SOIL FERTILITY MAPS AS A TOOL FOR PRECISION AGRICULTURE

Authors

  • Nátaly Luzia Jorge UFS - Universidade Federal de Sergipe
  • Anna Beatriz Nogueira de Araújo Programa de Pós-graduação em agricultura e biodiversidade - SE
  • Marielly Rodrigues Santos Universidade Federal de Sergipe
  • Wendel de Melo Massaranduba Programa de Pós-graduação em agricultura e biodiversidade - SE
  • Rychardson Rocha de Araújo DEAGRI

DOI:

https://doi.org/10.28998/rca.24.19642

Abstract

The advancement of Brazilian agriculture in recent years has been driven by progress in research on soil fertility and applied technologies, which have enabled the efficient use of soil amendments and fertilizers, improving soil quality and agricultural productivity. Soil chemical analysis is essential, but not exclusive; in this context, Digital and Precision Agriculture have revolutionized agricultural practices. The use of sensors, fertility maps, geolocation, and homogeneous management zones has proven effective in increasing resource use efficiency, optimizing input recommendations, and minimizing environmental impacts. In this context, this study aimed to develop soil fertility maps to determine and analyze management zones on a property located in the municipality of Frei Paulo, Sergipe. The characterization of the soil's chemical attributes was carried out in an experimental area of 180 ha, using a georeferenced points area and generating sampling grids in the free software QGIS (3.28.2), with 6 sampling points, 3 samples per hectare and two depths, 0 to 20 cm and 20 to 40 cm, and for each main sample, 4 subsamples spaced 1 meter apart were collected. The data were submitted to descriptive statistics and the maps were interpolated using the Smart-Map plugin (version 1.4). According to the generated maps, distinct patterns were revealed between the two layers analyzed; pH, calcium, phosphorus, and potassium presented higher values in the surface layer (0-20 cm), reflecting the influence of agricultural management and leaching. The essential cation saturation indicated good surface fertility; however, the low effective CEC in depth requires attention to fertilization. 

Downloads

Download data is not yet available.

References

Alves, M. C. Sistemas de rotação de culturas com plantio direto em Latossolo Roxo: efeitos nas propriedades físicas e químicas; 1992.

Artuso, D. R.; Moterle, D. F.; Santos, D. R. dos.; Tiecher, T. Potassium distribution in soil profiles under no-tillage system. Revista Brasileira de Ciência do Solo. 2024, 48, e0230125.

Associação Brasileira de Normas Técnicas. ABNT NBR ISO/IEC 17025. Requisitos gerais para a competência de laboratórios de ensaio e calibração. 2005.

Bassoi, L. H.; Inamasu, R. Y.; Bernardi, A. C. de C.; Vaz, C. M. P.; Speranza, E. A.; Cruvinel, P. E. Agricultura de precisão e agricultura digital. Revista Brasileira de Ciência do Solo. 2019.

Benites, V. M.; Carvalho; Resende, A. V.; Polidoro, J. C.; Bernardi, A. C. C.; Oliveira, F. A. O potássio, o cálcio e o magnésio na agricultura brasileira. In: EMBRAPA. Boas práticas para o uso eficiente de fertilizantes: produto da rede FertBrasil. Embrapa: Brasília, DF, 2012; pp. 16-45.

Daba, A. W. Rehabilitation of soil salinity and sodicity using diverse amendments and plants: a critical review, 2024.

Davey, B.J.; Conyers, M.K. Determining the pH of acid soils. Soil Science, Baltimore, v.146, n.3, p.141-150, 1988.

Duarte, J. O.; Mattoso, M. J.; Garcia, J. C. Importância Socioeconômica do milho. URL (https://www.embrapa.br/agencia-de-informacao-tecnologica/cultivos/milho/pre-producao/socioeconomia/importancia-socioeconomica) (acesso em 24 de abril de 2025).

Embrapa Meio Ambiente. Entendendo a matéria orgânica do solo em ambientes tropical e subtropical, 2023.

Gomes, F. P. e Garcia, C. H. Estatística aplicada a experimentos agronômicos e florestais: exposição com exemplos e orientações para uso de aplicativos. Piracicaba: FEALQ, 2002.

