1

INSTITUTO FEDERAL DO ESPÍRITO SANTO

CURSO SUPERIOR DE BACHARELADO EM AGRONOMIA

FABRÍCIO GATTI CANI

AGRICULTURA DE PRECISÃO NO ESTUDO DA VARIABILIDADE ESPACIAL DE

DEMANDAS NUTRICIONAIS DO SOLO COMO SUPORTE À FERTIRRIGAÇÃO

SANTA TERESA
2017
 2

FABRÍCIO GATTI CANI

AGRICULTURA DE PRECISÃO NO ESTUDO DA VARIABILIDADE ESPACIAL DE

DEMANDAS NUTRICIONAIS DO SOLO COMO SUPORTE À FERTIRRIGAÇÃO

Projeto de Trabalho de Conclusão de Curso

apresentado à coordenadoria do Curso de
Agronomia do Instituto Federal do Espírito Santo,
como requisito parcial para aprovação na disciplina
de Trabalho de Conclusão de Curso I.

Orientador: Prof. Ednaldo Miranda de Oliveira.

SANTA TERESA
2017
 3

SUMÁRIO

1 INTRODUÇÃO ..................................................................................................... 4
2 JUSTIFICATIVA ................................................................................................... 5
3 OBJETIVOS ......................................................................................................... 6
3.1 OBJETIVO GERAL ............................................................................................ 6
3.2 OBJETIVOS ESPECÍFICOS ............................................................................. 6
4 REVISÃO DE LITERATURA ................................................................................ 7
5 METODOLOGIA................................................................................................. 13
5.1 CARACTERIZAÇÃO DA ÁREA DE ESTUDO ................................................. 13
5.2 PREPARAÇÃO DA BASE DE DADOS ........................................................... 14
5.3 OBTENÇÃO E PROCESSAMENTO DOS DADOS DE CAMPO ..................... 15
5.4 GEOPROCESSAMENTO E ANÁLISES GEOESTATÍSTICAS DOS DADOS . 15
6 RESULTADOS ESPERADOS ............................................................................ 16
7 RECURSOS ....................................................................................................... 17
8 CRONOGRAMA DE ATIVIDADES .................................................................... 17
9 REFERÊNCIAS .................................................................................................. 19
 4

1 INTRODUÇÃO
Por muitos anos e até o presente momento, a adubação é realizada com base na
média da demanda nutricional das áreas de cultivo. Esta realidade remonta à época
em que o predomínio da fertilização se dava pela aplicação manual de adubos
minerais de forma localizada, mas sem considerar a variabilidade espacial da
demanda nutricional do solo na superfície de aplicação.
Esta prática tem gerado suspeita sobre sua eficiência, uma vez que problemas dela
decorrentes começaram a se tornar cada vez mais conhecidos e o crescimento
desuniforme das plantas em resposta às aplicações de adubo tornou-se um dos
exemplos mais marcantes, visto que em toda a área e para a mesma espécie e
variedade cultivada se aplicava quantidades iguais de um determinado fertilizante.
Com o intuito de reduzir custos e economizar tempo e recursos, viabilizou-se o uso do
sistema de irrigação para aplicação de fertilizantes a partir da injeção de adubos
minerais na água de irrigação. Esta técnica de combinar a fertilização com a irrigação
ficou conhecida como fertirrigação.
No entanto, a aplicação da fertirrigação também tem se baseado na média da
demanda nutricional das áreas cultivadas. A falta de adubo em certas áreas e o
excesso em outras se tornou um dos maiores problemas advindos da adubação pela
média, pois acarreta desperdício de insumo, perda de produtividade agrícola,
desgaste de material, investimento ineficiente, gasto desnecessário, entre outros.
Entretanto, geralmente a fertirrigação está associada a sistemas de irrigação
localizada e isso possibilita precisar e disponibilizar quantidades de nutrientes mais
condizentes com a demanda real do solo, visto que este sistema de irrigação pode ser
operado individualizando-se os talhões da área total de cultivo.
Com o emprego da geoestatística pode-se determinar com precisão, quanto cada
talhão da área total demanda de nutriente. Isso subsidia a aplicação da fertirrigação
de modo a garantir uma fertilidade do solo que seja mais condizente com a demanda
nutricional de cada planta da cultura de interesse presente na área cultivada.
Dado que será a análise química do solo a informação de base para definição dos
teores nutricionais da fertirrigação e que sua aplicação pode ser individualizada por
talhão em decorrência de ocorrer via irrigação, propõe-se com este projeto o emprego
da técnica de geoestatística em software de Sistema de Informações Geográficas
 5

(SIG) na análise da variabilidade espacial, estimativa e espacialização das demandas

nutricionais de cada coordenada geográfica dos talhões.
Deste modo, a precisão de aplicação dos teores realmente necessários em cada
ponto da área ficaria resguardada, haja vista que seria considerada a fertilidade do
solo como inerente à variabilidade espacial, além da suficiente dependência espacial
entre os pontos de amostragem para a validade e precisão das estimativas.

