Krigagem Indicadora Compactação Do Solo

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 7

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/266735672

Krigagem Indicativa na Determinação da Propabalidade de Ocorrência de


Níveis Críticos de Compactação do Solo

Conference Paper · May 2013


DOI: 10.12702/III-SGEA-a36

CITATIONS READS

0 218

4 authors:

Claudiane Paes Diego Augusto de Campos Moraes


São Paulo State University Faculdade Eduvale de Avaré
4 PUBLICATIONS 5 CITATIONS 35 PUBLICATIONS 76 CITATIONS

SEE PROFILE SEE PROFILE

Joyce Reissler R. L. Manzione

4 PUBLICATIONS 4 CITATIONS
São Paulo State University
323 PUBLICATIONS 570 CITATIONS
SEE PROFILE
SEE PROFILE

All content following this page was uploaded by Diego Augusto de Campos Moraes on 11 October 2014.

The user has requested enhancement of the downloaded file.


III Simpósio de Geoestatística Aplicada em Ciências
Agrárias
08 a 10 de maio de 2013
Botucatu-SP

Krigagem indicativa na determinação da propabalidade de ocorrência de níveis


críticos de compactação do solo

Claudiane Otilia Paes1, Diego Augusto de Campos Moraes2, Joyce Reissler3,


Rodrigo Lilla Manzione4
1
Geógrafa, Mestranda em Agronomia – Irrigação e Drenagem, Faculdade de Ciências
Agronômicas de Botucatu – FCA/UNESP - Departamento de Engenharia Rural. Fazenda
Lageado Portaria I: Rua José Barbosa de Barros, nº 1780, Botucatu/SP. [email protected]
2
Tecnológo em Informática, Doutorando em Agronomia – Irrigação e Drenagem, Faculdade de
Ciências Agronômicas de Botucatu – FCA/UNESP - Departamento de Ciências do Solo. Fazenda
Lageado Portaria I: Rua José Barbosa de Barros, nº 1780, Botucatu/SP. [email protected]
3
Bióloga , Mestranda em Agronomia – Irrigação e Drenagem, Faculdade de Ciências
Agronômicas de Botucatu – FCA/UNESP - Departamento de Engenharia Rural. Fazenda
Lageado Portaria I: Rua José Barbosa de Barros, nº 1780, Botucatu/SP. [email protected]
4
Engenheiro Agronômo, Professor Doutor, Universidade Estadual Paulista – UNESP/ Campus de
Ourinhos. Av. Vitalina Marcusso, 1500 - 19910-206 Ourinhos – SP, [email protected]

Resumo: Os atributos do são complexos de serem modelados, devido á sua alta variabilidade, sendo
necessário o uso de técnicas mais complexas de mapeamento. A partir disto a geoestatistica, por
levar em consideração a dependência espacial entre os dados, torna-se um método eficiente na
análise e predição de fenômenos ligados aos solos, como a compactação dos solos, sendo possível,
com uso de métodos geoestatisticos, mapear seu comportamento espacial. A krigagem indicativa
trata-se de um método de apresentação dos resultados por probabilidade, indicando as chances de
determinado fenômeno estar ocorrendo na área de estudo. Assim o objetivo deste trabalho foi o
mapeamento da compactação de área de influência na recarga do Sistema Aquifero Guarani, a partir
de métodos geoestatisticos.Neste estudo verificamos que a utilização de valores médios de
compactação podem mascarar áreas com problemas de compactação.

Palavras chave: Resistência à penetração, krigagem indicativa, solos agrícolas

Kriging in determining the probability occurrence of critical levels of soil compaction


Abstract: The attributes are complex to model, due to its high variability, it is necessary to use more
complex techniques for mapping. Geostatistics becomes an efficient method for analyzing and
predicting phenomena related to soils, such as soil compaction, map their spatial behavior. The kriging
is a method to present the results of probability, indicating the likelihood of a particular phenomenon
occurring in a study area. The aim of this study was to map the compression an influent area for the
recharge of the Guarani Aquifer System. From geostatistical methods, this study showed that the use
of averages can mask areas of compaction with compaction problems.

Keywords: Penetration resistance, indicative kriging, agricultural soils.

