a fim de investigar a dependência espacial da textura do solo de modo a orientar técnicas de manejo mais eficientes, propondo o melhoramento da produção agrícola na região.

Material e Métodos O estudo foi realizado na Fazenda Nossa Senhora do Rosário, localizada no município de Pesqueira-PE, Região do Agreste de Pernambuco, com coordenadas de 08° 10' S e 35° 11' W e altitude de 650m (Figura 1). A área em estudo possui assentamento rural instalado pelo Governo do Estado, onde se pratica a agricultura familiar. O solo predominante na região é o Neossolo Flúvico (Bastos, 2004). O clima é do tipo BSsh (extremamente quente, semiárido) de acordo com a classificação de Köppen, com pluviometria média anual de 607 mm (Santos et al., 2012).

Figura 1. Mapa do Brasil com destaque no estado de Pernambuco e no município de Pesqueira (Fonte: Modificado de http://pt.wikipedia.org/wiki/Pesqueira - acessado em 8 de março de 2013) Na região são cultivadas cenoura, pimenta, beterraba, repolho, pimentão e tomate, entre outras. Todas possuem sistema radicular raso e duas a três colheitas por ano. Os lotes irrigados podem chegar a 1 ha, nos quais o sistema de irrigação com maior adesão é por aspersão, observando um crescimento dos sistemas de microaspersão e de gotejamento (Fontes Junior et al., 2012). Para análise da textura do solo (areia, silte e argila), foram realizadas coletas de solo em cada ponto estudado na profundidade de 0 a 20 cm. As amostras foram acondicionadas em 3

sacos plásticos e levadas ao Laboratório de Mecânica dos Solos e Aproveitamento de Resíduos da Universidade Federal Rural de Pernambuco (UFRPE). As amostras foram secas ao ar (TFSA) durante 72 h, destorroadas e peneiradas em peneira com diâmetro de 2,00 mm. As frações granulométricas areia, silte e argila, foram determinadas pelo método do densímetro de Boyoucos utilizando-se um agitador mecânico como dispersante físico, durante 15 min, para solos com textura argilosa e 5 min para solos com textura arenosa. Utilizaram-se 25 mL de hexametafosfato de sódio (Calgon) como dispersante químico (EMBRAPA, 1997). Visando caracterizar a dependência espacial, foi estabelecida uma malha regular de 4 x 4 m, inserida em um grid 7 x 7, totalizando 49 pontos amostrados (Figura 3).

Figura 2. Esquema de localização dos pontos na malha regular 4x4 m Com o objetivo de verificar a normalidade dos dados, foi realizada uma análise estatística descritiva, através da avaliação de medidas de tendência central (média, mediana e moda) e dispersão (desvio padrão, variância, coeficiente de variação); foram analisados também os valores de curtose e assimetria e a aderência à distribuição normal, segundo o teste de KOLMOGOROV-SMIRNOV, SAS (Souza et al., 2008). Os dados discrepantes foram eliminados de acordo com o critério de Hoaglin et al. (1983), onde os valores discrepantes estão abaixo do limite inferior (Li) ou acima do limite superior (Ls) respectivamente, estimados pelas (Eqs.1 e 2): Li = Qi – 1,5Ai (1) 4

Ls = Qs – 1,5Ai (2) em que: Qi é o quartil inferior, Qs é o quartil superior e Ai é a amplitude interquartílica. A dependência espacial foi analisada por meio de ajustes de semivariogramas (Vieira, 2000), com base na pressuposição de estacionariedade da hipótese intrínseca, o qual é estimado por:

