INTRODUÇÃO

Vários estudos mostraram a acentuada variabilidade espacial das propriedades do solo em parcelas agrícolas (^{Peralta & Costa, 2013}; ^{Serrano et al., 2017}). A monitorização espaço - temporal das principais propriedades do solo permite recolher dados fundamentais e necessários para a tomada de decisão e definição de estratégias de gestão das atividades agrícolas (^{King et al., 2005}; ^{Bullock et al., 2009}; Peralta et al., 2015). Por outro lado, a variabilidade espacial e a estabilidade temporal são duas condições essenciais para a implementação de tecnologias de taxa variável (VRT- “Variable Rate Technology”) (^{Schellberg et al., 2008}), com o objetivo de aumentar a rentabilidade e reduzir o impacto ambiental negativo da agricultura moderna (^{Mat Su & Adamchuck, 2023}).

São várias as referências à utilização de sensores para cartografar as propriedades físicas e químicas do solo e para dividir o campo em áreas menores e mais homogéneas (zonas homogéneas de gestão, ZHG) (Adamchuck et al., 2004; ^{Ahrends et al., 2023}). A definição de ZHG permite apoiar a tomada de decisão, por exemplo, para decidir sobre os locais de amostragem de solo (amostragem inteligente de solo) (^{Ylagan et al., 2022}) ou para aplicação de fatores de produção a taxa variável (VRA- “Variable Rate Application”) (^{McCutcheon et al., 2006}; ^{Serrano et al., 2014}; ^{Medeiros et al., 2016}).

A amostragem tradicional do solo compreende a recolha intensiva de amostras, complementada com o trabalho exaustivo de laboratório (^{Peralta et al., 2015}). Esta é, contudo, impraticável à escala agrícola, porque requer a recolha de muitas amostras para obter uma boa representação dos padrões espaciais do solo, o que é exigente em mão-de-obra, é demorado e caro (Peralta et al., 2015). Por isso, é desejável identificar técnicas de medida que permitam a obtenção ágil e rápida de dados para o mapeamento das variáveis de campo (^{King et al., 2005}).

O uso de medições georreferenciadas da CE_a, combinadas com sistemas globais de navegação por satélite (GNSS) e sistemas de informação geográfica (GIS), tornaram-se fundamentais na caraterização do padrão espacial das propriedades do solo (^{Sudduth et al., 2003}; ^{Moral et al., 2010}). Existem fundamentalmente dois tipos de sensores de CE_a atualmente no mercado: (i) sensores de contacto (como o sensor Veris 2000 XA) que utilizam elétrodos em discos, que fazem o contacto com o solo, para medir a resistividade elétrica (o inverso da condutividade elétrica); e (ii) sensores sem contacto (como os sensores Dualem 1S ou EM-38), baseados no princípio da indução eletromagnética (Moral et al., 2010). Ambos apresentam vantagens e desvantagens, e os diferentes princípios de funcionamento destes tipos de sensores devem ser considerados na seleção de sistemas de deteção da CE_a para cada aplicação (^{Serrano et al., 2014}). É geralmente reconhecido que ambos os tipos de sensores representam ferramentas práticas para delinear ZHG baseadas nas caraterísticas do solo (^{McCutcheon et al., 2006}). Tem sido demonstrada a relação da CE_a com outros atributos do solo, incluindo a salinidade, a textura, a profundidade, o pH, a humidade, a matéria orgânica e a capacidade de troca catiónica (^{Peralta et al., 2015}; ^{Medeiros et al., 2016}). Segundo ^{Farahani e Buchleiter (2004}), embora a magnitude dos valores absolutos da CE_a possa mudar em resposta a modificações nas propriedades dinâmicas do solo, espera-se que o padrão de variabilidade espacial deste parâmetro não mude significativamente ao longo do tempo (Medeiros et al., 2016). É, portanto, essencial que as medições de CE_a retratem o padrão de variabilidade espacial do solo, expresso em termos de delimitação das ZHG, mas também o façam de forma estável ao longo do tempo (Medeiros et al., 2016), garantindo decisões de gestão de médio e longo prazo (Serrano et al., 2017). Considerando que as ZHG são frequentemente utilizadas por vários anos, as variáveis devem ser temporalmente estáveis (^{Schenatto et al., 2017}). Vários estudos avaliaram e relataram a estabilidade temporal da CE_a. Alguns relataram associações temporais fracas (McCutcheon et al., 2006) e outros demonstraram estabilidade temporal da CE_a (^{Liao et al., 2014}; ^{Martini et al., 2017}; Serrano et al., 2017), não há, contudo, estudos conhecidos de avaliação da estabilidade temporal das ZHG, especialmente quando obtida a partir de medições com sensores com princípios diferentes.