1. Introdução
A geoestatistica apresenta-se como uma importante ferramenta para análises ambientais. A
geoestatística envolve em suas análises a predição de fenômenos espaciais ou temporais, sendo
uma forma de quantificar a ocorrência de alguma variável,verificando a dependência espacial entre os
dados da amostra. A grande diferença da geoestatística, em relação às outras formulações
matemáticas de análise de dados é justamente a relação da variação espacial. Esse tipo de analise
torna-se mais interessante já que oferece um sentido físico ao estudo e não puramente matemático.
Sendo assim, não se trata apenas de análise numérica, pois leva em consideração a variação
espacial dos dados buscando predizer valores, além de fornecer uma melhor representação da
realidade baseado na dependência espacial entre amostras.
Na análise de atributos do solo deve-se utilizar métodos que considerem a dependência espacial
entre as amostras. Para Teixera et al. (2009), o fato da grande maioria das propriedades do solo

III Simpósio de Geoestatística em Ciências Agrárias 1


III Simpósio de Geoestatística Aplicada em Ciências
Agrárias
08 a 10 de maio de 2013
Botucatu-SP

apresentarem dependência espacial, significa que a variável localizada em um determinado local


possui uma relação com ela mesma até uma determinada distância. Desta forma as observações não
podem ser consideradas independentes, e análises baseada apenas métodos que não consideram a
continuidade espacial do fenômeno em estudo tornam-se inadequadas, sendo a análise
geoestátistica a mais indicada. A geoestatística trata-se de uma ferramenta para subsidiar o
tratamento de informações da estrutura dos solos, por permitir a descrição da distribuição espacial
dos valores de seus atributos a partir da modelagem da continuidade espacial (Gonçalves et al.,
2009) e ser capaz de analisar tanto a dependência espacial, através de variogramas, como interpolar
atributos do solo através da krigagem (SOUZA et al., 2006).
Na geoestatística, as analises são obtidas através de interpolação, sendo a krigagem, um método
de interpolação que fornece em geral, estimativas não tendenciosas e com variância mínima
(LANDIM, 2003), e que reúne diversos tipos de métodos de estimação. Dentre esses métodos, a
krigagem indicativa, surge como um método de fácil compreensão da ocorrência do problema.
Assim o objetivo deste trabalho foi avaliar os níveis de compactação do solo, em uma parcela
de solo na Bacia do Ribeirão da Onça/Brotas-SP, que se situa sobre uma região de afloramento do
Aquífero Guarani, através do método de krigagem indicativa.

2. Materiais e Métodos

2.1 Área de Estudo


A área de estudo escolhida, trata-se de uma parcela de solo, situada na Bacia do Ribeirão da
Onça, no Município de Brotas (SP), nas latitudes 22º10’ e 22º15’ e nas longitudes 47º55’ e 48º00’,
correspondendo a uma área de aproximadamente 5.300 ha (Figura 1). Essa parcela encontra-se
ocupada por diferentes cultivos, como cana-de-açúcar, citros e eucalipto, cultivos que influenciam
diretamente o comportamento dos atributos do solo. Os pontos coletados em foram de transecto, ao
redor dos poços de monitoramento do nível freático, presentes na área.

Figura 1. Localização da área de estudo na Bacia do Ribeirão da Onça, Brotas – SP.

2.2 Krigagem Indicativa


A krigagem indicativa consiste basicamente, de acordo com Landim e Sturaro (2002), na aplicação
da krigagem ordinária para a variável transformada, ou seja, a variável resultante da aplicação da
função não linear f(z) = 0 ou 1. Na krigagem ordinária básica, é realizada uma estimativa para
determinar valores médios, em locais não amostrados, na krigagem indicativa, o processo é o
mesmo, entretanto estas estimativas são baseadas em parâmetros de cortes, de um determinado
nível, que vai indicar a probabilidade de um fenômeno ocorrer ou não, em um local estudado.

III Simpósio de Geoestatística em Ciências Agrárias 2


III Simpósio de Geoestatística Aplicada em Ciências
Agrárias
08 a 10 de maio de 2013
Botucatu-SP

Ou seja os dados são transformados em indicadores com nível de corte ou como no caso desse
estudo, nível de valor crítico, e a partir disto modela-se a probabilidade de uma variável resposta,
estar dentro ou fora dos parâmetro estabelecidos, como explicado por Lima et al (2008),serão
obtidos os mapas de probabilidade de ocorrência. Isto é definido pela seguinte expressão;