(3) em que N (h) é o número de pares experimentais de observações Z(xi) e Z (xi + h) separados por uma distância h. O semivariograma é representado pelo gráfico y(h) versus h. Coeficientes de variação (CV) são adimensionais e permitem a comparação entre diversos parâmetros do solo. Indicadores de heterogeneidade dos dados podem ser considerados quando os valores de CV são elevados (Frogbrook et al., 2002). Foram analisados os valores de coeficiente de variação, conforme sugerido por Warrick & Nielsen (1998), o qual considera baixa variabilidade quando CV < 15%; média para o intervalo 15 50%, e alta variabilidade quando CV > 50%. Para análise geoestatística, utilizou-se a ferramenta GEO-EAS (Englud & Sparks, 1991), adotando-se o estimador clássico da semivariância (Journel & Huijbregts, 1978). Os semivariogramas experimentais construídos no GEO-EAS foram confeccionados também no software Microsoft Office Excel 2010. Após a obtenção dos semivariogramas experimentais por meio do software GEOEAS, foram testados os modelos gaussiano, esférico, exponencial e linear. Do ajuste de um modelo matemático aos valores calculados, são estimados os coeficientes do modelo teórico para o semivariograma (o efeito pepita, C0; patamar, C0+C1 e o alcance, a). Foi escolhido o modelo que apresentou um ajuste adequado aos valores experimentais e erros padronizados com média próxima a zero e desvio padrão próximo a um, segundo a técnica de validação cruzada de Jack-Knifing (Vauclin et al.,1983). Para determinar o grau de dependência espacial das variáveis em estudo, utilizou-se a classificação de Cambardella et al. (1994), que se baseia na análise da relação entre o efeito pepita e o patamar de seu semivariograma ajustado. Valores inferiores a 25% caracterizam forte dependência espacial, entre 25% e 75% moderada, enquanto que acima de 75% fraca dependência. No que diz respeito à construção dos mapas de isolinhas, utilizando o algoritmo da krigagem, foi adotado o programa computacional Surfer Versão 9.0 (Surfer 9.0, 2009).

Resultados e Discussão Os resultados da análise estatística descritiva para a textura do solo na profundidade de 0 a 20 cm constam na Tabela 1. O teste de Kolgomorov Smirnov indicou que os dados de areia, silte e argila na profundidade estudada apresentaram normalidade, após a retirada de outliers. 5

Na Tabela 1 pode-se observar que para a areia e para a argila o grau de variabilidade foi considerado baixo, segundo critério de Warrick & Nielsen (1998), com valores de 13,39 e 12,49%, respectivamente; para o silte, o CV apresentou médio grau de variabilidade, com um valor de 36,8%. Leão et al. (2010) estudando a textura de um latossolo também encontraram baixo grau de variabilidade para a argila, no entanto, para a areia e para o silte, o grau de variabilidade foi considerado alto. Santos et al. (2012) estudando um vale aluvial no semiárido de Pernambuco, encontrou média variabilidade para as variáveis areia, silte e argila, que associou esta média variabilidade devido ao uso de máquinas agrícolas e os processos de transporte e sedimentação, proporcionando maior homogeneização das frações areia e argila. O maior CV encontrado para o silte indica a sua maior capacidade de mobilidade no solo, segundo estes autores. Após a realização da estatística descritiva dos dados, os semivariogramas experimentais foram construídos, como também foram ajustados aos diferentes modelos. As variáveis, os modelos ajustados e os parâmetros dos modelos são apresentados na Tabela 1. Os modelos que melhor se ajustaram aos dados de areia, silte e argila foram respectivamente, esférico, gaussiano e exponencial. O modelo tipo esférico é destacado por outros autores como o de melhor ajuste para os parâmetros do solo e da planta (Siqueira, 2009; Cambardella et al., 1994; Vieira, 2000; Carvalho et al., 2002; Ulloa Guitián, 2002). No entanto, este modelo se ajustou melhor apenas aos dados da areia, para os dados de silte e argila os modelos que melhor se ajustaram foram gaussiano e exponencial, respectivamente. Os resultados da análise geoestatística mostraram que os valores de areia e silte apresentaram fraca dependência espacial, conforme descrito por Cambardella et al. (1994), uma vez que a relações entre o efeito pepita e o patamar apresentaram valores respectivamente de 83,33 e 80%. A argila apresentou moderada dependência espacial, com valor de 62,5% (Tabela 1), corroborando com os resultados obtidos por Leão et al. (2010). Estudos realizados por Grego & Vieira (2005), mostraram que a existência de dependência espacial na camada superficial do solo pode estar relacionada ao preparo convencional, caracterizado por alta movimentação de máquinas agrícolas no solo, que afetam a sua estrutura original. Os alcances encontrados neste trabalho foram 15 m, 20 m e 9 m para a areia, silte e argila respectivamente, como mostrado na Tabela 1. Os semivariogramas ajustados para as frações areia, silte e argila produziram respectivamente resíduos com médias 0,012; -0,019 e 0,002; e desvios padrão 1,135; 1,097 e 0,944, com os modelos esférico, gaussiano e exponencial. Pela técnica de validação cruzada, quanto mais próxima a média estiver de zero e o desvio padrão próximo à unidade, melhor o ajuste do modelo. Na figura 3 são apresentados os semivariogramas com o a ajuste dos modelos esférico, gaussiano e exponencial aos dados de areia, silte e argila, respectivamente. Os mapas de isolinhas dos respectivos semivariogramas são apresentados na Figura 5. Por meio dos mapas de isolinhas, percebe-se que a textura do solo apresentou mapas de areia e silte inversamente proporcionais (Figura 4. (a) e (b)) e mapas de areia e argila diretamente proporcionais (Figura 4. (a) e (c)), ocorrendo em áreas próximas do maior teor de areia. Verifica-se que a distribuição superficial da argila registra seus maiores teores nas posições de topo e na parte oeste da área (Figura 4. (c)). Na parte sul observam-se menores teores de argila e de silte, contrastando com os maiores de areia. Esses resultados também foram encontrados por Leão et al. (2010).