O objetivo deste estudo foi avaliar a estabilidade temporal dos padrões das ZHG resultantes de medições da CE_a utilizando dois tipos diferentes de sensores em diferentes datas.

MATERIAL E MÉTODOS

Caraterísticas dos campos experimentais

O trabalho experimental decorreu em quatro parcelas: duas na herdade da Mitra (“ECO” e “MIT”; a primeira com 4,3 ha; coordenadas 38°53,10′ N; 8°01,10′ W; a segunda com 20,2 ha; coordenadas 38°32,17′ N; 7°59,83′ W), perto de Valverde; uma na herdade das Murteiras (“MUR”; com 29,6 ha; coordenadas 38°23,4′ N; 7°52,5′ W), perto da Torre de Coelheiros; e uma na herdade dos Padres (“PAD”; com 32,2 ha; coordenadas 38°36,4′ N; 8°8,7′ W), perto de Montemor-o-Novo. Trata-se de pastagens permanentes biodiversas de sequeiro enquadradas no ecossistema Montado de azinho. O solo nestas parcelas é predominantemente do tipo Cambissolo (FAO, 2006), caraterizado por textura grosseira (entre arenoso-franco e franco-arenoso), normalmente ácidos, com baixa fertilidade. Os animais em pastoreio extensivo (permanente ou rotativo) são espécies autóctones de ovinos ou bovinos. A localização destas parcelas (todas no distrito de Évora, na região Alentejo) é representativa do clima “Csa” (clima Mediterrânico de verão quente de acordo com a classificação climática de Köppen-Geiger), com grande amplitude térmica (mínima próxima dos 0°C no Inverno e máxima superior a 40°C no Verão), precipitação média anual normalmente abaixo de 600 mm, concentrada entre outubro e abril e praticamente inexistente no Verão.

Procedimento experimental

A Figura 1 mostra, de forma esquemática, a abordagem experimental proposta neste estudo.

Figura 1 Representação esquemática da abordagem experimental proposta neste estudo. 

O levantamento topográfico dos campos experimentais foi realizado em outubro de 2018 utilizando um GPS RTK (“Real Time Kinematic”; Trimble RTK/PP-4700 GPS, Trimble Navigation Limited, Sunnyvale, CA, EUA). Para cada campo, o modelo digital do terreno foi gerado usando a ferramenta de interpolação “TIN” do ArcGIS 9.3. Esta informação vetorial foi convertida numa superfície com resolução de 1 m usando a ferramenta ''Spatial Analyst'' do ArcGIS.

A CE_a foi medida nos quatro campos experimentais com um sensor de contacto “Veris 2000 XA” (Veris Technologies, Salina, KS, EUA; Figura 2a) em outubro de 2018. Este sensor é montado num chassis com duas rodas, e os seus componentes ativos consistem em dois pares de elétrodos, apoiados em discos ajustáveis. Um par de elétrodos injeta corrente no solo (discos mais externos), enquanto o outro par (discos mais internos) mede a diferença de tensão. O ajustamento dos discos gera um conjunto de dados da camada superficial do solo (de 0 a 0,30 m de profundidade). O sensor, equipado com antena GNSS, foi rebocado por um veículo todo-terreno a uma velocidade média de 2,5 m s^-1, e foram feitas sucessivas passagens espaçadas entre si entre 10 e 15 m. As medições de CE_a foram registadas a cada segundo.

A CE_a também foi medida em setembro de 2020 utilizando um sensor sem contacto EM-38 (Geonics Ltd., Mississauga, ON, Canadá; Figura 2b). Este sensor foi regulado para obter os dados da camada superficial do solo (0-0,375 m). O dispositivo foi rebocado por um veículo todo-terreno equipado com antena GNSS. O veículo manteve uma velocidade média de 2,5 m s^-1, fazendo passagens sucessivas pelos campos espaçadas entre si entre 10 e 15 m, registando as medições de CE_a a cada segundo.

Os mapas de EC_a foram gerados utilizando o módulo ArcMap do ArcGIS.

Figura 2 Medição da condutividade elétrica aparente do solo nos campos experimentais: (a) sensor Veris 2000 XA (a); (b) sensor EM-38. 

