NOTÍCIAS

Quais as vantagens dos diferentes tipos de amostragens de solo

  • 28/09/2020 |
  • Revista Cultivar

Áreas agrícolas apresentam atributos do solo distribuídos de forma heterogênea ao longo das áreas, ou seja, podendo variar muito em distâncias consideradas irrisórias para a agricultura convencional. Assim, uma abordagem localizada é necessária para que se conheça melhor a realidade do solo nas lavouras. Nesse contexto, a Agricultura de Precisão (AP) auxilia o agricultor para que tenha informações cada vez mais precisas sobre a sua área, otimizando recursos e potencializando resultados.

Dentre as técnicas e ferramentas utilizadas no âmbito da AP, a amostragem de solo em grade para fins de mapeamento da fertilidade e prescrição de fertilizantes e corretivos em doses variadas é uma das abordagens mais utilizadas. O primeiro passo para isso é a delimitação da área da lavoura, com auxílio de um receptor GNSS e/ou visualização e demarcação em software de SIG. Com esse contorno será criada uma grade (malha) virtual para planejamento da coleta de dados no campo. A amostragem em campo é realizada de maneira georreferenciada, contendo amostras compostas de subamostras.

O procedimento de coleta de solo é composto por um equipamento amostrador (conceitualmente dividido em uma fonte de potência para acionamento e o elemento sacador da amostra), material para identificação (canetas, etiquetas, código de barra, por exemplo) e para armazenamento das amostras (sacos plásticos, caixas de papelão), veículo para transporte (não é obrigatório) e um receptor GNSS. O solo deve ser amostrado seguindo profundidade e local de coleta indicados pelos manuais de recomendação de fertilizantes para dada cultura e região e, então, as amostras são encaminhadas para laboratório de análise, sendo seus resultados tabulados e analisados para permitirem a obtenção dos mapas de fertilidade do solo. Com base na interpretação desses mapas, utilizam-se adaptações das tabelas de recomendação de fertilizantes para obtenção dos mapas de prescrição de fertilizantes em doses variadas.

No Brasil, a densidade amostral mais comumente utilizada está entre três e cinco amostras por hectare, conforme levantamento realizado por Molin (2017). Como o objetivo da aplicação de fertilizantes em doses variadas é aplicar a dose correta em cada local da lavoura, essa densidade amostral pode não ser adequada em diversas situações, o que acarreta a caracterização da variabilidade de um atributo do solo de forma não satisfatória (Figura 1), o que prejudica o resultado da aplicação de fertilizantes em doses variadas. Assim, a estratégia de amostragem deve ser planejada levando em conta as características da área de estudo, os recursos disponíveis e os objetivos do agricultor.

Figura 1 - Mapas do teor de potássio disponível no solo gerados a partir de diferentes densidades amostrais. Note como a diminuição do número de amostras acarreta em uma identificação limita das manchas ao longo da área
Figura 1 - Mapas do teor de potássio disponível no solo gerados a partir de diferentes densidades amostrais. Note como a diminuição do número de amostras acarreta em uma identificação limita das manchas ao longo da área

Não existe apenas uma maneira de realizar a amostragem de solo de forma espacializada, sendo necessário avaliar qual a melhor abordagem caso a caso. Assim, deve-se atentar para a integração da disposição espacial das amostras, forma de coleta de subamostras, densidade amostral e utilização de variáveis auxiliares, ponderando os ganhos em qualidade do mapa com o custo associado a esse procedimento. De forma geral, a coleta de solo para fins de criação de mapas de fertilidade pode ser feita a partir de amostragem em grade por pontos ou por células.

Independentemente do método adotado, o primeiro procedimento é a criação de uma malha virtual que é sobreposta à área da lavoura, conforme a densidade amostral almejada para a dada situação, a qual costuma variar de 1ha a 5ha. A diferença dos métodos de amostragem por ponto e por célula está na forma de coleta dentro da quadrícula e no posterior tratamento destes dados para a criação dos mapas de distribuição do atributo de interesse.

Coleta de amostras de solo
Coleta de amostras de solo

AMOSTRAGEM EM GRADE POR PONTO

Na amostragem em grade por pontos é alocado um ponto no centro de cada quadrícula, sendo as subamostras coletadas em um determinado raio ao redor deste ponto central. Na Figura 2 é possível visualizar uma área em um software SIG com grade de amostragem (quadrículas) e pontos a serem coletados em campo. A quantidade de subamostras pode mudar de acordo com a variação em curtas distâncias da propriedade do solo que se tem mais interesse, o volume de material necessário para compor uma amostra e o rendimento operacional que se deseja, mas ficando entre três e dez subamostras.