2 JUSTIFICATIVA
O retorno ou prejuízo econômico da produção agrícola são determinados em parte
pela qualidade ou eficiência de aplicação dos adubos. Na fertirrigação, essa realidade
não é diferente, e uma recomendação desequilibrada e em quantidades inadequadas
compromete a obtenção da produtividade máxima econômica.
As perdas econômicas com a fertirrigação ocorrem em função de inúmeros fatores,
mas dentre eles, dois são evidentes e de grande frequência: o gasto desnecessário e
o gasto insuficiente. O primeiro refere-se ao gasto acima do necessário para obter
uma dada produtividade agrícola, e o segundo aquele que não proporcionou uma
quantidade de adubo suficiente ao atendimento nutricional das plantas.
O gasto desnecessário provém da recomendação que superestima a demanda real
de nutrientes do solo e induz à aquisição ou aplicação de adubo em quantidades
acima do necessário. O gasto insuficiente decorre da recomendação que subestima a
demanda real de nutrientes do solo e induz à aquisição ou aplicação de menos adubo
do que o solo precisa para fornecer às plantas em quantidades ideais, gerando perdas
na produção agrícola e, então, no seu retorno econômico.
Evitar estes prejuízos com a otimização do emprego da fertirrigação a partir de
estimativas mais precisas da demanda real de nutrientes do solo é um dos motivos
pelos quais o presente projeto tem sua relevância garantida. Além do aspecto
econômico, a produtividade agrícola deixará de ter sua determinação baseada na
média para considerar a variabilidade espacial da fertilidade do solo.
A partir desta consideração e empregada a geoestatística para estimar os valores de
demanda nutricional entre os pontos de amostragem, se possibilitará uma nova
metodologia a ser adotada para fertilização do solo, visto que sua confiabilidade e
reprodutibilidade científica serão garantidas.
 6

Vale destacar outro ponto importante atrelado a este projeto, o desenvolvimento

sustentável. Os excessos de fertilizantes aplicados é prejudicial ao meio ambiente e
pode acarretar uma série de desordens ecológicas na microbiota do solo e grandes
danos à qualidade das águas subterrâneas ou de cursos d’águas superficiais.
Ao otimizar a aplicação da fertirrigação e garantir que as demandas sejam melhor
estimadas e adequadamente atendidas, previne-se ou se minimiza impactos
negativos ao ambiente no futuro, como: mortalidade de peixes e seres aquáticos,
eutrofização de corpos d’água, empobrecimento ou toxidez do solo, entre outros.
Com o uso da tecnologia, a geoestatística permitiu que a agricultura de precisão (AP)
elevasse a eficiência no manejo das áreas cultivadas. Não basta ter habilidade em
aplicar os insumos nos locais corretos, devem-se obter informações confiáveis para o
monitoramento da atividade agrícola sem que as mudanças causem danos ambientais
(MANTOVANI et al, 1998).
Portanto, minimizar prejuízos econômicos e ambientais, de modo a assegurar que a
produtividade agrícola obtida corresponda à produtividade máxima econômica serà,
dentre outras, uma grande contribuição oferecida por este projeto e sua execução
incentivará a substituição de metodologias arcaicas pela proposta, operacionalmente
mais moderna, economicamente mais segura e ecologicamente mais correta.

3 OBJETIVOS
3.1 OBJETIVO GERAL
Aplicar as ferramentas de agricultura de precisão e as técnicas de geoestatística para
estimar as demandas nutricionais do solo, por meio de análises dos semivariogramas
obtidos por Krigagem, visando demonstrar que essas ferramentas são de grande
potencial para a definição de recomendações de adubação confiáveis e aplicáveis à
técnica da fertirrigação.

3.2 OBJETIVOS ESPECÍFICOS

Os objetivos específicos deste projeto são:
• Delimitar a área de amostragem para análises químicas do solo;
 7

• Definir a quantidade dos pontos de amostragem de forma a preferir aquela que

garanta alta probabilidade de dependência espacial na aplicação da
geoestatística;
• Definir o melhor possível espaçamento (alcance) entre os pontos de
amostragem, também visando à maior probabilidade de dependência espacial
entre os pontos amostrados;
• Georreferenciar e mapear os pontos de amostragem, satisfazendo à
quantidade e espaçamento pré-estabelecidos;
• Retirar as amostras em cada ponto de amostragem mapeado e conforme o
respectivo georreferenciamento, etiquetando-se em cada amostra sua devida
coordenada geográfica ou UTM;
• Realizar as análises quantitativas de nutrientes em laboratório e tabular os
valores obtidos em planilha eletrônica, cada qual com sua respectiva
coordenada geográfica ou UTM;
• Transferir os dados da planilha eletrônica para o software de SIG
ArcMap®/ArcGIS 10.2, realizando sua espacialização;
• Empregar sobre os dados espacializados o interpolador geoestatístico
Krigagem e analisar o semivariograma gerado.
• Seccionar a área total de amostragem e de estudo em talhões e obter para o
solo de cada talhão sua respectiva variabilidade espacial de demanda
nutricional.