Entre as duas medições da CE_a não foram realizadas intervenções no solo, nem aplicação de adubos ou corretivos. Em ambas as datas e em cada campo experimental, após as medições da CE_a, foram recolhidas 8 amostras compósitas e georreferenciadas do solo (profundidade de 0-0,30 m). Cada amostra compósita resultou da combinação de cinco subamostras recolhidas numa área de aproximadamente 10 m × 10 m. As amostras de solo foram transportadas para o laboratório “AmbiTerra” da Universidade de Évora em caixas metálicas, pesadas e depois secas a 105 °C até peso constante para determinação da humidade gravimétrica do solo. A fração fina do solo (com diâmetro < 2 mm) foi submetida a análises químicas utilizando métodos laboratoriais de referência (AOAC, 2005) para determinação do pH, da matéria orgânica (MO), do fósforo (P₂O₅) e do potássio (K₂O). O pH em água (1:2,5) foi determinado pelo método potenciométrico. A MO foi determinada por combustão e medição do CO₂ por infravermelhos. Para extração do fósforo e do potássio foi usado o método Egner-Riehm. Na data 2, as amostras de solo também foram processadas para determinação da textura e da capacidade de troca catiónica (CTC). A análise granulométrica (areia, limo e argila) foi realizada num sedimentógrafo (modelo 5100 da Micromeritics), enquanto a CTC foi medida pelo método do acetato de amónio.

Análise de dados

Com o objetivo de avaliar a variabilidade espacial do solo, foi realizada uma análise estatística descritiva inicial (média, desvio padrão e coeficiente de variação, CV) dos parâmetros medidos.

Os dados de CE_a obtidos pelo sensor Veris, em outubro de 2018, e pelo EM-38, em setembro de 2020, foram sincronizados utilizando as coordenadas geográficas de cada ponto para avaliar a estabilidade temporal das medidas de CE_a.

Um conjunto de dados combinado foi criado para cada data: cada registo obtido pelo sensor Veris foi emparelhado com o registo mais próximo obtido pelo sensor EM-38, com base nas respetivas coordenadas geográficas. Caso não fosse encontrada correspondência nas coordenadas espaciais num raio de 5 m, esse ponto era removido do conjunto de dados. Os conjuntos de dados, ou seja, pontos com coordenadas geográficas comuns em ambos os levantamentos (data 1 e data 2) em cada campo experimental foram submetidos à análise de correlação linear, para obtenção dos coeficientes de correlação de Pearson (r) pelo método dos mínimos quadrados (p < 0,05).

Os resultados da CE_a obtidos em cada data, combinados com os dados altimétricos (levantamento realizado na primeira data) foram submetidos a análises geoestatísticas que permitiram a definição de três ZHG (maior potencial, intermédio e menor potencial) em cada data e campo experimental. Os procedimentos para delineamento das ZHG foram descritos por ^{Fridgen et al. (2004}).

Para analisar a estabilidade temporal das ZHG definida em cada parcela, foi realizada uma comparação entre cada pixel dos mapas de ZHG obtidos em cada data. Assim, para cada parcela, foi realizado um processo de reclassificação nos dois mapas de ZHG, atribuindo o valor 0 aos pixéis das ZHG com maior potencial, 1 aos de potencial intermédio e 2 aos de baixo potencial. Posteriormente, utilizando álgebra de mapas, ambos os mapas de ZHG foram sobrepostos, produzindo um novo mapa distinguindo três zonas possíveis: uma onde os pixéis têm valor 0, significando que as ZHG coincidem em ambos os mapas; outra onde os pixéis têm valor 1, significando que há uma diferença de 1 entre os valores dos pixéis nos dois mapas, e uma terceira zona com pixéis cujo valor é 2, significando que os pixéis dos dois mapas têm uma diferença de 2 entre eles. Neste novo mapa, a zona contendo pixéis com valor 0 foi denominada “estável”, a zona com pixéis com valor 1 foi denominada “instável” e a zona contendo pixéis com valor 2 foi denominada “muito instável”.