0 se v j  vc

i j (vc )  
1 se v j  vc

Trata-se assim de transformar os dados originais em indicadores, determinando que, os valores
que estão acima de um determinado nível de corte em um (1), e os que estão abaixo em zero (0),
Neste tipo de transformação, quanto mais perto de 1, maior a probabilidade de ocorrência, e quanto
mais próximo de 0, menor a ocorrência, assim os maiores valores acima do nível de corte terão 100%
de probabilidade de ocorrência e os maiores valores abaixo do nível de corte, 0% de
probabilidade.De acordo com Landim e Sturaro (2002), o conceito da transformação indicativa é
simples e amigável, visto que os variogramas indicativos são os mais fáceis de modelar e não
necessitam do pressuposto de normalidade nos dados. Para este tipo de krigagem deve-se ajustar
um variograma indicativo, que pode ser estimado pela função ;
Nh

 i( x  h, v )  i( x, v )
1
 i (h, vc )  c c
2

Onde;
2Nh i 1

h = passo (lag) básico


vC = nível de corte
N = número de pares

Para quantificar o grau de dependência espacial foi calculado o Índice de Dependência Espacial
(IDE) como proposto por Zimback (2001), sendo ou iguais a 75 %, dependência forte.

2.3 Medição da resistência à penetração


Os dados de resistência do solo à penetração foram coletadas com um penetrômetro de precisão
da marca FALKER, modelo Penetrolog PLG1020, os dados são obtidos por pressão em unidade de
quilopascal. Os dados foram coletados em diferentes usos do solo, sendo áreas de cultivo de
eucalipto rebrota, eucalipto plantio, citros e pastagem. A níveis de compactação foram definidos de
acordo com KLEIN et al. (1998), que adoto 2000 kPa, como nível máximo aceitável de compactação,
e foram analisados duas amostras de dados compactação média e compactação máxima, sendo
assim todo valor menor que 2000 kPa foi considerado 0 e todo valor igual ou maior que 2000 kPa, foi
considerado como 1. A partir dos dados coletados analisou-se compactação média, que trata-se da
média de compactação registrada entre a superfície até 60 cm de profundidade, em um determinado
ponto, e compactação máxima, que trata-se do valor máximo encontrado também neste intervalo de
profundidade.

3. Resultados e Discussões
3.1. Análise descritiva
Observa-se que a compactação média dos solos da bacia está abaixo do nível critico de 2000 Kpa
adotado para este trabalho (Klein et al., 1998). Entretanto, o valor referente à compactação máxima
mostra-se acima do esperado. Ao verificar os valores de máximo e mínimo percebemos como a
média é generalizante para o conjunto. Isso deve-se ao fato do solo apresentar grande variabilidade.
Ao analisar a dispersão dos dados, observa-se que há um alto desvio padrão que, se acrescentado a
média, eleva os valores acima do valor critico adotado e a variância dos dados se apresenta bem
elevada, podendo significar falta de correlação entre os dados ou falta de dados na amostra. Como
trata-se de um estudo acerca de atributos do solo, deve-se levar em consideração a grande
variabilidade que se encontra por natureza neste tipo de análise.

3.2 Análise espacial


A analise espacial foi realizida através da variografia, gerandos os variogramas observados nas
figuras 2 e 3, na tabela 1 encontram-se os valores de construção do variograma.

III Simpósio de Geoestatística em Ciências Agrárias 3


III Simpósio de Geoestatística Aplicada em Ciências
Agrárias
08 a 10 de maio de 2013
Botucatu-SP

Figura 2. Variograma para modelagem Figura 3. Variograma para modelagem


indicativa da compactação média indicativa da compactação máxima.

Tabela 1. Parâmetros de ajuste dos variogramas


Variável Modelo A (m) Co+C Co IDE (%)
CM Esférico 552 0,212 0,017 92
Cmax Gaussiano 1.560 0,28 0,140 50
A0: Valor do alcance obtido; C0: Efeito Pepita; C0+C: Patamar; IDE: Índice de Dependência Espacial.

Para os dados de compactação média (CM) foi ajustado um modelo esférico. Para melhor
representação da distribuição espacial dos dados, os valores de efeito pepita e patamar foram baixos,
respectivamente, 0,212 e 0,017. Se levarmos em conta que os dados variam de 0 a 1, os valores se
apresentaram baixos, mostrando que há pouco da amostra sem ser explicado pelo variograma e
pouca influência aleatória, refletida no IDE, que demonstrou forte dependência (92%). O valor de
alcance da dependência da CM foi de 552 m. Para a compactação máxima (Cmax), o modelo que
melhor demonstrou a distribuição foi o gaussiano, que o alcance foi de 1560 m. Os valores de efeito
pepita foi de 0,14 e o patamar de 0,28 que, apesar de serem valores baixos, o IDE foi de 50%,
demonstrando uma dependência moderada.

