Content uploaded by Jonathas Jesus dos Santos
Author content
All content in this area was uploaded by Jonathas Jesus dos Santos on Jul 15, 2020
Content may be subject to copyright.
Revista Ibero-Afro-Americana de Geografia Física e Ambiente
Iberian-African-American Journal of Physical Geography and Environment
Physis Terrae, Vol. 2, nº 1, 2020, 63-86. ISSN: 2184-626X
https://doi.org/10.21814/physisterrae.2573
Modelagem geoestatística de elementos maiores dos
solos de Feira de Santana-Ba, Brasil
Geostatistical modeling of larger elements of soils of Feira de
Santana-Ba, Brazil
Jonathas Jesus dos Santos, Programa de Pós-Graduação em Geografia Física, Universidade de São
Paulo- USP, Brasil, jonathas@usp.br
https://orcid.org/0000-0003-4558-7602
Washington de Jesus Sant'Anna da Franca Rocha, Instituto Nacional de Ciência e Tecnologia em
Estudos Interdisciplinares e Transdisciplinares em Ecologia e Evolução (IN-TREE), Programa de Pós-
Graduação Modelagem em Ciências da Terra e do Ambiente, Universidade Estadual de Feira de
Santana, Brasil, wrocha@uefs.br
https://orcid.org/0000-0002-2175-2792
Gustavo Macedo de Mello Baptista, Instituto de Geociências, Universidade de Brasília, Brasil,
gmbaptista@unb.br
https://orcid.org/0000-0002-1973-2725
Deorgia Tayane Mendes de Souza, Programa de Pós-Graduação Modelagem em Ciências da Terra e
do Ambiente, Universidade Estadual de Feira de Santana, Brasil, deorgiasouza.geo@gmail.com
https://orcid.org/0000-0001-6791-3611
Ardemirio de Barros Silva, Programa de Pós-Graduação Modelagem em Ciências da Terra e do
Ambiente, Universidade Estadual de Feira de Santana, Brasil, abarros@uefs.br
https://orcid.org/0000-0002-0892-0851
Sarah Moura Batista dos Santos, Departamento de Geografia, Universidade do Minho, Portugal,
saamoura@gmail.com
https://orcid.org/0000-0001-5437-9202
Resumo: A variabilidade dos elementos do solo vem sendo estudada por técnicas de modelagem
ambiental por meio da geoestatística. Essa pode ser uma ferramenta essencial para o desenvolvimento
de projetos relacionados a métodos de interpolação e metodologias estatísticas para validar a
correlação entre as características referentes aos solos. Nessa perspectiva, esse trabalho tem como
objetivo modelar as características químicas naturais dos elementos maiores P, K, Mg, Ca, e Na dos
solos de Feira de Santana-BA. Para tal, realizou-se a coleta das amostras de solos na área de estudo
e foram realizadas as análises químicas em laboratório. Posteriormente foram removidos os outliers e
efetuou-se a estatística descritiva dos atributos, avaliando também o coeficiente de correlação linear
de Pearson entre os elementos. Calculou-se o tamanho do pixel, definiu-se o interpolador Krigagem
por meio do cálculo dos resíduos e selecionou-se os critérios para classificação das propriedades. Os
semivariogramas experimentais foram ajustados e em seguida produziu-se a Krigagem Ordinária,
sendo também gerados mapas 2,5D. Observou-se que na maioria das vezes, as unidades de alta
distribuição de elementos maiores estão ao oeste, em contrapartida, as áreas de baixa ao leste do
município.
Palavras-chave: Química de solo; Variabilidade espacial; Distribuição de elementos.
Abstract: A variability of soil elements has been studied by environmental modeling techniques using
geostatistics. This can be an essential tool for the development of projects related to interpolation
methods and statistical methodologies to validate the correlation between soil characteristics. In this
perspective, this work aims to model the natural chemical characteristics of the larger elements P, K,
Mg, Ca and Na of the soils of Feira de Santana-BA. To this end, it carried out a collection of solution
samples in the study area and they were carried out as chemical analyzes in the laboratory.
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
64
Subsequently, the outliers were removed and performed with a descriptive statistic of the attributes, also
available or Pearson's linear correlation coefficient between the elements. Calculate the pixel size,
define the Krigagem interpolator by calculating the residuals and select the standards for classifying
properties. The experimental semivariograms were adjusted and followed produced in the Ordinary
Krigagem, and 2.5D maps were also generated. It was observed that in most cases, the units of high
distribution of larger elements are to the west, in contrast, the areas of low to the east of the municipality.
Keywords: Soil chemistry; Spatial variability; Distribution of elements.
Introdução
O conhecimento sobre a variabilidade dos atributos dos solos tornou-se uma questão
estratégica, tanto do ponto de vista agrícola (com o objetivo de aumentar a eficiência
e produtividade), quanto do ponto de vista ambiental (para avaliar os efeitos da
antropização e da degradação do solo). Nessa perspectiva, a geoestatística tem
desempenhado um papel fundamental na avaliação da variabilidade espacial de
elementos nos solos (Ortiz, 2008; Silva, Lima, 2009; Manzione, Zimback, 2011; Zonta
et al., 2014; Martins, Fernandes, 2017; Santos et al., 2019).
A avaliação da variabilidade pode ser uma ferramenta essencial para o
desenvolvimento de projetos relacionados a métodos de interpolação e metodologias
estatísticas para validar a correlação entre as características referentes aos solos
(Ronquim, 2010). O emprego de técnicas de modelagem possibilita a criação de
cenários, pelas simulações sobre um conjunto de equações que irão representar um
processo (Martin et al., 2007). Para a modelagem de atributos do solo deve-se analisar
as propriedades químicas, integrá-las e espacializá-las num Sistema de Informação
Geográfica (SIG) (Bönisch, 2001; Ortiz, 2008).