4 REVISÃO DE LITERATURA
A agricultura praticada hoje se baseia em valores médios. Após a amostragem do
solo, o resultado de uma amostra composta é considerado para toda a área de cultivo,
implicando em recomendações padrão para toda a área amostrada. Sendo praticada
pela “média”, esta agricultura resulta em grandes variações na produção dentro dos
talhões. Assim, surge a AP, capaz de gerenciar a variabilidade espacial dos fatores
envolvidos na produção agrícola (MOLIN, 2004).
A ideia da AP consiste em conhecer o solo e as características relacionadas que
originam a variabilidade espacial da produção para otimizar a aplicação dos insumos.
 8

Logo, na AP, a entrada dos fertilizantes deve ser estrita às demandas e a mais
econômica possível (SEARCY, 1997).
Conforme Silva et al. (2007), a AP possibilita um planejamento mais racional do
manejo de fertilizantes, e a expectativa da redução de custos deve-se, principalmente,
à aplicação dos insumos somente onde é realmente necessário e não,
indiscriminadamente, em toda a área cultivada, como feito tradicionalmente.
Baseada no conceito de economia e racionalização de insumos, a adoção da AP
tornou-se estratégica do ponto de vista operacional, visto que permite o
gerenciamento da adubação a partir da amostragem criteriosa do solo que caracteriza
a variabilidade espacial da sua fertilidade química (MOLIN, 2004).
Balastreire (2000) discute a redução da poluição ambiental possibilitada pela AP, dado
que menores quantidades de insumos são aplicadas localizadamente. Para Silva et
al. (2007), aumentar a produtividade e reduzir os custos são benefícios dessa
tecnologia, que permite racionalizar o uso dos insumos e minimizar os potenciais
impactos negativos da atividade ao meio ambiente.
O fator mais correlacionado com a produtividade das culturas é a disponibilidade de
água e de nitrogênio (LI et al., 2002). O manejo adequado da irrigação proporciona
suprimento adequado de água, melhor utilização dos nutrientes pelas plantas e maior
produtividade (UPADHYAYA et al., 1999). A fertirrigação, aplicação de fertilizantes
através da irrigação, oferece aumento da eficiência de adubação e do uso de
nutrientes conforme as demandas da cultura (Dasberg e Bresler, 1985).
Entretanto, a uniformidade de distribuição dos fertilizantes na água de irrigação deve
ser garantida (Sousa e Sousa, 1993). Logo, não basta saber a localização exata no
talhão e sua respectiva quantidade requerida de fertilizantes, o dimensionamento do
sistema de irrigação para que se tenha um alto índice de uniformidade de distribuição
de água é imprescindível (Sousa et al., 1998).
Diversos estudos demonstram que a variabilidade espacial dos atributos do solo em
áreas de cultivo confirma a suma importância da implementação das técnicas de AP
(SERRANO et al., 2010). Amado et al. (2009) apontam que conhecer a variabilidade
espacial dos atributos do solo e da cultura permite analisar a variação da produtividade
e melhorar o manejo das áreas agrícolas.
 9

Na AP, o uso dos insumos é feito com aplicações localizadas, possíveis apenas com
estudo da área e mapeamento da variabilidade espacial dos atributos do solo, visando
identificar e quantificar suas demandas locais. A análise da variabilidade espacial é
realizada por um conjunto de técnicas, como a geoestatística, que considera como
essencial a localização geográfica e a dependência espacial entre variáveis
regionalizadas (GUEDES et al., 2008).
Uma variável regionalizada é uma função com distribuição espacial que varia de um
ponto a outro, com continuidade aparente, mas cujas variações não podem ser
representadas por uma função matemática simples (MATHERON, 1971).
Com a estatística clássica, a heterogeneidade espacial não é significativa a ponto de
influenciar a representatividade dos valores médios, sendo normalmente ignorada
(Chaves e Farias, 2009). O emprego de técnicas da geoestatística pode resolver este
impasse. Com a geoestatística pode-se analisar a dependência espacial entre os
valores e, ainda, realizar os respectivos mapeamentos por meio da Krigagem,
mediante o conhecimento do semivariograma gerado (Lemos Filho et al., 2008).
De acordo com Vieira (2000), quando um determinado parâmetro ou propriedade varia
de um local para o outro com certo grau de organização e continuidade, expressando
uma dependência espacial, não se deve ignorar a importância de que a estatística
clássica deve ser complementada pela geoestatística.
Mishra e Coulibaly (2009) explicam que a geoestatística fundamenta-se em dois
conceitos, basicamente: o semivariograma (análise do comportamento espacial das
variáveis) e a Krigagem (cálculo dos valores preditos com seus erros associados).
O semivariograma é um gráfico que relaciona as semivariâncias com as distâncias,
permitindo descrever a estrutura da variabilidade espacial de um fenômeno
regionalizado espacialmente. A Krigagem, por sua vez, consiste num interpolador que
prediz, não tendenciosamente e com variância mínima, os valores não observados
(CRESSIE, 1993).
A semivariância é uma medida da dissimilaridade, onde seu valor é tanto maior quanto
menos associadas estiverem as variáveis entre si (TEIXEIRA, 2013). Para Opromolla
et al. (2006), a função de semivariância, que gera o semivariograma, é uma das mais
utilizadas na geoestatística para determinação da dependência espacial das variáveis.
 10