Hauschild, F. E. G. Técnicas de agricultura de precisão para definição de zonas de manejo de solo. Santa Maria, 2013.

IBGE. Especificações e Normas para Levantamento Geodésicos Associados ao Sistema Geodésico Brasileiro. Rio de Janeiro, 2017.

IBGE. Instituto Brasileiro de Geografia e Estatística. Produção agrícola municipal: culturas temporárias e permanentes. Rio de Janeiro, 2017. URL (https://censoagro2017.ibge.gov.br/templates/censo_agro/resultadosagro/pdf/se.pdf) (acesso em: 06 Mar. 2025).

Inamasu, R. Y.; Bernardi, A. C. C.; Vaz, C. M. P.; Pires, J.L.F.; Gebler, L.; Jorge, L. A.C.; Bassoi, L. H. Agricultura de Precisão: Um novo olhar na Era Digital, 1ª ed.; Embrapa: São Carlos, SP, 2024; pp. Xi-xvi. DOI: https://doi.org/10.4322/978-65-86819-38-0.1000003.

Köppen, W. Classificação dos climas segundo Köppen. In: Moreno, J. A. Climatologia do Brasil; EDUSP: São Paulo, 1961; pp. 119-142.

Lange, A.; Cavalli, E.; Pereira, C. S.; Chapla, M. V.; Freddi, O. S. Relações Cálcio: Magnésio e características químicas do solo sob cultivo de soja e milho. Nativa. 2023, 9(3), 294-301. DOI: 10.31413/nativa.v9i3.11526.

Liu, W.; Du, P.; Wang, D. Ensemble learning for spatial interpolation of soil potassium content based on environmental information. PLoS ONE, v. 10, n. 6, e0124383, 2015. DOI: https://doi.org/10.1371/journal.pone.0124383.

Luchiari Junior, A.; Borghi, E.; Avanzi, J. C.; Freitas, A. A. de; Bortolon, L.; Bortolon, E. S. O.; Ummus, M. E.; Inamasu, R. Y. Zonas de manejo: teoria e prática. In: REDE AP. Livro 1: Agricultura de Precisão no Brasil; Embrapa Pesca e Aquicultura: Palmas, 2011.

Luchiari Junior, A.; Shanahan, J.; Liebig, M.; Schlemmer, M.; Schepers, J. S.; Francis, D.; Payton, S. Strategies for Establishing Management Zones for Site Specific Nutrient Management. In: Proceedings of the 5 th International Conference on Precision Agriculture, 2000, Minneapolis; University of Minnesota: Minneapolis, 2000.

Mendes, A. M. S. Introdução à fertilidade do solo. Aula ministrada no Curso de Manejo e Conservação do Solo e da Água promovido pela Superintendência Federal de Agricultura, Pecuária e Abastecimento do Estado da Bahia – SFA-BA/SDC/MAPA, no auditório da UFBA, em Barreiras-BA, 2007.

Ministério da Agricultura e Pecuária (MAPA). MAPA divulga os 100 municípios mais ricos do agronegócio em 2023. Disponível em: https://www.gov.br/agricultura/pt-br/assuntos/noticias/mapa-divulga-os-100-municipios-mais-ricos-do-agronegocio-em-2023 (Acesso em: 17 nov. 2025).

Morato, L. X. O.; Oliveira, G. C.; Silva, V. A. Variabilidade espacial de atributos químicos da fertilidade do solo da fazenda Varginha. Brazilian Journal of Development. 2021, 7(12), 119119-119135. DOI: 10.34117/bjdv7n12-599.

Oliveira, C. S.; Oliveira, J. A.; Assis, V. C. S. S.; Oliveira, G. H.; Sá, A. A. S.; Silva, R. P.; Casamassa, M. T.; Berti, M. P. S. Dinâmica do magnésio no sistema solo-planta e sua participação no metabolismo e nutrição de plantas: uma revisão. Scientific Electronic Archives, [S. l.], v. 17, n. 4, 2024. DOI: 10.36560/17420241898. Disponível em: https://scientificelectronicarchives.org/index.php/SEA/article/view/1898. Acesso em: 29 abril. 2025.