As técnicas quantitativas de predição espacial por meio de modelagem em
levantamentos de solos são comumente provenientes da geoestatística e de métodos
estatísticos modernos por meio de estimativas espaciais para caracterização da
variabilidade (Mcbratney et al., 2000; Bönisch et al., 2004). Um dos métodos
geoestatísticos para esses estudos é a Krigagem que incorpora em seus
ponderadores a dependência espacial entre as amostras. Esta dependência espacial
é expressa por meio dos parâmetros do modelo de semivariograma ajustado
(Almeida, 2013).
A geoestatística tem-se mostrado de grande utilidade, na ciência do solo, para
caracterizar e mapear a variabilidade espacial de suas propriedades. Com ela pode-
se fazer um levantamento completo do estado físico e químico da área, e caracterizar
sua variabilidade espacial por meio de variogramas (Manzione, Zimback, 2011). Logo,
este trabalho tem como objetivo modelar as características químicas naturais dos
elementos maiores Fósforo (P), Potássio (K), Magnésio (Mg), Cálcio (Ca), e Sódio
(Na) dos solos de Feira de Santana-BA em um pixel de 332 metros.
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
65
1. Área de estudo
A pesquisa foi realizada no município brasileiro de Feira de Santana, localizado no
estado da Bahia, região nordeste do Brasil (Figura 1). Trata-se de um município
comercial que está localizado no Agreste, área de transição biológica entre a Mata
Atlântica e a Caatinga, com presença de fauna e flora dos dois ambientes (Dias &
Lobão, 2016). Está em uma área chamada “Polígono das Secas”, com clima variando
de seco a subúmido e prolongados períodos de estiagem (CPRM, 2005).
O município desempenha importante papel regional, servindo de ligação entre as
regiões fisiográficas do litoral úmido e do interior semiárido, e entre as grandes regiões
geográficas Nordeste e Sudeste do Brasil (Santo et al., 2013).
Figura 1: A - Localização do Estado da Bahia no Brasil. B - Localização do município de Feira de
Santana no estado da Bahia. C – Limites territoriais do município de Feira de Santana.
De acordo com o IBGE (2018), predominam seis classes de solos (Figura 2). A leste,
destaca-se os Argissolos Vermelhos-Amarelos e Argissolos Amarelos juntamente
com uma faixa de Planossolos. Ao norte pequenas faixas de Latossolos. A oeste
Planossolos, Neossolos Litólicos e Chernossolos.
O uso e ocupação da terra (Figura 3) é caracterizado em grande parte da área
territorial pela agricultura e pecuária, o município também possui, lagos, açudes ou
represas principalmente na porção leste. Na porção oeste observa-se a presença da
vegetação caatinga, da floresta estacional e secundária. A vegetação natural do
município é a caatinga arbórea e arbustiva, que se encontra bastante fragmentada
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
66
nas partes mais baixas do relevo e bem preservada nas áreas de serras. O núcleo
urbano está localizado na porção central do município (Dias, Lobão, 2016).
Figura 2: Pontos amostrais dos solos de Feira de Santana-BA.
Geomorfologicamente o município está localizado em uma área de Pediplano
Sertanejo, na unidade geomorfológica dos Tabuleiros Interioranos, que são
características de superfícies descontínuas modeladas e tabulares. Geologicamente,
o município tem duas formações: o embasamento cristalino pré-cambriano, composto
basicamente por granitos-gnaisses; e outra sedimentar de idade Pliocênica composta
por conglomerados, areias e argila (Santos, Andrade, 2008). Nesse sentido,
predomina a oeste do município o Gnaisse Granulítico e a leste rochas como Arenito,
Arenito conglomegrado, Monzogranito, Quartzo, Sienogranito, Anfibolito e Migmatito.
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
67
Figura 3: Classes do Mapbiomas do uso e cobertura da terra de Feira de Santana no ano de 2018.
2. Materiais e Métodos
2.1. Coleta de amostras e configuração de dados
Para a coleta de amostras foi utilizado o trado holandês em aço inox com perfuração
de 25 cm. Coletou-se amostras em várias partes do município e preferindo-se os
lugares com menores intervenções humanas. A marcação dos pontos de coleta foi
realizada com o GPS de modelo convencional de precisão de 4 metros. Foram
coletados 74 pontos, com amostragem simples de uma amostra por ponto. Já
distância média entre os pontos foi de 1500 metros. O padrão de distribuição de
amostras escolhido foi de coletas nas quatro grandes regiões e nas principais classes
de solos do município, incluindo coletas nos Latossolos Amarelos e Argissolos
Vermelho-Amarelo (Figura 2). Posteriormente os pontos foram plotados no SIG.
Para o mapa de uso e cobertura da terra (Figura 3), utilizou-se os dados do Projeto
de Mapeamento Anual da Cobertura e Uso do Solo do Brasil - MapBiomas. Trata-se
de um projeto que têm desenvolvido uma série de metodologias para o monitoramento
da dinâmica do uso e da cobertura da terra do Brasil, por meio das técnicas de
sensoriamento remoto, com o uso plataforma de processamento digital em nuvem
Google Earth Engine (Costa et al 2018).
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
68
2.2. Análise química de solos com verificação de outliers e estatística descritiva dos
atributos
Parte das amostras coletadas foram levadas para o laboratório de química de solo da
Embrapa de Cruz das Almas-BA e a outra parte para o laboratório de química da
Embrapa em Petrolina-PB. Foram realizadas análises químicas, sendo determinados
a concentração total dos elementos maiores: P, K, Mg, Ca e Na. O método utilizado
para a determinação do P, K, e Na foi com o extrator Mehlich 1 com determinação por
absorção atômica. Já para a extração do Mg e Ca utilizou-se o KCl 1M também por
absorção atômica (Embrapa, 2011).