RESULTADOS E DISCUSSÃO

Variabilidade espacial e temporal das caraterísticas do solo

O Quadro 1 apresenta os resultados da estatística descritiva (média ± desvio padrão) dos parâmetros do solo nas quatro parcelas de ensaio, em ambas as datas de avaliação (outubro 2018 e setembro 2020). Pode verificar-se que a humidade do solo foi baixa nos dois levantamentos realizados nas parcelas ECO e MIT (entre 5,5 e 8,1%), com CV abaixo de 30%. No caso das parcelas MUR e PAD, os primeiros levantamentos (data 1) foram realizados com valores de humidade no solo muito superiores (17% em MUR e 19% em PAD) do que os segundos levantamentos (10% em MUR e 7% em PAD). Por outro lado, os valores de CE_a foram significativamente superiores nas medições realizadas em todas as parcelas na data 2, com o sensor EM-38, quando comparadas com as medições realizadas na data 1, com o sensor Veris 2000 XA. As medições com o sensor de contacto (Veris) dependem da penetração adequada dos discos (e dos respetivos elétrodos), apresentando maior dificuldade em solos com reduzida humidade, relativamente compactados (sujeitos a pisoteio animal) e com pedras (como é o caso). As medições com sensores de indução (sem contacto) superam essas dificuldades e, portanto, parecem mais adaptados às medições em pastagens de sequeiro. As medições com o sensor Veris mostraram CV de aproximadamente 50-70%, enquanto as medições com o sensor EM-38 mostraram CV sistematicamente mais baixos (entre 15-50%).

No que respeita aos parâmetros químicos do solo, os resultados apresentados confirmam a sua variabilidade espacial, refletida no CV, tanto dentro de cada parcela como entre parcelas, e destacam algumas das principais limitações típicas destes solos: em geral, apresentam baixo pH (ligeiramente ácido; com reduzido CV, < 10%), textura grosseira, teor relativamente baixo de MO (entre 13,1 e 27,3 g kg⁻¹, com CV entre 7 e 35%), baixos teores de fósforo (P₂O₅ < 30 mg kg⁻¹, com CV elevado, geralmente > 30%) e níveis relativamente altos de potássio (geralmente > 45 mg kg^-1 e, em alguns casos, > 100 mg kg^-1, com CV elevado, geralmente > 30%), aspetos já apresentados em outros estudos (^{Serrano et al., 2022}).

A comparação entre as datas de amostragem de solo destaca a tendência para maiores teores de MO na data 2, em relação à data 1, em todos as parcelas. Ainda quanto aos parâmetros do solo, são evidentes os baixos teores de argila (entre 4 e 8,5%, nas quatro parcelas), revelando a textura grosseira, com CV elevado (entre 17 e 55%). A CTC é relativamente baixa (em média entre 7 e 9 cmol_c kg^-1), exceto na parcela PAD onde o valor médio foi aproximadamente o dobro, sendo o CV muito variável (entre 10 e 60%).

A variabilidade espacial e temporal associada aos parâmetros do solo está em linha com outros estudos, sendo particularmente acentuada no Montado pela presença de árvores e animais em pastoreio (^{Schellberg et al., 2008}). Os efeitos combinados de um relevo ondulado, com árvores dispersas e animais em pastoreio selectivo, escolhendo as espécies botânicas e depositando a urina e fezes de forma heterogénea, proporcionam uma notável variabilidade espacial e temporal da concentração de nutrientes no solo (^{McCormick et al., 2009}). Alto CV das propriedades do solo normalmente indica alta variabilidade espacial e, consequentemente, sugere o interesse pela gestão diferenciada (^{Moral et al., 2010}). Por outro lado, a variabilidade espacial e a estabilidade temporal do solo são duas condições essenciais para a definição de ZHG e para a adoção de estratégias de AP (^{Ahrends et al., 2023}).

Estabilidade temporal das ZHG

A correlação entre os valores das medições de CE_a, obtidos em cada data de avaliação, após sincronização de coordenadas, mostrou coeficientes de correlação (r) significativos (p < 0,05), em todas as parcelas: 0,506 na parcela ECO, 0,449 na parcela MIT, 0,618 na parcela MUR e 0,515 na parcela PAD. Regressões espaciais e testes pareados aplicados por ^{McCutcheon et al. (2006}) para investigar diferenças entre valores de CE_a de diferentes datas de medição (estabilidade temporal) com um sensor de contacto (Veris) forneceram coeficientes de correlação com ampla variação (entre 0,10 e 0,76). ^{Martini et al. (2017}), compararam medições repetidas realizadas com um sensor de indução eletromagnética e concluíram que os padrões espaciais da CE_a diferiam em função do teor de humidade e da temperatura do solo. Utilizando também um sensor de indução eletromagnética (Dualem 1S) durante um período de 7 anos, ^{Serrano et al. (2017}) encontraram padrões espaciais de CE_a temporalmente estáveis numa pastagem, apesar das mudanças nas condições ambientais e de gestão. Vários estudos demonstraram a possibilidade de alterações significativas na CE_a ao longo do tempo, no entanto, com representações de estrutura espacial relativamente estáveis (^{Mat Su & Adamchuck, 2023}).