O semivariograma experimental é um gráfico que expressa a variabilidade espacial

entre as amostras e sua função depende apenas do vetor h (distância entre os pares
amostrais). Quanto maior h, mais o gráfico do semivariograma se aproxima da
variabilidade total dos dados, chamado patamar. Caso ocorra estacionariedade de
segunda ordem, o semivariograma expressa o grau de dependência entre os pontos
amostrais (OPROMOLLA et al., 2006).
Na Figura 1 é apresentado um semivariograma típico e suas principais características:
alcance (a), efeito pepita (C0), variância espacial (C1) e patamar (C0+C1).

Figura 1 – Semivariograma típico e suas principais características

Fonte: Yamamoto et al. (2011)

O alcance (a) consiste na distância a partir da qual as amostras são independentes

(YAMAMOTO et al., 2011). O alcance indica o tamanho da zona de influência em torno
de uma amostra (LANDIN, 2003). Conforme Matheron (1971), o alcance é a distância
que separa o campo estruturado (amostras correlacionadas) do campo aleatório
(amostras independentes).
O efeito pepita (C0) é entendido como o valor da função semivariograma na origem
(h=0). Em teoria, este valor deveria ser nulo, pois duas amostras tomadas no mesmo
ponto possuiriam os mesmos valores. Porém, quando isto não acontece, geralmente
esta diferença é atribuída aos erros de amostragem e/ou análise. O C0 é também
conhecido como variância aleatória (YAMAMOTO et al., 2011).
A variância espacial é dada pela diferença entre o patamar e o efeito pepita. O patamar
é o valor no qual ocorre a estabilização do semivariograma no campo aleatório e,
 11

portanto, a partir do qual as amostras tornam-se independentes devido à distância que

as separam (YAMAMOTO et al., 2011).
A função da semivariância para variáveis regionalizadas que gera o semivariograma
e permite investigar a dependência espacial entre as amostras foi proposta por
Matheron (1963) e é definida através da Equação 1.

N
1
γ* (h) = ∑[Z(Xi)- Z(Xi+h)]2 (1)
2N(h)
i=1

em que:
γ *(h) = valor do semivariograma estimado para a distância h; e
N(h) = número de pares de valores medidos.
Xi e Xi + h = locais de amostragens separados por uma distância h; e
Z(Xi) e Z(Xi + h) = valores medidos das variáveis nos locais correspondentes.

Para um mesmo patamar de variação, se o início da curva tiver inclinação acentuada

significa que os dados são dependentes espacialmente, mas se a inclinação inicial for
mais suave, menor é a dependência espacial. Caso a curva inicialmente não
apresente inclinação, significa que inexiste dependência espacial aparente dos dados
e, em termos de parâmetro de continuidade, denota-se que a amostragem falhou ao
tentar revelar a variação da escala de investigação (CARVALHO, 2015).
Se o semivariograma se comporta igualmente em todas as direções e sua
determinação depende apenas da distância entre as amostras e não da direção
relativa entre elas, diz-se que é isotrópico (ZIMBACK, 2001). Porém, se os parâmetros
do fenômeno variam conforme a distância, o semivariograma é anisotrópico e a
variabilidade da distribuição espacial é mais intensa para uma direção que em outra
(CAMARGO et al., 2004).
Guedes et al. (2008) utilizaram a anisotropia para estudar a variabilidade espacial de
algumas variáveis químicas do solo e concluíram advertindo aos pesquisadores das
ciências do solo da importância de se verificar a existência da anisotropia e de sua
correção para evitar que ela influencie a construção de mapas temáticos.
Além do semivariograma, o outro conceito em que a geoestatística se fundamenta,
segundo Mishra e Coulibaly (2009), é a Krigagem. Esta consiste num conjunto de
 12

técnicas da geoestatística que possibilita a estimativa e interpolação de dados que