Com os resultados da química de solo, observou-se a existência de outliers. Esses
são valores extremos que se diferenciam dos outros por fugir da normalidade. Eles
podem surgir por qualquer motivo, incluindo aqueles através de medições não
laboratoriais e processos relacionados ao procedimento (Parrinello et al., 2016). Os
outliers foram removidos utilizando o método de Chauvenet, que leva em
consideração a média e o desvio padrão das amostras para a determinação dos
valores aberrantes (Maples et al., 2018).
Em seguida, realizou-se um estudo exploratório nos resultados das análises, sendo
determinadas as medidas de localização (mínimo, máximo, média, mediana e média
geométrica), medidas de dispersão ou variabilidade (desvio padrão, coeficiente de
variação, variação interquartil), e as medidas de assimetria e curtose. Tais análises
permitiram a avaliação da normalidade dos atributos analisados de acordo com
Carneiro et al. (2016).
As medidas de localização são informação sobre as correspondentes características
populacionais ou parâmetros da população (Martins, 2015). É uma maneira de resumir
ainda mais os dados apresentando um ou mais valores que sejam representativos
para toda série (Morettin, Bussad, 2010). Como o exemplo das medidas de tendência
central representada pela média, mediana e moda. Onde a média é a soma das
observações divididas pelo número dela, a mediana a posição central da série e a
mediana o valor que mais se repete (Morettin, Bussad, 2010).
As medidas de dispersão ou variabilidade são cálculos que podem resumir a
informação contida na amostra, dando a designação da variabilidade ou dispersão da
distribuição dos dados, ou seja, da maior ou menor dispersão dos dados relativamente
a alguma medida de localização (Martins, 2015), a exemplo da variação interquartil é
uma medida de variabilidade, com base na divisão de um conjunto de dados em
quartis. Estes quartis dividem um rank ordena conjunto de dados em quatro partes
iguais. O intervalo interquartil é igual a Q3 menos Q1 (Nanthakumar, Vijayalakshmi,
2016).
Também o Coeficiente de Variação (CV) que seria uma medida de dispersão criada
para estimar a precisão de experimentos e representa o desvio-padrão expresso como
porcentagem da média, quanto menor o CV maior homogeneidade entre os dados
(Mohallem et al., 2008). O CV obtido pela razão entre desvio-padrão e a média dos
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
69
dados, é uma importante ferramenta para análise da dispersão dos dados por ser uma
medida relativa ao valor médio da série (Junior et al., 2010).
Já as medidas de assimetria e curtose é uma forma alternativa para verificar
suposição de normalidade dos dados, refere-se à aplicação de testes baseados nos
dois coeficientes (Santos, Ferreira, 2003).
2.3. Cálculo do tamanho da célula e definição do interpolador
O tamanho da grade ou pixel é uma etapa fundamental para a definição da resolução
espacial em um mapa quando se leva em consideração o número de pontos
amostrados (Silva, 2018). A equação para a cálculo da resolução espacial nesse caso,
pode ser definida como:
Equação 1:
𝜌"="0,0791"𝑥"
*
𝐴
𝑁
Onde o
𝜌
seria o tamanho da célula (pixel), “0,0791” a regra geral do mapa
recomendado para estudos de densidade de inspeção, “A” seria o tamanho da área
em metros que está sendo estudada e o “N” o número das amostras que foram
coletadas (Hengl, 2006). Nesse sentido, determinou-se o tamanho do pixel da área de
estudo, levando em consideração o número de amostras coletadas e o tamanho da
área.
De acordo com área de trabalho de
1.303.001.315"𝑚!
e com 74 amostras coletadas
foi definido pela Equação 1 um tamanho do pixel para a modelagem de elementos
maiores de Feira de Santana de 332 metros.
Para a definição do interpolador, foi levando em consideração o cálculo dos resíduos.
Essa é uma etapa importante já que o interpolador com uma menor quantidade de
resíduos melhor representaria uma realidade espacial. Nessa perspectiva, avaliou-se
o valor dos resíduos nos resultados das análises com os interpoladores Mínima
Curvatura, o Inverso do Quadrado da Distância e a Krigagem ordinária. Para o cálculo
dos resíduos utilizou-se o programa Surfer 9 e o Excel.
2.4. Ajuste dos semivariogramas experimentais para a modelação da área de estudo
Os semivariogramas experimentais das propriedades químicas do solo foram
ajustados sendo determinadas as estruturas de correlação da continuidade espacial.
Para o ajuste dos semivariogramas definiu-se os modelos, estabeleceu-se uma
direção e a tolerância para cada atributo, sendo também observados o efeito pepita,
contribuição e o alcance. Calculou-se os semivariogramas experimentais no programa
geostatístico Surfer 9 por meio da Equação 2 (Journel, 1989):
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
70
Equação 2:
𝛾
(
ℎ
)
=" 1
2𝑁(ℎ)
6
[𝑍(𝑥"#
$%&'
"() )−𝑍(𝑥"# +ℎ)]²
Onde γ(h) é o semivariograma estimado entre pares de pontos, N(h) é o número de
pares de valores medidos Z(xi) e Z(xi + h) medidos em locais afastados entre si da
distância h, (Mello et al., 2003; Mello et al., 2005). Os parâmetros dos
semivariogramas experimentais estão descritos na tabela IV. Optou-se por definir a
direção omnidirecional para todas as variáveis em estudo, ou seja, não houve
nenhuma direção preferencial de continuidade espacial.
2.5. Espacialização dos resultados por meio da Krigagem Ordinária e critérios para a
classificação dos elementos maiores
A espacialização individual de cada uma das propriedades químicas avaliadas em
laboratório foi realizada com o procedimento de interpolação geoestatística de
Krigagem Ordinária (KO). Esse método observa a estimativa de uma variável em local
não amostrado (n*) é obtida a partir da combinação linear dos n dados amostrados
(ni) disponíveis na vizinhança do ponto analisado, de acordo com a expressão geral
(Bagnara et al., 2012):
Equação 3:
𝑣*=
6
𝜆"
+
"() ".𝑣"
Onde
𝜆"
(i = 1,2,..,n) são os pesos atribuídos a cada valor amostral, o
𝑣""
são os dados
experimentais e n o número de elementos amostrais (Bagnara et al., 2012).
