O trabalho teve como objetivo construir um modelo de predição para o conteúdo de COS em escala de propriedade rural

Autores: Nícolas Augusto Rosin(1); Ricardo Simão Diniz Dalmolin(2); Jean Michel Moura-Bueno(3); Taciara Zborowski Horst(4) ; João Pedro Moro Flores(5) ; Diego José Gris(6)

Trabalho publicado nos Anais do evento e divulgado com a autorização dos autores.

INTRODUÇÃO

O carbono orgânico do solo (COS) é uma importante propriedade do solo, pois desempenha uma série de funções no ambiente e está relacionada com a produção agrícola. O COS do solo está relacionado com os fluxos de CO2 para a atmosfera e é um grande reservatório de carbono do ecossistema terrestre (BATJES; SOMBROEK, 1997). O uso e manejo do solo tem influência no ciclo do COS e consequentemente na emissão de CO2 para atmosfera. Isso tem refletido no aumento da demanda por informações de COS em grande escala, que permita o planejamento sustentável do solo em escala de propriedade rural (MCBRATNEY et al., 2014).

Dentre os fatores que determinam o conteúdo de COS e sua variabilidade na paisagem, estão as covariáveis ambientais derivadas dos Modelos Digitais de Elevação (MDE) (KEMPEN et al., 2011). Essas covariáveis estão relacionadas com as classes de solo e propriedades de solo. Sendo assim, elas condicionam perdas e ganhos de COS ao longo da paisagem.



O aporte de resíduos orgânicos em uma área está relacionado ao uso da terra (BERNOUX et al., 2002). Já as taxas de humificação (ganho) e mineralização (perda), assim como as perdas por erosão e escorrimento superficial são influenciadas pelo relevo local e práticas de manejo (BERNOUX et al., 2002).

Nos solos do Planalto do Rio Grande do Sul, Brasil, as áreas mais baixas e de drenagem fechada, apresentam características hidromórficas, gerando um aumento do teor de COS devido a diminuição da taxa de mineralização causada pela anaerobiose do ecossistema. Por outro lado, nas áreas mais elevadas a umidade do solo verificada é menor, permitindo maiores taxas de mineralização e em áreas de boa drenagem e com declividades elevadas, as perdas por mineralização são somadas com a erosão e escorrimento superficial.

Assim, quando o material geológico é homogêneo espera-se que as covariáveis ambientais que caracterizam os fluxos na paisagem, somado à aqueles que caracterizam o aporte de carbono orgânico ao solo, possam servir como covariáveis preditoras da distribuição de COS na paisagem utilizando a técnica de mapeamento digital de solos (MDS). O MDS vem sendo empregado para suprir a demanda por informações de solos, integrando técnicas computacionais com a ciência do solo (DALMOLIN; TEN CATEN, 2015).

Neste contexto, este trabalho teve como objetivos: i) construir um modelo de predição para o conteúdo de COS em escala de propriedade rural; ii) identificar as covariáveis que mais explicam a variação do COS na paisagem.

MATERIAL E MÉTODOS

O estudo foi realizado em uma área de 940 ha (Figura 1), localizada no município de Giruá, Rio Grande do Sul, Brasil. O clima (Köppen) é do tipo Cfa e o relevo varia de suave ondulado a ondulado.

Os solos da área são derivados de basalto da Formação Serra Geral. Nos locais de relevo plano ou suavemente ondulado com boa drenagem, predominam Latossolos Vermelhos Distroférricos típicos e em condições de drenagem imperfeita, predominam Gleissolos Háplicos Tb Distrófico típicos. As coberturas da terra predominantes são: mata nativa, lavoura em sistema plantio direto e campo nativo.

Para definição dos locais de amostragem no campo foi confeccionada uma malha de amostragem irregular no SAGA GIS 2.1, contendo 400 pontos, para representar a variabilidade ambiental da área. A partir desta malha foram selecionados, georreferenciados e coletados 261 pontos (Figura 1) em locais definidos com base no conhecimento do pedólogo e da facilidade de acesso aos pontos.

Figura 1 – Distribuição dos pontos de amostragem do solo na área de estudo (n = 261) com imagem Google Earth.

Em cada ponto amostral foram coletadas amostras deformadas nas profundidades 0 – 5, 5 – 15 e 15 – 30 cm. As amostras foram secas ao ar, destorroadas e passadas em peneira com malha de 2 mm. O teor de carbono orgânico do solo (COS) foi determinado via combustão úmida (0,5 g de solo + 10 ml K2Cr2O7 0,067 mol L-1) com aquecimento externo, segundo Yeomans e Bremner (1988). A titulação dos extratos do Carbono Orgânico Total (COT) foi realizada com Fe(NH4)2(SO4)2.6H2O 0,5 mol L-1, utilizando como indicador a fenantrolina.

