MAPAS DE FERTILIDADE DO SOLO COMO FERRAMENTA PARA AGRICULTURA DE PRECISÃO

Autores/as

  • 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

Resumen

 

O avanço da agricultura brasileira nos últimos anos tem sido impulsionado por avanços em pesquisas sobre fertilidade do solo e tecnologias aplicadas, que permitiram o uso eficiente de corretivos e fertilizantes, melhorando a qualidade do solo e a produtividade agrícola. A análise química do solo é essencial, mas não exclusiva, nesse cenário, a Agricultura Digital e de Precisão têm revolucionado as práticas agrícolas, com o uso de sensores, mapas de fertilidade, geolocalização e zonas homogêneas de manejo, têm se mostrado eficazes para aumentar a eficiência na utilização de recursos, otimizando a recomendação de insumos e minimizando os impactos ambientais. Neste contexto, este trabalho teve como objetivo elaborar mapas de fertilidade do solo para determinação e análise de zonas de manejo em uma propriedade localizada no município de Frei Paulo, Sergipe. A caracterização dos atributos químicos do solo foi realizada em uma área experimental de 180 ha, sendo adotado uma área com pontos georreferenciados e gerado grades amostrais em software livre QGIS (3.28.2), sendo 6 pontos amostrais, com 3 amostras por hectare e duas profundidades, 0 a 20 cm e 20 a 40 cm, e para cada amostra principal foram coletadas 4 subamostras distanciadas de 1 metro. Os dados foram submetidos à estatística descritiva e os mapas interpolados através do plugin Smart-Map (versão 1.4). De acordo com os mapas gerados foram revelados padrões distintos entre as duas camadas analisadas, o pH, o cálcio, o fósforo e o potássio apresentaram valores mais elevados na camada superficial (0-20 cm), refletindo a influência do manejo agrícola e da lixiviação. A saturação por cátions essenciais indicou boa fertilidade superficial, entretanto a baixa CTC efetiva em profundidade requer atenção à adubação.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

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.

Descargas

Publicado

2026-06-10

Número

Sección

Engenharia Agrícola