Os critérios utilizados para a classificação dos elementos maiores em unidades de
modelos espaciais de baixa, média, média alta e alta foram os de Souza et al. (2015).
Nesse sentido, observou-se os padrões utilizados para a classificação (Tabela I).
Tabela I: Padrões das propriedades dos elementos maiores
Baixa
Média
Média-Alta
Alta
P (mg/dm³)
0 a 6
7 a 13
14 a 20
>20
K (cmolC /dm³ )
0 a 0,07
0,08 a 15
0,15 a 0,23
>0,23
Ca (cmolC /dm³ )
0 a 2,0
2,0 a 4,0
-
>4,0
Mg (cmolC /dm³ )
0 a 0,4
0,5 a 1,0
-
>1,0
Na (cmolC /dm³ )
<6
6 a 15
-
>15
Fonte: Souza et al. (2015)
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
71
3. Resultados e Discussão
O interpolador que apresentou na generalidade menores resíduos foi a Krigagem, em
comparação com Inverso do Quadrado da Distância (IQD) e a Mínima Curvatura (MIC)
(Tabela II). Entretanto, no caso do Mg o interpolador que apresentou o menor valor de
resíduos foi o MIC com 0.49 e para o Na foi o IQD com um valor de 0.48, valor
aproximado da Krigagem com 0.49. Para o P o melhor interpolador foi a Krigagem
com um valor de -0.25 de resíduos, para o K também a Krigagem com 0.26, e no caso
do Ca também a Krigagem com um valor de 0.44.
Tabela II: Cálculo dos resíduos entre os interpoladores
P
K
Ca
Mg
Na
IQD¹
-0.42995
-0.62544
0.483928
0.910218
0.483632
MIC²
-0.44336
-1.09715
0.665236
0.492241
0.549366
KRIG³
-0.25276
0.267033
0.449994
0.937942
0.493713
¹Inverso do Quadrado da Distância; ²Mínima Curvatura; ³Krigagem;
A estatística descritiva da química de solo (Tabela III) demonstra em primeiro lugar as
medidas de localização, logo depois as de dispersão e as medidas de assimetria e
curtose. O menor valor mínimo é o do Na com 0.03 e o maior o do P com 414. A maior
média também foi do P com 55.4 e a menor do Na com 0.17, bem como os valores de
mediana 28.94 e 0.17, respectivamente.
Tabela III: Estatística descritiva de elementos maiores dos solos de Feira de Santana-BA.
Ca
(cmolC
/dm³ )
K
(cmolC
/dm³ )
Mg
(cmolC
/dm³ )
Na
(cmolC
/dm³ )
P
(mg/dm
³)
Medidas de
localização
Mínimo
0.38
0.05
0.18
0.03
0.71
Máximo
10.64
1.4
6.69
1.1
414
Média
3.79
0.31
1.81
0.27
55.4
Mediana
3.22
0.24
1.5
0.17
28.94
Média
Geométrica
3.02
0.24
1.41
0.19
19.39
Medidas de
dispersão
SD¹
2.37
0.25
1.26
0.24
77.42
IQR²
2.96
0.19
1.71
0.2
65
CV³
0.62
0.81
0.69
0.91
1.39
Medidas de
Assimetria e
Curtose
Cs4
0.77
1.92
1.30
1.78
2.49
Ck5
2.99
6.93
5.11
5.84
9.99
¹Desvio Padrão; ²Variação Interquartil; ³Coeficiente de Variação³; Coeficiente de Assimetria4
Coeficiente de Curtose5. Fonte: elaborada pelo autor
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
72
Nesse sentido, o P possui uma maior distribuição de valores e o Na uma menor
distribuição em relação aos outros elementos. Esse fato também é verificado na
mediana, onde o P possui valor de 28.94 e o Na 0.17, na média geométrica com
valores de 19.39 e 0.19, respectivamente. O maior Desvio Padrão (SD) também é do
P com valor de 77.42 e os menores do Na 0.24 e do K 0.25.
O Intervalo Interquartil (IQR) revela que o maior valor foi do P com 65 e o menor o Na
com 0.2.O menor Coeficiente de Variação (CV) foi a do Ca, com um valor de 0.62, já
o maior CV foi a do P com 1.39. Nesse sentido, é observável que o P possui maior
variabilidade no espaço analisado sendo o mais heterogêneo. Em contrapartida o Ca
tem uma menor variabilidade apresentando uma maior homogeneidade entre os
dados avaliados. Esse fato se deve a amostragem.
Os maiores valores do coeficiente de assimetria (Cs) também foi do P com valor de
2.49 e o menor o do Ca com 0.77. Os maiores valores de curtose (Ck) foi a do P com
9.99 e a do K com 6.93, já os menores valores foram as do Ca e Mg com 2.99 e 5.11,
respetivamente. Observa-se que os valores teóricos de Ck próximo de 3 indica a
normalidade dos dados (Carvalho et al., 2002). Todos os semivariogramas
experimentais foram ajustados como o modelo linear com um alcance de 21000. O
maior efeito pepita foi o do P e o menor o do Na, a maior contribuição o do Mg e a
menor do Na.
Tabela IV: Parâmetros dos modelos de semivariogramas experimentais
Direção
Modelo
Efeito pepita
Contribuição
Alcance
Ca (cmolC /dm³)
Omnidirecional
Linear
0,12
0,22
21000
K (cmolC/dm³)
“’
“’
0,06
0,10
“’
Mg (cmolC /dm³)
“’
“’
1,22
2,20
“’
Na (cmolC /dm³)
“’
“’
0,05
0,09
“’
P (mg/dm³)
“’
“’
41,22
0,90
“’
Os semivariogramas experimentais podem ser observados na Figura 4. É verificável
que o menor efeito pepita foi do K com um valor de 0,6 e o maior a do Mg com 1,22.