6

Tabela 1. Estatística descritiva para a textura do solo, parâmetros dos modelos d semivariogramas ajustados aos dados experimentais e parâmetros obtidos pela validação. Parâmetro

Areia (%)

Silte (%)

Argila (%)

Média

56,31

22,12

21,37

Mediana

55.36

24

21.48

Moda

51,36

30

22,64

Desvio Padrão

7.54

8.14

2,67

CV (Dp/M) x 100

13,39

36,8

12,49

Assimetria

0.632

-0.415

0.031

Curtose

-0,407

-0,982

-0,812

1º Quartil

51,36

15,46

18,64

3º Quartil

59,68

29,68

23,04

Variância

56,83

66,27

7,11

--------------Parâmetros do ajuste do semivariograma-------------Efeito pepita (C0)

50

60

5

Patamar (C0+C1)

60

75

8

Alcance (m)

15

20

9

83,33

80

62,5

Esférico

Gaussiano

Exponencial

GD (C0/ C0+C1) x 100 Modelo

--------------------Parâmetros de validação-------------------Média

0,012

-0,019

-0,002

Desvio Padrão

1,135

1,097

0,944

CV – Coeficiente de Variação, GD – Grau de Dependência

Figura 3. Semivariogramas dos dados de textura do solo em %, (a) areia (b) silte e (c) argila, com o ajuste do modelo esférico, gaussiano e exponencial, respectivamente.

7

. Figura 4. Mapas de isolinhas dos dados textura do solo (a) areia, (b) silte e (c) argila, respectivamente.

8

Conclusões 1. Para a areia e argila, o grau de variabilidade foi considerado baixo. No entanto, o silte apresentou médio grau de variabilidade. 2. Os valores de areia e silte apresentaram fraca dependência espacial, enquanto a argila apresentou moderada dependência espacial.