apresentem correlação espacial entre si, capaz de compor a superfície com base em
valores pontuais (ISAAKS E SRIVASTAVA, 1989; CAMARGO et al., 2004).
Conforme Rossi et al. (1994), o método de Krigagem possui três características que o
diferencia de outros métodos de interpolação, quais sejam:
a) fornece uma estimativa maior ou menor que o valor das amostras (as
técnicas tradicionais ficam restritas às faixas de variações das amostras);
b) usa a distância e a geometria entre as amostras (os outros métodos usam
distâncias euclidianas na avaliação das amostras);
c) leva em conta a minimização da variância do erro esperado, por meio de um
modelo empírico da continuidade espacial existente ou do grau de dependência
espacial com a distância ou direção, expresso pelo semivariograma.
O maior diferencial entre o método de Krigagem e os outros métodos de interpolação
é a distribuição dos pesos das amostras, que são atribuídos pela variabilidade
espacial expressa no semivariograma, estimando valores em qualquer posição dentro
do campo sem tendência e com variância mínima (VIEIRA, 1998).
Esse método considera não apenas a distância dos vizinhos ao ponto a ser estimado,
mas também a distância entre os vizinhos, influenciando assim a distribuição dos
pesos. Assim, vizinhos agrupados têm importância individual menor do que aqueles
isolados (RIBEIRO JÚNIOR, 1995; CAMARGO, 1997).
Devido ao modo de distribuição dos pesos, Webster e Oliver (1990) consideram a
Krigagem um ótimo interpolador, não tendencioso e com variância mínima,
possibilitando ainda o conhecimento da variância da estimativa. A não tendência
significa que, em média, o desvio entre os valores estimados e medidos para o mesmo
ponto será nulo; e a variância mínima significa que, os desvios ponto por ponto entre
os valores medidos e estimados serão mínimos (FIETZ, 1998).
A Krigagem ordinária é um dos métodos de interpolação mais usados e simples da
geoestatística (CRESSIE, 1993). A estimativa desse método é linear, pois utiliza um
estimador não viciado com mínima variância para interpolação do atributo medido em
posição não amostrada. Assim, a variância do erro é a mínima possível. O estimador
linear é definido pela Equação 2 (ISAAKS E SRIVASTAVA, 1989).
 13

Z* (X0) = ∑[λi Z(Xi)] (2)

i=1

em que:
Z* ( X0 ) = valor estimado no ponto X0 não amostrado;
Z ( Xi ) = valor obtido por amostragem no campo;
N = número de valores medidos Z( Xi ), envolvidos na estimativa; e
λ i = peso associado ao valor medido na posição Z ( Xi ).

A validação cruzada é um método que permite avaliar o desempenho da interpolação.

A aplicação deste método é simples e consiste em retirar o valor referente a um dado
ponto , temporariamente, e executar a interpolação do seu valor utilizando os valores
dos demais pontos. Assim, é possível obter o valor estimado relativo ao retirado e,
depois, compará-lo com o valor real da variável, o valor observado (ROBINSON E
METTERNICHT, 2006).
Em seguida, compara-se o valor estimado em relação ao valor observado e se calcula
entre eles as seguintes variáveis: erro médio e erro médio reduzido; desvio padrão
dos erros médios e desvio padrão dos erros médios reduzidos. Quanto menor estas
variáveis e mais próximo de um a referente ao desvio padrão dos erros médios
reduzidos, melhor o desempenho da interpolação (CRESSIE, 1963).

5 METODOLOGIA
5.1 CARACTERIZAÇÃO DA ÁREA DE ESTUDO
O presente projeto prevê a condução do estudo proposto em área agrícola ocupada
com lavoura de café Conilon (Coffea canephora) em altitude média de 125 metros,
com espaçamento de 3,5 x 1,0 m (2.857 plantas ha -1) situada no município de
Montanha, norte do estado do Espírito Santo (ES), nas coordenadas 40°10'09" de
longitude Oeste e 18°8'50" de latitude Sul, conforme Figura 2.

Figura 2 – Mapa de localização da área de estudo

 14

693200 693600 694000

7992880

7992880
7992600

7992600
µ
7992320

7992320
0 25 50 100 150
m

Projeção: Universal Transversa de Mercator (UTM)

Datum: SIRGAS 2000
693200 693600 694000

Fonte: Elaborado pelo autor.