O alcance em todos os casos se aproximam de 21000.
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
73
Figura 4: Semivariogramas experimentais dos elementos maiores dos solos de Feira de Santana-BA
O mapa da distribuição espacial do P nos solos de Feira de Santana (Figura 5), revela
uma baixa distribuição do elemento químico nos solos da porção leste e média em
partes da porção oeste do município. As áreas de alta distribuição estão localizadas
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
74
sobretudo na porção oeste, sudeste e norte do município. Tal fato fica evidenciado no
modelo 2,5D (Figura 6).
O P é um elemento necessário a qualquer forma de vida, ocorre em todos os
ecossistemas. Entretanto, a quantidade de P biodisponível presente no solo é muito
variável e está dependente do equilíbrio que se estabelece entre o P sorvido na fase
sólida e o P em solução na fase líquida do solo (Monteiro, Torrent, 2010). Nesse
contexto, em solos jovens, os fosfatos de cálcio são os principais fornecedores de P
aos organismos vivos. Por outro lado, em solos altamente intemperizados, a
biociclagem dos fosfatos orgânicos assume grande importância na manutenção da
biodisponibilidade (Santos et al., 2008).
Nesse sentido, constata-se com a observação do mapa de uso e cobertura da terra
(Figura 3) que a agricultura e pastagem são as classes predominantes na porção
oeste, sul e norte da cidade. Logo, um alto valor de P nos solos da porção oeste do
município pode ser essencial para o fornecimento de nutrientes para a vegetação e
consequentemente para o sistema agropecuário da cidade. Em contrapartida, as
unidades de baixa distribuição de P estão localizadas principalmente em áreas de
expansão da mancha urbana do município, que estão localizadas na porção leste.
Figura 5: Modelo de distribuição espacial da concentração de P em mg/dm³
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
75
Figura 6: Modelo 2,5D da distribuição espacial do P em Feira de Santana-BA
A distribuição espacial do K (Figura 7), revela que a maior quantidade do elemento
químico está distribuída na porção norte, oeste e sudoeste do município. As áreas
com valores mais baixos de distribuição estão concentradas sobretudo na porção leste
e em algumas áreas do sudeste. Já as áreas de média e média-alta distribuição estão
localizadas principalmente a leste do município e algumas áreas do sudoeste. Tal fato,
também pode ser verificado no mapa 2,5D de distribuição do K (Figura 8).
O K é o segundo nutriente mineral requerido em maior quantidade pelas espécies
vegetais, depois do nitrogênio (Rosolem et al., 2006). É possível que a disponibilidade
desse elemento químico esteja mais intimamente relacionada com a composição
mineralógica do solo (Melo et al., 2004). Diante disso, o uso e cobertura da terra
(Figura 3) nas unidades de média a alta distribuição, em sua maior parte, também está
caracterizada pela agricultura e pastagem, assim como as unidades de baixa
distribuição espacial, porém em uma menor quantidade.
Nesse sentido, um alto valor de K também poderia beneficiar o sistema agropecuário
dessa região, visto que se trata de um nutriente mineral que pode beneficiar a
vegetação. As áreas de maiores benefícios estão ao oeste, sobretudo ao norte,
noroeste e sudoeste do município de Feira de Santana.
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
76
Figura 7: Modelo de distribuição espacial do K em cmolC/dm³
Figura 8: Modelo 2,5D do K em Feira de Santana-Ba
O Ca está distribuído nos solos de Feira de Santana em um padrão de baixa
concentração na porção leste em contraposição a porção oeste (Figura 9), fato
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
77
também verificado no modelo 2,5D (Figura 10). As áreas com concentração baixa
estendem-se sobretudo na porção leste do município, as de média estão localizados
principalmente na porção oeste com concentrações também no sudeste e norte, já as
áreas de alta concentração estão ao oeste do município, sobretudo na porção
sudoeste.
O Ca é nutriente essencial para o crescimento das plantas, a sua falta no solo aliada
a outros fatores como o aumento da acidez e excesso de alumínio tem como
consequência um franco crescimento do sistema radicular das espécies vegetais, o
que pode acarretar em uma baixa captação de nutrientes (Maria et al., 1993). Dessa
forma, identifica-se que o uso e ocupação da terra (Figura 3) nas unidades de alta
distribuição espacial do Ca na maioria das vezes é caracterizada também pela
pastagem e agricultura. As unidades de média distribuição pela agricultura, pastagem
e áreas de expansão urbana, caso identificado na porção sudeste do município.
Já as unidades de baixa distribuição estão concentradas em áreas de pastagem,
agricultura e expansão da mancha urbana. Nesse sentido, o Ca também poderia
beneficiar o sistema agropecuário do município, já que se trata de um nutriente para
vegetação. As áreas de maiores benefícios estariam na porção oeste do município,
sobretudo na porção sudoeste.
Figura 9: Modelo de distribuição espacial do Ca em cmolC/dm³
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
78
Figura 10: Modelo 2,5D do Ca em Feira de Santana-BA
O Mg possui diferentes padrões de distribuição no município (Figura 11), fato também
verificado no modelo 2,5D (Figura 12). Apresenta uma distribuição sobretudo média
na porção leste e em uma pequena parte norte do município. Já as áreas de alta
concentração estão localizadas praticamente em todas as quatro grandes regiões
com menos intensidade na porção leste.
Nessa perspectiva, o Mg é um dos macronutrientes essenciais para as espécies
vegetais (Benites et al., 2009). O material de origem do solo e a sua taxa de
intemperismo são certamente os condicionadores do estado do magnésio nos solos,
mas existem outros fatores que colaboram o balanço do Mg, como as entradas através
de precipitação e fertilização e as saídas através da exportação das culturas, podas,
lixiviação e erosão (Portela, Pires, 1995).