3.3 Mapeamento das variáveis


Os mapas obtidos pelo processo de interpolação por krigagem indicativa para a compactação
média e máxima encontram-se nas figuras 4 e 5.

III Simpósio de Geoestatística em Ciências Agrárias 4


III Simpósio de Geoestatística Aplicada em Ciências
Agrárias
08 a 10 de maio de 2013
Botucatu-SP

Figura 4. Mapeamento para compactação Figura 5. Mapeamento para compactação


média (CM) máxima (Cmáx)

Na figura 5, podemos observar padrões semelhantes ao de compactação média (Figura 4), sendo
que no extremo norte, nordeste e sudoeste da área mapeada apresentam grande probabilidade de
nível crítico de compactação. Na região noroeste, a probabilidade está abaixo do nível de corte
estabelecido.
A partir do mapeamento da probabilidade de ocorrência de níveis críticos de compactação
máxima, percebemos que praticamente todo lado leste está sujeito a compactação crítica, sendo que
a sudeste e a noroeste, há 100% de probabilidade. A porção noroeste é que apresenta menor
probabilidade de compactação crítica.

4. Conclusões
Os mapas demonstraram que utilizar a média na determinação do comportamento da
compactação, podem mascarar níveis críticos, como verificados na comparação com os dados de
compactação máxima..
O mapeamento por krigagem indicativa evidenciou áreas com probabilidade de problemas de
compactação, sendo assim um método eficiente para este tipo de análise.
A modelagem geoestatística representou á área de estudo, sendo uma poderosa ferramenta para
análise de dados de solos agrícolas.

Referências Bibliográficas
GONÇALVES, A. C.; GUIMARÃES, R. M.; BLAINSKI, E. ; TORMENA, C. A.; FOLEGATTI, M. V.
Distribuição espacial de umidade do solo e da produtividade da cultura de feijão em um nitossolo. In:
SIMPÓSIO DE GEOESTÁTISTICA APLICADA EM CIÊNCIAS AGRÁRIAS,1. Anais... Botucatu, 2009,
4 p.
KLEIN, V. A.; LIBARDI, P. L.; SILVA, A. P. Resistência mecânica do solo à penetração sob diferentes
condições de densidade e teor de água. Engenharia Agrícola, Jaboticabal, v.18, n.2, p. 45-54,1998.
LANDIM, P. M. B.; STURARO, J. R. Krigagem indicativa aplicada à elaboração de mapas
probabilísticos de riscos. Rio Claro: Unesp, 2002. 19 p. Disponível em:
<http://www.rc.unesp.br/igce/aplicada/DIDATICOS/LANDIM/kindicativa.pdf>. Acesso em: 29 ago.
2011.
LANDIM, P.M.B. Análise estatística de dados geológicos. 2º edição. São Paulo: UNESP, 2003.
253p.
SOUZA, Z. M.; CAMPOS, M. C. C.; CAVALCANTE, I. H. L.; MARQUES JUNIOR, J. CESARIM, L. G.;
SOUZA, S. R. Dependência espacial da resistência do solo a penetração e do teor de água do solo
sob cultivo continuo de cana-de-açúcar. Revista Ciência Rural, v.36, n.1, p.128-134, 2006.

III Simpósio de Geoestatística em Ciências Agrárias 5


III Simpósio de Geoestatística Aplicada em Ciências
Agrárias
08 a 10 de maio de 2013
Botucatu-SP

TEIXERA, D. B.; PANOSSO, A. R.; PEREIRA, G. T.; LA SCALA Jr., N. Comparação entre métodos
de interpolação na determinação de propriedades físicas de um latossolo. In: SIMPÓSIO DE
GEOESTÁTISTICA APLICADA EM CIÊNCIAS AGRÁRIAS,1.Anais... Botucatu, 2009, 4p.
ZIMBACK, C. R. L. Análise espacial de atributos químicos de solos para fins de mapeamento da
fertilidade. 2001. 114 f. Tese (Livre-Docência em Levantamento do solo e Fotopedologia) -
Faculdade de Ciências Agronômicas, Universidade Estadual Paulista, Botucatu, 2001.

III Simpósio de Geoestatística em Ciências Agrárias 6

View publication stats

Você também pode gostar