A aplicação de algoritmos geoestatísticos aos dados de altimetria e de CE_a permitiu a definição de ZHG e a elaboração dos respetivos mapas. O Quadro 2 apresenta a área de cada ZHG (de baixo potencial, de potencial intermédio e de alto potencial), em cada data de avaliação.

Vários métodos têm sido usados por diferentes equipas de investigação para definir as tendências espaciais e temporais (^{Blackmore et al., 2003}; ^{Xu et al., 2006}). Neste estudo, a estabilidade temporal das ZHG foi avaliada por um processo de reclassificação por sobreposição de mapas de ZHG, permitindo a definição de três classes: estável, instável e muito instável, expressas como percentagem da área total de cada parcela (Quadro 2).

Os mapas de ZHG da primeira data de avaliação (a) e da segunda data de avaliação (b) e os mapas da estabilidade temporal das ZHG (c) são apresentados nas figuras 3 a 6, respetivamente para as parcelas ECO, MIT, MUR e PAD.

Figura 3 Mapas de Zonas Homogéneas de Gestão (ZHG) na primeira (a) e segunda (b) data de avaliação e de estabilidade temporal das ZHG (c) na parcela ECO. 

Figura 4 Mapas de Zonas Homogéneas de Gestão (ZHG) na primeira (a) e segunda (b) data de avaliação e de estabilidade temporal das ZHG (c) na parcela MIT. 

Figura 5 Mapas de Zonas Homogéneas de Gestão (ZHG) na primeira (a) e segunda (b) data de avaliação e de estabilidade temporal das ZHG (c) na parcela MUR. 

Figura 6 Mapas de Zonas Homogéneas de Gestão (ZHG) na primeira (a) e segunda (b) data de avaliação e de estabilidade temporal das ZHG (c) na parcela PAD. 

Em média, 52% da área do conjunto das quatro parcelas apresentou estabilidade temporal (manteve a mesma categoria de ZHG em ambos os levantamentos da CE_a; com valor mínimo de 37,6% na parcela MIT e máximo de 71,2% na parcela MUR), 42% da área apresentou instabilidade temporal (enquadrou-se na categoria seguinte ou na categoria anterior de ZHG entre levantamentos da CE_a) e apenas 6% da área se apresentou muito instável entre os dois levantamentos da CE_a. Estes resultados oferecem boas perspectivas para o uso da CE_a na definição a médio e longo prazo de ZHG. Isto pressupõe que as condições prevalecentes e os fatores limitantes são consistentes ao longo dos anos (^{Blackmore et al., 2003}).

Apesar da estabilidade temporal dos padrões espaciais da CE_a, em termos relativos, reflectida nos mapas de estabilidade temporal, será interessante em futuros trabalhos alargar o estudo a outros tipos de solos (em particular, com textura mais fina) e diferentes condições de humidade, para identificar a origem da discrepância em termos absolutos na medição de CE_a por diferentes sensores (contacto versus sem contacto), com valores sistematicamente superiores obtidos pelo sensor EMI (EM-38, neste caso) em comparação com o sensor de contacto (Veris 2000 XA, neste caso).

CONCLUSÕES

Neste estudo ficou demonstrada a variabilidade espacial das caraterísticas do solo no ecossistema Montado, o que é um excelente indicador para efeitos de gestão diferenciada. Foram definidas três ZHG (de alto potencial, de potencial intermédio e de baixo potencial) com base em análises geoestatísticas da CE_a e da altimetria. Medições de CE_a com diferentes sensores (com e sem contacto), realizadas com praticamente dois anos de intervalo, revelaram padrões espaciais de ZHG com notável estabilidade temporal (média de 52% da área total em quatro parcelas), o que mostra o potencial de utilização da CE_a nas decisões de gestão de médio e longo prazo. Sendo este um estudo exploratório, cujos resultados preliminares abrem boas perspetivas de aplicação, será importante alargar a base de amostragem, nomeadamente a outros tipos de solo e com outros sensores, com vista a obter dados mais robustos. Este trabalho sugere também que futuros desenvolvimentos devem concentrar-se na criação de algoritmos para validar a variabilidade espacial e a estabilidade temporal da CE_a através de amostragem inteligente do solo, melhorando assim o processo de recomendações para a correção ou fertilização do solo.