Logo, observando o mapa de uso e cobertura da terra (Figura 3), verifica-se que a
classe de pastagem e agricultura, também, ocupam a maior parte das unidades de
média e alta distribuição espacial do Mg. Em contrapartida, a área de baixa
distribuição está em uma área de expansão urbana a leste do município. Logo, um
alto valor de Mg também pode ser fundamental para a agropecuária. As áreas de
maiores benefícios estão ao leste e norte do município.
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
79
Figura 11: Modelo de distribuição espacial do Mg em cmolC/dm³
Figura 12: Modelo 2,5D do Mg em Feira de Santana-BA
O Sódio (Na) possui sobretudo uma baixa distribuição nos solos de Feira de Santana
em todas as quatro regiões (Figuras 13 e 14). As áreas de média distribuição estão
localizadas a noroeste do município e em uma pequena parte do leste e sudoeste. Em
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
80
contrapartida, as áreas de alta concentração de sódio não foram registradas dentro
dos parâmetros da Embrapa para alta concentração.
Figura 13: Modelo de distribuição do Na em cmolC/dm³
Figura 14: Modelo 2,5D do Na em Feira de Santana
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
81
O excesso de Na pode causar o processo de salinização dos solos e limitar o
rendimento das culturas (Lima et al., 2008). Entretanto, sabe-se que o Na, têm
presença em solos e águas e são amplamente absorvidos e utilizados pelas plantas,
mas não são considerados como nutrientes para as plantas porque não atendem à
definição estrita de "essencialidade" (Subbarao et al., 2003).
Neste caso, é verificado que nas unidades de baixa distribuição espacial do Na+ está
concentrado nas classes de agricultura e pastagem, assim como os de média
distribuição (Figura 3). A baixa distribuição de Na+ pode beneficiar o sistema
agropecuário do município, tendo em vista que a alta concentração deste elemento é
prejudicial para a vegetação.
Conclusões
A modelagem geoestatística dos elementos maiores dos solos de Feira de Santana-
Ba, em um pixel de 332 metros, revelou que a região possui diferentes padrões
espaciais de distribuição dos elementos maiores analisados. Entretanto, em todos os
casos, observou-se que na maioria das vezes, as unidades de grande concentração
de elementos maiores estão ao oeste do município, tratando-se de uma área com
maior predominância da agricultura e pastagem.
Por outro lado, a porção leste que é caracterizada pela expansão da mancha urbana
e pela agricultura e pastagem, apresentou em grande parte dos resultados uma baixa
distribuição espacial de elementos maiores. Tal fato pode evidenciar interferências
antrópicas no uso e cobertura do solo. Também uma área de transição, visto que o
município se encontra no agreste, que é uma área transicional entre a Mata Atlântica
e a Caatinga.
As altas ocorrências de elementos maiores nos solos do oeste do município podem
ser fundamentais para as práticas agrícolas na região. Entretanto, para uma melhor
resolução espacial e uma maior representatividade da variabilidade dos elementos
maiores nos solos seria necessário um maior número de amostras, tendo em vista o
tamanho do município que possui uma grande área territorial e o número de amostras
coletadas neste estudo.
Agradecimentos
Ao Programa de Pós-Graduação Modelagem em ciências da Terra e do Ambiente
(PPGM), da Universidade Estadual de Feira de Santana (UEFS). Ao Instituto Nacional
em Ciência e Tecnologia em Estudos Interdisciplinares e Transdisciplinares em
Ecologia e Evolução (INCT IN-TREE). Ao Projeto de Mapeamento Anual da Cobertura
e Uso do Solo no Brasil (MapBiomas). A Coordenação de Aperfeiçoamento de
Pessoal de Nível Superior (CAPES), número do processo 1700972.
Financiamento
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
82
Este trabalho recebeu apoio financeiro da Coordenação de Aperfeiçoamento de
Pessoal de Nível Superior (CAPES), número do processo 1700972.
Bibliografia
Almeida, M. F. F. (2013). Uso da Krigagem indicativa na seleção de áreas propícias ao cultivo
do café em consorciação ou rotação com outras culturas. Viçosa: UFV.
Bagnara, D., Prietto, P. D. M., Timbola, R. S. (2012). Aplicação da krigagem ordinária na
modelagem do pH e da dureza da água subterrânea na área central de Passo Fundo – RS.
Teoria e Prática na Engenharia Civil, 20, 15-22.
http://www.editoradunas.com.br/revistatpec/Art2_N20.pdf
Benites, V. M., Carvalho, M. C. S., Resende, A. V., Polidoro, J. C., Bernardi, A. C. C., Oliveira,
F. A. (2010). Potássio Cálcio Magnésio na Agricultura Brasileira. In: Prochnow, L.I; Casarin,
V.; Stipp, S.R. (Org.). Boas Práticas para Uso Eficiente de Fertilizantes. Piracicaba: IPNI,
2, 53-65.
Bönisch, S. (2001). Geoprocessamento ambiental com tratamento de incerteza: o caso do
zoneamento pedoclimático para a soja no Estado de Santa Catarina. Dissertação
Mestrado, Instituto Nacional de Pesquisas Espaciais, São José dos Campos.
Bönisch, S., Assad, M. L. L., Monteiro, A. M. V., Câmara, G. (2004). Representação e
propagação de incertezas em dados de solo. II – Atributos numéricos. R. Bras. Ci. Solo,
28, 33-47. https://doi.org/10.1590/S0100-06832004000100003
Carneiro, J. S. S., Faria, A. J. G., Fidelis, R. R., Neto, S. P. S., Santos, A. C., Silva, R. R.
(2016). Diagnóstico da Variabilidade Espacial e Manejo da Fertilidade do Solo no Cerrado.