Agradecimentos Os autores agradecem à Universidade Federal Rural de Pernambuco pelo apoio, ao CNPq por concessões de bolsas PQ, à Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco (FACEPE) e Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pela concessão das bolsas de mestrado e doutorado e à FINEP por auxílio à projeto de pesquisa. 9

Referências DUDA C; ARAUJO ES. 2003. Efeito do espaçamento entrelinhas na produção de cenoura. In: CONGRESSO BRASILEIRO DE OLERICULURA, 43. Resumos... Recife: SOB (CD-ROM). BASTOS, D.C.O. Manejo da salinidade em irrigação localizada: análise da alternativa de lixiviação incompleta. 2004. 91f. Dissertação (Mestrado em Ciência do Solo) - Curso de Pós-graduação em Ciência do Solo, Universidade Federal Rural de Pernambuco. BOUMA, J.; STOORVOGEL, J.; ALPHEN, B.J. van; BOOLTINK, H.W.G. Pedology, precision agriculture, and the changing paradigm of agricultural research. Soil Science Society of America Journal, Madison, v.63, n.6, p.1763-1768, 1999. CAMBARDELLA, C. A.; MOORMAN, T. B.; NOVAK, J. M.; PARKIN, T. B.; KARLEN, D. L.; TURCO, R. F.; KONOPKA, A. E. Field scale variability of soil properties in Central Iowa soils. Soil Science Society of America Journal, v.58, p.1501-1511, 1994. CAMPOS, M. C. C.; SOARES, M. D. R.; SANTOS, L. A. C.; OLIVEIRA, I. A.; AQUINO, R. E.; BERGAMIN, A. C. Variabilidade espacial dos atributos físicos em um Argissolo Vermelho sob floresta. Comunicata Scientiae 4(2): 168-178, 2013. CARVALHO, J.R.P.; SILVEIRA, P.M.; VIEIRA, S.R. (2002) Geoestatística na determinação da variabilidade espacial de características químicas do solo sob diferentes preparos. Pesquisa Agropecuária Brasileira, 37(8):1151-1159. GOMES, N. M.; SILVA, A. M., MELLO, C. R.; FARIA, M. A.; OLIVEIRA, P. M. Métodos de ajuste e modelos de semivariograma aplicados ao estudo da variabilidade espacial de atributos físico-hídricos do solo. Revista Brasileira de Ciência do Solo, v.31, p.435443, 2007. EMBRAPA – Empresa Brasileira de Pesquisa Agropecuária. Manual de métodos de análises de solo. 2.ed. Rio de Janeiro: EMBRAPA, 1997. 212p ENGLUND, E.; SPARKS, A. Geo-EAS (Geostatistical Environmental Assessment Software).Las Vegas: U.S. Environmental Protection Agency, 1991. EPA/600/4-88/033ª. FONTES JUNIOR, R. V. P.; MONTENEGRO, A. A. A.; MONTENEGRO, S. M. G. L.; SANTOS, T. E. M. Estabilidade temporal da potenciometria e da salinidade em vale aluvial no semiárido de Pernambuco. Revista Brasileira de Engenharia Agrícola e Ambiental, v.16, n.11, p.1188–1197, 2012. 10