5.2 PREPARAÇÃO DA BASE DE DADOS

A partir do uso do software de SIG ArcMap®/ArcGIS 10.2 será delimitada a área de
amostragem para análises químicas do solo. Este procedimento será realizado
através da ferramenta Editor que permite a criação e edição de feições vetoriais.
A delimitação da área em que as amostras serão retiradas para análises servirá de
base para os mapeamentos futuros que se fizerem necessários, bem como servirá à
recuperação dos dados geográficos e georreferenciamento da área de estudo.
Estabelecidos os limites geográficos pela delimitação da área de amostragem, será
definida a melhor quantidade de pontos amostrais a garantir a existência de
dependência espacial entre as amostras na aplicação da geoestatística. Por
convenção, 60 pontos de amostragem ou mais serão necessários.
Além da quantidade de pontos de amostragem, a distância entre eles será outra etapa
deste estudo, visando aumentar a probabilidade de garantir a dependência espacial
entre os pontos amostrados, visto que espaçamentos insuficientes podem ser
 15

interpretados na Krigagem como relativo a pontos amostrais espacialmente

independentes entre si.
Pretende-se que os pontos de amostragem sejam fixos na área de estudo para que
as análises do solo utilizem amostras sempre retiradas nas mesmas coordenadas
geográficas, evitando variações de resultados e recomendações em função da
variabilidade espacial. Logo, será realizado um georreferenciamento com intuito de
padronizar no tempo e no espaço os pontos locais de retirada de amostras.
Para facilitar a recuperação das informações geográficas com o uso de GPS ou em
SIG será realizado um mapeamento dos pontos de amostragem, considerando o
espaçamento previamente estabelecido.

5.3 OBTENÇÃO E PROCESSAMENTO DOS DADOS DE CAMPO

Na área de estudo se procederão aos procedimentos de retirada de amostras e
embalagem para transporte ao laboratório de análises de solo. Em cada embalagem
de amostra serão descritas as coordenadas geográficas do ponto amostrado. Assim,
será possível saber a localização geográfica de cada resultado obtido nas análises
químicas do solo, bem como visualizar e analisar a variabilidade da fertilidade ao longo
da área amostrada.
A tabulação dos valores quantitativos obtidos com a análise química em planilha
eletrônica facilitará a compilação e organização dos dados com coordenadas
geográficas, facilitando sua entrada no software de SIG para espacialização e
aplicação das ferramentas de geoestatística. Logo, cada ponto de amostragem
constituirá uma linha na planilha eletrônica e cada variável quantitativa obtida na
análise química constituirá uma coluna.

5.4 GEOPROCESSAMENTO E ANÁLISES GEOESTATÍSTICAS DOS DADOS

A partir do comando Add XY Data... do software de SIG ArcMap®/ArcGIS 10.2, cada
ponto de amostragem da planilha eletrônica será convertido em arquivo vetorial de
pontos, sendo prontamente espacializado conforme suas coordenadas geográficas.
Os valores referentes às análises químicas de cada ponto de amostragem ficarão
armazenados em suas respectivas tabelas de atributos.
 16

Em seguida, com dados alfanuméricos das análises químicas convertidos em dados

geográficos providos de metadados e espacializados pelo software de SIG, ficará
facilitada a subsequente aplicação das ferramentas de geoestatística, como a
interpolação por Krigagem e geração do semivariograma.
A fim de comprovar que a interpolação teve desempenho satisfatório, será efetuada a
validação cruzada. Para avaliação da dependência espacial será indispensável a
análise do semivariograma e de seus componentes.
Uma vez considerado satisfatório o desempenho da interpolação e comprovada a
relação de dependência espacial entre as amostras, o estudo será finalizado com a
divisão da superfície de interpolação e análise geoestatística em talhões.
Assim, dividida a área em talhões e conhecida a variabilidade espacial da demanda
nutricional dos principais macro e micronutrientes será possível estabelecer
recomendações mais precisas ao suprimento nutricional do solo e definir, para esta
finalidade, os melhores procedimento à implementação da fertirrigação.

6 RESULTADOS ESPERADOS
A expectativa que se tem com a realização deste trabalho é de um grande avanço na
área técnica e científica da produção vegetal. Esta visão decorre do fato de que a
agricultura praticada hoje é uma continuidade de muitos anos de tradição e dificuldade
de inovação, principalmente em pequenas e médias propriedades.
Entretanto, desenvolvido e validado este projeto, será possível estender suas
potencialidades de aumento da produtividade agrícola, menor custo, máxima
potencialidade econômica e conservação dos recursos naturais também às pequenas
e médias propriedades rurais que até então não podiam adotar a agricultura de
precisão devido aos seus altos custos.
Obviamente, não se espera que o produtor rural possua autonomia completa sobre os
procedimentos necessários à implementação desta metodologia no campo de
produção. Porém, é inegável que o suporte oferecido pela mesma será de grande
valia em retorno agrícola e econômico ao produtor, apesar deste requerer
temporariamente assistência técnica nos trabalhos de geoprocessamento.
 17

No âmbito do meio acadêmico e científico, este projeto inaugura uma inovação

tecnológica de processos que permitirá avanços não apenas no campo da agricultura,
mas na própria aplicação da geoestatística.
Além disso, este estudo potencializará o emprego da fertirrigação de forma mais
racional e precisa na agricultura, evitando ou minimizando os desperdícios de tempo
e recursos, bem como dos impactos negativos ao meio ambiente.
Portanto, este projeto certamente terá impactos positivos nos âmbitos econômico,
ambiental e técnico-científico.