Além dos dados de COS, foram derivadas 18 covariáveis ambientais do Modelo Digital de Elevação (MDE) TOPODATA, com resolução espacial de 30 m, utilizando o software SAGA-GIS. As covariáveis derivadas do MDE foram: elevação (elev), aspecto (asp), curvatura planar (cplan), curva horizontal (horzn), declividade numérica (declin), declividade 5 classes (decli5), curvatura vertical numérica (vertn), índice de rugosidade do terreno (tri), curvatura vertical 3 classes (cv3c), curvatura vertical 5 classes (cv5c), curvatura horizontal 3 classes (ch3c), curvatura horizontal 5 classes (ch5c), declividade em relação a elevação (sloph), formas do terreno (forter), declividade normalizada (norh), profunidade do vale (vd), declividade padronizada (sdh), convexidade da superfície do terreno (tsc). Também foi utilizada uma imagem do Landsat 8 para derivar 6 covariáveis relacionadas a cobertura do solo, sendo elas: bandas b4, b5, b6 e b7 e a razão entre as bandas b7 e b5 (b5b7). A covariável uso da terra (usot) foi gerada utilizando uma imagem do Google Earth. Isso totalizou em 24 covariáveis preditoras utilizadas para construir o modelo de predição para o conteúdo de COS.

O aprendiz estatístico utilizado foi o Boosted Regression Trees (BRT) – árvores de regressão impulsionadas, segundo (WANG et al., 2017). O desempenho da predição foi calculado usando a validação cruzada leave-one-out avaliando as seguintes estatísticas: coeficiente de determinação (R2), raiz quadrada do erro quadrático médio (RMSE), e proporção de desempenho no intervalo interquartil (RPIQ). Todas as análises foram realizadas utilizando a linguagem de programação R (R CORE TEAM, 2017).

RESULTADOS E DISCUSSÃO

Os valores de COS variaram de 0,97% na camada 15 – 30 cm até 5,64% na camada 0 – 5 cm, com os maiores valores e menor variação na camada superior (0 – 5 cm) (Tabela 1).

Tabela 1. Estatística descritiva dos dados de carbono orgânico do solo.

Na predição espacial da camada 0 – 5 cm as covariáveis mais importantes foram em ordem decrescente a elev, usot, b5, slopeh e b4 (Figura 2a). Já para a camada 5 – 15 cm as covariáveis importantes foram slopeh, usot, elev, ch5c e sdh (Figura 2b). Para a camada 15 – 30 cm as mais importantes foram elev, slopeh, usot, sdh e declin (Figura 2c). A mudança na importância das covariáveis indica que a quantidade de COS é condicionada por diferentes covariáveis ambientais nas camadas de solo estudadas. Na camada superficial, uso da terra, elevação apresentam importâncias próximas (15 e 12 %). O teor de COS da camada 5 – 15 cm é bastante influenciado pela declividade (15 %), devido aos processos de transporte e deposição de sedimentos contendo COS na paisagem. Já o COS em profundidade 15 – 30 cm é reflexo das mudanças de relevo (35 %) que (após longos períodos) irão condicionar o acúmulo em profundidade.

Figura 2. Importância das covariáveis para predição de COS nas camadas 0 – 5 (a), 5 – 15 (b) e 15 – 30 (c).

O uso da terra, a elevação e a declividade foram importantes em todas as profundidades. O uso da terra tem relação com a quantidade de aporte de matéria orgânica ao sistema, enquanto os atributos de terreno tem relação com a permanência e distribuição do COS na paisagem (KHEIR et al., 2010). Grande parte das covariáveis não apresentou muita importância na predição do COS de forma individual, apenas quando foram agrupadas (Figura 2).

As predições apresentaram boa acurácia (Tabela 2), sendo próximos dos encontrados por Kheir et al. (2010) que alcançaram R2 = 69,5. No presente estudo, na camada 0 – 5 cm o modelo teve ajuste melhor que as demais camadas (R2 = 0,57). O RMSE caiu de 0,67 % na camada 0 – 5 cm para 0,46 % na camada 15 – 30 cm. Enquanto na camada superior o erro representa aproximadamente 21,68% da média do COS na área de estudo, nas camadas adjacente, representa 25 e 26 %, respectivamente.