Curitiba: R. Scientia Agraria, 17(3), 38-49. http://dx.doi.org/10.5380/rsa.v17i3.50096
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. Pesq.
agropec. bras., Brasília, 37(8),1151-1159. https://doi.org/10.1590/S0100-
204X2002000800013
CPRM (2005). Projeto Cadastro de Fontes de Abastecimento por Água Subterrânea
Diagnóstico do Município de Feira de Santana - Bahia / Organizado [por] Vieira. A, Melo
F., Lopes, H.B.V; Campos, J.C.V.; Guimarães J.T., Bomfim, L.F.C.; Couto, P.A.A.;
Benvenuti, S.M.P. Salvador: CPRM/PRODEEM.
Costa, D. P., Santos, J. J., Chaves, J. M., Rocha, W. J. S. F., Vasconcelos, R. N. (2018).
Novas Tecnologias e Sensoriamento Remoto: Aplicação de uma oficina didática para a
disseminação das potencialidades dos produtos e ferramentas do MapBiomas.
Sustainability, Agri, Food and Environmental Research., 6(3), 36-46.
http://dx.doi.org/10.7770/safer-V0N0-art1402
Dias, L. F., Lobão, J. S. B. (2016). Um olhar sobre o município de Feira de Santana: a
Geografia e o Geoprocessamento num contexto socioambiental. Feira de Santana: UEFS
Editora.
Embrapa. (2011) Manual de métodos de análise de solos. Rio de Janeiro: Embrapa Solos.
Hengl, T. (2006). Finding the right pixel size. Computers & Geosciences, 32(9), 1283-1298.
https://doi.org/10.1016/j.cageo.2005.11.008
IBGE. Geociências (2018). Informações ambientais, Pedologia, Escala 250 mil. Disponível
em: https://downloads.ibge.gov.br/downloads_geociencias.htm
Journel, A. G. (1989). Fundamentals of geostatistics in five lessons. Washington, American
Geophysical Union.
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
83
Junior, J. C. O., Souza, L. C. P., Melo, V. F. (2010). Variabilidade de Atributos Físicos e
Químicos de Solos da Formação Guabirotuba em diferentes Unidades de Amostragem. R.
Bras. Ci. Solo, 34(5), 1491-1502. https://doi.org/10.1590/S0100-06832010000500002
Lima, F. S., Barros, M. F. C., Ferraz, F. B., Junior, S. S., Oliveira, L. B. (2008). Absorção de
Nutrientes e Sódio pelo Caupi em Solos Salino-Sódicos Corrigidos com Gesso. Revista
Caatinga, 21(5), 95-101.
https://periodicos.ufersa.edu.br/index.php/caatinga/article/view/179/489
Lira, S. A., Neto, A. C. (2006). Coeficientes de correlação para variáveis ordinárias e
dicotômicas derivados do coeficiente linear de Pearson. RECIE: Uberlândia, 15(1/2), 45-
53. http://www.seer.ufu.br/index.php/cieng/article/view/529/489
Maples, M. P., Reichart, D. E., Berger, T. A., Trotter, A. S., Martin, J. R., Paggen, M. L., Joyner,
R. E., Salemi, C. P., Dutton, D. A. (2018). Robust Chauvenet Outlier Rejection.
Astrophysical Journal Supplement Series, 238(1), 2. https://doi.org/10.3847/1538-
4365/aad23d
Maria, I. C., Rosserto, R., Ambrosano, E. J., Castro, O. M. (1993). Efeito da adição de
diferentes fontes de Cálcio no movimento de cátions em colunas de solos. Piracicaba: Sci.
Agric., 50, 87-98. https://doi.org/10.1590/S0103-90161993000100013
Martins, E. G. M., (2015). Medidas de localização, Rev. Ciência Elem., 3(2), 125.
Martins, E. G. M., (2015). Medidas de dispersão, Rev. Ciência Elem., 3(2), 126.
Martins, J. C., Fernandes, R. (2017). Processos de degradação do solo - medidas de
prevenção. Dossier Técnico Vida Rural.
Martin, T. N., Storck, L., Neto, D. D. (2007). Simulação estocástica da radiação
fotossinteticamente ativa e da temperatura do ar por diferentes métodos. Brasília, Pesq.
agropec. bras., 42(9), 1211-1219. https://doi.org/10.1590/S0100-204X2007000900001
Manzione, R. L., Zimback, C. R. L. (2011). Análise espacial multivariada aplicada a avaliação
da fertilidade do solo. Viçosa-MG: Eng. na Agricul. REVENG, 19(3), 227-235.
https://doi.org/10.13083/reveng.v19i3.181
Mcbratney, A. B., Odeh, I. O. A., Bishop, T. F. A., Dunbar, M. S., Shatar, T. M. (2000). An
overview of pedometric techniques for use in soil survey. Geoderna, 97(3-4), 293-327.
https://doi.org/10.1016/S0016-7061(00)00043-4
Melo, G. W., Meurer, E. J., Pinto, L. F. S. (2004). Fontes de Potássio em Solos Distroférricos
Cauliníticos Originados De Basalto No Rio Grande Do Sul. R. Bras. Ci. Solo, 28(4), 597-
603. http://dx.doi.org/10.1590/S0100-06832004000400002
Mello, C. R., Lima, J. M., Silva, A. M., Mello, J. M., Oliveira, M. S. (2003) Krigagem e o inverso
do quadrado da distância para interpolação dos parâmetros da equação de chuvas
intensas. R. Bras. Ci. Solo, 27(5), 925-933. http://dx.doi.org/10.1590/S0100-
06832003000500017
Mello, J. M., Batista, J. L. F., Júnior, P. J. R., Oliveira, M. S. (2005). Adjustment and selection
of spatial models of semivariogram envisaging Eucalyptus grandis volumetric estimates.