Figura 2 - Representação de uma amostragem em grade por ponto, onde o que se quer é representar o ponto central de cada quadrícula
Figura 2 - Representação de uma amostragem em grade por ponto, onde o que se quer é representar o ponto central de cada quadrícula

Já o raio de coleta costuma ser equivalente ao erro do sistema GNSS utilizado, ou seja, em torno de 5m, mas também pode ser função do raio de giro do veículo amostrador. Porém, existe a possibilidade de se aumentar esse raio na tentativa de reduzir possíveis variações locais. Contudo, alerta-se que quanto maior esse raio, mais se suaviza a variabilidade do atributo, perdendo a capacidade de identificar possíveis regiões com valores altos e baixos.

Posteriormente, os resultados das análises de solo são vinculados às coordenadas dos pontos centrais das quadrículas. Esses dados são inseridos em um software de SIG para uma primeira análise exploratória dos dados, verificando a existência de possíveis valores anômalos que poderiam comprometer o mapeamento, os quais podem ser fruto principalmente de problemas durante a amostragem. Feito isso, os dados são interpolados, de forma a estimar valores das propriedades do solo onde não houve a coleta de amostras. Essa interpolação pode seguir modelos matemáticos (como o conhecido Inverso do Quadrado da Distância) ou de geoestatística, isto é, krigagem. Independentemente do método de interpolação utilizado, alertamos que a qualidade da amostragem realizada é fator primordial na qualidade do mapa obtido, impactando significativamente em quão próximo este mapa interpolado estará da realidade de campo, sendo fator decisivo para o sucesso da aplicação de corretivos e fertilizantes em doses variadas.

Conhecendo a distribuição dos atributos do solo na área, são elaborados mapas com as prescrições do insumo, possibilitando as devidas intervenções agronômicas. A Figura 3 representa um mapa de necessidade de calagem utilizado para correção de solo, onde zonas em verde têm menor necessidade de calcário e em vermelho, maior necessidade de aplicação do insumo. As doses prescritas nesse mapa serão então reproduzidas em campo por uma máquina aplicadora de fertilizantes equipada com controlador para aplicação em doses variadas.

Figura 3 - Mapa de prescrição de doses de calcário construído a partir da interpolação de dados
Figura 3 - Mapa de prescrição de doses de calcário construído a partir da interpolação de dados

AMOSTRAGEM EM GRADE POR CÉLULA

Ao contrário da amostragem por pontos, na amostragem por célula as subamostras são coletadas ao longo de toda a quadrícula, geralmente em zigue-zague (Figura 4). Nesse caso, o objetivo da amostragem é representar muito bem toda a área da quadrícula, enquanto na amostragem por ponto é caracterizar bem o solo em volta das coordenadas do ponto central. A quantidade de subamostras dentro de cada célula costuma estar entre oito e 20, sendo que quanto mais subamostras, maior a confiabilidade no valor médio que representará a quadrícula. Além disso, quanto maior a área da quadrícula, maior deve ser o número de subamostras.

Figura 4 - Representação de uma amostragem em grade por célula, mostrando como as subamostras podem ser coletadas ao longo de toda a quadrícula
Figura 4 - Representação de uma amostragem em grade por célula, mostrando como as subamostras podem ser coletadas ao longo de toda a quadrícula

Seguindo essa metodologia de coleta de amostras, o resultado de cada amostra composta de solo representará toda a área da quadrícula. Portanto, diferentemente da amostragem por ponto, a amostragem por célula não utiliza a interpolação para a formação dos mapas de atributo do solo. Como neste tipo de amostragem as doses variam de acordo com mudança de célula (Figura 5), sendo a mesma ao longo de toda a sua extensão. Assim, a amostragem em grade por célula é uma alternativa para o agricultor que possui menor capacidade de investimento, pois a amostragem por pontos requer maior número de pontos para que a interpolação seja mais precisa, sendo que quando a densidade amostral é muito reduzida, os erros da interpolação se elevam e prejudicam a qualidade do mapa final.

Figura 5 - Mapa de prescrição de doses de calcário construído a partir de uma amostragem em grade por célula
Figura 5 - Mapa de prescrição de doses de calcário construído a partir de uma amostragem em grade por célula

AMOSTRAGEM INTELIGENTE

Uma boa prática que pode ser adotada para melhorar a eficiência das amostragens em grade é que no primeiro levantamento feito na área seja utilizada densidade amostral elevada, algo como uma amostra a cada hectare. Isso possibilitaria maior detalhamento do comportamento espacial das propriedades do solo ao longo da lavoura. Com base nesse primeiro ano de amostragem, nas safras subsequentes seria possível ajustar a densidade amostral de acordo com as necessidades identificadas pela modelagem da dependência espacial feita pela geoestatística, podendo resultar em menor ou maior densidade amostral.