Na camada de 5 – 15 cm foi verificado acurácia quase semelhante a camada superficial (R2 = 0,56) e (RMSE = 0,67 %) que representa aproximadamente 25% da média do COS na área. A acurácia semelhante pode ser explicado pelo fato de ambas às camadas serem afetadas pelo cultivo do solo e sofrerem perda/ganho de COS pela ação da água da chuva.

Na camada mais profunda foi verificado um decréscimo da acurácia em relação às camadas superficiais (R2 = 0,55) e (RMSE = 0,46 %) que representa aproximadamente 26,44% da média do COS na área de estudo.

Tabela 2. Acurácia dos modelos de predição de COS.

As diferenças de acurácia encontradas entre as camadas podem ser explicadas pela variação dos atributos do terreno, pela perda de COS quando o solo é cultivado, sendo que essas perdas aumentam com a declividade do terreno. Mesmo em terras não cultivadas, o padrão se mantém, o relevo condiciona as perdas por erosão ou o acúmulo de resíduos que ao decompor-se aumentarão o teor de COS. Essa influência é mais acentuada na camada superficial, dando espaço para outros fatores não relacionados ao relevo condicionarem o teor de COS nas camadas mais profundas.


Confira nossa galeria de cursos TOTALMENTE ONLINE! Agregue conhecimento, faça já


Os mapas provenientes da predição de COS encontram-se na figura 3. As áreas em cor verde correspondem a locais da paisagem de acúmulo de sedimentos, em que são observados os maiores conteúdos de COS. Essas áreas apresentam o uso da terra campo nativo e floresta nativa associada à baixas elevações e declividade. As áreas de cores mais claras estão relacionadas ao uso da terra lavoura e a locais com declividade mais alta, as quais favorecem as perdas de COS para posições mais baixas de terreno. Os resultados encontrados no presente estudo mostram o potencial da técnica de MDS para gerar informações espaciais em escala de propriedade rural.

Figura 3. Teor de carbono orgânico do solo (COS) predito para camada 0 – 5 cm (a), 5 – 15 cm (b) e 15 – 30 cm (c).

CONCLUSÕES

A método Boosted Regression Trees (BRT) apresentou resultados satisfatórios na predição do teor de COS, explicando mais 50% da variação do COS.

As covariáveis mais importantes na predição foram elev, usot, b5 do Landsat e sloph.

Para estudos futuros recomenda-se selecionar apenas as covariáveis com maior importância e testar outros aprendizes estatísticos.

AGRADECIMENTOS: O primeiro autor agradece ao CNPq pela bolsa e ao suporte financeiro e concessão de bolsa PQ ao segundo autor.

REFERÊNCIAS

Bernoux M, Carvalho MCS, Volkoff B, Cerri CC. Brazil’s Soil Carbon Stocks. Soil Sci Soc Am J. 2002; 66:888-896.

Batjes NH, Sombroek WG, Possibilities for carbon sequestration in tropical and subtropical soils. Glob Chang Biol. 1997; 3:161-173.

Dalmolin RSD, ten Caten A. Mapeamento Digital: nova abordagem em levantamento de solos. Invest Agr. 2015;17:77-86.

Kempen B, Brus DJ, Stoorvogel, JJ. Three-dimensional mapping of soil organic matter content using soil type– specific depth functions. Geoderma. 2011; 162:107-123.

Kheir RB, Greve MH. Bøcher PK, Greve MB, Larsen R, Mccloy K. Predictive mapping of soil organic carbon in wet cultivated lands using classification-tree based models: The case study of Denmark. J. Environ. Manage. 2010;91:1150-1160.

McBratney A, Field DJ, Koch A. The dimensions of soil security. Geoderma. 2014; 213: 203–213.

Wang S., Zhuang, Q., Wang Q., Jin, X., Han C. Mapping stocks of soil organic carbon and soil total nitrogen in Liaoning Province of China. Geoderma. 2017; 305: 250–263.

Yeomans JC, Brener JM. A rapid and precise method routine determination of organic carbon in soil. Commun Soil Sci Plant Anal. 1988; 19:1467-1476.

Informações dos autores:  

(1) Graduando em Agronomia, Universidade Federal de Santa Maria (UFSM);

(2) Professor do Departamento de Solos, UFSM;

(3) Doutorando, UFSM;

(4) Doutoranda, UFSM;

(5) Graduando em Agronomia, UFSM;

(6) Graduando em Agronomia, UFSM.

Disponível em: Anais da XII Reunião Sul-Brasileira de Ciência do Solo. Xanxerê – SC, Brasil.

SEM COMENTÁRIO

DEIXE UMA RESPOSTA

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.