7 RECURSOS
Os recursos utilizados serão próprios do autor deste projeto ou disponibilizados pelo
Instituto Federal do Espírito Santo Campus Santa Teresa, tais como: hardware
(computador Desktop ou PC), software de SIG (ArcMap®/ArcGIS 10.2) e Microsoft
Office Excel, trados para coleta de solo e equipamentos e reagentes para análises do
solo. Os recursos estão disponíveis e com simples autorização para uso.

8 CRONOGRAMA DE ATIVIDADES

Meses do ano
Etapa (Detalhamento das atividades)
Jul. Ago. Set. Out. Nov. Dez.

Revisão bibliográfica X X X X X X

Delimitar área de amostragem X

Definir quantidade e espaçamento entre os pontos

X
de amostragem

Georreferenciar e mapear os pontos de

X X
amostragem

Retirar amostras para análises laboratoriais X

Realizar análises químicas das amostras de solo X

Tabular e organizar os dados das análises em

X
planilhas eletrônicas
 18

Espacializar os pontos de amostragem e aplicar a

X
interpolação por Krigagem

Realizar a validação cruzada X

Analisar o semivariograma X

Seccionar a área de amostragem em talhões para

X
fertirrigação
 19

9 REFERÊNCIAS

AMADO, T. J. C.; PES, L. Z.; LEMAINSKI, C. L.; SCHENATO, R. B. Atributos

químicos e físicos de Latossolos e sua relação com os rendimentos de milho e feijão
irrigados. Revista Brasileira de Ciência do Solo, v.33, p.831-843, 2009.

BALASTREIRE, L.A. Aplicação Localizada de Insumos-ALI: Um velho conceito

novo. Congresso Brasileiro de Engenharia Agrícola. Anais. Unicamp, Campinas, p.
248, 1994. ____. Potencial do uso da agricultura de precisão no Brasil. In: II
Encontro paulista de soja. Campinas, p. 176-217, 2000.

CAMARGO, E. C. G.; DRUCK, S.; CÂMARA, G. Análise espacial de superfície. In:

DRUCK, S.; CARVALHO, M. S.; CÂMARA, G.; MONTEIRO, A. M. V. Análise
espacial de dados geográficos. Planaltina, DF: Embrapa Cerrados, 2004. p.79-
117.

CAMARGO, E. C. G. Desenvolvimento, implementação e testes de

procedimentos geoestatísticos (Krigeagem) no sistema de processamento de
informações georreferenciadas (Spring). São José dos Campos, 1997. 106 f.
Dissertação (Mestrado em Sensoriamento Remoto). Instituto Nacional de Pesquisas
Espaciais (INPE), 1997.

CHAVES, L. H. G.; FARIAS, C. H. A. Variabilidade espacial de cobre e manganês

em Argissolo sob cultivo de cana-de-açúcar. Revista Ciência Agronômica, v.40,
p.211-218, 2009.

CRESSIE, N. A. Statistics for spatial data, New York: Jonh Wiley & Sons, 1993.
928p.

DASBERG, S.; BRESLER, E. Drip irrigation manual. Tel Avive: International

Irrigation. Information Center. 1985, 85p.
 20

FIETZ, C.R. Variabilidade espacial do armazenamento de água no solo visando

o manejo da irrigação por aspersão. 1998. 97 f. Tese (Doutorado em Irrigação e
Drenagem). Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São
Paulo, 1998.

GRANEMANN, D. C.; Efeitos diretos e indiretos de parâmetros dos

semivariograma referentes aos atributos químicos do solo sobre a
produtividade de grãos de soja. 2015. 82 f. Tese (Doutorado em Agronomia) –
Programa de Pós-Graduação em Agronomia, Universidade Tecnológica Federal do
Paraná. Pato Branco. 2015.

GUEDES, L. P. C.; URIBE-OPAZO, M. A.; JOHANN, J. A.; SOUZA, E. G. Anisotropia

no estudo da variabilidade espacial de algumas variáveis químicas do solo. Revista
Brasileira de Ciências do Solo, Viçosa , v. 32, n. 6, p. 2217-2226, 2008.

ISAAKS, H. E.; SRIVASTAVA, R. M. An introduction to applied geostatistics.

New York: Oxford University Press, 1989. 560 p.

LEMOS FILHO, L. C. A.; OLIVEIRA, E. L. DE; FARIA, M. A. DE; ANDRADE, L. A.

DE B. Variação espacial da densidade do solo e matéria orgânica em área cultivada
com cana-de-açúcar (Saccharum officinarum L.). Revista Ciência Agronômica,
v.39, p.193-202, 2008.