O alcance, destacado no semivariograma da Figura 6, representa a distância em que considera-se que não há mais dependência espacial (correlação) entre dois pontos distintos, ou seja, coletas com espaçamento entre amostras maiores que o alcance não são praticáveis para a realização de uma análise espacial do atributo do solo. Para tal, as amostras devem ser coletadas com espaçamento igual ou inferior à metade do valor do alcance; logo, no caso da Figura 6, o espaçamento máximo seria de 200m. Alertamos que para essa finalidade, deve-se obrigatoriamente realizar a amostragem por ponto, uma vez que na amostragem por célula não é possível realizar a análise geoestatística, visto que está se amostrando toda a área e não apenas representando o ponto.

Figura 6 - Exemplo de um semivariograma, onde no eixo x está a distância entre pares de amostras e no eixo y a diferença (semivariância) entre elas. Destaque para o alcance de 400m nesse caso
Figura 6 - Exemplo de um semivariograma, onde no eixo x está a distância entre pares de amostras e no eixo y a diferença (semivariância) entre elas. Destaque para o alcance de 400m nesse caso

A questão central dessa estratégia de otimização é que quanto maior a variabilidade da propriedade do solo em análise, maior deve ser a densidade amostral para conseguir mapeá-la de forma adequada. Neste sentido, o uso de variáveis auxiliares destaca-se como uma alternativa para contribuir na otimização da amostragem do solo. Assim, partindo do pressuposto que variáveis obtidas por algum tipo de mapeamento alternativo podem apresentar distribuição espacial correlacionada com a propriedade do solo que se quer mapear, o uso dessa variável auxiliar permite que se infira sobre o comportamento espacial do atributo de estudo antes da realização da amostragem de solo. Isso pode ajudar na definição do espaçamento entre amostras.

A condutividade elétrica aparente do solo (CEa) se destaca como uma das variáveis auxiliares mais interessantes para a otimização do planejamento amostral. A CEa pode se correlacionar com diversos atributos físicos e químicos do solo, como sua umidade, capacidade de troca de cátions, textura, conteúdo de matéria orgânica, salinidade, dentre outros, e, com isso, permite que se tenha uma boa noção de como o solo varia ao longo da lavoura. A CEa é também muito vantajosa operacionalmente, pois sua coleta de dados é rápida, simples e barata, além de ser estável ao longo do tempo, sendo necessário apenas um mapeamento para entender o comportamento do solo (Figura 7).

Figura 7 – Mapa de condutividade elétrica aparente do solo e um exemplo de sensor de condutividade elétrica (EM38 – Geonics) sendo conduzido por um quadriciclo
Figura 7 – Mapa de condutividade elétrica aparente do solo e um exemplo de sensor de condutividade elétrica (EM38 – Geonics) sendo conduzido por um quadriciclo

Outras possíveis variáveis auxiliares para tal finalidade seriam: imagens de sensoriamento remoto e índices de vegetação, como por exemplo o NDVI, as quais podem mostrar alguma relação do vigor da cultura com as propriedades do solo; modelos digitais de elevação, fornecendo informações topográficas e que podem ter relação com as propriedades do solo; mapas de produtividade, dentre outros. A partir desses dados é possível identificar algumas manchas na lavoura que precisam ser melhor interpretadas. Assim, parte das amostras pode ser direcionada para essas manchas, aumentando o entendimento dos possíveis causadores da variabilidade ao longo das lavouras e, assim, melhorando a eficiência das decisões agronômicas. Ainda, tais manchas podem ser demarcadas, de forma a serem amostradas de maneira semelhante à amostragem por célula, ou seja, subamostras coletadas ao longo de toda a área dessa mancha; essa forma de amostragem tem sido chamada comercialmente de amostragem por zonas.

O uso de quadricíclos equipados com aparelhos de coleta de amostras facilita o mapeamento de grandes áreas
O uso de quadricíclos equipados com aparelhos de coleta de amostras facilita o mapeamento de grandes áreas

O alerta principal sobre essas abordagens de amostragem inteligente é que as variáveis auxiliares adotadas precisam ter relação espacial com as propriedades do solo que se quer mapear; caso contrário, não terão utilidade. Assim, o adequado conhecimento técnico do usuário continua sendo indispensável para garantir o retorno de tal prática. 

Gabriel Basso Pereira, Henrique Leal Varanda, Agda Loureiro Gonçalves Oliveira, Lucas Rios do Amaral, FEA/Unicamp

ver mais notícias
CADASTRO DE NEWS
  • Receba por e-mail as últimas notícias sobre agricultura