Oliveira, F. A.; Castro, C.; Oliveira Junior, A.; Klepker, D.; Firmano, R. F. Tecnologias de manjeo da fertilidade do solo e avaliação do estado nutricional da soja. In: Documentos Embrapa Soja, 1ª ed.; Embrapa: Londrina, PR; Vol. 458, 75 pp.

Pereira, G.W.; Valente, D.S.M.; Queiroz, D.M.d.; Coelho, A.L.d.F.; Costa, M.M.; Grift, T. Smart-Map: An Open-Source QGIS Plugin for Digital Mapping Using Machine Learning Techniques and Ordinary Kriging. Agronomy 2022, 12, 1350.

Procópio, S. O.; Cruz, M. A. S.; Almeida, M. R. M.; Júnior, L. A. J.; Júnior, L. R. N.; Carvalho, H. W. L. Sealba: região de alto potencial agrícola no Nordeste brasileiro. Aracaju: Embrapa Tabuleiros Costeiros, 2019. (Documentos, 221).

Ramos, F. P. L.; Oliveira, J. P. M. de. Agricultura digital como ferramenta de auxílio em tomadas de decisões dos produtores rurais do Brasil. Anais de Agronomia. 2021, 2(1), 1-13.

Ribeiro, D.; Bócoli, F. A.; Pádua, E. J.; Teixeira, A. F. S.; Guilherme, L. R. G.; Menezes, M. D.; Curi, N.; Silva, S. H. G. Effectiveness of proximal and remote sensing to trace soils spatial variabillity: A study case in a Brazilian Cerrado coffee farm. Ciência e Agrotecnologia, 2024.

Ronquim, C. C. Conceitos de fertilidade do solo e manejo adequado para as regiões tropicais. Boletim de pesquisa e desenvolvimento 35(2); Embrapa Territorial: Campinas, 2020.

Scalon, L. Q. Variabilidade espacial da fertilidade do solo e mapas de recomendação; 2020.

Schmidt, O.; Hughes-Games, G. Potassium considerations for nutrient management. Nutrient management factsheet – No. 7 in Series. URL (https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/631500-5_potassium_considerations_factsheet_no7_sep2010.pdf) (acesso em: 4 abr. 2025).

Schofield, R.K.; Taylor, A.W. The measurement of soil pH. Soil Science Society of America Proceedings, Madison, v.25, n.2, p.164-167, 1955.

Silva, F. C. da (Ed.). Manual de análises químicas de solos, plantas e fertilizantes, 2ª ed., rev. e ampl.; Embrapa Informação Tecnológica: Brasília, DF; Embrapa Solos: Rio de Janeiro, 2009; pt. 2, cap. 1, pp. 107-189.

Sobral, L. F.; Barreto M. C. de V.; Silva A. J. da; Anjos J. L. dos; CPATC. Guia Prático Para Interpretação De Resultados De Análises De Solos; 2015.

Sousa, D. M. G.; Lobato, E. Cerrado: correção do solo e adubação. Planaltina: Embrapa Cerrados, 2002.

Sousa, D. M. G.; Lobato, E. Cerrado: correção do solo e adubação, 2ª ed.; Embrapa Informação Tecnológica: Brasília, DF, 2004.

Varvel, G. E.; Schlemmer, M. R.; Schepers, J. S. Relationship Between Spectral Data from an Aerial Image and Soil Organic Matter and Phosphorus Levels. URL (https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/631500-5_potassium_considerations_factsheet_no7_sep2010.pdf) (acesso em: 4 abr. 2025).

Werle, R; Garcia, R. A.; Rosolem, C. A.; Lixiviação de potássio em função da textura e da disponibilidade do nutriente no solo. Rev Bras Ciênc Solo [Internet]. 2008 Nov; 32(6):2297–305. Available from: https://doi.org/10.1590/S0100-06832008000600009.

Zhang, M.; Shi, W.; Xu, Z. Systematic comparison of five machine-learning models in classification and interpolation of soil particle size fractions using different transformed data. Hydrology and Earth System Sciences, v. 24, p. 2505–2521, 2020. DOI: https://doi.org/10.5194/hess-24-2505-2020.

Downloads

Published

2026-06-10

Issue

Section

Engenharia Agrícola