FROGBROOK, Z.L.; OLIVER, M. A.; SALAHI, M.; ELLIS, R. H. Exploring the spatial relations between cereal yield and soil chemical properties and the implications for sampling. Soil Use and Management, Oxon, v.18, n.1, p.1-9, 2002. GREGO, C.L.; VIEIRA, S.R. Variabilidade espacial de propriedades físicas do solo em uma parcela experimental. Revista Brasileira de Ciência do Solo, Viçosa, v.29, n.2, p.169177, 2005. HOAGLIN, D. C.; MOSTELLER, F.; TYKEY, J. W. Análisis exploratória de datos: Técnicas robustas, un guia. Lisboa: Salamandra, 1983. 446p. JOURNEL, A.G.; HUIJBREGTS, J. Mining geostatistics. England: Academic,. 1978. 599p. LEÃO, M. G. A.; MARQUES JÚNIOR, J.; SOUZA, Z. M.; PEREIRA, G. T. Variabilidade espacial da textura de um latossolo sob cultivo de citros. Ciênc. agrotec., Lavras, v. 34, n. 1, p. 121-131, jan./fev., 2010. MION, R. L.; NASCIMENTO, E. M. S.; SALES, F. A. L.; SILVA, S. F. DUARTE, J. M. L.; SOUSA, B. M. Variabilidade espacial da porosidade total, umidade e resistência do solo à penetração de um Argissolo amarelo. Semina: Ciências Agrárias, Londrina, v. 33, n. 6, p. 2057-2066, nov./dez. 2012. MONTENEGRO, A. A. A.; MONTENEGRO, S. M. G. L. Variabilidade espacial de classes de textura, salinidade, e condutividade hidráulica de solos em planície aluvial. Revista Brasileira de Engenharia Agrícola e Ambiental, v.10, n.1, p.30-37, 2006. MONTENEGRO A. A. A. et al. Avaliação da salinidade de neossolo usando-se dispositivo de indução eletromagnética. Revista Brasileira de Engenharia Agrícola e Ambiental, vol. 14 n. 16, Campina Grande, 2010. OLIVEIRA, V. S.; ROLIM, M. M.; VASCONCELOS, R. F. B.; PEDROSA, E. M. R. Distribuição de agregados e carbono orgânico em um Argissolo Amarelo distrocoeso em diferentes manejos. Revista Brasileira de Engenharia Agrícola e Ambiental, v.14, p.907–913, 2010. SANTOS, K. S.; MONTENEGRO, A. A. A.; MONTENEGRO, S. M. G. L.; ANDRADE, T. S.; FONTES JÚNIOR, R. V. P. Variabilidade espacial de atributos físicos em solos de vale aluvial no semiárido de Pernambuco. Revista Brasileira de Engenharia Agrícola e Ambiental, v.16, p.828-835, 2012. SILVA, A. J. N; CABEDA, M. S. V. Modificações na matriz de um Argissolo Amarelo coeso sob diferentes sistemas de manejo com cana-de-açúcar. Revista Brasileira de Engenharia Agrícola e Ambiental, v.10, p.554–562, 2006. 11

SIQUEIRA, G. M. Medida de la conductividad eléctrica aparente del suelo por inducción electromagnética y variabilidad espacial de propiedades físicas y químicas del Suelo. Santiago, p.181, Tese de doutorado, Universidade de Santiago de Compostela, 2009. SIQUEIRA, D. S.; MARQUES JR, J.; PEREIRA, G. T. The use of landforms to predict the variability of soil and orange attributes. Geoderma, v.155, p.55-66, 2010. SOUZA, E. R.; MONTENEGRO, A. A. A.; MONTENEGRO, S. M. G. L.; SANTOS, T. E. M.; ANDRADE, T. S.; PEDROSA, E. R. Variabilidade espacial das frações granulométricas e da salinidade em um Neossolo Flúvico do semiárido. Revista Ciência Rural, Santa Maria, v.38, n.2, p.698-704, 2008. SURFER for Windows. Surface Mapping System. Golden Software, version 9.11.947, 2009. ULLOA GUITIÁN, M. (2002) Aplicación de la geoestadística al estudio de la fertilidade del suelo. Tesis Doctoral – Universidade Da Coruña, Facultad de Ciencias, 440p. TORMENA, C. A.; BARBOSA, M. C.; COSTA, A. C. S.; GONÇALVES, A. C. A. Densidade, porosidade e resistência à penetração em Latossolo cultivado sob diferentes sistemas de preparo do solo. Ciência Agrícola, v.59, p.795-801, 2002. VAUCLIN, M.; VIEIRA, S. R.; VACHAUD, G.; NIELSEN, D. R. The use of cokriging with limited field soil observations. Soil Science Society of America Journal, Madison, v.47, n.1, p.175-184, 1983. VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do solo. Viçosa: Sociedade Brasileira de Ciência do Solo, v.1, p.1-53, 2000. WARRICK, A.W.; NIELSEN, D.R. Spatial variability of soil physical properties in the field. In: HILLEL, D. Environmental soil physics. New York: Academic, 1998. p.655-675. YOUNG, F.J.; HAMMER, R.D.; LARSEN D. Frequency distribution of soil properties on a loess- mantled Missouri watershed. Soil Science Society American Journal, Madison, v.63, n.2, p.178-185, 1999.

12

Suggest Documents