LI, H.; LASCANO, R. J.; BOOKER, J.; WILSON, L. T.; BRONSON, K. F.; SEGARRA,
E. State-space description of field heterogeneity: water and nitrogen use in cotton.
Soil Science Society of America Journal, Madison, v.66, n.2, p.585-595, 2002.

MANTOVANI, E.C.; QUEIROZ, D.M.; DIAS, G.P. Máquinas e operações utilizadas

na agricultura de precisão. In: SILVA, F. M. da.(Coord.). Mecanização e agricultura
de precisão. Poços de Caldas : UFLA/SBEA, 1998. p.109-157.

MATHERON, G. Principles of geoestatistics. Econ. Geol., 58:1246-66, 1963.

 21

MISHRA, A.; COULIBALY, P. Hydrometric network evaluation for Canadian

watersheds. Journal of Hydrology, n. 380, p. 420-437, 2009.

RIBEIRO JR., P.J. Métodos geoestatísticos no estudo da variabilidade espacial

de parâmetros do solo. 1995. 99f. Dissertação (Mestrado em Agronomia/Estatística
e Experimentação Agronômica) - Escola Superior de Agricultura Luiz de Queiroz,
Universidade de São Paulo, Piracicaba, 1995.

ROBINSON, T.P.; METTERNICHT, G. Testing the performance of spatial

interpolation techniques for mapping soil properties. Computers and Electronics in
Agriculture, v. 50, p. 97-108, 2006.

ROSSI, R. E.; DUNGAN, J. L.; BECK, L. R. Kriging in the shadows: geoestatistical

interpolation for remote sensing. Remote Sensing of Environment, v. 49, p. 32-40,
1994.

SEARCY, S.W. Precision farming: A new approach to crop management. Texas

Agricultural Extension Service. Texas Agricultural Extension Service. The Texas
A&M University System, 1997. p. 4.

SERRANO, J. M.; PEÇA, J. O.; SILVA, J. R.; SHAHIDIAN, S. Medição e

mapeamento da condutividade elétrica aparente do solo em pastagens. Revista
Ciências Agrárias, v.33, p.5-14, 2010.

SILVA, C. B.; VALE, S. M. L. R. do. Viabilidade econômica da agricultura de

precisão: um estudo de caso. In: CONGRESSO DA SOCIEDADE BRASILEIRA
DE ECONOMIA, ADMINISTRAÇÃO E SOCIOLOGIA RURAL, 45., 2007, Londrina.
Conhecimento para a agricultura do future. Anais... Londrina: Sober: Iapar: UEL,
2007.
 22

SOUSA, V.F.; FOLEGATTI, M.V.; ARAGÃO, E.C.; REBELO, A.L.F; BASTOS, E.A.
Avaliação de um sistema de fertirrigação por microaspersão numa área
cultivada com banana. In: Avances en el Manejo del Suelo y Agua en la Ingenieria
Rural Latinoamericana. Editora de La UNLP (Universidad Nacional de La Plata), La
Plata, Argentina, 1998.

SOUSA, V.F.; SOUSA, A. P. Fertirrigação: tipos e seleção dos fertilizantes, aplicação

e manejo. In: Congresso Brasileiro de Engenharia Agrícola, 22, 1993. Ilhéus.
Anais... Ilhéus, SBEA, v.4, p.2529-2539, 1993.

TEIXEIRA, M. B. R. Comparação entre estimadores de semivariância. 2013. 122

p. Dissertação (Mestrado em Estatística Aplicada) – Programa de Pós-Graduação
em Estatística e Experimentação Agropecuária, Universidade Federal de Lavras,
Lavras, 2013.

UPADHYAYA, S. K.; ROSA, U. A.; EHSANI, M.; KOLLER, M.; JOSIAH, M.;
SHIKANAI, T. Precision farming in a tomato production system. ASAE paper n.
991147. St. Joseph: ASAE, 1999. 23p.

VIEIRA, S. R. Geoestatística em estudo de variabilidade espacial. Campinas:

IAC, 1998.

VIEIRA, S. R. Geoestatística em estudo de variabilidade espacial do solo. In:

NOVAIS, R. F. de; ALVARES V., V. H.; SCHAEFER, C. E. G. R. (Ed.). Tópicos em
ciência do solo. Viçosa: SBCS, v. 1, p. 1-54, 2000.

WEBSTER, R.; OLIVER, M. A. Statistical methods in soil and land resource

survey. Oxford: Oxford University Press, 1990. 316 p.

YAMAMOTO, J. K. et al. Geoestatística online. Disponível em:

<http://www.igc.usp.br>. Acesso em: 04 jun 2017.
 23

ZIMBACK, C. R. L. Análise espacial de atributos químicos de solos para fins de

mapeamento de fertilidade. 2001. 114.f. Tese (Livre-docência em Levantamento
de solo e fotopedologia) - FCA-UNESP, Botucatu, 2001.