Scientia Forestales, 69, 25-37. https://www.ipef.br/publicacoes/scientia/nr69/cap02.pdf
Mohallem, D. F., Tavares, M., Silva, P. L., Guimarães, E. C., Freitas, R. F. (2008). Avaliação
do coeficiente de variação como medida da precisão em experimentos com frangos de
corte. Arq. Bras. Med. Vet. Zootec., 60(2), 449-453. http://dx.doi.org/10.1590/S0102-
09352008000200026
Monteiro, M. C. H., Torrent, J. (2010). Dinâmica do fósforo no solo: perspectiva agronómica e
ambiental. Castelo Branco: IPCB.
Morettin, P. A.; Bussab, W. O. (2010). Estatística básica. São Paulo: Saraiva, 6. ed. 540 p.
Santos et al. / Physis Terrae, Vol. 2, nº 1, 2020, 63-86
84
Nanthakumar, C., Vijayalakshmi, S. (2016). Construction Of Inter Quartile Range (IQR) Control
Chart Using Process Capability For Mean Using Range. International Journal of Science,
Engineering and Technology Research (IJSETR), 5(1), 114-118. http://ijsetr.org/wp-
content/uploads/2016/01/IJSETR-VOL-5-ISSUE-1-114-118.pdf
Ortiz, J. O. (2008). Análise de Risco na fase de Planejamento em Sistemas de Produção
Agrícola por meio da Simulação Geoestatística Condicionada. São José dos Campos-SP:
INPE, Brasil.
Parrinello, C. M., Grams, M. E., Sang, Y., Couper, D., Wruck, L. M., Li, D., Eckfeldt, J. H.,
Selvin, E., Coresh, J. (2016). Iterative Outlier Removal: A Method for Identifying Outliers in
Laboratory Recalibration Studies. Clinical Chemistry, 62(7), 966–972.
https://doi.org/10.1373/clinchem.2016.255216
Portela, E., Pires, A. L. (1995). Nutrient deposition and leaching by rainwater in low and
intensively managed chestnut groves. Proceedings Conference on Erosion and Land
Degradation in Mediterranean, Universidade de Aveiro, Portugal. 307-317.
Ronquim, C. C. (2010). Conceitos de fertilidade do solo e manejo adequado para as regiões
tropicais. Campinas: Embrapa.
Rosolem, C. A., Santos, F. P., Foloni, J. S. S., Calonego, J. C. (2006). Potássio no solo em
consequência da adubação sobre a palha de milheto e chuva simulada. Brasília: Pesq.
agropec. bras.,41(6), 1033-1040. http://dx.doi.org/10.1590/S0100-204X2006000600020
Santos, A. C., Ferreira, D. F. (2003). Definição do tamanho amostral usando simulação Monte
Carlo para o teste de normalidade baseado em assimetria e curtose. I. Abordagem
univariada. Lavras: Ciênc. agrotec., 27(2), 432-437. http://dx.doi.org/10.1590/S1413-
70542003000200025
Santos, D. R., Gatiboni, L. C., Kaminski, J. (2008). Fatores que afetam a disponibilidade do
fósforo e o manejo da adubação fosfatada em solos sob sistema plantio direto. Santa Maria:
Ciência Rural, 38(2), 576-586. http://dx.doi.org/10.1590/S0103-84782008000200049
Santos, J. J., Franca-Rocha, W. J. S., Baptista, G. M. M., Souza, D. T. M., Silva, A. B., Santos,
S. M. B. (2019). Análise Bibliométrica da Espectrorradiometria e Geoestatística de solos:
uma discussão em 10 anos. São Paulo: Geociências UNESP, 38(4), 1097-1104.
https://doi.org/10.5016/geociencias.v38i4.14112
Santos, R. L., Andrade, H. O. (2008). Avaliação quantitativa do conforto térmico de uma cidade
em área de transição climática: Feira de Santana-Bahia, Brasil. Revista de Geografía Norte
Grande, 40, 77-84. http://dx.doi.org/10.4067/S0718-34022008000200005
Santo, S. M., Silva, B. C. M. N., Santos, R. L., Fernandes, R. B. (2013). População e meio
ambiente no umbral do século XXI na cidade de Feira de Santana (Bahia-Brasil).
Barcelona: Rev. Elet. de Geografia y ciencias sociales.17, 425.
http://www.ub.edu/geocrit/sn/sn-425.htm
Silva, A. B. (2018). Análise quantitativa espacial: conceitos e fundamentos. Curitiba: Appris,
1.
Silva, S. A., Lima, J. S. S. (2009). Lógica Fuzzy no mapeamento de variáveis indicadoras de
fertilidade do solo. Chile: IDESIA, 27(3), 41-46. http://dx.doi.org/10.4067/S0718-
34292009000300007
Subbarao, G. V., Ito, O., Berry, W. L., Wheele R. (2003). Sodium—A Functional Plant Nutrient.
Critical Reviews in Plant Sciences, 22(5), 391-416.
https://doi.org/10.1080/07352680390243495
Souza, H. A., Cavalcante, A. C. R., Tonucci, R. G., Pompeu, R. C. F. F., Souza, M. C. M. R.
(2015). Diagnóstico da fertilidade do solo em áreas de sequeiro de agricultores familiares
em municipios do sertão dos Inhamuns. SOBRAL: Embrapa.
Modelagem geoestatística de elementos maiores dos solos de Feira de Santana-Ba, Brasil
Mudanças ambientais e riscos
85
Zonta, J. H., Brandão, Z. N., Medeiros, J. C., Sana, R. S., Sofiatti, V. (2014). Variabilidade
espacial da fertilidade do solo em área cultivada com algododeiro no cerrado do Brasil.
Campina Grande: Rev. Bras. Eng. Agrícola.18(6), 509-602. https://doi.org/10.1590/S1415-
43662014000600005
Artigo recebido em/ Received on: 01/04/2020
Artigo aceite para publicação em/ Accepted for publication on: 13/05/2020
